图像质量值确定方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种图像质量值确定方法、装置、存储介质及电子装置，其中，该方法包括：获取目标图像；确定目标图像的第一质量值；对目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，第一图像中包括目标对象，且目标对象的图像与第一图像的比值大于第一阈值，其中，目标对象的图像与目标图像的比值大于第一阈值；确定灰度化图像的倾斜度；基于倾斜度以及第一质量值确定目标对象的图像的目标质量值。通过本发明专利技术，解决了相关技术中存在的图像质量值确定不准确的问题，达到准确确定图像质量值的效果。

【技术实现步骤摘要】
图像质量值确定方法、装置、存储介质及电子装置
本专利技术实施例涉及通信领域，具体而言，涉及一种图像质量值确定方法、装置、存储介质及电子装置。
技术介绍
随着计算机视觉技术的迅速发展，图像识别也越来越重要，下面以识别车牌为例进行说明：车牌自动识别技术出现并逐渐成熟，在大大节省人力成本的同时更加方便了人们的出行。然而，考虑到天气、成像设备、车身倾斜以及拍摄距离等因素的影响，包含车牌的图像很可能出现失真或降质的情况。因此，并不是所有的车牌图像的识别结果均是可靠的。因此，需要对车牌图像的质量进行评价，进而实现对车牌识别结果的可靠性进行评估。在相关技术中，图像质量客观评价方法仅对图像的全局纹理复杂度进行量化以衡量图像的质量或清晰度，存在车牌图片质量较好，但识别结果出现偏差的情况。由此可知，相关技术中存在图像质量值确定不准确的问题。针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图像质量值确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的图像质量值确定不准确的问题。根据本专利技术的一个实施例，提供了一种图像质量值确定方法，包括：获取目标图像；确定所述目标图像的第一质量值；对所述目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，所述第一图像中包括目标对象，且所述目标对象的图像与所述第一图像的比值大于第一阈值，其中，所述目标对象的图像与所述目标图像的比值大于第一阈值；确定所述灰度化图像的倾斜度；基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值。根据本专利技术的另一个实施例，提供了一种图像质量值确定装置，包括：获取模块，用于获取目标图像；第一确定模块，用于确定所述目标图像的第一质量值；处理模块，用于对所述目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，所述第一图像中包括目标对象，且所述目标对象的图像与所述第一图像的比值大于第一阈值，其中，所述目标对象的图像与所述目标图像的比值大于第一阈值；第二确定模块，用于确定所述灰度化图像的倾斜度；第三确定模块，用于基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值。根据本专利技术的又一个实施例，还提供了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。根据本专利技术的又一个实施例，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。通过本专利技术，在获取到目标图像后，确定目标图像的第一质量值，并对目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，再确定灰度化图像的倾斜度，根据倾斜度以及第一质量值确定目标对象的图像的目标质量值。由于第一图像中目标对象的图像与第一图像的比值大于第一阈值，则通过第一图像可以准确确定目标对象图像的倾斜度，再基于倾斜度以及目标图像的质量值综合确定目标对象的图像的目标质量值，可以提高确定目标质量值的准确率。因此，可以解决相关技术中存在的图像质量值确定不准确的问题，达到准确确定图像质量值的效果。附图说明图1是本专利技术实施例的一种图像质量值确定方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的图像质量值确定方法的流程图；图3是根据本专利技术示例性实施例的第一图像示意图；图4是根据本专利技术示例性实施例的确定灰度化图像清晰度方法流程图；图5是根据本专利技术示例性实施例的检测到的车牌的宽度与宽度分数对应关系图；图6是根据本专利技术示例性实施例的确定灰度化图像的倾斜度流程示意图；图7是根据本专利技术具体实施例的图像质量值确定方法；图8是根据本专利技术实施例的图像质量值确定装置的结构框图。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专利技术的实施例。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种图像质量值确定方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的图像质量值确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterfaceController，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(RadioFrequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。在本实施例中提供了一种图像质量值确定方法，图2是根据本专利技术实施例的图像质量值确定方法的流程图，如图2所示，该流程包括如下步骤：步骤S202，获取目标图像；步骤S204，确定所述目标图像的第一质量值；步骤S206，对所述目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，所述第一图像中包括目标对象，且所述目标对象的图像与所述第一图像的比值大于第一阈值；步骤S208，确定所述灰度化图像的倾斜度；步骤S210，基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值。在上述实施例中，目标图像可以是包含目标对象的图像，目标图像可以是监控设备所拍摄的图像。第一图像可以为目标图像中包括的图像，第一图像中包括目标对象，且目标对象的图像与第一图像的比值大于第一阈值。其中，目标对象可以为人脸、车牌等，第一阈值表示目标对象图像在第一图像中的占比，即，第一对象的图像需占据第一图像本文档来自技高网...

【技术保护点】
1.一种图像质量值确定方法，其特征在于，包括：/n获取目标图像；/n确定所述目标图像的第一质量值；/n对所述目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，所述第一图像中包括目标对象，且所述目标对象的图像与所述第一图像的比值大于第一阈值；/n确定所述灰度化图像的倾斜度；/n基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值。/n

【技术特征摘要】
1.一种图像质量值确定方法，其特征在于，包括：
获取目标图像；
确定所述目标图像的第一质量值；
对所述目标图像中包括的第一图像进行灰度化处理，以得到灰度化图像，其中，所述第一图像中包括目标对象，且所述目标对象的图像与所述第一图像的比值大于第一阈值；
确定所述灰度化图像的倾斜度；
基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值。


2.根据权利要求1所述的方法，其特征在于，确定所述目标图像的第一质量值包括：
基于图像检测算法确定所述目标图像的第二质量值；
使用第一模型对所述目标对象的图像进行分析，以确定所述目标对象的图像的第三质量值，所述第一模型为使用多组第一训练数据通过机器学习训练出的，所述多组第一训练数据中的每组数据包括：图像和图像的质量值；
将所述第二质量值及所述第三质量值确定为所述第一质量值。


3.根据权利要求2所述的方法，其特征在于，基于所述倾斜度以及所述第一质量值确定所述目标对象的图像的目标质量值包括：
识别所述目标图像中包括的所述目标对象的目标类型；
确定所述灰度化图像的清晰度；
基于所述倾斜度、所述目标类型、所述清晰度、所述第二质量值以及所述第三质量值确定所述目标质量值。


4.根据权利要求3所述的方法，其特征在于，确定所述灰度化图像的清晰度包括：
基于预定算子对所述灰度化图像进行滤波处理，以确定所述灰度化图像在第一方向的第一梯度，以及所述灰度化图像的边缘图像；
确定所述边缘图像中包括的目标梯度大于第二阈值的所有梯度的梯度和；
获取所述灰度化图像的面积；
将所述梯度和与目标乘积的第一比值确定为所述清晰度，其中，所述目标乘积为所述面积和第一常数的乘积。


5.根据权利要求3所述的方法，其特征在于，识别所述目标图像中包括的所述目标对象的目标类型包括：
基于图像检测算法确定所述目标对象的类型；
在所述目标对象的类型指示所述目标对象为单层车牌的情况下，确定所述目标对象的图像的第一像素宽度，在所述第一像素宽度大于或等于第三阈值的情况下，确定所述目标类型为单层大车牌；在所述第一像素宽度小于所述第三阈值的情况下，确定所述目标类型为单层小车牌；
在所述目标对象的类型指示所述目标对象为双层车牌的情况下，确定所述目标对象的图像的第二像素宽度，在所述第二像素宽度大于或等于第四阈值的情况下，确定所述目标类型为双层大车牌；在所述第二像素宽度小于所述第四阈值的情况下，确定所述目标类型为双层小车牌。


6.根据权利要求5所述的方法，其特征在于，基于所述倾斜度、所述目标类型、所述清晰度、所述第二质量值以及所述第三质量值确定所述目标质量值包括：
对所述清晰度、所述第二质量值以及所述第三质量值求和以得到第一值，确定所述第一值与第二常数的第二比值；
在所述目标类型指示所述目标对象的类型为大车牌的情况下，将所述倾斜度与所述第二比值的乘积确定为所述目标质量值；
在所述目标类型指示所述目标对象的类型为小车牌的情况下，确定所述目标对象的宽度分数，将所述宽度分...

【专利技术属性】
技术研发人员：李凯德，方明超，邵明，王耀农，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33