图像质量检测方法、装置、电子设备及存储介质与流程

1.本技术涉及图像处理技术领域，具体涉及一种图像质量检测方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着图像处理技术的快速发展，图像的应用也越来越多，基于图像可以进行具体的业务检测或识别等处理。例如，在物流领域中，通常需要快递配送员拍摄客户签收的物流包裹的图像，以便后续进行物流包裹是否破损等业务稽查。
3.图像质量对于后续的识别具有重要的指导意义，所采集的图像质量越高越有利于后续的图像检测或识别。图像反光、图像过亮或过暗、图像模糊、或者图像倾斜等都会影响后续的业务检测或识别，因此，应当减少这类质量不合格的图像的采集，以减少后续对这类图像的无效数据处理。
4.但是，现有技术中，由于在图像采集阶段没有对图像进行质量检测，导致了较多无效图像上传，导致了无效图像的上传量较大，从而导致了无效图像的数据处理量较大。


技术实现要素：

5.本技术提供一种图像质量检测方法、装置、电子设备及计算机可读存储介质，旨在解决由于没有对正在拍摄的图像进行质量检测，导致无效图像的上传量大，从而导致无效图像的数据处理量较大的问题。
6.第一方面，本技术提供一种图像质量检测方法，所述方法包括：
7.获取拍摄设备捕捉的当前图像；
8.获取与所述当前图像相关的拍摄质量参数，其中，所述拍摄质量参数包括所述当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果中的至少一种；
9.根据所述拍摄质量参数，确定所述当前图像的质量是否合格。
10.第二方面，本技术提供一种图像质量检测装置，所述图像质量检测装置包括：
11.获取单元，用于获取拍摄设备捕捉的当前图像；
12.检测单元，用于获取与所述当前图像相关的拍摄质量参数，其中，所述拍摄质量参数包括所述当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果中的至少一种；
13.判别单元，用于根据所述拍摄质量参数，确定所述当前图像的质量是否合格。
14.在本技术一种可能的实现方式中，所述检测单元具体用于：
15.获取所述当前图像中各像素点的饱和度和明度；
16.根据所述饱和度、所述明度以及预设的饱和度阈值和明度阈值，确定所述当前图像中的反光点；
17.根据所述反光点确定所述当前图像的反光区域，得到所述反光检测结果。
18.在本技术一种可能的实现方式中，所述检测单元具体用于：
19.获取所述拍摄设备捕捉的历史图像；
20.根据所述历史图像和所述当前图像进行光流匹配，得到所述当前图像中各像素点的运动方向；
21.根据所述运动方向对所述当前图像中各像素点进行聚类，得到运动方向一致的聚类点大集合、以及与所述聚类点大集合中各点运动方向不一致的聚类点小集合；
22.根据所述聚类点小集合中的各点确定所述当前图像的反光点，得到所述反光检测结果。
23.在本技术一种可能的实现方式中，所述判别单元具体用于：
24.当所述反光检测结果为图像有反光时，确定所述当前图像的质量不合格。
25.在本技术一种可能的实现方式中，所述检测单元具体用于：
26.获取所述当前图像的n色灰度图，其中，n为大于2的正整数；
27.获取所述n色灰度图中每一种色度的像素点比例；
28.根据所述像素点比例，确定所述亮度检测结果。
29.在本技术一种可能的实现方式中，所述判别单元具体用于：
30.当所述亮度检测结果为图像过亮或图像过暗时，确定所述当前图像的质量不合格。
31.在本技术一种可能的实现方式中，所述清晰度检测结果包括图像模糊，所述检测单元具还用于：
32.对所述当前图像进行边缘化检测处理，得到所述当前图像的边缘化分布方差；
33.根据所述边缘化分布方差和预设的模糊度阈值，确定所述当前图像是否模糊，得到所述当前图像的清晰度检测结果，其中，所述模糊度阈值与所述亮度检测结果相关；
34.在本技术一种可能的实现方式中，所述判别单元具体用于：
35.当所述清晰度检测结果为图像模糊时，确定所述当前图像质量不合格。
36.在本技术一种可能的实现方式中，所述角度检测结果包括图像倾斜，所述检测单元具体用于：
37.获取与所述当前图像相关的拍摄设备参数，其中，所述拍摄设备参数包括所述拍摄设备相对于待拍摄场景的偏差角度、以及所述拍摄设备的加速度；
38.根据所述拍摄设备参数确定所述当前图像是否倾斜，得到所述角度检测结果；
39.在本技术一种可能的实现方式中，所述判别单元具体用于：
40.当所述角度检测结果为图像倾斜时，确定所述当前图像的质量不合格。
41.在本技术一种可能的实现方式中，所述图像质量检测装置还包括提示单元，所述提示单元具体用于：
42.当确定所述当前图像的质量不合格时，向所述拍摄设备输出图像质量不合格的提示信息。
43.在本技术一种可能的实现方式中，所述图像质量检测装置还包括加载单元，所述加载单元具体用于：
44.将所述图像质量检测方法通过wasm文件格式进行加载。
45.第三方面，本技术还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本技术提
供的任一种图像质量检测方法中的步骤。
46.第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的图像质量检测方法中的步骤。
47.本技术在拍摄设备捕捉图像时，通过获取拍摄设备捕捉的当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果等拍摄质量参数，并根据反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果等反映当前图像的图像质量的拍摄质量参数，判定当前图像的质量是否合格；由于可以在图像拍摄时及时检测出拍摄设备所捕捉的当前图像是否合格，从而可以避免不合格图像的拍摄，进而可以减少不合格图像(即无效图像)的上传，达到减少无效图像的数据处理量的目的。
附图说明
48.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1是本技术实施例所提供的图像质量检测系统的场景示意图；
50.图2是本技术实施例提供的图像质量检测方法的一种流程示意图；
51.图3是本技术实施例中提供的反光区域的一种示意图；
52.图4是本技术实施例中提供的反光检测的一种实施例流程示意图；
53.图5是本技术实施例中提供的n色灰度图的一个实施例示意图；
54.图6是本技术实施例中提供的拍摄场景的一种实施例示意图；
55.图7是本技术实施例中提供的图像质量检测装置的一个实施例结构示意图；
56.图8是本技术实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
57.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
58.在本技术实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
59.为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的过程进行详细阐述，以避免不必要的细节使本技术实施例的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术实施例所公开的原理和特征的最广范围相一致。
60.本技术实施例提供一种图像质量检测方法、装置、电子设备和计算机可读存储介
质。其中，该图像质量检测装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
61.首先，在介绍本技术实施例之前，先介绍下本技术实施例关于应用背景的相关内容。
62.图像质量对于后续的识别具有重要的指导意义，所采集的图像质量越高越有利于后续的图像检测或识别。在图像采集阶段没有对图像进行质量检测，将会较多无效图像上传，为后续图像的检测识别带来较多干扰。
63.例如，在物流领域中，快件配送员进行业务上的稽查拍照时，很容易拍摄带有反光、图像过亮过暗、图像模糊、拍摄角度倾斜的照片，给下游的图像检测、识别等带来很大不便。因此，在拍照时，进行图像采集规范化(反光、过亮过暗、模糊、角度倾斜)的实时检测十分有必要。
64.基于现有的相关技术存在的上述缺陷，本技术实施例提供了图像质量检测方法，至少在一定程度上克服现有的相关技术所存在的缺陷。
65.本技术实施例图像质量检测方法的执行主体可以为本技术实施例提供的图像质量检测装置，或者集成了该图像质量检测装置的服务器设备、物理主机或者用户设备(user equipment，ue)等不同类型的电子设备，其中，图像质量检测装置可以采用硬件或者软件的方式实现，ue具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(personal digital assistant，pda)等终端设备。
66.该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式，通过应用本技术实施例提供的图像质量检测方法，可以对正在拍摄的图像进行质量检测，降低无效图像的上传量，从而降低无效图像的数据处理量。
67.参见图1，图1是本技术实施例所提供的图像质量检测系统的场景示意图。其中，该图像质量检测系统可以包括电子设备100，电子设备100中集成有图像质量检测装置。例如，该电子设备可以获取拍摄设备捕捉的当前图像；获取与所述当前图像相关的拍摄质量参数，其中，所述拍摄质量参数包括所述当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果中的至少一种；根据所述拍摄质量参数，确定所述当前图像的质量是否合格。
68.另外，如图1所示，该图像质量检测系统还可以包括存储器200，用于存储数据，如存储图像数据、视频数据。
69.需要说明的是，图1所示的图像质量检测系统的场景示意图仅仅是一个示例，本技术实施例描述的图像质量检测系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着图像质量检测系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
70.下面，开始介绍本技术实施例提供的图像质量检测方法，本技术实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体。
71.参照图2，图2是本技术实施例提供的图像质量检测方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该图像质量检测方法包括步骤s10～s30，其中：
72.s10、获取拍摄设备捕捉的当前图像。
73.其中，当前图像是指待拍摄场景的画面。如，待拍摄场景的画面为快递包裹，则拍摄设备在准备拍摄该快递包裹时，所捕捉到该快递包裹的画面即为当前图像。
74.其中，拍摄设备用于拍摄图像，为后续业务场景提供图像。
75.在实际应用时，拍摄设备可以与电子设备建立通信连接。或者，本技术实施例的电子设备在硬件上可以包括摄像头，即电子设备也可以直接作为拍摄设备。通过拍摄设备可以捕捉待拍摄场景的当前图像。
76.在一些实施例中，可以基于h5页面、小程序页面或app页面调用拍摄设备捕捉当前图像。其中，h5页面或小程序页面可以承载于电子设备。例如，可以基于某快递公司的小程序调用拍摄设备捕捉某个包裹的当前图像。
77.s20、获取与所述当前图像相关的拍摄质量参数。
78.其中，拍摄质量参数包括当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果中的至少一种。
79.反光检测结果用于指示拍摄设备捕捉的当前图像是否有反光。例如，反光检测结果可以包括图像有反光、图像无反光。此处，反光检测结果仅为举例，具体还可以根据实际情况进行反光检测结果的层级划分，不以此为限。比如，反光检测结果还可以划分为“大面积反光”、“小面积反光”、“无反光”，进一步地，再根据业务场景对图像反光程度要求，在步骤s30中根据反光检测结果判定当前图像的质量是否合格(如反光检测结果为“大面积反光”时判定为当前图像的质量不合格，为“小面积反光”、或“无反光”时判定为当前图像的质量合格)。
80.亮度检测结果用于指示拍摄设备捕捉的当前图像是否过亮或过暗。例如，亮度检测结果可以包括图像过亮、图像过暗、图像亮度正常。此处，亮度检测结果仅为举例，具体还可以根据实际情况进行亮度检测结果的层级划分，不以此为限。比如，亮度检测结果还可以划分为“一级高亮”、“二级高亮”、“正常亮度”、“一级过暗”、“二级过暗”，进一步地，再根据业务场景对图像亮度要求，在步骤s30中根据亮度检测结果判定当前图像的质量是否合格(如亮度检测结果为“一级高亮”、或“一级过暗”时判定为当前图像的质量不合格，为“二级高亮”、“正常亮度”、或“二级过暗”时判定为当前图像的质量合格)。
81.清晰度检测结果用于指示拍摄设备捕捉的当前图像是否模糊。例如，清晰度检测结果可以包括图像模糊、图像清晰。此处，清晰度检测结果仅为举例，具体还可以根据实际情况进行清晰度检测结果的层级划分，不以此为限；比如，清晰度检测结果还可以划分为“一级清晰度”、“二级清晰度”、“三级清晰度”，进一步地，再根据业务场景对清晰度要求，在步骤s30中根据清晰度检测结果判定当前图像的质量是否合格(如清晰度检测结果为“一级清晰度”时判定为当前图像的质量不合格，为“二级清晰度”、或“三级清晰度”时判定为当前图像的质量合格)。
82.角度检测结果用于指示拍摄设备捕捉的当前图像是否倾斜。例如，角度检测结果可以包括图像倾斜、图像未倾斜。此处，角度检测结果仅为举例，具体还可以根据实际情况进行角度检测结果的层级划分，不以此为限；比如，角度检测结果还可以划分为“0
°
《倾斜角度≤10
°”
、“10
°
《倾斜角度≤20
°”
、“20
°
《倾斜角度”，进一步地，再根据业务场景对拍摄角度要求，在步骤s30中根据角度检测结果判定当前图像的质量是否合格(如角度检测结果为“20
°
《倾斜角度”时判定为当前图像的质量不合格，为“0
°
《倾斜角度≤10
°”
、或“10
°
《倾斜角度≤20
°”
时判定为当前图像的质量合格)。
83.s30、根据所述拍摄质量参数，确定所述当前图像的质量是否合格。
84.在一些实施例中，拍摄质量参数为反光检测结果，此时步骤s30具体可以包括：当反光检测结果指示拍摄设备捕捉的当前图像有反光时，确定当前图像质量不合格。例如，在一具体例子中，所述反光检测结果包括图像有反光，步骤s30具体可以包括：
85.当所述反光检测结果为图像有反光时，确定所述当前图像的质量不合格。
86.由于图像有反光将会影响后续图像正常识别，通过检测图像是否有反光来判定当前图像的质量是否合格，可以减少有反光图像的拍摄，提高图像的拍摄质量，进而降低对不合格图像进行识别或检测等数据处理量。
87.在一些实施例中，拍摄质量参数为亮度检测结果，此时步骤s30具体可以包括：当亮度检测结果指示拍摄设备捕捉的当前图像过亮或过暗时，确定当前图像质量不合格。例如，在一具体例子中，所述亮度检测结果包括图像过亮或图像过暗，步骤s30具体可以包括：
88.当所述亮度检测结果为图像过亮或图像过暗时，确定所述当前图像的质量不合格。
89.由于图像过亮或图像过暗将会影响后续图像正常识别，通过检测图像是否过亮或过暗来判定当前图像的质量是否合格，可以减少过亮或过暗图像的拍摄，提高图像的拍摄质量，进而降低对不合格图像进行识别或检测等数据处理量。
90.在一些实施例中，拍摄质量参数为清晰度检测结果，此时步骤s30具体可以包括：当清晰度检测结果指示拍摄设备捕捉的当前图像模糊时，确定当前图像质量不合格。例如，在一具体例子中，所述清晰度检测结果包括图像模糊，步骤s30具体可以包括：
91.当所述清晰度检测结果为图像模糊时，确定所述当前图像质量不合格。
92.由于图像模糊将会影响后续图像正常识别，通过检测图像是否模糊来判定当前图像的质量是否合格，可以减少模糊图像的拍摄，提高图像的拍摄质量，进而降低对不合格图像进行识别或检测等数据处理量。
93.在一些实施例中，拍摄质量参数为角度检测结果，此时步骤s30具体可以包括：当角度检测结果指示拍摄设备捕捉的当前图像倾斜时，确定当前图像质量不合格。例如，在一具体例子中，所述角度检测结果包括图像倾斜，步骤s30具体可以包括：
94.当所述角度检测结果为图像倾斜时，确定所述当前图像的质量不合格。
95.由于图像倾斜将会影响后续图像正常识别，通过检测图像是否倾斜来判定当前图像的质量是否合格，可以减少倾斜图像的拍摄，提高图像的拍摄质量，进而降低对不合格图像进行识别或检测等数据处理量。
96.由以上内容可以看出，在拍摄设备捕捉图像时，通过获取拍摄设备捕捉的当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果等拍摄质量参数，并根据反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果等反映当前图像的图像质量的拍摄质量参数，判定当前图像的质量是否合格；由于可以在图像拍摄时及时检测出拍摄设备所捕捉的当前图像是否合格，从而可以避免不合格图像的拍摄，进而可以减少不合格图像(即无效图像)的上传，达到减少无效图像的数据处理量的目的。
97.在本技术的一些实施例中，还可以直接对拍摄设备捕捉的当前图像是否反光进行
检测，即此时步骤s20具体可以包括：对所述当前图像进行反光检测处理，得到所述当前图像的反光检测结果。
98.在一些实施例中，“对所述当前图像进行反光检测处理，得到所述当前图像的反光检测结果”的步骤具体可以包括以下步骤a1～a3，其中：
99.a1、获取所述当前图像中各像素点的饱和度和明度。
100.其中，拍摄设备捕捉的当前图像可以是彩色格式(如可以是brg图像格式、rgb图像格式等)的图像。
101.具体地，对当前图像进行hsv(hue,saturation,value)分解，得到当前图像中每个像素点i的h通道值(即色调)、s通道值(即饱和度)和v通道值(即明度)，从而得到当前图像中各像素点的色调、饱和度和明度。其中，h表示色调、s表示饱和度、v表示明度。
102.以色调取值范围是0
°
～360
°
、饱和度取值范围是0％～100％、明度是0％～100％为例。例如，当前图像的图像格式为brg，将当前图像从brg转化为hsv，得到当前图像中各像素点的色调、饱和度和明度(如当前图像中像素点i的色调为30
°
、饱和度为20％、明度为50％)。又如，当前图像的图像格式为rgb，将当前图像从brg转化为hsv，从而得到当前图像中各像素点的色调、饱和度和明度。其中，从brg转化为hsv、或从rgb转化为hsv是现有算法，具体可以参照现有brg转化到hsv的算法、现有rgb转化到hsv的算法，在此不再赘述。
103.a2、根据所述饱和度、所述明度以及预设的饱和度阈值和明度阈值，确定所述当前图像中的反光点。
104.其中，反光点是指当前图像的像素点中，饱和度、明度均满足预设的取值范围的像素点。
105.具体地，在一些实施例中，从当前图像中，查找出饱和度小于预设的饱和度阈值、且明度大于预设的明度阈值的像素点，以作为当前图像的反光点，得到当前图像中的反光点的集合f。
106.例如，预设的饱和度阈值为20％、预设的明度阈值为90％。当前图像中的像素点1、2、3、4、5的饱和度分别为：18％、10％、10％、50％、50％，明度分别为：95％、50％、97％、91％、60％。则可以确定像素点1和3为当前图像中的反光点。
107.上述饱和度阈值、明度阈值仅为举例，具体可以根据实际需求而调整，不以此为限。上述“饱和度小于预设的饱和度阈值、且明度大于预设的明度阈值”仅为反光点的饱和度、明度应满足的取值范围的举例，反光点的饱和度、明度应满足的取值范围具体可以根据实际需求而调整，不以此为限。
108.a3、根据所述反光点确定所述当前图像的反光区域，得到所述反光检测结果。
109.反光区域是指当前图像中相连通的反光点所构成的区域。其中，反光区域j可以有多个，每个反光区域j的反光点数量大于或等于1。
110.具体地，根据当前图像中的反光点的集合f，确定当前图像中相连通的反光点所构成的反光区域j，从而得到当前图像的反光检测结果。
111.例如，在步骤a2中，对于当前图像中的像素点i，若像素点i为反光点，则将像素点i的像素值置1；若像素点i为非反光点，则将像素点i的像素值置0。然后，将像素值为1的连通像素点作为当前图像的反光区域。
112.由以上内容可以看出，通过检测当前图像中的各像素点的饱和度、明度等是否满
足预设的取值范围，可以查找出当前图像中的反光点，进而得到当前图像的反光检测结果。
113.进一步地，为了降低反光检测结果的误判率，在本技术的一些实施例中，针对“图像反光一般是大于一定面积的区域反光”的特性，在确定当前图像中的反光区域j之后，进一步检测反光区域j的面积是否小于预设面积阈值。若检测到反光区域j的面积小于预设面积阈值，则舍弃面积小于预设面积阈值的反光区域j；若检测到反光区域j的面积大于或等于预设面积阈值，则保留面积大于或等于预设面积阈值的反光区域j。
114.例如，预设面积阈值为9个像素点，反光区域a、b、c的面积分别为：5个像素点、7个像素点、20个像素点，则舍弃反光区域a和b，保留反光区域c。
115.可见，通过滤除面积小于预设面积阈值的反光区域，可以降低反光检测结果的误判率。此外，由于较小面积的反光对后续的图像识别或检测没有影响，因此可以忽略较小面积的反光，以避免对用于后续检测或识别图像质量要求太高，图像的拍摄难度较大。
116.进一步地，为了降低反光检测结果的误判率，在本技术的一些实施例中，针对“反光区域中越靠近中心点位置的像素点的反光程度越大”的特性，在确定反光区域j之后，还进一步对反光区域是否可信进行验证。
117.请参照图3，图3是本技术实施例中提供的反光区域的一种示意图。
118.对反光区域是否可信进行验证的一种实施方式为：获取反光区域j的中心点cj，以及反光区域j中除中心点cj外的任一点p。然后，获取中心点cj与p所构成直线之间的任一点p0。最后，对比点cj的明度(记为v1)、点p的明度(记为v2)、点p0的明度(记为v3)之间是否满足：v1》v3》v2。若点cj、点p和点p0之间的明度关系满足v1》v3》v2，则确定反光区域j检测准确。若点cj、点p和点p0的明度关系不满足v1》v3》v2，则确定反光区域j检测有误，舍弃该反光区域j。
119.由于上述步骤a1～a3所提供的反光检测方式，只能检测出图像中如太阳光、强灯光等强反光，对于一些如塑料薄膜等弱反光，较难检测。为了提高对图像中反光区域的检测能力，在一些实施例中，“对所述当前图像进行反光检测处理，得到所述当前图像的反光检测结果”的步骤具体可以包括以下步骤b1～b4，其中：
120.b1、获取所述拍摄设备捕捉的历史图像。
121.其中，历史图像的获取与当前图像的获取方式类似，具体可以参考上述关于当前图像的获取说明，在此不再赘述。不同的是，当前图像的捕捉时间滞后于历史图像的捕捉时间。
122.例如，拍摄设备在正常拍摄图像时，会预先捕捉待拍摄的画面。拍摄设备在t1时刻捕捉的待拍摄画面为历史图像，拍摄设备在t2时刻捕捉的待拍摄画面为当前图像；其中，t2时刻滞后于t1时刻。其中，拍摄设备所捕捉的待拍摄画面是指未拍摄的画面，而不是已经拍摄完成的图像画面，即当前图像和历史图像都是未拍摄的画面。
123.本技术实施例中，为了在图像拍摄时及时检测出图像质量是否合格，所以当前图像和历史图像以拍摄设备捕捉的待拍摄画面为例。可以理解的是，当前图像和历史图像也可以是拍摄设备拍摄后的图像，即本本技术实施例所提供的方法同样适用于检测已经拍摄完成的图像是否合格。
124.b2、根据所述历史图像和所述当前图像进行光流匹配，得到所述当前图像中各像素点的运动方向。
125.其中，光流法是常用的通过图像检测物体运动的算法。通过将历史图像和当前图像进行光流匹配，可以得到当前图像中每个像素点i的运动方向。通过光流法检测物体运动方向是现有的算法，具体可以参照现有的光流法，为简化描述，在此不再赘述。
126.进一步地，为了减少数据处理量，在一些实施例中，针对“反光区域与无反光区域存在明显像素分界”的特性，进一步先提取历史图像、当前图像中的角点，再基于角点进行光流匹配确定当前图像中的角点的运动方向。此处，角点是指图像中像素值突变的交界点，具体是指图像中像素值突变交界处的像素点。比如，可以通过现有的fast角点检测算法提取历史图像中的角点。
127.例如，首先，基于现有的fast角点检测算法提取历史图像、当前图像中的角点。然后，针对金字塔lk算法进行光流匹配确定当前图像中的角点的运动方向。
128.金字塔lk算法是基于灰度不变、小运动、空间一致的假设，建立金字塔对图像进行(光流)跟踪匹配。
129.b3、根据所述运动方向对所述当前图像中各像素点进行聚类，得到运动方向一致的聚类点大集合、以及与所述聚类点大集合中各点运动方向不一致的聚类点小集合。
130.在本技术实施例中，针对“无反光区域与无反光区域的运动方向不同”、以及“反光区域的面积小于无反光区域的面积”的特性，通过检测出运动方向一致且像素点占比相对较大的像素点作为无反光区域、检测出运动方向与无反光区域不同的像素点作为反光点，以检测出当前图像中的反光点。
131.具体地，步骤b3可以包括如下步骤(1)～(3)，其中：
132.(1)对当前图像中每个像素点i进行聚类，得到运动方向一致的聚类点集合qk。其中，k的取值范围为1～n，n表示聚类点集合qk的个数。每个聚类点集合qk中的像素点个数为大于或等于1的正整数。
133.(2)对比n个聚类点集合qk中的像素点个数，从n个聚类点集合qk中筛选出像素点个数最多的聚类点集合q0，以作为聚类点大集合。其中，聚类点大集合中的像素点表示当前图像中的无反光点。
134.(3)将n个聚类点集合qk中其余(即除聚类点集合q0中的像素点外)像素点的集合，作为与聚类点大集合中各点运动方向不一致的聚类点小集合。其中，聚类点小集合中的像素点表示当前图像中的反光点。
135.其中，聚类点大集合是指运动方向一致的n个聚类点集合qk中，像素点个数最多的聚类点集合q0。
136.聚类点小集合是指n个聚类点集合qk的像素点中，运动方向与聚类点集合q0中像素点不同的像素点的集合。
137.进一步地，为了减少数据处理量，步骤b2中确定当前图像中的角点的运动方向。此时，上述步骤(1)～(3)的像素点是指角点。
138.b4、根据所述聚类点小集合中的各点确定所述当前图像的反光点，得到所述反光检测结果。
139.在一些实施例中，将上述步骤(3)所确定的聚类点小集合中的各个像素点直接确定为当前图像的反光点，从而得到当前图像的反光检测结果。
140.由以上内容可以看出，针对“无反光区域与无反光区域的运动方向不同”、以及“反
光区域的面积小于无反光区域的面积”的特性，通过光流匹配的方式，检测出运动方向一致且像素点占比相对较大的像素点作为无反光区域、检测出运动方向与无反光区域不同的像素点作为反光点，可以精准地检测出当前图像中的反光点。
141.进一步地，为了降低反光点的误判率，在一些实施例中，基于上述步骤(2)确定的聚类点大集合q0中的任一像素点(记为i0)、上述步骤(3)确定的聚类点小集合中每个像素点(记为i
x
)，进一步对比像素点i
x
与像素点i0在运动方向所构成的目标夹角(本文简称目标夹角)。并检测目标夹角是否大于预设的夹角阈值，若目标夹角大于预设的夹角阈值，证明像素点i
x
为当前图像中的反光点。若目标夹角小于或等于预设的夹角阈值，证明像素点i
x
不是当前图像中的反光点。
142.通过检测像素点i
x
与像素点i0在运动方向所构成的目标夹角是否大于预设的夹角阈值，来判定像素点i
x
是否为反光点，可以滤除当前图像中的一些干扰点，降低了反光点的误判率。
143.进一步地，步骤b4中确定当前图像的反光点之后，可以参照上述步骤a3中降低反光检测结果的误判率的实施方式，基于步骤b4中确定当前图像的反光点优化反光检测结果，同样能达到进一步降低反光检测结果的误判率的目的。
144.请参照图4，图4是本技术实施例中提供的反光检测的一种实施例流程示意图。在一些实施方式中，上述步骤a1～a3的反光检测方式与上述b1～b4的反光检测方式可以结合使用。具体地，首先，基步骤a1～a3的反光检测方式确定当前图像是否有反光。当基于步骤a1～a3的反光检测方式确定当前图像无反光时，进一步启用步骤b1～b4的反光检测方式确定当前图像是否有反光。当基于步骤b1～b4的反光检测方式确定当前图像无反光时，才最终确定当前图像的反光检测结果为图像无反光。否则，确定当前图像的反光检测结果为图像有反光。
145.由于步骤a1～a3的反光检测方式相对简单，可以快速检测出图像中的强反光；步骤b1～b4的反光检测方式也可以对弱反光进行检测，检测精度较高；通过结合步骤a1～a3的反光检测方式与上述b1～b4的反光检测方式对当前图像进行反光检测，可以在快速检测图像是否反光的基础上，兼顾反光检测的精度。
146.在本技术的一些实施例中，还可以直接对拍摄设备捕捉的当前图像是否过亮或过暗进行检测，即此时步骤s20具体可以包括：对所述当前图像进行亮度检测处理，得到所述当前图像的亮度检测结果。
147.在一些实施例中，“对所述当前图像进行亮度检测处理，得到所述当前图像的亮度检测结果”的步骤具体可以包括以下步骤c1～c3，其中：
148.c1、获取所述当前图像的n色灰度图。
149.其中，n色灰度图是指反映当前图像中像素点的灰度值的分布图。n为大于2的正整数，n表示当前图像中像素点的灰度取值范围的划分个数。
150.请参照图5，图5是本技术实施例中提供的n色灰度图的一个实施例示意图。
151.例如，当前图像中i个像素点的灰度值的取值范围为0～255，将原始灰度值的取值范围0～255划分为16等分的灰度取值范围：0～15、16～31、...、240～255。然后，统计当前图像中处于每个灰度取值范围的像素点的个数，如0～15、16～31、...、240～255的像素点个数分别为：10、20、...、30。最后，由每个灰度取值范围的像素点的个数，可以构成一个(反
映当前图像在16等分的每个灰度取值范围内的像素点个数)直方图，即16色灰度图。
152.c2、获取所述n色灰度图中每一种色度的像素点比例。
153.最后，统计n色灰度图中每个灰度取值范围的像素点占比，从而得到n色灰度图中每一种色度的像素点比例。
154.c3、根据所述像素点比例，确定所述亮度检测结果。
155.其中，灰度值越大，表明图像越亮；灰度值越小，表明图像越暗。
156.例如，当灰度值处于灰度取值范围0～15的像素点比例大于预设的第一比例阈值时，则确定当前图像的亮度检测结果为图像过暗。当灰度值处于灰度取值范围240～255的像素点比例大于预设的第二比例阈值时，则确定当前图像的亮度检测结果为图像过亮。当灰度值处于灰度取值范围0～15的像素点比例小于或等于预设的第一比例阈值、且灰度值处于灰度取值范围240～255的像素点比例小于或等于预设的第二比例阈值时，确定当前图像的亮度检测结果为图像正常。
157.上述根据像素点比例，当前图像的亮度检测结果的方式仅为举例，具体可以根据实际情况而调整设置，不以此为限。例如，还可以设置为：当灰度值处于灰度取值范围0～15、和16～31之间的总像素点比例大于预设的第一比例阈值时，则确定当前图像的亮度检测结果为图像过暗。
158.由以上内容可以看出，由于灰度值越大，表明图像越亮；灰度值越小，表明图像越暗。通过获取当前图像的n色灰度图，可以直观快速地检测出当前图像的灰度值分布情况，进而可以直观快速地检测出当前图像是否过亮或过暗。
159.在本技术的一些实施例中，还可以直接对拍摄设备捕捉的当前图像是否模糊进行检测，即此时步骤s20具体可以包括：对所述当前图像进行边缘化检测处理，得到所述当前图像的边缘化分布方差；根据所述边缘化分布方差和预设的模糊度阈值，确定所述当前图像是否模糊，得到所述当前图像的清晰度检测结果。
160.具体地，首先，通过拉普拉斯算子对当前图像进行边缘化检测处理，得到当前图像各种边缘的边缘像素点数。然后，根据当前图像的边缘像素点数，计算当前图像的边缘化分布方差。最后，根据边缘化分布方差与预设的模糊度阈值之间的大小关系，确定当前图像是否模糊，从而得到当前图像的清晰度检测结果。
161.其中，边缘化分布方差是指当前图像中各种边缘的边缘像素点数的分布方差。
162.其中，通过拉普拉斯算法进行边缘化检测是现有的边缘化检测算法，为简化描述，在此不再赘述。
163.例如，若边缘化分布方差20为大于预设的模糊度阈值10，则确定当前图像的清晰度检测结果为图像模糊。若边缘化分布方差5小于或等于预设的模糊度阈值10，则当前图像的清晰度检测结果为图像清晰。
164.上述预设的模糊度阈值仅为举例，具体可以根据实际需求而设置，不以此为限。
165.在一些实施例中，为了提高当前图像的清晰度检测结果的准确率，上述预设的模糊度阈值的设置与亮度检测结果相关。具体地，当上述亮度检测结果为图像正常时，预设的模糊度阈值设置为第一模糊度阈值；当上述亮度检测结果为图像过亮或图像过暗时，预设的模糊度阈值设置为第二模糊度阈值。其中，第一模糊度阈值大于第二模糊度阈值。在亮度检测结果为图像过亮或图像过暗时，通过将预设的模糊度阈值降低，可以结合过亮、过暗、
正常三种情况下的亮度检测结果进行不同模糊阈值的综合判断，从而提高当前图像的清晰度检测结果的准确率。
166.在本技术的一些实施例中，还可以直接对拍摄设备捕捉的当前图像是否倾斜进行检测，即此时步骤s20具体可以包括：获取与所述当前图像相关的拍摄设备参数；根据所述拍摄设备参数确定所述当前图像是否倾斜，得到所述角度检测结果。其中，拍摄设备参数包括拍摄设备相对于待拍摄场景的偏差角度、以及拍摄设备的加速度。
167.例如，拍摄设备还可以进一步内置加速度传感器、重力传感器。拍摄设备可以通过内置的加速度传感器获取拍摄设备的加速度、通过内置的重力传感器获取拍摄设备相对于待拍摄场景的偏差角度。
168.在一些实施例中，拍摄设备相对于待拍摄场景的偏差角度可以通过如下公式(1)确定得到：
[0169][0170]
其中，o
x
表示拍摄设备在地理坐标系的x轴方向的偏差角，oy表示拍摄设备在地理坐标系的y轴方向的偏差角，oz表示拍摄设备在地理坐标系的z轴方向的偏差角，v
x
表示拍摄设备在相机坐标的x轴方向的加速度，vy表示拍摄设备在相机坐标的y轴方向的加速度，vz表示拍摄设备在相机坐标的z轴方向的加速度。
[0171]
然后，根据拍摄设备的加速度，确定拍摄设备是否晃动。若拍摄设备没有晃动时，再进一步对拍摄设备捕捉的当前图像是否倾斜进行检测。
[0172]
具体地，“对拍摄设备捕捉的当前图像是否倾斜进行检测”具体包括：根据检测拍摄设备相对于待拍摄场景的偏差角度是否小于预设的角度偏差阈值。若拍摄设备相对于待拍摄场景的偏差角度小于预设的角度偏差阈值，则确定当前图像的角度检测结果为图像未倾斜。若拍摄设备相对于待拍摄场景的偏差角度大于或等于预设的角度偏差阈值，则确定当前图像的角度检测结果为图像倾斜。
[0173]
其中，确定拍摄设备是否晃动的具体方式为：检测拍摄设备的加速度是否小于预设的加速度阈值，若小于，则确定拍摄设备近似于静止，即拍摄设备没有晃动。若大于或等于，则确定拍摄设备晃动。例如，通过如下公式(2)判定是否进一步执行“对拍摄设备捕捉的当前图像是否倾斜进行检测”的步骤。
[0174]
flag＝v＜v0ꢀꢀ
(公式2)
[0175]
其中，v为拍摄设备的加速度(如三轴加速度数据的模值)；v0为预设的加速度阈值；flag用于指示v＜v0是否成立，flag为true时，进一步执行“对拍摄设备捕捉的当前图像是否倾斜进行检测”的步骤；flag为false时，不执行“对拍摄设备捕捉的当前图像是否倾斜进行检测”的步骤。
[0176]
请参照图6，图6是本技术实施例中提供的拍摄场景的一种实施例示意图。在某一些情况下，待拍摄场景为立式场景，即需要待拍摄画面垂直于(或接近于垂直)地面，如图6
(a)中所示。此时，可以通过如下公式(3)判定当前图像是否倾斜的具体方式为：
[0177]
f1＝(fabs(o
z-90)＜t0)&&(fabs(o
x-90)＜t0)||(fabs(o
y-90)＜t0)
ꢀꢀ
公式(3)
[0178]
其中：t0为预设的角度偏差阈值(如15度)，o
x
表示拍摄设备在地理坐标系的x轴方向的偏差角，oy表示拍摄设备在地理坐标系的y轴方向的偏差角，oz表示拍摄设备在地理坐标系的z轴方向的偏差角，f1用于指示(fabs(o
z-90)＜t0)&&(fabs(o
x-90)＜t0)||(fabs(o
y-90)＜t0)是否成立，f1为true时，确定当前图像的角度检测结果为图像未倾斜；f1为false时，确定当前图像的角度检测结果为图像倾斜。
[0179]
在某一些情况下，待拍摄场景为卧式场景，即需要待拍摄画面平行于(或接近于平行)地面，如图6(b)中所示。此时，可以通过如下公式(4)判定当前图像是否倾斜的具体方式为：
[0180]
f2＝(fabs(o
x-90)＜t0)&&(fabs(o
y-90)＜t0)
ꢀꢀ
公式(4)
[0181]
其中：t0为预设的角度偏差阈值(如15度)，o
x
表示拍摄设备在地理坐标系的x轴方向的偏差角，oy表示拍摄设备在地理坐标系的y轴方向的偏差角，oz表示拍摄设备在地理坐标系的z轴方向的偏差角，f2用于指示(fabs(o
x-90)＜t0)&&(fabs(o
y-90)＜t0)是否成立，f2为true时，确定当前图像的角度检测结果为图像未倾斜；f2为false时，确定当前图像的角度检测结果为图像倾斜。
[0182]
由以上内容可以看出，通过获取与当前图像相关的拍摄设备参数，判定当前图像是否倾斜，可以准确地检测出当前图像是否倾斜，为后续判定图像质量是否合格提供了精准的数据依据。
[0183]
为了提高图像的拍摄质量，在本技术的一些实施例中所述图像质量检测方法还包括：当确定所述当前图像的质量不合格时，向所述拍摄设备输出图像质量不合格的提示信息。
[0184]
进一步地，为了让拍摄设备的使用者，更直观快速地确定当前图像是由于什么原因所造成的图像质量不合格，还可以进一步输出当前图像质量不合格的归属原因信息。例如，当反光检测结果为图像有反光时，向拍摄设备输出“当前图像有反光，图像质量不合格”的提示信息。当亮度检测结果为图像过亮、且角度检测结果为图像倾斜时，向拍摄设备输出“当前图像过暗、图像倾斜，图像质量不合格”的提示信息。
[0185]
此外，当确定当前图像的质量合格时，也可以向拍摄设备输出图像质量合格的提示信息，以便拍摄设备的使用者可以及时拍下高质量的图像。
[0186]
由以上内容可以看出，当确定当前图像的质量不合格时，通过向拍摄设备输出图像质量不合格的提示信息，可以让拍摄设备的使用者及时发现图像质量问题，从而进一步提高图像的拍摄质量。
[0187]
此外，由于小程序和h5页面不支持某些算法(如c++算法)的直接调用，为了提高本技术实施例所提供的图像质量检测方法的性能，在本技术实施例中，该图像质量检测方法还包括：将所述图像质量检测方法通过wasm文件格式进行加载。
[0188]
具体地，可以将上述图像质量检测方法的文件格式转换为wasm文件格式，通过执行wasm文件格式来实现上述图像质量检测方法。
[0189]
由于wasm文件格式是一种面向网页的二进制格式文件，具有类机器码，具有高效加载运行的特点，因此通过采用wasm文件格式对上述图像质量检测方法进行加载，可以使
得上述图像质量检测方法在小程序和h5页面可以调用，提高了图像质量检测方法的性能。
[0190]
为了更好实施本技术实施例中图像质量检测方法，在图像质量检测方法基础之上，本技术实施例中还提供一种图像质量检测装置，如图7所示，为本技术实施例中图像质量检测装置的一个实施例结构示意图，该图像质量检测装置700包括：
[0191]
获取单元701，用于获取拍摄设备捕捉的当前图像；
[0192]
检测单元702，用于获取与所述当前图像相关的拍摄质量参数，其中，所述拍摄质量参数包括所述当前图像的反光检测结果、亮度检测结果、清晰度检测结果和角度检测结果中的至少一种；
[0193]
判别单元703，用于根据所述拍摄质量参数，确定所述当前图像的质量是否合格。
[0194]
在本技术的一些实施例中，所述检测单元702具体用于：
[0195]
获取所述当前图像中各像素点的饱和度和明度；
[0196]
根据所述饱和度、所述明度以及预设的饱和度阈值和明度阈值，确定所述当前图像中的反光点；
[0197]
根据所述反光点确定所述当前图像的反光区域，得到所述反光检测结果。
[0198]
在本技术的一些实施例中，所述检测单元702具体用于：
[0199]
获取所述拍摄设备捕捉的历史图像；
[0200]
根据所述历史图像和所述当前图像进行光流匹配，得到所述当前图像中各像素点的运动方向；
[0201]
根据所述运动方向对所述当前图像中各像素点进行聚类，得到运动方向一致的聚类点大集合、以及与所述聚类点大集合中各点运动方向不一致的聚类点小集合；
[0202]
根据所述聚类点小集合中的各点确定所述当前图像的反光点，得到所述反光检测结果。
[0203]
在本技术的一些实施例中，所述判别单元703具体用于：
[0204]
当所述反光检测结果为图像有反光时，确定所述当前图像的质量不合格。
[0205]
在本技术的一些实施例中，所述检测单元702具体用于：
[0206]
获取所述当前图像的n色灰度图，其中，n为大于2的正整数；
[0207]
获取所述n色灰度图中每一种色度的像素点比例；
[0208]
根据所述像素点比例，确定所述亮度检测结果。
[0209]
在本技术的一些实施例中，所述判别单元703具体用于：
[0210]
当所述亮度检测结果为图像过亮或图像过暗时，确定所述当前图像的质量不合格。
[0211]
在本技术的一些实施例中，所述清晰度检测结果包括图像模糊，所述检测单元702具还用于：
[0212]
对所述当前图像进行边缘化检测处理，得到所述当前图像的边缘化分布方差；
[0213]
根据所述边缘化分布方差和预设的模糊度阈值，确定所述当前图像是否模糊，得到所述当前图像的清晰度检测结果，其中，所述模糊度阈值与所述亮度检测结果相关；
[0214]
在本技术的一些实施例中，所述判别单元703具体用于：
[0215]
当所述清晰度检测结果为图像模糊时，确定所述当前图像质量不合格。
[0216]
在本技术的一些实施例中，所述角度检测结果包括图像倾斜，所述检测单元702具
体用于：
[0217]
获取与所述当前图像相关的拍摄设备参数，其中，所述拍摄设备参数包括所述拍摄设备相对于待拍摄场景的偏差角度、以及所述拍摄设备的加速度；
[0218]
根据所述拍摄设备参数确定所述当前图像是否倾斜，得到所述角度检测结果；
[0219]
在本技术的一些实施例中，所述判别单元703具体用于：
[0220]
当所述角度检测结果为图像倾斜时，确定所述当前图像的质量不合格。
[0221]
在本技术的一些实施例中，所述图像质量检测装置700还包括提示单元(图中未示出)，所述提示单元具体用于：
[0222]
当确定所述当前图像的质量不合格时，向所述拍摄设备输出图像质量不合格的提示信息。
[0223]
在本技术的一些实施例中，所述图像质量检测装置700还包括加载单元(图中未示出)，所述加载单元具体用于：
[0224]
将所述图像质量检测方法通过wasm文件格式进行加载。
[0225]
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
[0226]
由于该图像质量检测装置可以执行本技术如图1至图6对应任意实施例中图像质量检测方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中图像质量检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
[0227]
此外，为了更好实施本技术实施例中图像质量检测方法，在图像质量检测方法基础之上，本技术实施例还提供一种电子设备，参阅图8，图8示出了本技术实施例电子设备的一种结构示意图，具体的，本技术实施例提供的电子设备包括处理器801，处理器801用于执行存储器802中存储的计算机程序时实现如图1至图6对应任意实施例中图像质量检测方法的各步骤；或者，处理器801用于执行存储器802中存储的计算机程序时实现如图7对应实施例中各单元的功能。
[0228]
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本技术实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
[0229]
电子设备可包括，但不仅限于处理器801、存储器802。本领域技术人员可以理解，示意仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子备还可以包括输入输出设备、网络接入设备、总线等，处理器801、存储器802、输入输出设备以及网络接入设备等通过总线相连。
[0230]
处理器801可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
[0231]
存储器802可用于存储计算机程序和/或模块，处理器801通过运行或执行存储在存储器802内的计算机程序和/或模块，以及调用存储在存储器802内的数据，实现计算机装置的各种功能。存储器802可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0232]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的图像质量检测装置、电子设备及其相应单元的具体工作过程，可以参考如图1至图6对应任意实施例中图像质量检测方法的说明，具体在此不再赘述。
[0233]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0234]
为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术如图1至图6对应任意实施例中图像质量检测方法中的步骤，具体操作可参考如图1至图6对应任意实施例中图像质量检测方法的说明，在此不再赘述。
[0235]
其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
[0236]
由于该计算机可读存储介质中所存储的指令，可以执行本技术如图1至图6对应任意实施例中图像质量检测方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中图像质量检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
[0237]
以上对本技术实施例所提供的一种图像质量检测方法、装置、电子设备及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。