虚焦图像的模糊度检测方法及装置与流程

本发明涉及数字图像处理领域，具体而言，涉及一种虚焦图像的模糊度检测方法及装置。

背景技术：

在自动聚焦(af)领域，常因聚焦不准确导致虚焦问题出现，严重影响图像质量。一般在安防、视讯等领域，聚焦算法需要通过获取清晰度评价值，根据对焦搜索策略(爬坡算法)控制镜头移动，实现最佳的对焦清晰度峰值。但在实际应用中，由于镜头景深、环境光源、白墙等纹理较少的场景、爬坡算法策略等诸多因素影响，存在偶现虚焦场景，图像聚焦在假波峰位置，人眼可见图像实际为虚焦场景。

虽然现有技术中，存在虚焦检测辅助手段，可根据虚焦程度立即重新触发聚焦，有效较少失焦率。但现有的虚焦检测方法通常存在如下不足：

1)虚焦检测只依靠梯度检测，因图像场景不一样，如多纹理、少纹理、光源等实际场景应用会很难区分有效边缘成分；

2)虚焦检测程度无法统一量化，需要参考图像进行对比量化，图像清晰度值只能一定参考，阈值设定困难；

3)实际技术应用困难，难以推广到实时的聚焦系统，进行单帧图像衡量。

技术实现要素：

本发明实施例提供了一种虚焦图像的模糊度检测方法及装置，以至少解决相关技术中的虚焦检测需要参考图像进行对比量化的问题。

根据本发明的一个实施例，提供了一种虚焦图像的模糊度检测方法，包括：对输入的虚焦图像进行二次模糊处理，获取二次模糊特征；对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度；根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

可选地，进行多方向滤波处理包括：采用0度、45度、90度和135度进行方向滤波。

可选地，获取所述图像边缘模糊度包括：根据各方向滤波值最大值，由梯度法统计图像边缘特征，获取所述图像边缘模糊度。

可选地，获取所述图像直方图模糊度包括：根据图像边缘各方向滤波综合值计算图像的直方图特征，根据所述直方图特征获取图像直方图模糊度。

可选地，确定所述虚焦图像的综合模糊度还包括：对所述虚焦图像的所述综合模糊度进行量化。

可选地，确定所述输入图像的综合模糊度之后还包括：根据所述图像的综合模糊度对所述虚焦图像进行聚焦。

根据本发明的另一个实施例，提供了一种虚焦图像的模糊度检测装置，包括：模糊处理模块，用于对输入的虚焦图像进行二次模糊处理，获取二次模糊特征；获取模块，用于对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度；确定模块，用于根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

可选地，所述获取模块还包括：滤波单元，用于对灰度转换后的图像采用0度、45度、90度和135度进行方向滤波。

可选地，所述获取模块还包括：边缘梯度单元，用于根据各方向滤波值最大值，由梯度法统计图像边缘特征，获取所述图像边缘模糊度。

可选地，所述获取模块还包括：直方图单元，用于根据图像边缘各方向滤波综合值计算图像的直方图特征，根据所述直方图特征获取图像直方图模糊度。

可选地，所述确定模块包括：量化单元，用于对所述虚焦图像的综合模糊度进行量化。

可选地，所述装置还包括：聚焦模块，用于根据所述虚焦图像的综合模糊度对所述虚焦图像进行聚焦。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

在本发明的上述实施例中，通过结合直方图聚散度特征、梯度特征和二次模糊特征实现无参考图像的虚焦模糊度检测。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的虚焦图像的模糊度检测方法的流程图；

图2是根据本发明实施例的系统模块结构框图；

图3是根据本发明实施例的原始图像示意图；

图4是根据本发明实施例的多方向滤波示意图；

图5是根据本发明实施例的滤波叠加示意图；

图6是根据本发明实施例的虚焦图像的模糊度检测方法流程图；

图7是根据本发明实施例的模糊度检测装置的结构示意图；

图8是根据本发明可选实施例的模糊度检测装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在光学成像系统中，一定距离的目标成像对应于一个准焦位置，当像面偏离该位置时，成像系统会出现离焦。在聚焦领域，聚焦清晰对图像质量的影响重大，由于镜头景深原因、光源及光线干扰、景物纹理影响、算法局限等原因，存在离焦现象，并导致像质下降。在准确对焦情况下，图像清晰度最高，细节纹理丰富，边缘信息明显，随着离焦程度的增加，图像会越来越模糊，边缘信息量的丢失也会越来越多。精确的虚焦检测方案，能够准确判断聚焦准确的图像，为后续镜头的控制提供有效反馈。

离焦模型具有不可预知与复杂性，可通过点扩散模型进行模拟，其等价于低通滤波器。图像离焦量越大，图像截止频率越低，高频损失越严重，可见图像也越模糊。

在本实施例中提供了一种虚焦图像的模糊度检测方法，图1是根据本发明实施例的方法流程图，如图1所示，该流程包括如下步骤：

步骤s102，对输入的虚焦图像进行二次模糊处理，获取二次模糊特征；

步骤s104，对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度；

步骤s106，根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

在本实施例的步骤s104中，采用0度、45度、90度和135度进行方向滤波。

在本实施例的步骤s104中，根据各方向滤波值最大值，由梯度法统计图像边缘特征，获取所述图像边缘模糊度。

在本实施例的步骤s104中，根据图像边缘各方向滤波综合值计算图像的直方图特征，根据所述直方图特征获取图像直方图模糊度。

在本实施例的步骤s106中，还可包括：对所述虚焦图像的所述综合模糊度进行量化。

在本实施例的步骤s106之后，还可以包括：根据所述图像的综合模糊度对所述虚焦图像进行聚焦。

在本发明的上述实施例中，通过结合图像边缘特征、直方图特性与二次模糊特性来综合判断图像虚焦程度，并借助sigmoid函数的有效转化，通过无参考量化方式将虚焦程度归一化至0到1之间。本实施例提供的方案适用于各类实时的自动聚焦方案，可进一步完善聚焦方案，提升聚焦性能。

为了便于对本发明所提供的技术方案的理解，下面将结合具体应用场景的实施例进行详细描述。

本实施例提供了一种新的无参考图像模糊度评价方案。如图2所示，本实施例的系统所涉及的功能模块如下：

直方图集中度模糊测量：灰度直方图是图像各灰度值统计特性与图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或概率。在图像模糊度测量中，灰度直方图具有重要的信息，完全聚焦清晰的图像可见图像细节，在直方图上表现出来为各灰度级具有较大的出现概率，而离焦图像含有较少的细节，概率大的灰度级出现在较少的灰度级上，且在图像均值附近集中。

梯度法清晰度评价：梯度法作为一种图像清晰度评价函数的研究较广泛，通过提取物体边缘信息可客观反映图像的清晰度，如roberts梯度函数、laplacian函数等。在实际图像清晰度评价方法中，一方面成像过程中噪声影响，会降低清晰度评价系统稳定性；另一方面各类平坦区域参与梯度计算也会降低清晰度曲线灵敏度，影响评价系统。

为提高清晰度评价系统稳定性，如图3-5所示(图3为原始图像，图4为各方向滤波图，图5为各方向叠加图)，本实施例采用了0度、45度、90度和135度的方向滤波器进行方向滤波，提取梯度有效方向边缘信息。此外，为减少平坦区域及噪声影响，采用边缘阈值处理进行提取。

二次模糊特性：由于离焦模糊损失的为高频信息，模糊图像通过再次模糊与清晰图像的再次模糊图像信息相比损失更少，依次可作为图像清晰度评价参考信息。

如图6所述，本实施例主要包括如下步骤：

步骤601：二次模糊处理，对输入图像做高斯模糊处理(采用低频滤波器)，高斯模糊核模糊程度为4，高斯半径取值15，处理获取图像iblur；

步骤s602：对输入图像进行灰度转换，记为i，再进行图像梯度方向滤波。分别对灰度图像做0度、45度、90度、135度方向滤波。本实施例的滤波核如下：

按照如下公式(1)进行各方向滤波：

按照如下公式(2)，图像各点取各方向滤波值的和：

按照如下公式(3)，通过fvsum明显边缘统计有效边缘图像i'：

按照如下公式(4)，图像各点取各方向滤波值最大值，记为fvmax(i,j)：

fvmax(i,j)＝max(fv1(i,j)+fv2(i,j)+fv3(i,j)+fv4(i,j))(4)

步骤s603：根据有效边缘图像i'计算直方图特征ihist，记xmean为直方图灰度均值，xi为图像灰度值，w(xi)为直方图各灰度值权重，按照公式(5)计算如下：

p(xi)为灰度xi在图像中出现的概率，取概率的平方进行计算，直方图聚散度按照公式(6)计算如下：

步骤s604：根据第二步图像各方向滤波值最大值，由梯度法统计有效边缘，按照如下公式(7)计算模糊度，其中m,n为图像大小：

步骤s605：根据第一步获取的图像iblur，通过步骤s302和步骤s303的处理，同样可由如下公式(8)的梯度法统计得到模糊度sfv_blur，其中fvsum_blur为模糊图像的边缘统计值：

步骤s606：由上统计图像模糊度综合值，按照如下公式(9)计算：

s＝shist·sfv·sfv_blur(9)

一般情况图像模糊度为标量值，难以对各场景类型图像进行统一衡量，且更难以量化至0到1之间。在本实施例中，可通过借助sigmoid函数的有效转变，按照如下公式(9)对无参考图像对综合模糊度量化处理：

其中θ,ω为变量，经验调整，θ＝8,ω＝0.1模糊度综合评价指标可将图像较好评价在0到1之间。

在本实施例提供的无参考图像模糊度评价标准，适用于离焦模型，方法计算简单、效率高；此外，可在无参考图像下降模糊度评价值量化至0到1之间。另外，抗干扰性能强，适用于少纹理、光线干扰等各类场景，可有效辅助聚焦，极大减小失焦概率，算法思想具有极强推广性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种虚焦图像的模糊度检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”或“单元”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图7是根据本发明实施例的虚焦图像的模糊度检测装置的结构框图，如图7所示，该装置包括模糊处理模块10、获取模块20和确定模块30。

模糊处理模块10，用于对输入的虚焦图像进行二次模糊处理，获取二次模糊特征。

获取模块20，用于对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度，

确定模块30，用于根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

图8是根据本发明可选实施例的虚焦图像的模糊度检装置的结构框图，如图8所示，该装置除包括图7所示的所有模块外，还包括聚焦模块40，用于根据所述虚焦图像的综合模糊度对所述虚焦图像进行聚焦。

在本实施例中，所述获取模块20还可包括滤波单元201、边缘梯度单元202和直方图单元203。

滤波单元201，用于对灰度转换后的图像采用0度、45度、90度和135度进行方向滤波。

边缘梯度单元202，用于根据各方向滤波值最大值，由梯度法统计图像边缘特征，获取所述图像边缘模糊度。

直方图单元203，用于根据图像边缘各方向滤波综合值计算图像的直方图特征，根据所述直方图特征获取图像直方图模糊度。

在本实施例中，所述确定模块30还可以包括：量化单元301，用于对所述虚焦图像的综合模糊度进行量化。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

s1，对输入的虚焦图像进行二次模糊处理，获取二次模糊特征；

s2，对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度；

s3，根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(read-onlymemory，简称为rom)、随机存取存储器(randomaccessmemory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

s1，对输入的虚焦图像进行二次模糊处理，获取二次模糊特征；

s2，对所述虚焦图像进行灰度转换后，再进行多方向滤波处理，获取图像边缘模糊度和图像直方图模糊度；

s3，根据所述二次模糊特征、图像边缘模糊度和图像直方图模糊度确定所述虚焦图像的综合模糊度。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。