圖像檢測方法和裝置的制造方法
【技術領域】
[0001] 本發明涉及圖像處理領域，并且特別地，涉及一種圖像檢測方法和裝置。
【背景技術】
[0002] 在進行圖像處理時，在很多情況下都需要對圖像中的模糊區域進行檢測，從而確 定模糊區域的邊界。
[0003] 目前常用的模糊區域檢測方案主要包括：（方法1)基于邊緣擴散進行檢測、（方法 2)基于小波變換進行檢測、(方法3)基于離散余弦變換（DCT)進行檢測技術、(方法4)基于 Kurtosis算法進行檢測。
[0004] 但是，上述檢測方案需要進行大量的計算，并且在檢測的過程中需要使用圖像中 的多個特征，實現的復雜度較高，因此，對于圖像進行檢測時難以通過并行的方式對各個區 域進行檢測，并且，上述方案的檢測精度并不高。
[0005] 針對相關技術中圖像區域檢測方法復雜度高、效率和精度低的問題，目前尚未提 出有效的解決方案。
【發明內容】
[0006] 針對相關技術中圖像區域檢測方法復雜度高、效率和精度低的問題，本發明提出 一種圖像檢測方法和裝置，避免采用復雜的計算，提高了檢測效率，并且具有良好的檢測精 度。
[0007] 為了實現上述目的，根據本發明的一個方面，提供了一種圖像中的區域檢測方法。 該方法包括：
[0008] 對目標圖像中的目標圖像區域進行多次卷積遍歷，得到多個卷積結果，其中，在每 次進行卷積遍歷時，使用卷積模板進行卷積，該卷積模板被配置用于體現目標圖像區域中 參與卷積計算的像素之間的差異；
[0009] 根據多次卷積遍歷得到的多個卷積結果得到目標圖像區域的清晰度特征，并根據 清晰度特征確定目標圖像區域的清晰度。
[0010] 根據本發明的另一方面，提供了一種圖像中的區域檢測裝置。該裝置包括：計算 模塊，用于對目標圖像中的目標圖像區域進行多次卷積遍歷，得到多個卷積結果，其中，在 每次進行卷積遍歷時，使用卷積模板進行卷積，該卷積模板被配置用于體現目標圖像區域 中參與卷積計算的像素之間的差異；確定模塊，用于根據多次卷積遍歷得到的多個卷積結 果得到所述目標圖像區域的清晰度特征，并根據所述清晰度特征確定目標圖像區域的清晰 度。
[0011] 本發明通過對圖像區域進行多次卷積遍歷，確定出圖像區域的清晰度特征，由于 清晰度較高與清晰度較低的區域相比，清晰度特征中包含的多次卷積遍歷的結果之間的差 異較小（即，子特征之間的差異變化較小)，從而能夠準確地確定圖像區域的清晰度，具有良 好的檢測精度；并且，由于對圖像的區域進行的計算方式為卷積，所以能避免采用復雜的運 算，有效降低了檢測的復雜度，并且簡單的計算方法有助于對目標圖像的多個區域進行并 行檢測，從而有效縮短了檢測所占用的時間，顯著提高了檢測效率。
【附圖說明】
[0012] 為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所 需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施 例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲 得其他的附圖。
[0013] 圖1是根據本發明實施例的圖像檢測方法的流程圖；
[0014] 圖2是根據本發明實施例的圖像檢測方案對圖像進行一次至三次卷積(一至三階 微分）后的效果示意圖；
[0015] 圖3是根據本發明實施例的圖像檢測方案對清晰和模糊圖像分別進行多階微分 后的效果不意圖；
[0016] 圖4是根據本發明實施例的多階微分與像素數量變化關系的示意圖；
[0017] 圖5是在4X4的滑動窗內進行微分的示意圖；
[0018] 圖6a是通過直方圖表示每一階微分后得到的結果的示意圖；
[0019] 圖6b是多階微分的結果進行拼接得到最終特征的示意圖；
[0020] 圖7是模糊區域與清楚區域之間特征區分度分布的示意圖；
[0021] 圖8是根據本發明實施例的圖像檢測裝置的框圖；
[0022] 圖9是實現本發明技術方案的計算機的示例性結構框圖。
【具體實施方式】
[0023] 在下文中將結合附圖對本發明的示范性實施例進行描述。為了清楚和簡明起見， 在說明書中并未描述實際實施方式的所有特征。然而，應該了解，在開發任何這種實際實施 例的過程中必須做出很多特定于實施方式的決定，以便實現開發人員的具體目標，例如，符 合與系統及業務相關的那些限制條件，并且這些限制條件可能會隨著實施方式的不同而有 所改變。此外，還應該了解，雖然開發工作有可能是非常復雜和費時的，但對得益于本公開 內容的本領域技術人員來說，這種開發工作僅僅是例行的任務。
[0024] 在此，還需要說明的一點是，為了避免因不必要的細節而模糊了本發明，在附圖中 僅僅示出了與根據本發明的方案密切相關的裝置結構和/或處理步驟，而省略了與本發明 關系不大的其他細節。
[0025] 圖1示出了根據本發明實施例的圖像中的區域檢測方法。
[0026] 如圖1所示，根據本發明實施例的圖像中的區域檢測方法包括：
[0027] 步驟S101，對目標圖像中的目標圖像區域進行多次卷積遍歷，得到多個卷積結果， 其中，在每次進行卷積遍歷時，使用卷積模板進行卷積，該卷積模板被配置用于體現目標圖 像區域中參與卷積計算的像素之間的差異；
[0028] 步驟S103,根據多次卷積遍歷得到的多個卷積結果得到目標圖像區域的清晰度特 征，并根據清晰度特征確定目標圖像區域的清晰度(從另一個角度來看，也可以理解為在確 定清晰度時，其實上也就確定了圖像的模糊度)。
[0029] 在對目標圖像區域中的像素進行卷積遍歷時，是指對目標圖像中的全部像素或部 分相鄰或非相鄰像素組成的像素陣列的像素值進行卷積，該像素值可以像素的灰度值，也 可以是像素的RGB通道值，也可以是像素的其他參數。
[0030] 應當注意的是，在對目標圖像區域進行多次卷積遍歷時，后執行的卷積遍歷實際 上是在前一次卷積遍歷執行后的結果基礎上進行的。例如，在對原始目標圖像區域進行一 次卷積遍歷后，當進行第二次卷積遍歷時，實際上第二次卷積遍歷是在第一次卷積遍歷后 的目標圖像區域基礎上進行的卷積，當進行第三次卷積遍歷時，實際上第三次卷積遍歷是 在第二次卷積遍歷后的目標圖像區域基礎上進行的卷積。
[0031] 其中，卷積模板被配置用于體現目標圖像區域中參與卷積計算的像素之間的差 異，因此，在通過卷積模板對像素進行卷積遍歷時，實際上是計算像素間的像素值的差，所 以，當卷積的雙方是相鄰像素的情況下，也可以認為卷積遍歷過程實際上是在對目標圖像 區域進行微分計算，而對目標圖像區域進行多次卷積遍歷實際上可以理解為是在計算目標 圖像區域的多階微分，例如，進行一次卷積遍歷的過程可以認為是進行一階微分，進行二次 卷積遍歷的過程則可以認為是進行二階微分，以此類推。具體地，在進行一階微分時，實際 上是對相鄰像素做減法，即，右邊像素值減去左邊像素值(減數與被減數也可以調換)，下邊 像素值減去上邊像素值(減數與被減數也可以調換)，而N階微分圖相當于對N-I階微分圖 做一階微分。
【主權項】
1. 一種圖像檢測方法，其特征在于，包括： 對目標圖像中的目標圖像區域進行多次卷積遍歷，得到多個卷積結果，其中，在每次進 行卷積遍歷時，使用卷積模板進行卷積，該卷積模板被配置用于體現所述目標圖像區域中 參與卷積計算的像素之間的差異； 根據多次卷積遍歷得到的所述多個卷積結果得到所述目標圖像區域的清晰度特征，并 根據所述清晰度特征確定所述目標圖像區域的清晰度。
2. 根據