一种人脸图像模糊度计算方法及装置的制造方法

一种人脸图像模糊度计算方法及装置的制造方法
【专利摘要】本发明实施例公开了一种人脸图像模糊度计算方法及装置。通过对各像素点的局部梯度值进行归一化处理，避免了光线强时导致局部梯度值偏高；通过对为人脸或背景的各像素点赋予不同的加权值，避免了背景中纹理较多会使局部梯度值增加；通过引入梯度密度的概念，避免了图像采集设备本身的噪声对模糊度评价的干扰。该模糊度评价方法，可以克服光线变化、背景、采集设备噪声等的影响，对图像质量的评价客观准确，鲁棒性强。
【专利说明】
一种人脸图像模糊度计算方法及装置
技术领域
[0001] 本发明涉及图像处理技术领域，尤其涉及一种人脸图像模糊度计算方法及装置。
【背景技术】
[0002] 人脸图像作为人脸识别的输入，其质量对识别结果有较大的影响。在人脸识别之 前，先要对人脸图像进行质量评价，甄别出质量较差的图像，对图像进行修复，提高质量，或 者丢弃图像，获取质量更好的图像作为输入。
[0003] 图像质量评价中较常用的方法是计算图片的模糊度。目前针对图像模糊度的评价 主要有两类客观评价方法。第一类是全参照的评价方法，即需要以降质之前的原图像作为 参照，对比降质前后图像进行模糊度评价，这类方法最为精确，但在无法获得原图像作为参 照情形下没有意义。第二类是无参照评价方法，即不利用任何原图像的信息，仅仅通过对降 质后的图像进行评价，无参照评价方法的应用范围更广。而无参照评价方法中的基于局部 梯度分析模型的图形模糊度评价方法，由于计算量小、效果稳定而被广泛使用，其基本思想 是图形的局部梯度值对模糊较为敏感，梯度值的变化能够反映出图像的模糊变化。
[0004]人脸图片一般会包含部分背景，使用局部梯度方法进行图像的模糊度评价，当背 景中纹理较多时，会使得图片的梯度值增加，此时即使人脸本身非常模糊，使用局部梯度算 法也可能将图片判断为清晰图片。因此，基于局部梯度分析模型的图形模糊度评价方法如 果不考虑图片背景，会得到不准确的评价结果。

【发明内容】

[0005] 本发明实施例提供一种人脸图像模糊度计算方法及装置，以得到更准确的图像模 糊度计算结果，对图像质量进行更准确的评价。
[0006] -方面，提供了一种人脸图像模糊度计算方法，所述方法包括：
[0007] 计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行归一化 处理；
[0008] 针对图像中各像素点为人脸或背景，分别赋予不同的加权值；
[0009] 计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘积之 和，作为所述图像的第一模糊度。
[0010] 优选地，所述针对图像中各像素点为人脸或背景，分别赋予不同的加权值，包括： [0011]采用以下高斯函数公式获得图像x，y坐标处的加权值：
[0012] g(x, y) = ax
[0013] 其中，a、b为常数，g(x，y)表示图像x，y坐标处的加权值，xc、yc指图像中心的坐标；
[0014] 并采用以下公式对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予图 像中各像素点的加权值：
[0016] 其中，gncirm(x，y)为归一化处理后的图像x，y坐标处的加权值，即赋予图像中各像 素点的加权值。
[0017] 优选地，所述针对图像中各像素点为人脸或背景，分别赋予不同的加权值，包括：
[0018] 收集设定数量的人脸图片，并将所述设定数量的人脸图片转换成相同尺寸的人脸 图片；
[0019] 计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所述各人脸图片的各像 素点的梯度值分别进行累加；
[0020] 将累加的各像素点的梯度值进行归一化处理，进行归一化处理后的各像素点的梯 度值为所述各像素点的人脸或背景的加权值。
[0021 ]优选地，所述方法还包括：
[0022] 获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪声水平；
[0023] 将所述图像的第一模糊度与所述梯度密度的反比例的加权和，作为所述图像的第 二模糊度。
[0024] 优选地，所述获取所述图像的梯度密度，包括：
[0025] 构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均梯度值，则像素 值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值置为〇;
[0026] 计算所述二值图像中所述像素值为1的像素点对应的梯度值之和；
[0027] 在所述二值图像上，以设定大小的窗口进行扫描，各扫描窗口在图像中不重叠，统 计各个窗口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像素值为1的像素 点，则所述窗口中所有像素点的像素值赋值为1;
[0028] 计算所述二值图像中所述像素值为1的像素点对应的梯度值之和与所述各个窗口 中所述像素值为1的像素点的个数之和的比值，作为所述图像的梯度密度。
[0029] 另一方面，提供了一种人脸图像模糊度计算装置，所述装置包括：
[0030] 计算模块，用于计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯 度值进行归一化处理；
[0031] 第一加权模块，用于针对图像中各像素点为人脸或背景，分别赋予不同的加权值；
[0032] 所述计算模块还用于计算进行归一化处理后的各像素点的局部梯度值与各像素 点的加权值的乘积之和，作为所述图像的第一模糊度。
[0033] 优选地，所述第一加权模块具体用于：
[0034] 采用以下高斯函数公式获得图像x，y坐标处的加权值：
[嶋]g(x,少，）=axe-)2+(y-x,)2]/62
[0036] 其中，a、b为常数，g(x，y)表示图像x，y坐标处的加权值，x。、y。指图像中心的坐标；
[0037] 并采用以下公式对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予图 像中各像素点的加权值：
[0039] 其中，gncirm(x，y)为归一化处理后的图像x，y坐标处的加权值，即赋予图像中各像 素点的加权值。
[0040] 优选地，所述第一加权模块包括：
[0041 ]收集单元，用于收集设定数量的人脸图片；
[0042] 转换单元，用于将所述设定数量的人脸图片转换成相同尺寸的人脸图片；
[0043] 第一计算单元，用于计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所 述各人脸图片的各像素点的梯度值分别进行累加；
[0044]归一化处理单元，用于将累加的各像素点的梯度值进行归一化处理，进行归一化 处理后的各像素点的梯度值为所述各像素点的人脸或背景的加权值。
[0045] 优选地，所述装置还包括：
[0046] 获取模块，用于获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪 声水平；
[0047] 第二加权模块，用于将所述图像的第一模糊度与所述梯度密度的反比例的加权 和，作为所述图像的第二模糊度。
[0048]优选地，所述获取模块包括：
[0049] 构造单元，用于构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均 梯度值，则像素值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值 置为〇;
[0050] 第二计算单元，用于计算所述二值图像中所述像素值为1的像素点对应的梯度值 之和；
[0051 ]统计单元，用于在所述二值图像上，以设定大小的窗口进行扫描，各扫描窗口在图 像中不重叠，统计各个窗口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像 素值为1的像素点，则所述窗口中所有像素点的像素值赋值为1;
[0052] 所述第二计算单元还用于计算所述二值图像中所述像素值为1的像素点对应的梯 度值之和与所述各个窗口中所述像素值为1的像素点的个数之和的比值，作为所述图像的 梯度密度。
[0053] 实施本发明实施例提供的一种人脸图像模糊度计算方法及装置，具有如下有益效 果：
[0054]通过对各像素点的局部梯度值进行归一化处理，避免了光线强时导致局部梯度值 偏高，以及通过对为人脸或背景的各像素点赋予不同的加权值，避免了背景中纹理较多会 使局部梯度值增加，通过引入梯度密度的概念，避免了图像采集设备本身的噪声对模糊度 评价的干扰。该模糊度评价方法，可以克服光线变化、背景、采集设备噪声等的影响，对图像 质量的评价客观准确，鲁棒性强。
【附图说明】
[0055]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0056] 图1为本发明实施例提供的一种人脸图像模糊度计算方法的流程示意图；
[0057] 图2为对图1中所不的步骤S102进一步细化的流程不意图；
[0058] 图3为本发明实施例提供的另一种人脸图像模糊度计算方法的流程示意图；
[0059] 图4为对图3中所示的步骤S204进一步细化的流程示意图；
[0060] 图5为本发明实施例提供的一种人脸图像模糊度计算装置的结构示意图；
[0061] 图6为对图5中所示的第一加权模块12进一步细化的结构示意图；
[0062] 图7为本发明实施例提供的另一种人脸图像模糊度计算装置的结构示意图；
[0063] 图8为对图7中所示的获取模块23进一步细化的结构示意图。
【具体实施方式】
[0064]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0065] 图1为本发明实施例提供的一种人脸图像模糊度计算方法的流程示意图，该方法 包括以下步骤：
[0066] S101，计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行 归一化处理。
[0067]图像中各像素点的局部梯度值指像素点与像素点之间的像素值的梯度值。计算图 像中各像素点的局部梯度值，具体地，先将RGB彩色图像转化成灰度图像，或者将图像的各 个通道分离，再计算单通道人脸图像的局部梯度，并考虑到在光线较强时，图像的像素值普 遍较大，导致梯度值整体偏高，需将梯度值进行归一化处理，即除以图像像素的平均值。对 于图像中的每个像素，进行归一化处理的局部梯度值的计算式如公式(1)所示：
[0068] = (\f{x + 1, y)-f (x, j')| + \f(x,y +1) - f(x,0 f
[0069] f = J^f(x,y)/{lVxU) "y ……公式⑴
[0070] 其中，5\^表示单像素点的局部梯度值，f(x，y)表示图像x，y坐标处的像素值，f表 示图像的平均像素值，W为图像的宽度，H为图像的高度。
[0071] S102,针对图像中各像素点为人脸或背景，分别赋予不同的加权值。
[0072] 当背景中纹理较多时，会使得图片的梯度值增加，此时即使人脸本身非常模糊，使 用局部梯度算法也可能将图片判断为清晰图片。为了消除背景的影响，需对各像素点赋予 不同的加权值，人脸部分的加权值大一些，背景部分的加权值小一些。
[0073]作为S102的一种具体实现方式，S102包括：
[0074]采用以下高斯函数公式(2)获得图像x，y坐标处的加权值：
[0075] (ylY 1A - // V )2 )* ]/，&2 &(，）） ..????公式(2)
[0076] 其中，a、b为常数，g(x，y)表示图像x，y坐标处的加权值4。、7。指图像中心的坐标；
[0077] 并采用以下公式(3)对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予 图像中各像素点的加权值：
4、(.??)
[0079] 其中，gncirm(x，y)为归一化处理后的图像x，y坐标处的加权值，即赋予图像中各像 素点的加权值。对各加权值进行归一化，保证各加权值的和为1。
[0080] 作为S102的另一种具体实现方式，如图2所示，为对图1中所示的步骤S102进一步 细化的流程示意图，S102包括：
[0081] S1021，收集设定数量的人脸图片，并将所述设定数量的人脸图片转换成相同尺寸 的人脸图片。
[0082] S1022,计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所述各人脸图片 的各像素点的梯度值分别进行累加。
[0083] S1023,将累加的各像素点的梯度值进行归一化处理，进行归一化处理后的各像素 点的梯度值为所述各像素点的人脸或背景的加权值。
[0084] 在该实现方式中，使用人脸模板，收集足够多的人脸图片，并转换成相同尺寸，分 别计算图片的像素梯度值，将图片的梯度累加到一张图片上，在人脸经常出现的位置，累加 梯度值会大一些，背景部分则会小一些。累加图像上的梯度值即可作为加权值。最后，对各 加权值进行归一化，保证各加权值的和为1。
[0085] S103,计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘 积之和，作为所述图像的第一模糊度。
[0086]具体地，计算公式如公式(4)所示：
[0087] v) ……公式(4) .A.y
[0088]其中，S为所述图像的第一模糊度。
[0089] 根据本发明实施例提供的一种人脸图像模糊度计算方法，通过对各像素点的局部 梯度值进行归一化处理，避免了光线强时导致局部梯度值偏高，以及通过对为人脸或背景 的各像素点赋予不同的加权值，避免了背景中纹理较多会使局部梯度值增加，通过引入梯 度密度的概念，避免了图像采集设备本身的噪声对模糊度评价的干扰。该模糊度评价方法， 可以克服光线变化的影响，对图像质量的评价客观准确，鲁棒性强。
[0090] 图3为本发明实施例提供的另一种人脸图像模糊度计算方法的流程示意图，该方 法包括以下步骤：
[0091] S201，计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行 归一化处理。
[0092] S202,针对图像中各像素点为人脸或背景，分别赋予不同的加权值。
[0093] S203,计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘 积之和，作为所述图像的第一模糊度。
[0094] 步骤S201-S203与图1所示的步骤S101-S103分别相同，在此不再赘述。
[0095] S204,获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪声水平。
[0096] 当图像采集设备安装在室外时，引起人脸图像模糊的主要原因有人体的运动、图 像压缩、传输失真、图像采集设备本身的噪声、光照不足或过强引起的模糊。其中，光照不足 时，图像采集设备本身的噪声引起的人脸图像模糊，占很大的比例。
[0097] 使用局部梯度方法进行图像的模糊度评价，在光线较好，设备本身的噪声在图像 中表现不明显时，按照梯度值越大，图像越清晰的思路，能够较好地区分模糊图片和清晰图 片。但当光线较差，如早晚使用自然光照时，图像采集设备本身的噪声会表现得很明显，噪 声会使得图像的局部梯度值增加，按照梯度值越高，图像越清晰的评价方式，则会导致错 误。
[0098]因此，计算图像的模糊度时，需要考虑图像采集设备本身的噪声。本实施例中，采 用梯度密度来表征图像的噪声水平。
[0099]作为S204的一种具体实现方式，如图4所示，图4为对图3中所示的步骤S204进一步 细化的流程示意图，S204包括：
[0100] S2041，构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均梯度值， 则像素值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值置为0。
[0101] S2042,计算所述二值图像中所述像素值为1的像素点对应的梯度值之和。
[0102] S2043，在所述二值图像上，以设定大小的窗口进行扫描，统计各个窗口中所述像 素值为1的像素点的个数，其中，若所述窗口中存在像素值为1的像素点，则所述窗口中所有 像素点的像素值赋值为1。
[0103] S2044,计算所述二值图像中所述像素值为1的像素点对应的梯度值之和与所述各 个窗口中所述像素值为1的像素点的个数之和的比值，作为所述图像的梯度密度。
[0104] 在该实现方式中，以图像平均梯度为阈值，构造二值图像，若像素的梯度值大于阈 值，则置1，反之置0。将二值图像中为1的像素点对应的梯度值求和。在二值图上，以固定大 小的窗口（如2X2个像素)进行扫描，步长为窗口的边长，保证每个像素不会被重复扫描。在 扫描窗口内，若有像素值为1，窗口内所有的像素值都赋值为1，扫描完成后，统计图像中像 素值为1的像素点的个数。
[0105] 梯度密度的计算见公式(5):
…….公式(5)
[0107] 其中Sx,y指图像中大于平均梯度的梯度值，N指用扫描窗口统计到的像素点的个 数。
[0108] S205,将所述图像的第一模糊度与所述梯度密度的反比例的加权和，作为所述图 像的第二模糊度。
[0109] 综合考虑背景、噪声因素，得到更准确的图像的模糊度，具体计算公式如公式(6):
[0110] S = W-! X ^ 5；,V X gnolJx, y) + ?.….公式(6}
[0111]其中S为第二模糊度，W1、W2为权重系数。
[0112]根据本发明实施例提供的一种人脸图像模糊度计算方法，通过对各像素点的局部 梯度值进行归一化处理，避免了光线强时导致局部梯度值偏高，以及通过对为人脸或背景 的各像素点赋予不同的加权值，避免了背景中纹理较多会使局部梯度值增加，并通过获取 表征图像的噪声水平的图像的梯度密度，避免了光线较差时，图像采集设备本身的噪声导 致局部梯度值偏高，综合考虑以上因素并通过加权得到图像的模糊度，从而可以得到更准 确的图像模糊度计算结果，对图像质量进行更准确的评价。
[0113]需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列 的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为 根据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知 悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明 所必须的。
[0114] 图5为本发明实施例提供的一种人脸图像模糊度计算装置的结构示意图，该装置 1000包括：
[0115] 计算模块11，用于计算图像中各像素点的局部梯度值，并将所述各像素点的局部 梯度值进行归一化处理。
[0116] 图像中各像素点的局部梯度值指像素点与像素点之间的像素值的梯度值。计算模 块11计算图像中各像素点的局部梯度值，具体地，先将RGB彩色图像转化成灰度图像，或者 将图像的各个通道分离，再计算单通道人脸图像的局部梯度，并考虑到在光线较强时，图像 的像素值普遍较大，导致梯度值整体偏高，需将梯度值进行归一化处理，即除以图像像素的 平均值。对于图像中的每个像素，进行归一化处理的局部梯度值的计算式如公式(1)所示。
[0117] 第一加权模块12,用于针对图像中各像素点为人脸或背景，分别赋予不同的加权 值。
[0118] 当背景中纹理较多时，会使得图片的梯度值增加，此时即使人脸本身非常模糊，使 用局部梯度算法也可能将图片判断为清晰图片。为了消除背景的影响，需对各像素点赋予 不同的加权值，人脸部分的加权值大一些，背景部分的加权值小一些。
[0119] 作为一种具体实现方式，第一加权模块12具体用于：
[0120] 采用高斯函数公式(2)获得图像x，y坐标处的加权值。
[0121] 并采用公式(3)对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予图像 中各像素点的加权值。
[0122] 作为另一种具体实现方式，如图6所示，为对图5中所示的第一加权模块12进一步 细化的结构示意图，第一加权模块12包括:收集单元121、转换单元122、第一计算单元123和 归一化处理单元124。
[0123] 收集单元121，用于收集设定数量的人脸图片。
[0124] 转换单元122,用于将所述设定数量的人脸图片转换成相同尺寸的人脸图片。
[0125] 第一计算单元123,用于计算转换尺寸后的各人脸图片的各像素点的梯度值，并将 所述各人脸图片的各像素点的梯度值分别进行累加。
[0126] 归一化处理单元124,用于将累加的各像素点的梯度值进行归一化处理，进行归一 化处理后的各像素点的梯度值为所述各像素点的人脸或背景的加权值。
[0127] 在该实现方式中，使用人脸模板，收集足够多的人脸图片，并转换成相同尺寸，分 别计算图片的像素梯度值，将图片的梯度累加到一张图片上，在人脸经常出现的位置，累加 梯度值会大一些，背景部分则会小一些。累加图像上的梯度值即可作为加权值。最后，对各 加权值进行归一化，保证各加权值的和为1。
[0128] 所述计算模块11还用于计算进行归一化处理后的各像素点的局部梯度值与各像 素点的加权值的乘积之和，作为所述图像的第一模糊度。
[0129] 具体地，计算公式如公式(4)所示。
[0130] 根据本发明实施例提供的一种人脸图像模糊度计算装置，通过对各像素点的局部 梯度值进行归一化处理，避免了光线强时导致局部梯度值偏高，以及通过对为人脸或背景 的各像素点赋予不同的加权值，避免了背景中纹理较多会使局部梯度值增加，通过引入梯 度密度的概念，避免了图像采集设备本身的噪声对模糊度评价的干扰。该模糊度评价方法， 可以克服光线变化的影响，对图像质量的评价客观准确，鲁棒性强。
[0131] 图7为本发明实施例提供的另一种人脸图像模糊度计算装置的结构示意图，该装 置2000包括：
[0132] 计算模块21，用于计算图像中各像素点的局部梯度值，并将所述各像素点的局部 梯度值进行归一化处理。
[0133] 第一加权模块22,用于针对图像中各像素点为人脸或背景，分别赋予不同的加权 值。
[0134] 所述计算模块21还用于计算进行归一化处理后的各像素点的局部梯度值与各像 素点的加权值的乘积之和，作为所述图像的第一模糊度。
[0135] 计算模块21、第一加权模块22的功能分别与图5所示的计算模块11、第一加权模块 12相同，在此不再赘述。
[0136] 获取模块23,用于获取所述图像的梯度密度，所述梯度密度用于表征所述图像的 噪声水平。
[0137] 当图像采集设备安装在室外时，引起人脸图像模糊的主要原因有人体的运动、图 像压缩、传输失真、图像采集设备本身的噪声、光照不足或过强引起的模糊。其中，光照不足 时，图像采集设备本身的噪声引起的人脸图像模糊，占很大的比例。
[0138] 使用局部梯度方法进行图像的模糊度评价，在光线较好，设备本身的噪声在图像 中表现不明显时，按照梯度值越大，图像越清晰的思路，能够较好地区分模糊图片和清晰图 片。但当光线较差，如早晚使用自然光照时，图像采集设备本身的噪声会表现得很明显，噪 声会使得图像的局部梯度值增加，按照梯度值越高，图像越清晰的评价方式，则会导致错 误。
[0139] 因此，计算图像的模糊度时，需要考虑图像采集设备本身的噪声。本实施例中，采 用梯度密度来表征图像的噪声水平。
[0140] 作为一种具体实现方式，如图8所示，图8为对图7中所示的获取模块23进一步细化 的结构示意图，获取模块23包括:构造单元231、第二计算单元232和统计单元233。
[0141] 构造单元231，用于构造所述图像的二值图像，其中，若像素点的梯度值大于图像 平均梯度值，则像素值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像 素值置为0。
[0142] 第二计算单元232,用于计算所述二值图像中所述像素值为1的像素点对应的梯度 值之和。
[0143] 统计单元233,用于在所述二值图像上，以设定大小的窗口进行扫描，统计各个窗 口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像素值为1的像素点，则所述 窗口中所有像素点的像素值赋值为1。
[0144] 所述第二计算单元232还用于计算所述二值图像中所述像素值为1的像素点对应 的梯度值之和与所述各个窗口中所述像素值为1的像素点的个数之和的比值，作为所述图 像的梯度密度。
[0145] 在该实现方式中，以图像平均梯度为阈值，构造二值图像，若像素的梯度值大于阈 值，则置1，反之置〇。将二值图像中为1的像素点对应的梯度值求和。在二值图上，以固定大 小的窗口（如2X2个像素)进行扫描，步长为窗口的边长，保证每个像素不会被重复扫描。在 扫描窗口内，若有像素值为1，窗口内所有的像素值都赋值为1，扫描完成后，统计图像中像 素值为1的像素点的个数。
[0146] 梯度密度的计算见公式(5)。
[0147] 第二加权模块24,用于将所述图像的第一模糊度与所述梯度密度的反比例的加权 和，作为所述图像的第二模糊度。
[0148] 综合考虑背景、噪声因素，得到更准确的图像的模糊度，具体计算公式如公式(6) 所示。
[0149] 根据本发明实施例提供的一种人脸图像模糊度计算装置，通过对各像素点的局部 梯度值进行归一化处理，避免了光线强时导致局部梯度值偏高，以及通过对为人脸或背景 的各像素点赋予不同的加权值，避免了背景中纹理较多会使局部梯度值增加，并通过获取 表征图像的噪声水平的图像的梯度密度，避免了光线较差时，图像采集设备本身的噪声导 致局部梯度值偏高，综合考虑以上因素并通过加权得到图像的模糊度，从而可以得到更准 确的图像模糊度计算结果，对图像质量进行更准确的评价。
[0150] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部 分，可以参见其他实施例的相关描述。
[0151] 通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可以 用硬件实现，或固件实现，或它们的组合方式来实现。当使用软件实现时，可以将上述功能 存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计 算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一 个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以 此为例但不限于：计算机可读介质可以包括随机存取存储器（Random Access Memory， RAM)、只读存储器（Read-Only Memory，ROM)、电可擦可编程只读存储器（Electrically Erasable Programmable Read-Only Memory，EEPR0M)、只读光盘（Compact Disc Read-Only Memory，⑶-ROM)或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于 携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他 介质。此外。任何连接可以适当的成为计算机可读介质。例如，如果软件是使用同轴电缆、光 纤光缆、双绞线、数字用户线(Digital Subscriber Line，DSL)或者诸如红外线、无线电和 微波之类的无线技术从网站、服务器或者其他远程源传输的，那么同轴电缆、光纤光缆、双 绞线、DSL或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本发 明所使用的，盘(Disk)和碟(disc)包括压缩光碟(CD)、激光碟、光碟、数字通用光碟(DVD)、 软盘和蓝光光碟，其中盘通常磁性的复制数据，而碟则用激光来光学的复制数据。上面的组 合也应当包括在计算机可读介质的保护范围之内。
[0152]总之，以上所述仅为本发明技术方案的较佳实施例而已，并非用于限定本发明的 保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在 本发明的保护范围之内。
【主权项】
1. 一种人脸图像模糊度计算方法，其特征在于，所述方法包括： 计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值进行归一化处 理； 针对图像中各像素点为人脸或背景，分别赋予不同的加权值； 计算进行归一化处理后的各像素点的局部梯度值与各像素点的加权值的乘积之和，作 为所述图像的第一模糊度。2. 如权利要求1所述的方法，其特征在于，所述针对图像中各像素点为人脸或背景，分 别赋予不同的加权值，包括： 采用以下高斯函数公式获得图像x，y坐标处的加权值：其中，a、b为常数，g(x，y)表示图像X，y坐标处的加权值，X。、y。指图像中心的坐标； 并采用以下公式对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予图像中 各像素点的加权值：其中，gn_(x，y)为归一化处理后的图像x，y坐标处的加权值，即赋予图像中各像素点的 加权值。3. 如权利要求1所述的方法，其特征在于，所述针对图像中各像素点为人脸或背景，分 别赋予不同的加权值，包括： 收集设定数量的人脸图片，并将所述设定数量的人脸图片转换成相同尺寸的人脸图 片； 计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所述各人脸图片的各像素点 的梯度值分别进行累加； 将累加的各像素点的梯度值进行归一化处理，进行归一化处理后的各像素点的梯度值 为所述各像素点的人脸或背景的加权值。4. 如权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括： 获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪声水平； 将所述图像的第一模糊度与所述梯度密度的反比例的加权和，作为所述图像的第二模 糊度。5. 如权利要求4所述的方法，其特征在于，所述获取所述图像的梯度密度，包括： 构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均梯度值，则像素值置 为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值置为〇; 计算所述二值图像中所述像素值为1的像素点对应的梯度值之和； 在所述二值图像上，以设定大小的窗口进行扫描，各扫描窗口在图像中不重叠，统计各 个窗口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像素值为1的像素点，则 所述窗口中所有像素点的像素值赋值为1; 计算所述二值图像中所述像素值为1的像素点对应的梯度值之和与所述各个窗口中所 述像素值为1的像素点的个数之和的比值，作为所述图像的梯度密度。6. -种人脸图像模糊度计算装置，其特征在于，所述装置包括： 计算模块，用于计算图像中各像素点的局部梯度值，并将所述各像素点的局部梯度值 进行归一化处理； 第一加权模块，用于针对图像中各像素点为人脸或背景，分别赋予不同的加权值； 所述计算模块还用于计算进行归一化处理后的各像素点的局部梯度值与各像素点的 加权值的乘积之和，作为所述图像的第一模糊度。7. 如权利要求6所述的装置，其特征在于，所述第一加权模块具体用于： 采用以下高斯函数公式获得图像x，y坐标处的加权值：其中，a、b为常数，g(x，y)表示图像X，y坐标处的加权值，X。、y。指图像中心的坐标； 并采用以下公式对获得的图像x，y坐标处的加权值进行归一化处理，得到赋予图像中 各像素点的加权值：其中，gn_ (X，y)为归一化处理后的图像X，y坐标处的加权值，即赋予图像中各像素点的 加权值。8. 如权利要求6所述的装置，其特征在于，所述第一加权模块包括： 收集单元，用于收集设定数量的人脸图片； 转换单元，用于将所述设定数量的人脸图片转换成相同尺寸的人脸图片； 第一计算单元，用于计算转换尺寸后的各人脸图片的各像素点的梯度值，并将所述各 人脸图片的各像素点的梯度值分别进行累加； 归一化处理单元，用于将累加的各像素点的梯度值进行归一化处理，进行归一化处理 后的各像素点的梯度值为所述各像素点的人脸或背景的加权值。9. 如权利要求6-8任意一项所述的装置，其特征在于，所述装置还包括： 获取模块，用于获取所述图像的梯度密度，所述梯度密度用于表征所述图像的噪声水 平； 第二加权模块，用于将所述图像的第一模糊度与所述梯度密度的反比例的加权和，作 为所述图像的第二模糊度。10. 如权利要求9所述的装置，其特征在于，所述获取模块包括： 构造单元，用于构造所述图像的二值图像，其中，若像素点的梯度值大于图像平均梯度 值，则像素值置为1，若所述像素点的梯度值小于所述图像平均梯度值，则所述像素值置为 〇； 第二计算单元，用于计算所述二值图像中所述像素值为1的像素点对应的梯度值之和； 统计单元，用于在所述二值图像上，以设定大小的窗口进行扫描，各扫描窗口在图像中 不重叠，统计各个窗口中所述像素值为1的像素点的个数，其中，若所述窗口中存在像素值 为1的像素点，则所述窗口中所有像素点的像素值赋值为1; 所述第二计算单元还用于计算所述二值图像中所述像素值为1的像素点对应的梯度值
【文档编号】G06T7/00GK105894506SQ201610194180
【公开日】2016年8月24日
【申请日】2016年3月30日
【发明人】张兆丰, 田第鸿
【申请人】深圳云天励飞技术有限公司