一種圖像清晰度的評價方法
2023-05-04 01:18:06
專利名稱：一種圖像清晰度的評價方法
技術領域：
本發明涉及一種清晰度的評價方法，尤其涉及一種應用函數進行評價的圖像清晰度的評價方法。
背景技術：
隨著數字成象技術向自動化和智能化發展，自動對焦技術的應用範圍不斷擴大，在自動化、高精度、高穩定性等方面都取得了很大進展，現已廣泛應用於照相機、攝像機、顯微鏡、掃描儀等各種精密儀器中。圖像清晰度評價在圖像分析和識別中具有重要的意義。數字圖像評價函數是評價 數字圖像清晰度的重要依據，是數字圖像採集系統中實現自動聚焦的關鍵。聚焦性能取決於圖像評價函數的準確性和實時性，即圖像評價函數應具有無偏性好、單峰性強、抗噪性能好、靈敏度高以及速度快等優點。圖像模糊的本質是高頻分量的損失，聚焦圖像比離焦圖像包含更多的信息和細節，這是設計聚焦評價函數的基礎。目前，圖像清晰度評價函數已有較廣泛的研究，常見的圖像清晰度評價函數有以下幾種基於頻率域特徵的評價函數，如頻譜函數；基於統計特徵的評價函數，如熵函數；基於空間域特徵的評價函數，如TenenGrad函數(能量梯度函數)、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數等梯度函數。在發明本發明之前，發明人發現現階段存在的一些清晰度評價方法的局限性1，方法比較單一 ；2，對於評價的圖片有條件限制。例如使用熵函數進行評價時，主要側重的圖片中點的均勻排布，如果一張圖片如果拿一張只有黑白條的圖片來和一張模糊，但是圖上有很多黑色點的圖片來對比，那麼通過熵函數的評價方法得到的清晰圖片就是模糊圖，這顯然有悖事實，得不到正確的評價結果。因此，本領域的技術人員致力於開發一種便捷有效的圖像清晰度的評價方法。
發明內容
鑑於上述的現有技術中的問題，本發明所要解決的技術問題是現有的評價方法不夠便捷和有效。本發明提供的一種圖像清晰度的評價方法，包括以下步驟
步驟1，運用圖像評價函數對圖像進行數據計算；
步驟2，綜合各個圖像評價函數數據的計算值；
步驟3，通過綜合計算值對圖像清晰度進行評價。在本發明的一個較佳實施方式中，所述步驟2中綜合計算各個圖像評價函數數據的加權平均數。在本發明的另一較佳實施方式中，所述圖像評價函數包括熵函數、梯度函數和頻譜函數。在本發明的另一較佳實施方式中，所述圖像評價函數包括熵函數和梯度函數。
在本發明的另一較佳實施方式中,所述梯度函數包括TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數。在本發明的另一較佳實施方式中，所述圖像評價函數包括TenenGrad函數和Vollath 函數。在本發明的另一較佳實施方式中，所述步驟2中的TenenGrad函數和Vollath函數的加權權重比為6 7:4 3。本發明的圖像清晰度的評價方法綜合了各個評價函數的數值，比單一數值更加準確；並且進一步應用了組合的TenenGrad函數和Vollath函數,簡化了計算過程和計算了，為評價帶來便捷。本發明便捷有效，並且符合人眼觀察所得的結果。
圖I是本發明的實施例I的數據圖；
圖2是本發明的實施例2的數據 圖3是本發明的實施例3的數據 圖4是本發明的實施例4的數據 圖5是本發明的實施例5的數據圖。
具體實施例方式以下將結合附圖對本發明做具體闡釋。本發明的實施例的一種圖像清晰度的評價方法，包括以下步驟
步驟1，運用圖像評價函數對圖像進行數據計算，並優選圖像評價函數為TenenGrad函數和Vollath函數；
步驟2，綜合各個圖像評價函數數據的計算值，優選計算加權權重比為6 7:Γ3的TenenGrad函數和Vollath函數的數據值的加權平均數；
步驟3，通過綜合計算值對圖像清晰度進行評價。實施例I
如圖I中所示，其中橫坐標為圖像的編號，縱坐標為各個函數計算的圖像相對於清晰度100的的數值。通過選取21幅圖,依次編為I至21,利用TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數和熵函數計算清晰度。計算各個圖像的各個函數的數據值的加權平均數，並計算加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的加權平均數。由圖中可以看出，TenenGrad函數、平方梯度函數、加窗梯度函數的數值幾乎在一條曲線上；加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的曲線與各個函數的數據值的加權平均數的曲線圖趨於一致。並且得出的清晰度與人眼觀察結果一致。實施例2
如圖2中所示，其中橫坐標為圖像的編號，縱坐標為各個函數計算的圖像相對於清晰度100的的數值。通過選取28幅圖，依次編為I至28,利用TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數和熵函數計算清晰度。計算各個圖像的各個函數的數據值的加權平均數，並計算加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的加權平均數。由圖中可以看出，加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的曲線與各個函數的數據值的加權平均數的曲線圖趨於一致。並且得出的清晰度與人眼觀察結果一致。實施例3
如圖3中所示，其中橫坐標為圖像的編號，縱坐標為各個函數計算的圖像相對於清晰度100的的數值。通過選取28幅圖，依次編為I至28,利用TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數和熵函數計算清晰度。計算各個圖像的各個函數的數據值的加權平均數，並計算加權權重比為7:3的TenenGrad函數和Vollath 函數的數據值的加權平均數。由圖中可以看出，加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的曲線與各個函數的數據值的加權平均數的曲線圖趨於一致。並且得出的清晰度與人眼觀察結果一致。實施例4
如圖4中所示，其中橫坐標為圖像的編號，縱坐標為各個函數計算的圖像相對於清晰度100的的數值。通過選取27幅圖,依次編為I至27,利用TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數和熵函數計算清晰度。計算各個圖像的各個函數的數據值的加權平均數，並計算加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的加權平均數。由圖中可以看出，加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的曲線與各個函數的數據值的加權平均數的曲線圖趨於一致。並且得出的清晰度與人眼觀察結果一致。實施例5
如圖5中所示，其中橫坐標為圖像的編號，縱坐標為各個函數計算的圖像相對於清晰度100的的數值。通過選取13幅圖,依次編為I至13,利用TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數和熵函數計算清晰度。計算各個圖像的各個函數的數據值的加權平均數，並計算加權權重比為7: 3的TenenGrad函數和Vollath函數的數據值的加權平均數。由圖中可以看出，加權權重比為7:3的TenenGrad函數和Vollath函數的數據值的曲線與各個函數的數據值的加權平均數的曲線圖趨於一致。並且得出的清晰度與人眼觀
察結果一致。以上對本發明的具體實施例進行了詳細描述，但其只是作為範例，本發明並不限制於以上描述的具體實施例。對於本領域技術人員而言，任何對本發明進行的等同修改和替代也都在本發明的範疇之中。因此，在不脫離本發明的精神和範圍下所作的均等變換和修改，都應涵蓋在本發明的範圍內。
權利要求
1.一種圖像清晰度的評價方法，其特徵在於，包括以下步驟 步驟1，運用圖像評價函數對圖像進行數據計算； 步驟2，綜合各個圖像評價函數數據的計算值； 步驟3，通過綜合計算值對圖像清晰度進行評價。
2.如權利要求I所述的圖像清晰度的評價方法，其特徵在於，所述步驟2中綜合計算各個圖像評價函數數據的加權平均數。
3.如權利要求2所述的圖像清晰度的評價方法，其特徵在於，所述圖像評價函數包括熵函數、梯度函數和頻譜函數。
4.如權利要求3所述的圖像清晰度的評價方法，其特徵在於，所述圖像評價函數包括 熵函數和梯度函數。
5.如權利要求4所述的圖像清晰度的評價方法，其特徵在於，所述梯度函數包括TenenGrad函數、Brenner函數、方差函數、平方梯度函數、Vollath函數、加窗梯度函數。
6.如權利要求5所述的圖像清晰度的評價方法，其特徵在於，所述圖像評價函數包括TenenGrad 函數和 Vollath 函數。
7.如權利要求6所述的圖像清晰度的評價方法，其特徵在於，所述步驟2中的TenenGrad函數和Vollath函數的加權權重比為6 7:4 3。
全文摘要
本發明提供的一種圖像清晰度的評價方法，包括以下步驟步驟1，運用圖像評價函數對圖像進行數據計算；步驟2，綜合各個圖像評價函數數據的計算值；步驟3，通過綜合計算值對圖像清晰度進行評價。本發明的圖像清晰度的評價方法綜合了各個評價函數的數值，比單一數值更加準確；並且進一步應用了組合的TenenGrad函數和Vollath函數，簡化了計算過程和計算了，為評價帶來便捷。本發明便捷有效，並且符合人眼觀察所得的結果。
文檔編號G06T7/00GK102968800SQ20121054211
公開日2013年3月13日 申請日期2012年12月14日 優先權日2012年12月14日
發明者劉炳憲, 謝菊元, 王焱輝, 王克惠, 郝美蓉 申請人:寧波江豐生物信息技術有限公司