.0G CPU、512M内存的PC机，在此配置水平的硬件上，采用C/C++语言编程实现本方法。操作系统可基于Windows或Linux的各类操作系统。下面对本发明的方法设计的关键步骤进行逐一详细说明，本发明的方法中的基本步骤相同，具体形式如下所述:
首先，是获取图片总的特征参数:
(1)获取原始图片作为RGB图片矩阵数据放在Mat_0rigin_Pic[]中；
(2)根据RGB 转灰度公式:Gray = R*0.299 + G*0.587 + B*0.114，从而计算得到 Mat_Gray_Pic[]；
(3)由于实际图片中左上角或右上角、左下角或右下角通常均包含一些文字信息，避免文字信息对监测的影响，假设图片横坐标为0〈X〈W1，图片纵坐标为0〈y〈Hl，其中的Hl表示图片的高度，Wl表示图片的宽度，将图片横坐标截取为Wl/8〈x〈7*Wl/8，将图片纵坐标截取为Hl/8〈y〈7*Hl/8，得到灰度图片矩阵Mat_Gray2_Pic []，新的灰度图片的宽度为W2，高度为H2 ；
(4)计算每个像素点的梯度值，采用3*3窗口计算，Grad(i,j)表示每个像素点的梯度值，Pixel (i, j)表示每个像素点的灰度值。Grad(i, j) =Pixel(i, j)_(位置在i，j的像素点左右八个像素点的灰度值综合)/8，i取值范围为l〈i〈W2-l，j取值范围为l〈j〈H2-l ；
(5)计算图片总的梯度值，Total_Grad=每个像素点Grad(i,j)的梯度值总和，i取值范围为l〈i〈W2-l，j取值范围为l〈j〈H2-l，计算图片的平均梯度值，Avg_Grad=Total_Grad/((W2-2)*(H2-2))；
(6)计算图片的平均灰度值，Avg_Gray=(每个像素Pixel(i, j)灰度值的总和)/((W2-2)*(H2-2))，其中:l〈i〈W2-l，l〈j〈H2-l，灰度值作为图片的亮度描述，因此，采用图片的平均灰度值表征图片的平均亮度值；
(8)图片总的梯度值Total_Grad、图片的平均梯度值Avg_Grad、图片的平均灰度值Avg_Gray作为图片总的特征描述，同时作为图片复杂度的输入因子。
[0027]其次，获取不同阈值情况下的边缘图片:
Cl)基于灰度图片Mat_Gray2_Pic[]，新定义通过边缘提取后的边缘图片为Mat_Edge_Picl[]、Mat_Edge_Pic2 []、Mat_Edge_Pic3 []、Mat_Edge_Pic4[]，边缘图片的大小为W2*H2 ；
(2)边缘提取阈值分别定义为Thdl、Thd2、Thd3、Thd4，根据测试经验结果数据，边缘提取阈值分别设置为 ThdI=5、Thd2=10、Thd3=15、Thd4=30 ；
(3)计算每个像素点的梯度值，采用3*3窗口计算，Grad(i,j)表示每个像素点的梯度值，Pixel (i, j)表示每个像素点的灰度值。Grad(i, j) =Pixel(i, j)_(位置在i，j的像素点左右八个像素点的灰度值综合)/8，i取值范围为l〈i〈W2-l，j取值范围为l〈j〈H2-l ；
(4)对每个像素点的梯度值Grad(i，j)，以阈值为 Thdl=5、Thd2=10、Thd3=15、Thd4=30时，当 Grad(i, j) >Thdl 时，将 Pixel (i, j)赋值至 Mat_Gray_Picl []，将 Grad(i, j)赋值至 Mat_Edge_Picl []；当 Grad (i, j) >Thd2 时，将 Pixel (i, j)赋值至 Mat_Gray_Pic2 [],将 Grad(i, j)赋值至 Mat_Edge_Pic2 []；当 Grad(i, j) >Thd3 时，将 Pixel (i, j)赋值至Mat_Gray_Pic3 [],将 Grad (i, j)赋值至 Mat_Edge_Pic3 []；当 Grad (i, j) >Thd4 时，将Pixel (i, j)赋值至 Mat_Gray_Pic4[]，将 Grad(i, j)赋值至 Mat_Edge_Pic4 []；
再次，计算不同边缘图片的特征参数:
Cl)以不同边缘图片作为输入值，包括了 Mat_Edge_Picl[]、Mat_Edge_Pic2口、Mat_Edge_Pic3 []、Mat_Edge_Pic4 []、Mat_Gray_Picl []、Mat_Gray_Pic2 []、Mat_Gray_Pic3 []、Mat_Gray_Pic4[]，分别计算不同边缘图片的特征参数，下面以Mat_Edge_Picl []、Mat_Gray_Picl []为例进行说明；
(2)计算Mat_Edge_Picl[]的边缘点数Edge_Numl，从而可以计算得出边缘占空比为Edge_Percentl=Edge_Numl/ W2*H2 ；
(3)计算图片Mat_Gray_Picl []的边缘平均灰度值，Avg_Edge_Grayl= (Mat_Gray_Picl []每个像素Pixel (i，j)灰度值的总和)/ Edge_Numl,其中:l〈i〈W2_l，l〈j〈H2_l，灰度值作为图片的亮度描述，因此，采用图片的边缘平均灰度值表征图片的边缘平均亮度值；
(4)计算Mat_Edge_Picl []的边缘平均梯度值，Edge_Gradl=( Mat_Edge_Picl []每个像素Pixel (i, j)灰度值的总和)/Edge_Numl ；
(5)计算得到的边缘占空比Edge_Percentl、边缘平均亮度值Avg_Edge_Grayl、边缘平均梯度值Edge_Gradl作为对边缘图片的特征描述，同时作为图片复杂度的输入因子。
[0028]最后，计算图像复杂度评价参数以及图像模糊评价参数:
(O计算图像复杂度评价参数的输入参数包括了:图片总的梯度值Total_Grad、图片的平均梯度值Avg_Grad、图片的平均灰度值Avg_Gray作为图片总的特征描述、边缘占空比Edge_Percent 1、边缘平均亮度值Avg_Edge_Gray1、边缘平均梯度值Edge_Gradl、边缘占空比Edge_Percent2、边缘平均亮度值Avg_Edge_Gray2、边缘平均梯度值Edge_Grad2、边缘占空比Edge_Percent3、边缘平均亮度值Avg_Edge_Gray3、边缘平均梯度值Edge_Grad3、边缘占空比Edge_Percent4、边缘平均亮度值Avg_Edge_Gray4、边缘平均梯度值Edge_Grad4 ；
(2)首先计算影响因子TP=Avg_Gray/Avg_Grad,分别计算各个边缘影响因子: EPl=TP^Paraml* (Edge_Percentl* Avg_Edge_Grayl/ Edge_Gradl),
EP2=TP*Param2* (Edge_Percent2* Avg_Edge_Gray2/ Edge_Grad2),
EP3=TP*Param3* (Edge_Percent3* Avg_Edge_Gray3/ Edge_Grad3)，
EP4=TP*Param4* (Edge_Percent4* Avg_Edge_Gray4/ Edge_Grad4),
其中的Paraml、Param2、Param3、Param4的取值尤其重要，其取值根据TP的取值范围进行设定，根据TP值和Param值，分别控制EP值对总的图像复杂度评价参数值影响值；
(3)图像复杂度评价参数值影响值Cmp_Pic=EP1*EP2*EP3*EP4 ；
(4)根据