项目相对应的库存图像选项中选择。 与项目相对应的库存图像可以具有相应的元数据或项目信息，从而上传图像可以与库存图 像匹配。销售者侧信息一一例如但不限于列表信息（例如项目名称、项目描述、项目说明书 等）、上传图像中包括的元数据或两者一一可用于和与库存图像相关联的项目信息匹配，以 识别作为上传图像的合适替换的一个或多个库存图像。作为示例，在分析了图像清晰度并 向销售者呈现了图像质量结果(如图14至18所示)后，如果上传图像的质量低于一个或多个 预定(模糊度）阈值，可以执行对库存图像可用性的确定。可以向销售者呈现所识别的库存 图像，作为潜在替换以寻求替换批准，或者作为在拍摄项目的其他照片以上传替换当前上 传图像时所争取的更好图像质量的范例。
[0106] 5.方法和系统的示例实施例
[0107] 图20示出了根据一些示例实施例的联网系统102在执行评估图像清晰度的方法 2000时的操作。方法2000中的操作是使用以上参考图2描述的模块(例如图像上传辅助引擎 214和图像清晰度检测引擎212)执行的。如图20所示，方法2000包括操作2010、2020、2030、 2040、2050和2060。
[0108]在操作2010中，图像上传辅助引擎214从用户的设备接收图像。例如，用户可以操 作设备机器110向联网系统102上传图像，所述联网系统102可以包括图像上传辅助引擎 214。作为另一示例，设备机器110可以包括图像上传辅助引擎214并在设备机器110处接收 图像。
[0109]在操作2020中，图像清晰度检测引擎212将接收到的图像划分为矩形区域(例如小 片）。矩形区域可以沿图像的相互垂直的轴（例如横轴和纵轴)在数量上相等。如上所述，这 可导致图像划分为mxm(m2)个小片。
[0110]在操作2030中，图像清晰度检测引擎212基于(例如根据)非参考模糊度量(其可以 是非参考感知模糊度量，如以上讨论的模糊度量），计算矩形区域(例如小片）的模糊分数。 具体地，非参考模糊度量可用于计算每个矩形区域的模糊分数。 在操作2040中，图像清晰度检测引擎212计算图像的加权矩阵W。计算加权矩阵W基 于对图像滤波和相互垂直的方向的两个结果。如以上讨论的，例如，两个结果可以包括沿水 平方向对(例如灰度形式的）图像进行Sobe 1滤波的第一结果以及沿竖直方向对(例如灰度 形式的）图像进行Sobel滤波的第二结果。
[0112] 在操作2050中，图像清晰度检测引擎212基于将加权矩阵W(例如在操作2040中计 算的）应用于矩形区域的模糊分数(如在操作2030中计算的），产生整个图像的清晰度分数 (Shrp)〇
[0113] 在操作2060中，图像上传辅助引擎214使用户的设备显示图像的清晰度分数(例如 在操作2050中产生的）。该可以响应于在操作2010中接收到图像来执行。根据各种示例实施 例，显示清晰度分数可如图15至19所示的执行。
[0114] 如图20所示，方法2000可以包括可以在操作2020前执行的操作2012。在操作2012 中，图像清晰度检测引擎212将图像转换至灰度。如上所述，这可以根据每个灰度像素的强 度（I)等于〇. 2985R+0.5870G+0.1140B的函数来执行的，其中，R、G和B分别表示在操作2010 中接收的图像内的相应图像像素的红、绿和蓝色分量。执行操作2012可以导致操作2012中 的矩形区域是灰度的。
[0115] 还如图20所示，操作2042、2044、2046和2048中的一个或多个可以作为操作2040的 一部分(例如先驱任务、子例程或部分)执行，其中，计算加权矩阵W。如以上关于操作2040讨 论的，计算加权矩阵可以基于沿水平方向对图像进行Sobel滤波的第一结果(例如第一边缘 图）和沿竖直方向对图像进行Sobel滤波的第二结果（例如第二边缘图）。在操作2042中，图 像清晰度检测引擎212获得这些第一和第二结果(例如通过分别沿水平和竖直方向对图像 应用Sobel滤波）。以上关于图5讨论了这样的第一和第二结果的示例。
[0116] 在操作2044中，图像清晰度检测引擎212基于来自操作2042的第一和第二结果，产 生边缘能量图。产生边缘能量图可根据上述式1执行。以上参照图6讨论了边缘能量图的示 例。
[0117]在操作2046中，图像清晰度引擎212累计图像的每个矩形区域(例如小片）的边缘 能量值。这可以根据上述式2实现。执行操作2046可以导致产生加权矩阵W(例如以初始、非 平滑形式）。
[0118]在操作2048中，图像清晰度检测引擎212将平滑参数σ应用于加权矩阵W，使得加权 矩阵W变为相对于具有较高边缘密度的区域(例如小片）归一化。这可以根据上述式3实现。 根据各种示例实施例，使用该归一化(例如平滑的)加权矩阵W执行操作2050。在这样的示例 实施例中，
[0119] 还如图20所示，操作2052和2054中的一个或多个可以作为方法2000的部分执行。 例如，操作2052和2054中的一个或两个可以在操作2050中产生清晰度分数之后并在操作 2060中显示清晰度分数后执行。
[0120]在操作2052中，图像上传辅助引擎214基于图像的清晰度分数(例如在操作2050中 产生)产生图形化清晰度计。如上所述，这样的图形化清晰度计可以与可视图像(例如联网 系统102先前接收的图像)相关地指示图像的清晰度。这样的图形化清晰度计的示例示于图 15至19中。因此，执行操作2060可以包括使设备110以产生的图形化清晰度计来显示图像的 清晰度分数。
[0121]在操作2054中，图像清晰度检测引擎212基于图像的清晰度分数(例如在操作2050 中产生）来计算图像的模糊概率。模糊概率可以根据上述式6来计算。如以上关于式6讨论 的，计算模糊概率可以基于特定于图像类别（例如上衣服装）的一个或多个参数(例如分布 参数α和β)。因此，模糊概率可以表示图像相对于针对该给定图像类别先前上传的图像的实 际分布有多清晰。因此，执行操作2060可以包括使设备110以图像的模糊概率来显示图像的 清晰度分数。
[0122] 根据此处讨论的方法，联网系统102可以通过自动检测和量化上传图像中的图像 模糊来使用户受益。联网系统102还可以提供用于电子商务环境的销售助理并且因此实时 引导潜在销售者改进结合产品列表创建上传的图像的质量。如上所述，可以在联网系统102 中实现内容感知图像清晰度评估方案，以计算对关注对象拍摄的照片的清晰度或模糊程 度。在特定示例实施例中，从图像清晰度评估方案计算的清晰度分数被转换为相对于与照 片中所示对象相同类型的其他照片有意义的分数。
[0123] 在各种示例实施例中，基于移动的助手被配置为向使用移动设备上传照片的用于 提供即时（或近似即时）的反馈。这样的基于移动的助理可以由系统、移动设备或两者的组 合实现。在备选示例实施例中，基于web的助手被配置为向同时向电子商务或市场网站上传 一个或多个照片的用于提供即时(或近似即时）的反馈。这样的基于web的助理可以由系统、 销售者计算机或两者实现。反馈可以包括使用图像清晰度评估方案计算的上传照片的模糊 度的一个或多个指示以及改进图像质量的推荐。在一些示例实施例中，当上传图像的质量 低于特定阈值时，识别与销售者上传的项目图像相对应的一个或多个库存图像。在创建项 目的产品列表期间，库存图像中的一个或多个可以替换销售者的上传图像。
[0124] 图21是示出了根据一些示例实施例的能够从机器可读介质2122(例如机器可读存 储介质、计算机可读存储介质或其任意适当组合)读取指令2124并完全或部分执行此处讨 论的方法中的任意一个或多个的机器2122的组件。具体地，图21示出了计算机系统示例形 式的机器2100,其中，可以完全或部分执行用于使机器2100执行此处讨论的方法中的任意 一个或多个的指令2124(例如软件、程序、应用、小程序、app或其他可执行代码）。在备选实 施例中，机器2100作为独立设备操作或者可以连接至(例如联网直)其他机器。在联网部署 中，机器2100可以以服务器-客户端网络环境中的服务器机器或客户端机器的资格操作，或 者作为分布式(例如对等）网络环境中的对等机器操作。机器2100可以是服务器计算机、客 户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、蜂窝电话、智能电话、机 顶盒(STB)、个人数字助理(PDA)、web设备、网络路由器、网络交换机、网桥或者能够顺序地 或以其他方式执行指令2124的任何机器，所述指令2124指定了该机器要采取的动作。此外， 虽然仅示出了单个机器，术语"机器"还应视为包独立或联合执行指令2124以执行此处讨论 的方法中的任意一个或多个的全部或部分。
[0125] 机器2100包括被配置为彼此经由总线2108通信的处理器2102(例如中央处理单元 (CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、射频集成电路 (RFIC)、或其任意适当组合）、主存储器2104和静态存储器2106。处理器2102可以包含微电 路，可由指令2124中的一些或全部临时或永久配置，使得处理器2102可被配置为完全或部 分执行此处描述的一个或多个方法中的任意一个或多个。例如，处理器2102的一个或多个 微电路的集合可被配置为执行此处描述的一个或多个模块(例如软件模块）。
[0126] 机器2100还可以包括图形显示器2110(例如等离子显示面板(PDP)、发光二极管 (LED)显示器、液晶显示器(LCD)、投影仪、阴极射线管(CRT)或能够显示图形或视频的任何 其他显示器）。机器2100还可以包括字母数字输入设备2112(例如键盘或键区）、光标控制设 备2114(例如鼠标、触摸板、轨迹球、操纵杆、运动传感器、眼动跟踪设备或其他定位仪器）、 存储单元2116、音频产生设备2118(例如声卡、放大器、扬声器、耳机插座或其任意适当组 合）以及网络接口设备2120。
[0127] 存储单元2116包括其中存储有指令2124的机器可读介质2122(例如有形且非瞬态 机器可读存储介质），所述指令2124实现此处描述的方法或功能中的任意一个或多个。指令 2124还可以在机器2100执行之前或期间完全或至少部分驻留在主存储器2104内、处理器 2102内（例如处理器的高速缓存内）或两者内。因此，主存储器2104和处理器2102可以视为 机器可读介质（例如有形和非瞬态机器可读介质）。指令2124可以通过网络102经由网络接 口设备2120发送或接收。例如，网络接口设备2120可以使用任意一个或多个传输协议(例如 超文本传输协议(HTTP))传送指令2124。
[0128] 在一些示例实施例中，机器2100可以是便携式计算设备（如智能电话或平板计算 机），并且具有一个或多个附加输入组件2130(例如传感器或仪表）。这样的输入组件2130的 示例包括图像输入组件(例如一个或多个摄像机）、自动输入组件(例如麦克风）、方向输入 组件(例如罗盘）、位置输入组件(例如全球定位系统(GPS)接收机）、取向组件(例如一个或 多个加速计）、高度检测组件(例如高度计）、以及气体检测组件(例如气体传感器）。这些输 入组件中的任意一个或多个获得的输入可访问和可用于被此处描述的任一模块使用。
[0129] 如此处使用的，术语"存储器"指能够临时或永久地存储数据的机器可读介质，并 且可看作包括但不限随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存以及高速 缓存存储器。尽管机器可读介质2122在示例实施例中被示为单个介质，术语"机器可读介 质"应看作包括能够存储质量的单个介质或多个介质（例如，集中式或分布式数据库，或相 关联的高速缓存和服务器）。术语"机器可读介质"还应看作包括任何能够存储指令2124的 介质或多个介质的组合，所述指令2124供机器执行，使得当指令2124被机器2100的一个或 多个处理器(例如处理器2102)执行时使机器2100整体或部分执行此处描述的