申请/专利权人：成都数之联科技有限公司

申请日：2019-05-29

公开（公告）日：2021-04-13

公开（公告）号：CN110335246B

主分类号：G06T7/00(20170101)

分类号：G06T7/00(20170101);G06T5/00(20060101);G06T7/13(20170101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.13#授权;2019.11.08#实质审查的生效;2019.10.15#公开

摘要：本发明公开一种证照图片清晰度评价方法，包括步骤：获取原始证照图片；对原始证照图片进行双边滤波处理，获得证照图片的灰度图；对灰度图进行基于梯度的边缘检测，获得梯度图；根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；取分析结果的全局平均值，作为图片清晰度的评价值；对评价值进行标准化处理，得到图片清晰度评分。本发明能够有效对证照图片文字区域的清晰度进行评价；能够直接且有效的判断出证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率；不仅评价效果好，而且计算量低，节约了大量时间和运行成本。

主权项：1.一种证照图片清晰度评价方法，其特征在于，包括步骤：S100,获取原始证照图片；S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；S300,对灰度图进行基于梯度的边缘检测，获得梯度图；S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；S500,取分析结果的全局平均值，作为图片清晰度的评价值；S600,标准化处理所述评价值，得到图片清晰度评分；所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：S401，建立度量像素周围灰度变化的矩阵α；S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为： 其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；对于图片O的像素点i：其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。

全文数据：一种证照图片清晰度评价方法技术领域本发明属于图片处理技术领域，特别是涉及一种证照图片清晰度评价方法。背景技术网络餐饮平台上的餐饮店不仅有实体店，而且有饿了么、美团等网络外卖平台的加盟店，从事外卖业务。根据国家工商行政管理总局《网络交易管理办法》、国家食品药品监督管理总局《网络餐饮服务食品安全监督管理办法》的相关规定，网络餐饮服务提供者应当在餐饮经营活动主页面公示营业执照、食品经营许可证等信息。对网络平台商家的其中一项监管是证照上传是否合规，上传模糊证照的商家存在潜在的风险。商家上传的证照存在较多不清晰的证照图片，需要识别出模糊证照。现有的图片清晰度评价方法都是基于图片整体判断是否清晰，对图片整体进行清晰度评价，如判断移动、对焦造成的模糊，采用的方式多是通过对比多张图片的清晰度，在某一维度上分别计算每张图片的清晰度参数。证照图片含有较多的文字区域，现有方法无法有效评价证照图片中文字区域的清晰度，评价效果差。如果把所有证照图片先放入文字提取系统再判断清晰度会大大增加计算量，时间成本较高，因此我们需要在提取证照图片文字信息之前判断证照图片的清晰度。发明内容为了解决上述问题，本发明提出了一种证照图片清晰度评价方法，能够有效评价证照图片文字区域的清晰度；能够直接且有效的判断证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率；本发明提出的方法不仅评价效果好，而且计算量低，节约了大量时间和运行成本。为达到上述目的，本发明采用的技术方案是一种证照图片清晰度评价方法，包括步骤：S100,获取原始证照图片；S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；S300,对灰度图进行基于梯度的边缘检测，获得梯度图；S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；S500,取分析结果的全局平均值，作为图片清晰度的评价值；S600,标准化处理所述评价值，得到图片清晰度评分。进一步的是，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理，边缘保持滤波可以滤除脉冲噪声，从而减小相邻像素灰度值的较大波动，实现保持边缘、降噪平滑的效果；所述双边滤波处理采用加权平均方法，利用基于高斯分布的加权平均处理原始证照图片中像素点周边像素的亮度值，将加权平均值作为该像素点的强度；加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。进一步的是，在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：S201,双边滤波处理后的图片的计算公式为：其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；S202,根据像素点i,j和它的邻接点k,l，计算权重Wp为：其中，σd和σr为光滑参数；S203,根据所获取的权重，对滤波后图片Ifiltered进行标准化处理：作为证照图片灰度图。进一步的是，为提高证照图片文字区域的识别能力，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；所述sobel算子x方向和y方向的参数为：利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。进一步的是，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：S401，建立度量像素周围灰度变化的矩阵α；S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；基于字符像素的灰度值是连续变化的，保留变化小的路径，收集更多表示字符的像素路径特征；S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；对于图片O的像素点i：其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。进一步的是，计算图片N中所有像素周围灰度连续变化情况的全局平均值，作为图片清晰度的评价值，评价值越小则图片越模糊。进一步的是，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度评分。采用本技术方案的有益效果：本发明能够有效判断证照文字区域的清晰度，利用双边滤波处理可以在保持图片边缘的同时实现图片降噪平滑的效果，利用图片梯度提取图片边缘，并根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况；从而能够直接且有效的判断出证照图片的清晰度，不需要对模糊证照图片进行文字信息提取，尤其在流式处理环境下大大提高整个系统的效率。本发明建立隐梯度函数进行图片清晰度判断，能够根据图片中文字区域的清晰度评价整张图片；能够有效评价证照图片文字区域的清晰度，不仅评价效果好，而且计算量低，节约了大量时间和运行成本。附图说明图1为本发明的一种证照图片清晰度评价方法的流程示意图。具体实施方式为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。在本实施例中，参见图1所示，本发明提出了一种证照图片清晰度评价方法，包括步骤：S100,获取原始证照图片；S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；S300,对灰度图进行基于梯度的边缘检测，获得梯度图；S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；S500,取分析结果的全局平均值，作为图片清晰度的评价值；S600,标准化处理所述评价值，得到图片清晰度评分。作为上述实施例的优化方案，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理，边缘保持滤波可以滤除脉冲噪声，从而减小相邻像素灰度值的较大波动，实现保持边缘、降噪平滑的效果；所述双边滤波处理采用加权平均方法，用基于高斯分布的加权平均处理原始证照图片中像素点周边像素亮度值后的值作为该像素点的强度；加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：S201,双边滤波处理后的图片的计算公式为：其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；S202,根据像素点i,j和它的邻接点k,l，计算权重Wp为：其中，σd和σr为光滑参数；S203,根据所获取的权重，对滤波后图片Ifiltered进行标准化处理：作为证照图片灰度图。作为上述实施例的优化方案，为提高证照图片文字区域的识别能力，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；所述sobel算子x方向和y方向的参数为：利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。作为上述实施例的优化方案，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：S401，建立度量像素周围灰度变化的矩阵α；当内核长度为5时：由中心像素点x22到α的各边缘一共18条路径p。S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；基于字符像素的灰度值是连续变化的，保留变化小的路径，收集更多表示字符的像素路径特征；S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；对于图片O的像素点i：其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。计算图片N中所有像素周围灰度连续变化情况的全局平均值，作为图片清晰度的评价值，评价值越小则图片越模糊。作为上述实施例的优化方案，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度评分。以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

权利要求：1.一种证照图片清晰度评价方法，其特征在于，包括步骤：S100,获取原始证照图片；S200,对原始证照图片进行双边滤波处理，滤除脉冲噪声，实现边缘保持，减小相邻像素灰度值的波动，获得证照图片灰度图；S300,对灰度图进行基于梯度的边缘检测，获得梯度图；S400,根据度量像素周围灰度变化矩阵获得隐梯度函数，基于隐梯度函数分析梯度图中每个像素周围灰度的连续变化情况；S500,取分析结果的全局平均值，作为图片清晰度的评价值；S600,标准化处理所述评价值，得到图片清晰度评分。2.根据权利要求1所述的一种证照图片清晰度评价方法，其特征在于，在所述步骤S200中，利用双边滤波器对原始证照图片进行双边滤波处理；所述双边滤波处理采用加权平均方法，利用基于高斯分布的加权平均处理原始证照图片中像素点周围像素的亮度值，将加权平均值作为该像素点的强度；加权平均处理的计算权重包括欧氏距离和像素范围域中的辐射差异。3.根据权利要求2所述的一种证照图片清晰度评价方法，其特征在于，在步骤S200，通过所述双边滤波处理获得证照图片灰度图的过程为：S201,双边滤波处理后的图片的计算公式为：其中，Ifiltered为滤波后图片，I为输入的原始证照图片，x为像素点，Ω是以像素点x为中心点的区域，fr和gs分别为范围核和空间核，Wp为权重；S202,根据像素点i,j和它的邻接点k,l，计算权重Wp为：其中，σd和σr为光滑参数；S203,根据所获取的权重，对滤波图片Ifiltered进行标准化处理：作为证照图片灰度图。4.根据权利要求3所述的一种证照图片清晰度评价方法，其特征在于，在所述步骤S300中,对灰度图进行基于梯度的边缘检测时，使用sobel算子与灰度图进行卷积处理；所述sobel算子x方向和y方向的参数为：利用sobel算子G，根据所述灰度图每个像素横向及纵向的梯度近似值来计算每个像素梯度的大小，获得梯度图。5.根据权利要求4所述的一种证照图片清晰度评价方法，其特征在于，所述步骤S400中，根据度量像素周围灰度变化矩阵获得隐梯度函数，分析梯度图中每个像素周围灰度的连续变化情况，包括步骤：S401，建立度量像素周围灰度变化的矩阵α；S402，对于图片I的像素点i，根据隐梯度函数，得到图片M为：其中，为α的所有路径p，为路径条数，Sign为指示函数，τ为限制阈值，φ为隐梯度函数；S403，根据O＝I∩M，经过α取梯度最大的梯度值，得到图片N，图片N具有每个像素周围灰度的连续变化情况；对于图片O的像素点i：其中，为i在α下的所有路径，S为计算一条路径上梯度和的函数。6.根据权利要求5所述的一种证照图片清晰度评价方法，其特征在于，计算图片N中所有像素周围灰度连续变化情况的全局平均值作为图片清晰度的评价值，评价值越小则图片越模糊。7.根据权利要求1所述的一种证照图片清晰度评价方法，其特征在于，所述标准化处理，通过比值换算将评价值标准化到0-100，得到图片清晰度的评分。

百度查询： 成都数之联科技有限公司 一种证照图片清晰度评价方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD