图片质量检测方法、装置、计算设备及存储介质与流程

本发明涉及计算机及互联网，尤其涉及一种图片质量检测方法、装置、计算设备及存储介质。

背景技术：

1、自媒体时代，短视频应用越来越广泛。通常情况下，在用户播放短视频的时候，由于下载解码的速度较慢，会先展示视频的封面图或者首帧，等视频下载解码播放就绪后切换为视频播放。然而，在展示视频首帧时，如果首帧的质量不高，例如为黑屏、白屏、花屏或者只有一个logo的图片，再加之在网络速度差的情况，下载视频流消耗时间长，就会在很长时间内仅显示一张纯白或者纯黑图片，导致用户体验较差。因此，需要对图片质量进行自动判定，通过算法筛除不符合封面展示要求的图片，减少人工审核的工作量。

2、现有技术中的图片质量检测方案，通常是将视频首帧图片转换为灰度图片，然后针对灰度图片中各个像素点的灰度值进行检测，若各个像素点的灰度值均较小或者灰度值较小的占比非常大，则可以判定该图片为黑屏图片。这种方案对于简单的纯色图片有效，只能检测出包括黑屏、白屏在内的纯色图片，但，无法准确检测出内容量较少或者内容较为分散的图片。

3、为此，需要一种图片质量检测方法，以解决上述技术方案中存在的问题。

技术实现思路

1、为此，本发明提供一种图片质量检测方法和图片质量检测装置，以解决或至少缓解上面存在的问题。

2、根据本发明的一个方面，提供一种图片质量检测方法，在计算设备中执行，所述方法包括：对待检测图片进行灰度化处理，得到灰度图片；计算所述灰度图片中的暗像素点所占的第一比值、亮像素点所占的第二比值，根据所述第一比值和第二比值确定所述灰度图片的明暗程度数；分别计算所述灰度图片的均方差误差、图像熵，并计算所述待检测图片的色距，将所述明暗程度数、均方差误差、图像熵以及色距作为所述待检测图片的待分类特征数据；利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片。

3、可选地，在根据本发明的图片质量检测方法中，所述预定分类算法适于根据训练特征数据集合来预测待分类特征数据的类别；所述训练特征数据集合包含多个训练特征数据，其中每个所述训练特征数据具有对应的类别标签，所述类别标签包括质量差标签、非质量差标签。

4、可选地，在根据本发明的图片质量检测方法中，利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片，包括：利用预定分类算法，计算所述待分类特征数据与所述训练特征数据集合中的每一个训练特征数据之间的距离，并从所述训练特征数据集合中提取预定数量个距离最近的训练特征数据；根据所述预定数量个距离最近的训练特征数据对应的类别标签，来确定所述待分类特征数据对应的待检测图片是否为质量差图片。

5、可选地，在根据本发明的图片质量检测方法中，根据所述预定数量个距离最近的训练特征数据对应的类别标签，来确定所述待分类特征数据对应的待检测图片是否为质量差图片，包括：确定所述预定数量个距离最近的训练特征数据中出现次数最多的类别标签；如果所述出现次数最多的类别标签为质量差标签，则确定所述待分类特征数据对应的待检测图片为质量差图片；如果所述出现次数最多的类别标签为非质量差标签，则确定所述待分类特征数据对应的待检测图片不是质量差图片。

6、可选地，在根据本发明的图片质量检测方法中，根据所述预定数量个距离最近的训练特征数据对应的类别标签，来确定所述待分类特征数据对应的待检测图片是否为质量差图片，包括：确定所述预定数量个距离最近的训练特征数据中出现次数最多的类别标签；如果所述出现次数最多的类别标签为质量差标签，则确定所述待分类特征数据对应的待检测图片为质量差图片；如果所述出现次数最多的类别标签为非质量差标签，则确定所述待分类特征数据对应的待检测图片不是质量差图片。

7、可选地，在根据本发明的图片质量检测方法中，所述质量差图片包括纯色图片、内容信息量少的图片、内容分散的图片。

8、可选地，在根据本发明的图片质量检测方法中，根据所述第一比值和第二比值确定所述灰度图片的明暗程度数，包括：将所述第一比值、第二比值中的较大值确定为所述灰度图片的明暗程度数。

9、可选地，在根据本发明的图片质量检测方法中，所述预定分类算法为knn算法。

10、根据本发明的一个方面，提供一种图片质量检测装置，驻留在计算设备中，包括：处理模块，适于对待检测图片进行灰度化处理，得到灰度图片；计算模块，适于计算所述灰度图片中的暗像素点所占的第一比值、亮像素点所占的第二比值，根据所述第一比值和第二比值确定所述灰度图片的明暗程度数；并适于分别计算所述灰度图片的均方差误差、图像熵，并计算所述待检测图片的色距，将所述明暗程度数、均方差误差、图像熵以及色距作为所述待检测图片的待分类特征数据；检测模块，适于利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片。

11、根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；存储器，存储有程序指令，其中，程序指令被配置为适于由上述至少一个处理器执行，所述程序指令包括用于执行如上所述的图片质量检测方法的指令。

12、根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的图片质量检测方法。

13、根据本发明的技术方案，提供了一种图片质量检测方法，通过对待检测图片进行灰度化处理，得到灰度图片，通过计算灰度图片的明暗程度数、均方差误差、图像熵，并计算待检测图片的色距，将明暗程度数、均方差误差、图像熵以及色距作为待检测图片的待分类特征数据。进而，可以利用预定分类算法，根据待分类特征数据来确定待检测图片是否为质量差图片，本发明可检测出的质量差图片包括纯色图片、内容信息量少的图片、内容分散的图片。这样，根据本发明的图片质量检测方法，不仅可以检测出视频首帧为黑屏、白屏等纯色图片，还能检测出视频首帧为内容信息量较少或者内容较为分散的图片，提高了图片质量检测精度。进一步地，本发明利用knn算法来检测图片质量，提高了针对视频首帧图片的检测效率。

14、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种图片质量检测方法，在计算设备中执行，所述方法包括：

2.如权利要求1所述的方法，其中，所述预定分类算法适于根据训练特征数据集合来预测待分类特征数据的类别；

3.如权利要求2所述的方法，其中，利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片，包括：

4.如权利要求3所述的方法，其中，根据所述预定数量个距离最近的训练特征数据对应的类别标签，来确定所述待分类特征数据对应的待检测图片是否为质量差图片，包括：

5.如权利要求1-4中任一项所述的方法，其中，在利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片之前，还包括：

6.如权利要求1-5中任一项所述的方法，其中，所述质量差图片包括纯色图片、内容信息量少的图片、内容分散的图片。

7.如权利要求1-6中任一项所述的方法，其中，根据所述第一比值和第二比值确定所述灰度图片的明暗程度数，包括：

8.一种图片质量检测装置，驻留在计算设备中，包括：

9.一种计算设备，包括：

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述方法。

技术总结
本发明公开了一种图片质量检测方法、装置、计算设备及存储介质，方法包括：对待检测图片进行灰度化处理，得到灰度图片；计算所述灰度图片中的暗像素点所占的第一比值、亮像素点所占的第二比值，根据所述第一比值和第二比值确定所述灰度图片的明暗程度数；分别计算所述灰度图片的均方差误差、图像熵，并计算所述待检测图片的色距，将所述明暗程度数、均方差误差、图像熵以及色距作为所述待检测图片的待分类特征数据；利用预定分类算法，根据所述待分类特征数据，来确定所述待检测图片是否为质量差图片。根据本发明的技术方案，提高了图片质量检测精度和检测效率。

技术研发人员：邢万祥,刘毅
受保护的技术使用者：车智互联（北京）科技有限公司
技术研发日：
技术公布日：2024/1/14