本发明涉及图像质量智能检测与应用领域，特别是涉及一种智能测评实拍照片成像画质的实现方法。
背景技术：
判断一幅在真实的场景中拍摄的照片（简称实拍照片，相区别于实验室中拍摄的测试卡照片）的好坏，通常我们会从【成像画质】【视觉审美】【寓意内涵】这三方面进行衡量评判。
其中，【成像画质】这一部分是真实场景的实拍照片和实验室客观场景的测试照片都会涉及到的，它们的主要区别在于：实验室的测试照片是在一系列固定的拍摄条件下进行拍摄的，但真实场景中进行的实拍照片却要面临大千世界各种不同的拍摄条件，所以它的【成像画质】是无法用实验室的技术指标来衡量评判的。
对于实拍照片来说，我们在判断其【成像画质】的优劣等级之前，至少需要考虑以下几个方面的问题。
首先,要确定照片是在什么条件下拍摄的：a什么场景——画面拍的是风光、静物、人物、夜景还是城市街头等等；b什么主体——一个杯子还是一栋房子、单个人像还是多人合影等等；c什么光照——顺光、逆光，晴天、阴天，自然光、人工光还是混合光等等；d什么介质——是在雾霾天拍的还是在下雨天拍的，空气中拍的还是在水下拍的等等；e多少距离——一个远距离的人物脸部细节和一个近距离的人物脸部特写细节肯定无法用同一个标准去衡量；f什么视角——平视还是俯视，广角还是远摄，单幅视野还是全景视野等等，它们所需要衡量的画面空间层次和透视畸变肯定都不同。
其次,还要考虑到实拍所使用的技术参数：光圈，快门，镜头焦距，白平衡色值，感光度，对焦点区域等等，虽然不同的拍摄参数组合是可以完成同一个被场景的同一幅照片的最终拍摄，但不同的技术参数会直接或间接影响到实拍照片的成像画质表现。比如：通过不同的光圈快门组合，我们可以用不同的感光度（如iso100和iso1000）在同一个场景中拍到两幅曝光结果相同的照片，但它们的画面噪点表现是肯定存在差别的。
另外,还要考虑实拍所采用的拍摄模式：风光、人像、运动、微距、夜景、闪光等等，不同的拍摄模式对于画面成像都有各自不同的侧重点；风光注重色彩、细节和画面通透性，人像会考虑背景虚化、突出主体，甚至磨皮美颜，刻意减弱皮肤质感——如果我们没有考虑到这个问题，就会直接拉低了【成像画质】中的的质感表现。
最后，我们甚至还需要考虑到实际拍摄时是不是采用了什么特效滤镜或者特殊拍摄技法；比如hdr、光学防抖还是图像防抖、多帧堆栈、多重曝光以及背景虚化、肌肤美颜等等，都是会最终影响实拍照片的【成像画质】表现的；比如：一幅采用了hdr拍摄的画面和一幅没用hdr拍摄的画面，它们的影调层次表现肯定是不同的，这在【成像画质】评判中必须要区别对待。
在把前面这几个方面的问题都兼顾到了以后，我们再来评判一幅实拍照片的【成像画质】才有公正性和说服力；正如我们如果把夜景的照片拍成像白天一样就失去了拍夜景的意义（特殊艺术创作除外），一幅夜景的【成像画质】一定也得用拍夜景的标准来衡量和评判才是科学的、合理的；所以，对于实拍照片的【成像画质】来说，离开了它的实际拍摄条件的范畴来谈它的好坏是没有意义的。
而评价一幅实拍照片的【成像画质】，通常我们是通过这幅照片的曝光控制、色彩还原、焦点虚实、影调层次、质感表现、透视畸变、噪点处理等影像指标来分别评判打分的，并最终形成一幅实拍照片的成像画质综合评分。
能完成以上这一系列需要视觉意识和影像专业认知参与的【成像画质】评分事项和工作流程，目前只能是依靠人来完成：由人工进行拍摄条件的界定，然后获取拍摄参数和相关拍摄模式、画面特效信息，再通过专业摄影师、图像分析师、图片应用专家等具备影像知识、实拍经验和分析评价能力的专业人士，运用他们各自的视觉鉴赏水准来执行。
但人工的视觉鉴赏存在很大的不稳定性；由于每个人的个性、认知、经历和价值观的差异，不同的人看同一幅照片会有不同的视觉感受；即使是同一个人在不同的时刻、不同的心境、不同外围因素困扰时，看同一幅照片也会有存在不同的观感和结论；所以，通过视觉鉴赏的模式来审核评估实拍照片更适合于艺术和文化范畴，把它运用在技术性的图像画质检测，其不稳定性会直接带来不一致性，最后甚至会带来混乱的检测结果。
技术实现要素：
本发明主要解决的技术问题是提供一种智能测评实拍照片成像画质的实现方法，能够在充分学习人工读图识别和视觉鉴赏的基础上，智能而又稳定地进行机器自主读图识别和评图鉴赏，完成实拍照片的非人工成像画质评测。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种智能测评实拍照片成像画质的实现方法，主要包括两个方面：通过学习人工读图分析和场景识别，模拟影像专家对实拍照片各项影像指标进行测评打分，创建实拍照片成像画质的基准数据模型和数据库；然后在对当前待测实拍照片的影像指标进行采样分析中获得测量值，与数据库中对应的数据模型的影像指标基准值进行偏差等效换算，获得最终的实拍照片成像画质评分。
本发明的有效效果是：排除了人为的不确定和不稳定因素后的成像画质评测结果更具有可靠性和一致性；基于不同视觉影像专家的大批次多场景实拍照片测评和实际检测中的大数据反复实践和自我校验学习而实时积累修正更新的成像画质基准数据库机器数码模型具备更广的技术覆盖面和代表性，更具科学性和权威性；而全程的机器智能读图评图不仅提高了图像质量检测的高效性和可重复再现性，降低了实际的人工成本，同时也提高了图像质量智能检测与应用的实用价值，这都是靠人工影像专家进行成像画质测评所难以比拟的。
附图说明
图1是本发明一种智能测评实拍照片成像画质的实现方法较佳实施例的阶段流程示意图；
图2是一种智能测评实拍照片成像画质的实现方法所示的如何进行读图识别的项目分解示意图；
图3是一种智能测评实拍照片成像画质的实现方法所示的如何进行评判打分的流程分解示意图；
附图中各部件的标记如下：p1、人工读图专家测评阶段；p2、机器读图专家测评阶段；p3、机器读图机器测评专家辅助阶段；p4、智能测评阶段；ds1、人工读图识别项目分解；ds2、机器读图识别项目分解；pd1、专家测评打分流程；pd2、机器测评打分流程；pd3、影像指标项目。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1，本发明实施例包括一种智能测评实拍照片成像画质的实现方法，能够解决在无需人工介入的情况下自动进行实拍照片成像画质测评打分的技术问题；通过学习人工读图分析和场景识别，模拟影像专家对实拍照片各项影像指标进行测评打分，创建实拍照片成像画质的基准数据模型和数据库；然后在对当前待测实拍照片的影像指标进行采样分析中获得测量值，与数据库中对应的数据模型的影像指标基准值进行偏差等效换算，获得最终的实拍照片成像画质评分。
具体的实施方式如下：
p1人工读图识别专家测评打分阶段
步骤一，提供各种被摄场景和拍摄条件下的实拍照片进行人工读图识别，然后将识别的信息作为测评的参考依据提供给专业摄影师、影像分析师、图片应用专家等影像专业人士进行专业的成像画质分析评估，按照既定的评分体系进行各项影像指标的评价打分；
步骤二，根据不同的拍摄场景和拍摄条件，对专家评价的影像指标和得分结果进行分档归类；从中筛选出各种实拍场景和实拍条件下【成像画质】好照片所需要描述的各项影像指标的基准值，逐步创建实拍照片成像画质基准数据模型；
步骤三，大量的实拍照片进入步骤一和步骤二的识别-评分-架构数据模型环节，在组建成像画质基准数据库的同时，开创机器学习人工读图识别和专家测评打分的工作模式；
p2机器读图专家测评阶段
步骤一，经过大范围实拍场景和拍摄条件的读图识别学习之后，首先开启机器读图识别+人工辅助鉴定模式；在此过程中机器仍将继续进行读图识别学习，还要学习人工如何鉴定识别结果；
步骤二，机器识别的拍摄场景和拍摄条件将不断地提供给影像专家，供测评打分时做参考依据，同时机器也要进行测评学习和打分学习；
步骤三，在此基础上，成像画质的基准数据模型将不断合理完善，基准数据库的覆盖面也进一步扩大，拍摄场景和拍摄条件也更加丰富多样；
p3机器读图机器测评专家辅助阶段
步骤一，经过大量读图识别学习和人工鉴定学习后，机器将逐渐具备完整的自我校验能力，开始独立进行实拍照片的读图识别；
步骤二，同时，机器学习专家的测评打分也取得了足够的深度和广度，开启机器评判打分+人工辅助鉴定模式；在此过程中机器人将继续进行测评打分学习，还要学习专家如何鉴定评分结果；
步骤三，到这一阶段，实拍照片成像画质各项基准数据模型以及完整的基准数据库都已确定，机器学习专家评判打分的过程基本结束；
p4、智能测评阶段
步骤一，打开图像检测系统的实拍照片成像画质基准数据库，基准数据模型准备就绪；
步骤二，导入一幅实拍照片，机器自动开始读图识别，完成画面被摄场景、技术参数和拍摄模式等拍摄条件的识别和自我校验；
步骤三，根据识别的拍摄条件自动匹配对应的画质基准数据模型，进入机器智能测评打分环节，同时进行自我校验；
步骤四，将这一智能实拍照片成像画质评分机能导入测评系统，针对同一场景的不同拍摄器材的实拍照片进行评分对比，实现拍摄器材实拍画质对比测评；
步骤五，将这一智能实拍照片成像画质评分机能导入测评系统，针对同一拍摄器材所拍摄的不同场景主体的实拍照片进行评分对比，实现拍摄器材综合实拍画质测评；
步骤六，在实现实拍照片成像画质智能测评的过程中，同时进行画质基准数据模型和数据库的自我更新、自我优化的过程。
请参考图2，本发明中关于读图识别的具体实施项目（包含但不仅限于）：
ds1人工读图识别项目
步骤一，从实拍照片的画面内容和视觉元素中识别确认当前的拍摄条件：什么场景，什么主体，什么光照环境，什么光路介质，多少拍摄距离，何种取景视角等等，以及可能的二级、三级拍摄条件分类；
步骤二，从人工附带信息或者照片内置的exif信息中获取当前实拍照片所采用的光圈、快门、镜头焦距、白平衡、感光度、对焦点等拍摄技术参数；
步骤三，确认当前实拍照片所使用的拍摄模式以及可能附加的画面特效和拍摄技法；
以上这些信息都将作为影像专家进行当前实拍照片成像画质测评的参考范畴和打分依据；
ds2机器读图识别项目
步骤一，通过当前实拍照片的画面特征分析、人脸侦查和主体元素识别，以及明暗分布、影调格局、画面轮廓线条的透视、拍摄时间推断等等，确认实拍照片的拍摄条件；
步骤二，通过照片内置的exif信息获取当前实拍照片所采用的光圈、快门、镜头焦距、白平衡、感光度、对焦点等拍摄技术参数；
步骤三，通过画面特征分析以及照片内置信息（需器材厂家照片数据支持），确定当前实拍照片的拍摄模式和可能的画面特效、拍摄技法；
以上这些信息将成为一个组合选项，作为匹配实拍照片成像画质基准数据模型的前缀条件。
请参考图3，本发明中关于测评打分的具体流程环节（包含大不仅限于）：
pd1专家测评打分流程
步骤一，根据读图识别的拍摄条件、拍摄参数等信息，首先确定当前实拍照片生成的前提条件，并以此作为本次测评打分的先决条件和依据范畴；
步骤二，运用自己的影像专业背景知识和实拍经验，对当前拍摄条件下的成像画质确立一个目标理想值和判断基准范围；
步骤三，同时兼顾专家个人的主观读图情绪和用图意愿，对接下去的观图评判起到了一个印象分的作用；
步骤四，开启专家视觉鉴赏测评环节，将相同拍摄条件下成像画质的目标理想值和当前实拍照片画面的实际表现值进行相差比对，得出视觉鉴赏的心理差距值；
步骤五，根据评分体系的打分规则，将这种心理差距值进行量化换算，得出当前实拍照片成像画质的评价得分；
步骤六，重复步骤一到五，完成同一台拍摄器材的一系列不同场景不同拍摄条件下实拍照片的成像画质评分，最后得出当前拍摄器材的综合实拍画质评分；
pd2、机器测评打分流程
步骤一，根据机器识别的当前实拍照片的拍摄条件，自动搜索相对应的实拍照片成像画质基准数据库；
步骤二，将数据库中匹配的画质模型基准数据导入当前的评测系统；
步骤三，对当前实拍照片的各项影像指标进行采样测定；
步骤四，开启数据比对环节，将匹配的画质数据模型的基准值和当前画面的实际测量值进行相差比对，获得确切的偏差值；
步骤五，根据评分体系的打分规则，将偏差值进行等效换算，得出当前实拍照片成像画质的评价得分；
步骤六，重复步骤1到五，完成同一台拍摄器材的一系列不同场景实拍照片的成像画质评分，最后得出当前拍摄器材的综合实拍画质评分；
pd3、实拍照片成像画质的评判项目和评判过程
通过对实拍照片画面的曝光控制、色彩还原、焦点虚实、影调层次、质感表现、透视畸变、噪点处理等各项影像指标项目进行评估打分，来综合衡量一幅实拍照片成像画质的等级优劣；
同时还要针对画面场景和主体内容的不同，进行单一或组合的影像指标评估打分：
步骤一，若仅仅只有被摄场景的实拍照片，则对整体场景画面的影像指标进行评估打分；
步骤二，若仅为突出表现主体的实拍照片，则重点对主体部分进行影像指标的评估打分；
步骤三，若场景和主体为一个不可分离的整体，则需进行各项影像指标的分配组合评估打分。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。