的清晰度的准确性。
[0066] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0067]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并与说明书一起用于解释本公开的原理。
[0068] 图1是本公开根据一示例性实施例示出的一种用于检测图像清晰度的方法的流程 图；
[0069] 图2是本公开根据一示例性实施例示出的一种将待检测图像的灰度图划分成的一 个区域的示意图；
[0070] 图3是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的方法的流 程图；
[0071] 图4是本公开根据一示例性实施例示出的一种用于检测图像清晰度的装置的框 图；
[0072]图5是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框 图；
[0073]图6是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框 图；
[0074]图7是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框 图；
[0075] 图8是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框 图；
[0076] 图9是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的框 图；
[0077] 图10是本公开根据一示例性实施例示出的另一种用于检测图像清晰度的装置的 框图；
[0078] 图11是本公开根据一示例性实施例示出的一种用于检测图像清晰度的装置的一 结构示意图。
【具体实施方式】
[0079] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及 附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例 中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附 权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0080] 在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。 在本公开和所附权利要求书中所使用的单数形式的"一种"、"所述"和"该"也旨在包括多数 形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语"和/或"是指并包 含一个或多个相关联的列出项目的任何或所有可能组合。
[0081] 应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这 些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离 本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第 一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在……时"或"当…… 时"或"响应于确定"。
[0082] 目前，电子技术的飞速发展使人们的生活越来越便利，很多智能终端设备都具有 拍摄照片和存储图像等功能，而图像的清晰度在一定程度上反映了该图像的品质。某些情 况下，智能终端设备需要根据图像的清晰度，执行一些任务，以辅助用户进行一些操作。
[0083] 例如，一种场景可以为，智能终端设备中存储的图像可能有些清晰度不高，当存储 空间不够用时，用户可能想优先删除那些清晰度不高的图像。这时，智能终端设备可以基于 图像的清晰度，首先从存储的图像中将不符合清晰度要求的图像挑选出来，然后由用户从 中挑选出一些图像删除掉。
[0084] 又例如，另一种场景可以为，用户刚刚照了一些照片，而这批照片没有经过筛选， 用户想洗其中照的清晰的一部分，但是由于照片数量太多，不方便一张一张去人工的筛选。 这时，智能终端设备可以基于图像的清晰度，从这批照片中将符合清晰度要求的图像挑选 出来，进行冲洗。
[0085] 由此可见，如何更准确的确定图像的清晰度变得尤为重要。本公开实施例提供了 一种用于检测图像清晰度的方法，有助于更准确高效的确定图像的清晰度。
[0086] 如图1所示，图1是根据一示例性实施例示出的一种用于检测图像清晰度的方法的 流程图，该方法可以应用于终端中。在本实施例中，为了便于理解，结合具有显示屏并能显 示图像的终端设备来举例说明。本领域技术人员可以理解，该终端设备可以包括但不限于 诸如智能手机的移动终端设备、智能穿戴式设备、平板电脑、个人数字助理、膝上便携式电 脑以及台式计算机等等。该方法包括以下步骤：
[0087] 在步骤101中，获取用于表征待检测图像局部区域对比度的全差分图像。
[0088] -般来说，图像中较为模糊的区域像素值变化不明显，对比度较小；图像中较为清 晰的区域像素值变化明显，对比度较大。因此，图像的对比度在一定程度上可以体现出图像 的清晰度。在本实施例中，可以基于用于表征待检测图像局部区域对比度的全差分图像来 确定能够体现待检测图像清晰度的量化数值。
[0089] 在本实施例中，凡是可以用于表征待检测图像局部区域对比度的图像，均可以作 为待检测图像对应的全差分图像。待检测图像对应的全差分图像可以较好的描述待检测图 像内容的变化，例如，在图像某位置处的对比度较高，则该位置处的差分值就会比较大，反 之在图像某位置处的对比度较低，则该位置处的差分值就会比较小。
[0090] 在本实施例中，首先，将待检测图像转换成灰度图，然后将待检测图像的灰度图划 分成若干个区域，每个区域包含N X N个像素点（横坐标方向N个像素点，纵坐标方向N个像素 点）。其中，N可以为任意合适的数值，例如，N可以为8,本公开对N的具体数值方面不限定。接 着，针对上述每个区域计算对应的灰度差分值。最后，将该差分值作为对应区域所有像素点 的灰度值，从而生成待检测图像对应的全差分图像。
[0091] 在本实施例的一种实现方式中，可以通过以下公式：
[0092]
[0093]
[0094] 计算上述区域对应的灰度差分值。其中，B表示上述划分的区域，X表示区域B中像 素点的位置，每个X处的像素点对应一个Μ X Μ的差分值计算区域，在本实施例中，可以取Μ = 2,即差分值计算区域包含4个像素点，其中一个像素点为X处的像素点。VB(x)表示区域Β中 的任意一个像素点的位置处的灰度差分值，idPL表示X处的像素点对应的差分值计算区域 的任意像素点的灰度值。W(X)为区域B中求出的最大的灰度差分值。需要说明的是，区域B中 的某些像素点(如处于区域某些边上的像素点）的位置，没有对应的差分值计算区域。
[0095] 例如，图2示出了将待检测图像的灰度图划分成的一个区域的示意图。如图2所示， 假设将待检测图像的灰度图划分成若干个区域，每个区域包含3 X 3个像素点，区域B包括a、 b、c、d、e、f、g、h、i这9个位置处的像素点。其中，a、b、d、e这4个位置处的像素点具有对应的 差分值计算区域。a位置处的像素点对应的差分值计算区域包含a、b、d、e这4个位置处的像 素点；b位置处的像素点对应的差分值计算区域包含b、c、e、f这4个位置处的像素点；d位置 处的像素点对应的差分值计算区域包含d、e、g、h这4个位置处的像素点；e位置处的像素点 对应的差分值计算区域包含e、f、h、i这4个位置处的像素点。
[0096] a位置处像素点对应的灰度差分值可以表示为VB(a)，
[0097] 则VB(a) = I Ia_Ib|+Ib_Ie| + | Ie_Id| + | Id_Ib| + | Id_Ia| + | Ia_Ie;
[0098] b位置处像素点对应的灰度差分值可以表示为VB(b)，
[0099] 则VB(b) = I Ic-Ib I + I Ib_Ie I + I Ie_If I + I If_Ib I + I If_Ic I + I Ic_Ie I 〇
[0100] 以此类推，也可以求得VB(d)和VB(e)。
[0101] 可以理解，还可以有其它计算上述划分的区域对应的灰度差分值的方法，本公开 对此方面不限定。
[0102] 在步骤102中，确定上述全差分图像的灰度重心的位置。
[0103] 在本实施例中，可以通过以下公式：
[0104]
[0105]
[0106] 求得上述全差分图像的灰度重心的位置。其中，表示上述全差分图像的灰度 重心的位置坐标。R表示上述全差分图像中像素点的所有横坐标的集合，S表示上述全差分 图像中像素点的所有纵坐标的集合，1^表示上述全差分图像中，位置在(i，j