图像清晰度检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例涉及图像处理领域，公开了一种图像清晰度检测方法、装置、电子设备及存储介质。本发明专利技术的图像清晰度检测方法，应用于散斑图像，所述方法包括：对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域；在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域；根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。应用于对散斑图像的处理过程中，使得能快速准确的检测到散斑图像的清晰度。

【技术实现步骤摘要】
图像清晰度检测方法、装置、电子设备及存储介质
本专利技术实施例涉及图像处理领域，特别涉及一种图像清晰度检测方法、装置、电子设备及存储介质。
技术介绍
散斑图像是被激光照明的物体，其表面呈现颗粒状结构的图像。利用散斑图像可对图像信息进行编码和解码、图像相减、反衬度翻转和存储等，在医学检测、工业探测、深度测量等方面都应用广泛，因此，对散斑图像的清晰度检测尤为重要。目前对于图像清晰度的检测，大多通过各种清晰度评价函数进行计算，比如：Tenengrad梯度函数、Laplacian梯度函数、灰度方差乘积函数和能量梯度函数等，这些清晰度评价函数大多基于图像梯度值、图像高频分量和图像灰度值等进行计算。然而，上述处理检测方法基本都是针对RGB-D相机拍摄的彩色图像或灰度图像。对于由激光照射形成的散斑图像，其具有随机性、无空间参照性，利用上述方法进行清晰度检测，计算过程复杂，耗时较长，而且没有考虑到散斑图像的成像特点，检测准确度也较差。
技术实现思路
本专利技术实施方式的目的在于提供一种图像清晰度检测方法、电子设备及存储介质，使得散斑图像清晰度的检测快速、准确。为解决上述技术问题，本专利技术的实施方式提供了一种图像清晰度检测方法，应用于散斑图像，所述方法包括：对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域；在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域；根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。本专利技术的实施方式还提供了一种图像清晰度检测装置，应用于散斑图像，所述装置包括：阴影检测模块，对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域；区域确定模块，在所述阴影检测模块确定的非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域；清晰度检测模块，根据所述区域确定模块确定的局部极值区域和所述阴影检测模块确定的非阴影区域的比值确定所述散斑图像的清晰度。本专利技术的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述实施方式提及的图像清晰度检测方法。本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述实施方式提及的图像清晰度检测方法。本专利技术实施方式提供的图像清晰度检测方法，通过确定非阴影区域和局部极值区域，根据两者比值即可获知散斑图像清晰度，整个过程简单、快速、准确。另外，本专利技术实施方式提供的图像清晰度检测方法，对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域，包括：获取所述散斑图像中每一个像素点的灰度值；获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差，其中，所述对应的预设窗口以对应的像素点为中心；根据所述每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差，确定所述散斑图像的非阴影区域。由于光照的原因，图像中难免会存在阴影，阴影的存在会造成图像的变形、合并甚至丢失。通过阴影检测去除阴影区域的干扰，在非阴影区域进行后续处理，确保获取的清晰度的准确性。另外，本专利技术实施方式提供的图像清晰度检测方法，在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域，包括：在所述非阴影区域中每一个像素点对应的预设窗口上确定采样点，其中，所述对应的预设窗口以对应的像素点为中心；获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值；当所述每一个像素点的灰度值大于对应的所有采样点的灰度值时，确定所述像素点为局部极值点；统计所述非阴影区域中局部极值点的数量和位置，确定所述局部极值区域。通过把每一个像素点的灰度值和对应的采样点进行比较确定局部极值点，确保不会遗漏散斑图像中所有的局部极值点，保证后续计算的准确性。另外，本专利技术实施方式提供的图像清晰度检测方法，获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值，包括：确定所述预设窗口上的所有采样点是否均在所述散斑图像非阴影区域的像素点中；若是，则直接获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值；若否，则对所述采样点的位置进行插值处理，获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度估计值。由于采样点是在预设窗口上选取，因此不一定会准确地落在像素点上，有可能落在两个像素点中间，因此通过对采样点位置进行插值处理，获取采样点灰度估计值，以提高采样点灰度值的准确性。另外，本专利技术实施方式提供的图像清晰度检测方法，获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值之后，还包括：当所述每一个像素点的灰度值小于对应的任一采样点的灰度值时，调节所述预设窗口的尺寸并重新确定采样点。由于预设窗口的尺寸是任意选取的，为避免错误判断，可通过多次调节预设窗口的尺寸中心重新确定采样点，进而重新判断该像素点是否为局部极值点，保证局部极值区域的范围准确。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1是本专利技术的实施方式提供的图像清晰度检测方法的流程图；图2是本专利技术的又一实施方式提供的图像清晰度检测方法的流程图；图3是本专利技术的又一实施方式提供的图像清晰度检测方法的流程图；图4是图3的实施方式提供的图像清晰度检测方法的采样点示意图；图5是图3的实施方式提供的图像清晰度检测方法中步骤303的流程图；图6是本专利技术的又一实施方式提供的图像清晰度检测方法的流程图；图7是本专利技术的又一实施方式提供的图像清晰度检测方法的流程图；图8是本专利技术的实施方式的提供的图像清晰度检测装置的结构示意图。图9是本专利技术的实施方式的提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。下面对本实施方式的图像清晰度检测方法的实现细节进行举例说明。以下内容仅为方便理解而提供的实现细节，并非实施本方案的必须。目前现有技术大多采用各种清晰度评价函数来对图像进行清晰度检测，比如：Tenengrad梯度函数：Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值，基与Tenengrad梯度函数的图像清晰度定义如下：D(f)＝本文档来自技高网...

【技术保护点】
1.一种图像清晰度检测方法，其特征在于，应用于散斑图像，所述方法包括：/n对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域；/n在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域；/n根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。/n

【技术特征摘要】
1.一种图像清晰度检测方法，其特征在于，应用于散斑图像，所述方法包括：
对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域；
在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域；
根据所述局部极值区域和所述非阴影区域的比值确定所述散斑图像的清晰度。


2.根据权利要求1所述的图像清晰度检测方法，其特征在于，所述对散斑图像进行阴影检测，确定所述散斑图像的非阴影区域，包括：
获取所述散斑图像中每一个像素点的灰度值；
获取每一个像素点对应的预设窗口内所有像素点灰度值的平均值和标准差，其中，所述对应的预设窗口以对应的像素点为中心；
根据所述每一个像素点的灰度值、所述每一个像素点对应的平均值和所述每一个像素点对应的标准差，确定所述散斑图像的非阴影区域。


3.根据权利要求1或2所述的图像清晰度检测方法，其特征在于，所述在所述非阴影区域获取散斑图像局部极值点的数量和位置，确定局部极值区域，包括：
在所述非阴影区域中每一个像素点对应的预设窗口上确定采样点，其中，所述对应的预设窗口以对应的像素点为中心；
获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值；
当所述每一个像素点的灰度值大于对应的所有采样点的灰度值时，确定所述像素点为局部极值点；
统计所述非阴影区域中局部极值点的数量和位置，确定所述局部极值区域。


4.根据权利要求3所述的图像清晰度检测方法，其特征在于，所述获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值，包括：
确定所述预设窗口上的所有采样点是否均在所述散斑图像非阴影区域的像素点中；
若是，则直接获取所述非阴影区域中每一个像素点的灰度值和所述每一个像素点对应的预设窗口上采样点的灰度值...

【专利技术属性】
技术研发人员：李绪琴，薛远，王亚运，曹天宇，季栋，户磊，
申请(专利权)人：北京的卢深视科技有限公司，合肥的卢深视科技有限公司，
类型：发明
国别省市：北京;11