專利名稱：一種圖像的質量分析方法及裝置的制作方法
一種圖像的質量分析方法及裝置技術領域
本申請涉及圖像的識別技術，尤其涉及一種圖像的質量分析方法及裝置。
背景技術：
隨著網上購物的日益流行，商家越來越多的通過圖像來向用戶進行產品的展示。 產品圖像的質量好壞影響著產品的展示效果，不管是對產品購買者的購買體驗還是商家的 產品銷售量都有著重要影響。這里，產品圖像的清晰度、圖像中產品與背景的對比度等都可 以作為產品圖像的質量分析因素，決定著產品圖像的質量。
隨著社交網絡及各種其他網絡的發展，用戶會在網上展示各種各樣的照片，如人 物照片、自然風光照片、家居擺設等各種照片，針對這些目標物拍攝后形成的圖像中，目標 物和背景的對比度、圖像的清晰度等都會影響到圖像的質量好壞，這些照片圖像的質量好 壞也會影響到圖像的展示及傳播效果。
現有技術中對于圖像質量進行分析的系統，一般僅是對圖像本身的清晰度進行分 析，無法對圖像的質量進行綜合分析。。尤其是對產品圖像的質量分析評價還停留于人工進 行主觀識別、評價分析的階段，沒有專門針對產品圖像的質量分析方法。發明內容
有鑒于此，本申請要解決的技術問題是，提供一種圖像的質量分析方法及裝置，能 夠進行圖像的質量分析。
為此，本申請實施例采用如下技術方案
本申請實施例提供一種圖像的質量分析方法，包括
從圖像中確定目標區域和背景區域；
根據所述目標區域和/或背景區域計算圖像的特征參數；
將計算得到的特征參數作為預設的質量計算模型的輸入值，計算得到所述特征參 數對應的圖像質量分析結果。
本申請實施例一種圖像的質量分析系統，包括
確定單元，用于從圖像中確定目標區域和背景區域；
第一計算單元，用于根據所述目標區域和/或背景區域計算圖像的特征參數；
第二計算單元，用于將計算得到的特征參數輸入到預設的質量計算模型中，計算 得到所述特征參數對應的圖像質量分析結果。
對于上述技術方案的技術效果分析如下
本申請實施例中首先從圖像中確定目標區域和背景區域；根據所述目標區域和/ 或背景區域計算圖像的特征參數；最后，將計算得到的特征參數輸入到預設的質量計算模 型中，得到所述特征參數對應的圖像質量分析結果。從而實現了對于圖像的質量分析。


圖1為本申請實施例所適用的網絡結構示意圖2為本申請實施例一種圖像的質量分析方法流程示意圖3為本申請實施例另一種圖像的質量分析方法流程示意圖4為本申請實施例一種圖像的質量分析系統結構示意圖5為本申請實施例圖像的質量分析系統中一個單元的實現結構示意圖。
具體實施方式
為使本領域技術人員更加清楚的理解本申請實施例，首先介紹本申請實施例可以 應用的網絡環境。如圖1所示，包括網站服務器Iio以及客戶端120，所述客戶端120用于 向網站服務器110傳輸圖像；所述網站服務器110用于對接收到的每個圖像進行質量分析， 將質量分析結果返回給客戶端120。
以下，結合附圖詳細說明本申請實施例圖像質量分析方法及系統的實現。
圖2為本申請實施例圖像質量分析方法流程示意圖，該方法可以適用于網站服務 器110中；如圖2所示，該方法包括
步驟201 :從圖像中確定目標區域和背景區域；
步驟202 :根據所述目標區域和/或背景區域計算圖像的特征參數；
步驟203 :將計算得到的特征參數作為預設的質量計算模型的輸入值，計算得到 所述特征參數對應的圖像質量分析結果。
所述目標區域為針對目標物拍攝、制作后所形成的圖像中目標物所覆蓋的區域， 也就是，圖像中背景區域之外的區域，以產品圖像為例，其目標區域為產品區域；以人物圖 像為例，其目標區域為人物覆蓋區域。圖2所示的本申請實施例中，首先從圖像中確定目 標區域和背景區域；根據所述目標區域和/或背景區域計算圖像的特征參數；最后，將計算 得到的特征參數輸入到預設的質量計算模型中，得到所述特征參數對應的圖像質量分析結 果。從而實現了對于圖像的質量分析。
在圖2的基礎上，通過圖3對本申請實施例圖像質量分析方法進行更為詳細的說 明。如圖3所示，該方法包括
步驟301 :獲取圖像的數據。
其中，在具體實現中，所述圖像的來源可能不同，例如，可能是直接從客戶端獲取 圖像的數據，或者，也可以是預先從客戶端獲取并存儲于網站服務器的圖像等，這里并不限定。
步驟302 :確定該圖像的預設面積比例的外邊框區域。
例如，可以預設面積比例為20%，則位于目標圖像最外圍的20%面積的區域，SP 為所確定的外邊框區域。
一般的，可以認為在多數的圖像中，尤其是產品圖像中，目標物拍攝中的背景所形 成的圖像一般位于目標物圖像的外圍，而目標物所形成的圖像則位于整個圖像的較為中心 的位置；具體到產品的拍攝，產品拍攝中的背景所形成的圖像一般位于產品圖像的外圍，而 產品所形成的圖像則位于整個產品圖像的較為中心的位置。因此，一般外邊框區域所包含 的圖像主要是背景所形成的圖像；而圖像中背景部分一般顏色較為單一，也即區域平坦度 較高。從而，通過對外邊框區域進行后續步驟中的操作，即可以確定出整個圖像的背景區域的主要顏色以及背景區域的種子區域，通過種子區域向外的生長，最終得到整個背景區域， 也即完成了背景區域以及目標區域的確定。
其中，種子區域是指本申請實施例進行圖像處理時所確定的初始區域。
步驟303 :對所述外邊框區域進行聚類處理，得到nl類顏色的顏色區域；
其中，所述聚類處理可以包括首先每個像素對應一個類別，然后計算不同類別的中心之間的距離，若距離小于閾值，則將兩類合并；如此反復迭代，直到不存在中心之間的距離小于閾值的兩類，則聚類完成。
其中，這里的nl類顏色中，每種顏色所對應的顏色區域可能是一個區域，也可能是互不連通的多個區域。
步驟304 :分別計算nl類顏色的顏色區域在外邊框區域中所占的面積比重，選擇出面積比重超過比重閾值的π2類顏色的顏色區域；
步驟305 :分別計算選擇出的η2類顏色的顏色區域的區域平坦度，選擇出區域平坦度超過平坦度閾值的η3類顏色的顏色區域，將這些區域平坦度超過平坦度閾值的顏色區域作為背景區域的種子區域。
其中，nl彡 n2 彡 n3 > 0，nl、n2、n3 為自然數。
以上的步驟304和步驟305是從nl類顏色的顏色區域中確定背景區域所包含的顏色，也即是將外邊框區域中所占面積比重最大，且區域平坦度最高的π3類顏色作為背景區域所包含的顏色。而這η3類顏色的顏色區域即為背景區域的種子區域。
步驟306 :以種子區域為中心，確定與種子區域相鄰的各個像素點與其相鄰種子區域中的像素點之間的顏色歐氏距離不大于圖像標準差的預設倍數時，將該像素點添加到種子區域中，直到種子區域相鄰的所有像素點與其相鄰種子區域中的像素點之間的顏色歐氏距離大于圖像標準差的預設倍數。
所述預設倍數一般大于0，小于1，優選地，可以設置為O. 5。
本步驟是一個種子區域根據顏色標準差進行區域生長的過程，通過該過程，可以將每個種子區域周圍的背景 區域添加到種子區域中來，從而最終得到所有的背景區域的過程。
通過本步驟的處理，越復雜的圖像會具有更高的圖像標準差，則種子區域具有更強的生長能力，不容易欠生長，反之簡單的圖像的生長能力較弱，不容易產生過生長的情況。
步驟307 :將圖像中所有種子區域確定為背景區域，所有種子區域之外的區域，也即背景區域之外的區域確定為目標區域。
以上的步驟302 步驟307即為從圖像中確定目標區域的一種具體實現步驟。通過步驟303 步驟305，從外邊框區域中確定背景區域所包含的顏色，以及進行區域生長的種子區域；后續通過步驟306中對種子區域進行生長，從而可以得到外邊框區域之外區域中的背景區域，完成了各個種子區域的生長后，可以認為，所有種子區域構成了該圖像的背景區域；而背景區域之外的區域則為圖像中目標物所對應的圖像，也即為目標區域。
步驟308 :根據所述目標區域和/或背景區域計算圖像的特征參數。
其中，所述特征參數可以包括背景復雜度，和/或，前背景對比度，和/或，全局清晰度，和/或，目標物尺寸，如產品尺寸；具體的，
1、背景復雜度，用于表示圖像的雜亂程度。
所述背景復雜度可以通過平均梯度值來表示，一般的，平均梯度值越大，則背景復雜度越高，背景越復雜。
所述平均梯度值的計算方法可以包括根據所述背景區域，提取出該背景區域的平均梯度值。
所述提取背景區域的平均梯度值的方法可以包括
使用sobel算子求取圖像的梯度強度圖G ；
根據所述梯度強度圖G統計背景區域的梯度強度總和Sg和背景區域的像素點個數Pn ；
根據所述梯度強度總和Sg以及像素點個數Pn計算背景區域的平均梯度值T，公式可以為
T = Sg/Pn。
2、前背景對比度，用于反映目標區域和背景區域的對比強度。
所述前背景對比度的計算方法可以包括
對目標區域進行聚類處理，得到預設η類顏色的顏色區域，并計算每種顏色區域在目標區域中的面積比重Ai(i大于等于1，小于等于η);并且，對背景區域進行聚類處理， 得到預設m類顏色區域，并計算每種顏色區域在目標區域中的面積比重Dj (j大于等于1，小于等于Π1)沿和!!!為自然數；
計算目標區域中每種顏色與背景區域中每種顏色之間的歐式距離Lij ；
根據顏色之間的歐氏距離以及顏色的面積比重計算所述前背景對比度M。
具體的計算公式可以為
權利要求
1.一種圖像的質量分析方法，其特征在于，包括 從圖像中確定目標區域和背景區域； 根據所述目標區域和/或背景區域計算圖像的特征參數； 將計算得到的特征參數作為預設的質量計算模型的輸入值，計算得到所述特征參數對應的圖像質量分析結果。
2.根據權利要求1所述的方法，其特征在于，所述從圖像中確定目標區域和背景區域包括 確定圖像的預設面積比例的外邊框區域； 對所述外邊框區域進行聚類處理，得到預設nl類顏色的顏色區域；nl為自然數； 根據所述nl類顏色的顏色區域確定背景區域的種子區域； 以種子區域為中心，確定與種子區域相鄰的各個像素點與其相鄰種子區域中的像素點之間的顏色歐氏距離不大于圖像標準差的預設倍數時，將該像素點添加到種子區域中，直到種子區域相鄰的所有像素點與其相鄰種子區域中的像素點之間的顏色歐氏距離大于圖像標準差的預設倍數； 將所有種子區域作為圖像的背景區域，所有種子區域之外的區域作為圖像的目標區域。
3.根據權利要求2所述的方法，其特征在于，所述根據所述nl類顏色的顏色區域確定背景區域的種子區域包括 分別計算nl類顏色的顏色區域在外邊框區域中所占的面積比重，選擇出面積比重超過比重閾值的π2類顏色的顏色區域； 分別計算所述η2類顏色的顏色區域的區域平坦度，選擇出區域平坦度超過平坦度閾值的η3類顏色的顏色區域，將所述η3類顏色的顏色區域作為所述種子區域；nl >η2 >η3，且，η2、η3為自然數。
4.根據權利要求1至3任一項所述的方法，其特征在于，圖像的特征參數包括背景復雜度，和/或，前背景對比度，和/或，全局清晰度，和/或，目標物尺寸。
5.根據權利要求4所述的方法，其特征在于，根據所述目標區域和/或背景區域計算圖像的背景復雜度包括 根據所述背景區域，提取出該背景區域的平均梯度值，將該平均梯度值作為背景復雜度的數值。
6.根據權利要求4所述的方法，其特征在于，根據所述目標區域和/或背景區域計算圖像的前背景對比度包括 對目標區域進行聚類處理，得到預設η類顏色區域，并計算每種顏色區域在目標區域中的比重值Ai，i大于等于1，小于等于η;并且，對背景區域進行聚類處理，得到預設m類顏色區域，并計算每種顏色區域在目標區域中的比重值Dj，j大于等于1，小于等于m;n和m為自然數； 計算目標區域中每種顏色與背景區域中每種顏色之間的歐式距離Lij ； 根據顏色之間的歐氏距離以及顏色的比重值計算所述前背景對比度
7.根據權利要求4所述的方法，其特征在于，根據所述目標區域和/或背景區域計算圖像的全局清晰度包括 將目標區域劃分為預設大小的圖像塊，對每一圖像塊的像素值進行DCT變換，得到該圖像塊的DCT系數矩陣； 根據各個圖像塊的DCT系數矩陣創建對應圖像塊的統計直方圖； 根據各個圖像塊的統計直方圖以及加權矩陣計算目標區域的全局清晰度。
8.根據權利要求4所述的方法，其特征在于，根據所述目標區域和/或背景區域計算圖像的目標物尺寸包括 確定目標物區域的面積以及整個圖像區域的總面積；計算目標區域在圖像區域中的面積比重； 和/或， 計算目標區域中最小外接矩形，得到該矩形的長度值和寬度值。
9.根據權利要求1至3任一項所述的方法，其特征在于，預設的質量計算模型的建立方法為 抽取一定數量的圖像作為訓練樣本，分別對所述圖像進行特征參數的提取；并且，預先設定每一圖像的圖像質量分析結果； 根據所述圖像的特征參數以及圖像質量分析結果進行訓練，學習出以圖像的特征參數為輸入、圖像質量分析結果為輸出的SVM擬合模型，將該SVM擬合模型作為所述預設質量計算模型。
10.根據權利要求1至9任一項所述的方法，其特征在于，還包括 接收用戶的搜索請求，根據搜索請求中攜帶的目標物特征信息進行目標物的搜索，得到目標物搜索結果；根據目標物對應的各個圖像的質量分析結果計算目標物對應的圖像質量分析結果； 依次判斷所述搜索結果中各個目標物的圖像質量分析結果是否大于預設的分析結果閾值，如果否，從所述搜索結果中刪除該目標物對應的信息；如果是，在所述搜索結果中保留該產品對應的信息； 或者，該方法還包括 接收用戶的搜索請求，根據搜索請求中攜帶的目標物特征信息進行目標物的搜索，得到目標物搜索結果；根據目標物對應的各個圖像的質量分析結果計算目標物對應的圖像質量分析結果； 根據所述目標物的圖像質量分析結果對目標物搜索結果進行排序。
11.一種圖像的質量分析系統，其特征在于，包括 確定單元，用于從圖像中確定目標區域和背景區域； 第一計算單元，用于根據所述目標區域和/或背景區域計算圖像的特征參數； 第二計算單元，用于將計算得到的特征參數輸入到預設的質量計算模型中，計算得到所述特征參數對應的圖像質量分析結果。
全文摘要
本申請公開了一種圖像的質量分析方法，包括從圖像中確定目標區域和背景區域；根據所述區域和/或背景區域計算圖像的特征參數；將計算得到的特征參數作為預設的質量計算模型的輸入值，計算得到所述特征參數對應的圖像質量分析結果。本申請還公開了一種圖像的質量分析系統，該方法及系統能夠進行圖像的質量分析。
文檔編號G06T7/00GK103020947SQ20111028689
公開日2013年4月3日 申請日期2011年9月23日 優先權日2011年9月23日
發明者陳克, 鄧宇 申請人:阿里巴巴集團控股有限公司