一种图像质量确定方法、装置、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确定方法、装置、设备及存储介质。


背景技术：

2.深度图像也被称为距离影像(range image)，是指将从图像采集器到场景中各点的距离作为像素值的图像。深度图像能够反映景物可见表面的几何形状，能够应用于人脸识别以及机器人的三维环境感知。深度图像能够是通过物理传感器和立体匹配算法处理得到的。
3.目前，得到的深度图像存在着一定程度的失真问题。如何较为准确地衡量深度图像的质量是需要解决的问题。


技术实现要素：

4.有鉴于此，本技术提供一种图像质量确定方法、装置、设备及存储介质，能够得到较为准确的深度图像的质量参数，实现较为准确地衡量深度图像的图像质量。
5.为解决上述问题，本技术提供的技术方案如下：
6.第一方面，本技术提供一种图像质量确定方法，所述方法包括：
7.获取深度图像以及所述深度图像对应的彩色图像，所述深度图像包括结构区域和平滑区域；
8.计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重，所述第j像素点为以所述第i像素点为中心的邻域包括的多个像素点中的第j个像素点，i的取值为从1至小于或者等于所述深度图像包括的像素点的个数，j的取值为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数；
9.根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数；
10.计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵；
11.根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数；
12.根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数，所述质量参数用于衡量所述深度图像的图像质量。
13.在一种可能的实现方式中，所述根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数，包括：
14.计算所述第i像素点的第j像素点的第一图像权重与所述第i像素点的第j像素点的第二图像权重的乘积，得到第i像素点的第j像素点的第一数据；
15.计算所述第i像素点的各个第j像素点的第一数据的和，得到第二数据；
16.计算所述第i像素点的各个第j像素点的第一图像权重之和，得到第三数据；
17.计算所述第二数据和所述第三数据的比值，得到第i像素点的结构区域的参数。
18.在一种可能的实现方式中，所述根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数，包括：
19.计算所述第i像素点第一权重矩阵以及所述第j像素点的第二权重矩阵之差的平方，得到第j像素点的第四数据；
20.计算各个第j像素点的第四数据的和，得到第i像素点的平滑区域的参数。
21.在一种可能的实现方式中，所述根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数，包括：
22.计算第i像素点的结构区域的参数与第i像素点的第一权重的乘积，得到第i像素点的第五数据；
23.计算各个第i像素点的第五数据之和，得到第六数据；
24.计算各个第i像素点的第一权重之和，得到第七数据；
25.计算第i像素点的平滑区域的参数与第i像素点的第二权重的乘积，得到第i像素点的第八数据；
26.计算各个第i像素点的第八数据之和，得到第九数据；
27.计算各个第i像素点的第二权重之和，得到第十数据；
28.计算所述第六数据与所述第七数据的比值，和所述第九数据与所述第十数据的比值之和，得到所述深度图像的质量参数。
29.在一种可能的实现方式中，所述第一权重为1与所述第二权重的差值，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为1，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为0。
30.第二方面，本技术提供一种图像质量确定装置，所述装置包括：
31.获取单元，用于获取深度图像以及所述深度图像对应的彩色图像，所述深度图像包括结构区域和平滑区域；
32.第一计算单元，用于计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重，所述第j像素点为以所述第i像素点为中心的邻域包括的多个像素点中的第j个像素点，i的取值为从1至小于或者等于所述深度图像包括的像素点的个数，j的取值为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数；
33.第二计算单元，用于根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数；
34.第三计算单元，用于计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵；
35.第四计算单元，用于根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数；
36.确定单元，用于根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数，所述质量参数用于衡量所述深度图像的图像质量。
37.在一种可能的实现方式中，所述第二计算单元，具体用于计算所述第i像素点的第j像素点的第一图像权重与所述第i像素点的第j像素点的第二图像权重的乘积，得到第i像素点的第j像素点的第一数据；计算所述第i像素点的各个第j像素点的第一数据的和，得到第二数据；计算所述第i像素点的各个第j像素点的第一图像权重之和，得到第三数据；计算所述第二数据和所述第三数据的比值，得到第i像素点的结构区域的参数。
38.在一种可能的实现方式中，所述第四计算单元，具体用于计算所述第i像素点第一权重矩阵以及所述第j像素点的第二权重矩阵之差的平方，得到第j像素点的第四数据；计算各个第j像素点的第四数据的和，得到第i像素点的平滑区域的参数。
39.在一种可能的实现方式中，所述确定单元，具体用于计算第i像素点的结构区域的参数与第i像素点的第一权重的乘积，得到第i像素点的第五数据；计算各个第i像素点的第五数据之和，得到第六数据；计算各个第i像素点的第一权重之和，得到第七数据；计算第i像素点的平滑区域的参数与第i像素点的第二权重的乘积，得到第i像素点的第八数据；计算各个第i像素点的第八数据之和，得到第九数据；计算各个第i像素点的第二权重之和，得到第十数据；计算所述第六数据与所述第七数据的比值，和所述第九数据与所述第十数据的比值之和，得到所述深度图像的质量参数。
40.在一种可能的实现方式中，所述第一权重为1与所述第二权重的差值，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为1，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为0。
41.第三方面，本技术提供一种图像质量确定设备，包括：处理器、存储器、系统总线；
42.所述处理器以及所述存储器通过所述系统总线相连；
43.所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述第一方面所述的方法。
44.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述第一方面所述的方法。
45.由此可见，本技术具有如下有益效果：
46.本技术提供的一种图像质量确定方法、装置、设备及存储介质，先获取深度图像以及所述深度图像对应的彩色图像，计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重，其中，所述第j像素点为以所述第i像素点为中心的邻域包括的多个像素点中的第j个像素点，i的取值为从1至小于或者等于所述深度图像包括的像素点的个数，j为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数；根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数；再计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵；根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数；最后，根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数。质量参数用于衡量所述深度图像的图像质量。如此，基于深度图像的平滑区域的质量和结构区域的质量，能够较为全面、准确地确定深度图像整体的质量参数。
附图说明
47.图1为本技术实施例提供的一种图像质量确定方法的流程示意图；
48.图2为本技术实施例提供的一种图像质量确定装置的结构示意图。
具体实施方式
49.为了便于理解和解释本技术实施例提供的技术方案，下面将先对本技术的涉及的相关术语进行说明。
50.彩色图像，指的是每个像素信息均有rgb(red，green，blue，红，绿，蓝)三原色构成的图像。
51.gt(ground-truth，参考标准)图像，表示为无任何失真的深度图像。
52.结构区域：深度图像在物体的边缘处深度信息会产生突变，该区域被称为深度图像的结构区域。
53.平滑区域：深度图像的内部有大量灰度值相同的区域，该区域被称为深度图像的平滑区域。
54.失真检测：即通过相应的方法检测出深度图像中对应的错误像素，多个错误像素组成的区域被称为失真区域。
55.无参考：是指没有参考ground-truth(gt)图像。
56.下面将先对本技术的涉及的相关术语背景技术进行说明。
57.深度图像的质量评价方法通常有两种类型，一种是有参考的深度图像质量评价方法，即全参考深度图像质量评价方法与半参考深度图像质量评价方法。有参考的深度图像质量评价方法需要参考图像，即无误差的深度图像的参考图像，通过对比参考图像与失真的深度图像之间的差异，即可获取相应的失真检测结果，进而以该结果作为评价深度图像的质量分数。
58.但是，有参考深度图像质量评价方法受到真值图像难以获取这一问题的限制，难以广泛使用。而目前的无参考深度图像质量评价方法，难以得到较为准确的质量参数。
59.基于此，本技术实施例提供一种图像质量确定方法、装置、设备及存储介质，先获取深度图像以及所述深度图像对应的彩色图像，计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重，其中，所述第j像素点为以所述第i像素点为中心的邻域包括的多个像素点中的第j个像素点，i的取值为从1至小于或者等于所述深度图像包括的像素点的个数，j为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数；根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数；再计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵；根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数；最后，根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数。质量参数用于衡量所述深度图像的图像质量。如此，基于深度图像的平滑区域的质量和结构区域的质量，能够较为全面、准确地确定深度图像整体的质量参数。
60.为了便于理解本技术实施例提供的技术方案，下面结合附图对本技术实施例提供的一种图像质量确定方法进行说明。
61.参见图1所示，该图为本技术实施例提供的一种图像质量确定方法的流程示意图。该图包括s101-s106：
62.s101：获取深度图像以及所述深度图像对应的彩色图像，所述深度图像包括结构区域和平滑区域。
63.深度图像对应的彩色图像是与深度图像在同一视点下的彩色图像。彩色图像能够是由采集深度图像的设备采集得到的。
64.深度图像对应的彩色图像和深度图像的结构保持高度一致。使用彩色图像的边缘信息作为参考，度量失真的深度图像中边缘信息的错误，以此进行深度图像的质量评价。
65.s102：计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重。
66.深度图像的第i像素点是深度图像包括的按照预设顺序排序的第i个像素点。i的取值为从1至小于或者等于深度图像包括的像素点的个数。彩色图像的第i像素点在彩色图像内的位置与深度图像的第i像素点在深度图像内的位置相同，也就是说，彩色图像的第i像素点是和深度图像的第i像素点位置对应的彩色图像中的像素点。
67.第i像素点的第j像素点是以第i像素点为中心的邻域包括的多个像素点中的第j个像素点。j的取值为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数。
68.在一种可能的实现方式中，使用高斯权重来获取彩色图像和深度图像的结构信息，得到深度图像的第i像素点的第j像素点的第一图像权重以及彩色图像的第i像素点的第j像素点的第二图像权重。
69.深度图像的第i像素点的第j像素点的第一图像权重参见公式(1)所示：
[0070][0071]
彩色图像的第i像素点的第j像素点的第二图像权重参见公式(2)所示：
[0072][0073]
第一图像权重和第二图像权重的权重值的范围是[0,1]。其中，当权重值为1时，表示像素点i和像素点j处于同一个区域，即像素点i和像素点j的空间结构是一致的。当权重值为0时，表示像素点i和像素点j处于不同的区域，即像素点i和像素点j的空间结构是不一致的。通过中心像素点i与其邻域内的各个像素点的关系，能够确定结构一致的区域和结构不一致的区域。
[0074]
对于结构区域，当深度图像中的像素点与对应的彩色图像中同一位置的像素点位于不同的区域时，将这个像素点被称为彩色-深度不一致点。不一致点的集合组成的区域即为失真区域。
[0075]
s103：根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数。
[0076]
根据得到的第一图像权重和第二图像权重，能够对第一图像权重和第二图像权重
进行量化分析，进而根据第一图像权重和地热图像权重确定结构不一致的像素点，从而确定失真区域。
[0077]
在一种可能的实现方式中，计算第一图像权重和第二图像权重的加权和，作为第i像素点的结构区域的参数。
[0078]
在另一种可能的实现方式中，本技术实施例提供一种根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数的具体实现方式，包括以下四个步骤：
[0079]
计算所述第i像素点的第j像素点的第一图像权重与所述第i像素点的第j像素点的第二图像权重的乘积，得到第i像素点的第j像素点的第一数据；
[0080]
计算所述第i像素点的各个第j像素点的第一数据的和，得到第二数据；
[0081]
计算所述第i像素点的各个第j像素点的第一图像权重之和，得到第三数据；
[0082]
计算所述第二数据和所述第三数据的比值，得到第i像素点的结构区域的参数。
[0083]
计算得到第i像素点的结构区域的参数的能够由公式(3)实现。
[0084][0085]
其中，ω表示邻域。为第i像素点的第j像素点的第一图像权重与所述第i像素点的第j像素点的第二图像权重的乘积，也就是第i像素点的第j像素点的第一数据。再计算第i像素点的各个第j像素点的第一图像权重之和，也就是将以第i像素点为中心的邻域内的各个像素点的第一数据求和，得到第二数据
[0086]
再计算第i像素点的各个第j像素点的第一图像权重之和，也就是将以第i像素点为中心的邻域内的各个像素点的第一图像权重求和，得到第三数据
[0087]
在得到第二数据和第三数据后，计算第二数据和第三数据的比值，得到加权平均值，也就是第i像素点的结构区域的参数w
iinc
。
[0088]wiinc
其范围为[0,1]，其中w
iinc
的值越大(不超过1)，则表明第i像素点深度图像与彩色图像的结构越接近，失真越小；反之，当w
iinc
的值越小(不小于0)，则表明第i像素点深度图像与彩色图像的结构差异越大，失真越严重。
[0089]
s104：计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵。
[0090]
深度图像的平滑区域也存在多种失真类型，比如：噪声和伪结构现象。判断深度图像平滑区域质量的好坏，仍是检测度量深度图像平滑区域的失真情况。深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵能够是高斯权重。
[0091]
s105：根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数。
[0092]
由深度图像的成像原理可知，深度图像中包含大量的同质区域，也就是平滑区域，即像素值相同。对应到深度图像的高斯权重上，权重值相同的像素点属于平滑区域。对于深度图像中的一个像素点，如果在以其为中心的一个邻域内，所有的像素点的高斯权重的权
重值与中心点的高斯权重的权重值都相同，该像素点是一个平滑点，反之，则该像素点是一个不平滑点。
[0093]
如此，根据计算得到的第一权重矩阵和第二权重矩阵，能够确定第i像素点是否为平滑点。进而能够实现对第i像素点是否属于失真区域进行确定。
[0094]
在一种可能的实现方式中，本技术实施例提供一种根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数的具体实现方式，包括：
[0095]
计算所述第i像素点第一权重矩阵以及所述第j像素点的第二权重矩阵之差的平方，得到第j像素点的第四数据；
[0096]
计算各个第j像素点的第四数据的和，得到第i像素点的平滑区域的参数。
[0097]
下面结合公式(4)，对上述根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数的具体实现方式进行说明。
[0098][0099]
其中，为第i像素点的平滑区域的参数。为第i像素点第一权重矩阵以及所述第j像素点的第二权重矩阵之差的平方，也就是第j像素点的第四数据。计算第i像素点为中心的邻域包括的各个像素点的第四数据的和，也就是各个第j像素点的和，得到即第i像素点的平滑区域的参数。
[0100]
ω表示窗口大小。ω的取值能够根据深度图像中平滑区域的失真程度确定。在一种可能的实现方式中，采用较小的ω，使得得到的第i像素点的平滑区域的参数更为准确。
[0101]
s106：根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数，所述质量参数用于衡量所述深度图像的图像质量。
[0102]
在得到第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数之后，能够得到第i像素点的质量参数。进而根据各个第i像素点的质量参数得到深度图像的质量参数。根据深度图像的质量参数，能够确定深度图像的图像质量。在一些可能的实现方式中，若深度图像的质量参数指示深度图像的图像质量较好，则能够利用深度图像进行后续的任务。在另一种可能的实现方式中，若深度图像的质量参数指示深度图像的图像质量较好差，能够对获取深度图像的过程进行改进，或者删除该深度图像，以免影响后续任务。
[0103]
本技术实施例提供两种根据第i像素点的结构区域的参数和第i像素点的平滑区域的参数，得到深度图像的质量参数的具体实现方式，具体参见下文。
[0104]
基于上述s101-s106的相关内容可知，针对深度图像的结构区域和平滑区域，分别进行失真程度的度量，得到对应的参数。再根据结构区域的参数和平滑区域的参数，确定深度图像整体的质量参数。如此，能够较为全面地对深度图像的质量进行评价。
[0105]
在一种可能的实现方式中，本技术实施例提供一种根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数的具体实现方式，包括以下步骤：
[0106]
计算第i像素点的结构区域的参数与第i像素点的第一权重的乘积，得到第i像素点的第五数据；
[0107]
计算各个第i像素点的第五数据之和，得到第六数据；
[0108]
计算各个第i像素点的第一权重之和，得到第七数据；
[0109]
计算第i像素点的平滑区域的参数与第i像素点的第二权重的乘积，得到第i像素点的第八数据；
[0110]
计算各个第i像素点的第八数据之和，得到第九数据；
[0111]
计算各个第i像素点的第二权重之和，得到第十数据；
[0112]
计算所述第六数据与所述第七数据的比值，和所述第九数据与所述第十数据的比值之和，得到所述深度图像的质量参数。
[0113]
下面结合公式(5)，对上述计算深度图像的质量参数的具体实现方式进行说明。
[0114][0115]
其中，w
iinc
为第i像素点的结构区域的参数，(1-w
iinc_t
)为第一权重。(1-w
iinc_t
)w
iinc
为第i像素点的结构区域的参数与第i像素点的第一权重的乘积，也就是第i像素点的第五数据。为第六数据。
[0116]
为第七数据。
[0117]winotsmooth
为第i像素点的平滑区域的参数。w
iinc_t
为第二权重。(1-w
iinc_t
)w
inotsmooth
第i像素点的第八数据。为第九数据。
[0118]
为第十数据。
[0119]
在一种可能的实现方式中，w
iinc_t
能够根据公式(6)确定。
[0120][0121]
其中，threshold为预先设定的阈值，用于衡量第i像素点为一致点或者为不一致点。w
iinc
为计算深度图像的结构区域的第i像素点的一致性结果。如果该第i像素点为一致性点，则w
iinc
的权重值比较大，接近于1，说明失真较轻；反之，如果该第i像素点为不一致点，则w
iinc
的权重值比较小，接近于0。
[0122]
所以，w
iinc_t
的输出为1时表示第i像素点为一致点，当w
iinc_t
的输出为0时表示第i像素点为不一致点。
[0123]
从公式(5)可知，由于w
iinc_t
只能检测出结构区域的失真问题，不能检测出平滑区域的失真问题。在一些可能的实现方式中，当深度图像结构区域不存在任何失真问题，即w
iinc_t
的值为1，此时公式(5)的前半部分为0，说明当前情况下，深度图像的质量由其平滑区域的质量决定。在另一些可能的实现方式中，深度图像的结构区域存在失真问题，所以w
iinc_t
的值为0，深度图像的质量参数由结构区域的参数和平滑区域的参数共同决定。
[0124]
基于上述方法实施例提供的一种图像质量确定方法，本技术实施例还提供了一种图像质量确定装置，下面将结合附图对该图像质量确定装置进行说明。
[0125]
参见图2所示，该图为本技术实施例提供的一种图像质量确定装置的结构示意图。如图2所示，该图像质量确定装置包括：
[0126]
获取单元201，用于获取深度图像以及所述深度图像对应的彩色图像，所述深度图
像包括结构区域和平滑区域；
[0127]
第一计算单元202，用于计算所述深度图像的第i像素点的第j像素点的第一图像权重和所述彩色图像的第i像素点的第j像素点的第二图像权重，所述第j像素点为以所述第i像素点为中心的邻域包括的多个像素点中的第j个像素点，i的取值为从1至小于或者等于所述深度图像包括的像素点的个数，j的取值为从1至小于或者等于所述第i像素点为中心的邻域包括的像素点的个数；
[0128]
第二计算单元203，用于根据所述第一图像权重和所述第二图像权重计算得到第i像素点的结构区域的参数；
[0129]
第三计算单元204，用于计算所述深度图像的第i像素点第一权重矩阵以及第j像素点的第二权重矩阵；
[0130]
第四计算单元205，用于根据所述第一权重矩阵和所述第二权重矩阵计算得到第i像素点的平滑区域的参数；
[0131]
确定单元206，用于根据所述第i像素点的结构区域的参数和所述第i像素点的平滑区域的参数，得到所述深度图像的质量参数，所述质量参数用于衡量所述深度图像的图像质量。
[0132]
在一种可能的实现方式中，所述第二计算单元203，具体用于计算所述第i像素点的第j像素点的第一图像权重与所述第i像素点的第j像素点的第二图像权重的乘积，得到第i像素点的第j像素点的第一数据；计算所述第i像素点的各个第j像素点的第一数据的和，得到第二数据；计算所述第i像素点的各个第j像素点的第一图像权重之和，得到第三数据；计算所述第二数据和所述第三数据的比值，得到第i像素点的结构区域的参数。
[0133]
在一种可能的实现方式中，所述第四计算单元205，具体用于计算所述第i像素点第一权重矩阵以及所述第j像素点的第二权重矩阵之差的平方，得到第j像素点的第四数据；计算各个第j像素点的第四数据的和，得到第i像素点的平滑区域的参数。
[0134]
在一种可能的实现方式中，所述确定单元206，具体用于计算第i像素点的结构区域的参数与第i像素点的第一权重的乘积，得到第i像素点的第五数据；计算各个第i像素点的第五数据之和，得到第六数据；计算各个第i像素点的第一权重之和，得到第七数据；计算第i像素点的平滑区域的参数与第i像素点的第二权重的乘积，得到第i像素点的第八数据；计算各个第i像素点的第八数据之和，得到第九数据；计算各个第i像素点的第二权重之和，得到第十数据；计算所述第六数据与所述第七数据的比值，和所述第九数据与所述第十数据的比值之和，得到所述深度图像的质量参数。
[0135]
在一种可能的实现方式中，所述第一权重为1与所述第二权重的差值，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为1，若所述第i像素点的结构区域的参数大于阈值，则所述第一权重为0。
[0136]
基于上述方法实施例提供的一种图像质量确定方法，本技术提供一种图像质量确定设备，包括：处理器、存储器、系统总线；
[0137]
所述处理器以及所述存储器通过所述系统总线相连；
[0138]
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述任一实施例所述的方法。
[0139]
基于上述方法实施例提供的一种图像质量确定方法，本技术提供一种计算机可读
存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述任一实施例所述的方法。
[0140]
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0141]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0142]
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0143]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0144]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。