本發(fā)明涉及一種計(jì)算機(jī)圖像處理方法，特別涉及一種基于邊緣的模糊檢測方法。

背景技術(shù)：
圖像在拍照過程中會遇到抖動、運(yùn)動和聚焦等外界因素的干擾產(chǎn)生模糊；或者我們用圖像處理軟件對圖像進(jìn)行處理導(dǎo)致產(chǎn)生模糊。中國專利公開文件CN103065118公開了一種圖像模糊檢測方法和裝置，該專利文件中提出了一種由內(nèi)向外擴(kuò)充的方法來進(jìn)行圖像模糊檢測方法，它是將圖像由內(nèi)向外劃分為多個(gè)區(qū)域，并根據(jù)各個(gè)區(qū)域的模糊特征生成圖像的全局模糊特征，從而進(jìn)行分類。然而，采用上述方案有一定局限性，上述方法是默認(rèn)圖像的中心就是我們關(guān)注對象集中出現(xiàn)的區(qū)域，并以此為基礎(chǔ)進(jìn)行圖像特征在分析。當(dāng)我們關(guān)注對象不在圖像的中心位置時(shí)，則會出現(xiàn)判斷失準(zhǔn)。

技術(shù)實(shí)現(xiàn)要素：
為解決現(xiàn)有技術(shù)中存在的技術(shù)問題，本發(fā)明提供了一種通用性很強(qiáng)、對圖像模糊檢測精確的基于邊緣的模糊檢測方法。本發(fā)明解決上述技術(shù)問題，所采用的技術(shù)方案是：提供一種基于邊緣的模糊檢測方法，包括以下步驟:步驟10，接收圖像并對圖像進(jìn)行灰度化處理，得到圖像A；步驟20，對圖像A分別進(jìn)行強(qiáng)邊緣與弱邊緣檢測，并分別得到強(qiáng)邊緣結(jié)果B和弱邊緣結(jié)果C；步驟30,對圖像A進(jìn)行分塊，并對塊、及塊所對應(yīng)的強(qiáng)邊緣結(jié)果B和弱邊緣結(jié)果C進(jìn)行統(tǒng)計(jì)，得到強(qiáng)度的直方圖統(tǒng)計(jì)；步驟40，根據(jù)強(qiáng)度直方圖統(tǒng)計(jì)的結(jié)果計(jì)算出圖像A的模糊圖像概率。作為本發(fā)明的優(yōu)選方案，所述步驟10中，灰度化處理公式可以是下面兩個(gè)公式的其中一個(gè)：Gray＝0.299*Red+0.587*Green+0.114*Blue,或者Gray＝(Red*306+Green*601+Blue*117+512)/1024,其中，Gray為灰度值，Red、Green、Blue分別為紅、綠、藍(lán)三個(gè)通道的顏色值。作為本發(fā)明的優(yōu)選方案，所述步驟30進(jìn)一步包括以下步驟：步驟31,對圖像A進(jìn)行分塊；步驟32，對每塊的強(qiáng)邊緣結(jié)果B進(jìn)行分析，判斷是否屬于邊緣塊；如果是，則執(zhí)行步驟33；步驟33，計(jì)算邊緣塊里的每個(gè)像素點(diǎn)的梯度；步驟34，根據(jù)每個(gè)像素點(diǎn)的梯度計(jì)算該像素點(diǎn)所對應(yīng)的梯度方向；步驟35，根據(jù)每塊對應(yīng)的弱邊緣結(jié)果C與上述計(jì)算出的梯度方向?qū)ふ颐總€(gè)像素點(diǎn)的邊緣連續(xù)性強(qiáng)度；步驟36，計(jì)算每塊里的對比度差，并對每塊的邊緣連續(xù)性強(qiáng)度進(jìn)行強(qiáng)度的直方圖統(tǒng)計(jì)。作為本發(fā)明的優(yōu)選方案，所述步驟31中，對圖像A進(jìn)行分塊，且每塊的大小為16～128個(gè)像素。作為本發(fā)明的優(yōu)選方案，所述步驟32中判斷是否屬于邊緣塊，是根據(jù)判斷塊所對應(yīng)的強(qiáng)邊緣結(jié)果B屬于邊緣的像素點(diǎn)個(gè)數(shù)是否大于塊像素點(diǎn)總數(shù)的預(yù)定百分比，且該預(yù)定百分比的范圍是0.1％～2％。作為本發(fā)明的優(yōu)選方案，所述步驟33中，像素點(diǎn)的梯度計(jì)算公式為：grad＝(next-prev)/2，其中，grad為當(dāng)前像素點(diǎn)的梯度值；next為當(dāng)前像素點(diǎn)的后一個(gè)像素點(diǎn)的值；prev為當(dāng)前像素點(diǎn)的前一個(gè)像素點(diǎn)的值。作為本發(fā)明的優(yōu)選方案，所述步驟34中，像素點(diǎn)所對應(yīng)的梯度方向的計(jì) 算，是根據(jù)像素點(diǎn)的梯度的X方向和Y方向的梯度值,進(jìn)行反正切得到的角度。作為本發(fā)明的優(yōu)選方案，所述步驟35中，像素點(diǎn)的邊緣連續(xù)性強(qiáng)度的計(jì)算是利用梯度方向上的像素點(diǎn)是否在弱邊緣結(jié)果里屬于邊緣，以此得到每個(gè)像素點(diǎn)是邊緣的連續(xù)性的強(qiáng)度。作為本發(fā)明的優(yōu)選方案，所述步驟36中，對比度差的計(jì)算方法，是計(jì)算每塊里的像素值的最大值與最小值，兩者相減得到差值，再得到最終的對比度差；其中，差值范圍在0～51之間時(shí)，其對比度差為5；差值范圍在52～256之間時(shí)，其對比度差為3。作為本發(fā)明的優(yōu)選方案，所述步驟36中，直方圖統(tǒng)計(jì)公式為：其中，index為直方圖的序號值，范圍為0～100；continue為邊緣連續(xù)性強(qiáng)度，block為對比度差值。作為本發(fā)明的優(yōu)選方案，所述步驟40中，模糊圖像的概率計(jì)算公式為：其中，score為模糊的概率，范圍為0.0～1.0，1.0表示模糊的概率最高，0.0表示模糊的概率最低；hist為直方圖統(tǒng)計(jì)后得到的數(shù)組；nCount為進(jìn)行直方圖統(tǒng)計(jì)的總數(shù)。本發(fā)明所述的技術(shù)方案相對于現(xiàn)有技術(shù)，取得的有益效果是：本發(fā)明所述的基于邊緣的模糊檢測方法，先對圖像進(jìn)行灰度化處理，然后再進(jìn)行強(qiáng)邊緣檢測和弱邊緣檢測，再進(jìn)行統(tǒng)計(jì)得出圖像的模糊概率值，從而可以實(shí)現(xiàn)圖像的模糊化處理。采用上述方案，無論我們關(guān)注對象出現(xiàn)在圖 像的任何位置，都可以實(shí)現(xiàn)對圖像的模糊檢測與處理，實(shí)現(xiàn)了檢測方法的通用性及準(zhǔn)確性。附圖說明此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：圖1是本發(fā)明所述的基于邊緣的模糊檢測方法流程示意圖；圖2是本發(fā)明所述的對圖像A分塊，以塊對應(yīng)的強(qiáng)邊緣結(jié)果B和弱邊緣結(jié)果C進(jìn)行統(tǒng)計(jì)，得到強(qiáng)度的直方圖統(tǒng)計(jì)的流程示意圖。具體實(shí)施方式為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié)合附圖和實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。如圖1所示，本發(fā)明所述的基于邊緣的模糊檢測方法，包括以下步驟10～步驟40。步驟10,接收圖像并對圖像進(jìn)行灰度化處理，得到圖像A。具體來說，灰度化處理公式可以是下面兩個(gè)公式的其中一個(gè)：Gray＝0.299*Red+0.587*Green+0.114*Blue,或者Gray＝(Red*306+Green*601+Blue*117+512)/1024,其中，Gray為灰度值，Red、Green、Blue分別為紅、綠、藍(lán)三個(gè)通道的顏色值。步驟20，對圖像A分別進(jìn)行強(qiáng)邊緣與弱邊緣檢測，并分別得到強(qiáng)邊緣結(jié)果B和弱邊緣結(jié)果C。具體來說，強(qiáng)邊緣檢測的方法可以是Canny邊緣檢測算法或閾值邊緣檢測算法，弱邊緣檢測的方法有是Sobel邊緣檢測算法或Prewitt邊緣檢測算法。上述邊緣檢測方法為現(xiàn)有檢測方法，在此不累述。步驟30,對圖像A進(jìn)行分塊，并對塊、及塊所對應(yīng)的強(qiáng)邊緣結(jié)果B和弱邊緣結(jié)果C進(jìn)行統(tǒng)計(jì)，得到強(qiáng)度的直方圖統(tǒng)計(jì)。具體來說，如圖2所示，步驟30可以進(jìn)一步包括以下步驟31～步驟36。步驟31,對圖像A進(jìn)行分塊。每塊的大小16～128個(gè)像素之間，優(yōu)選64個(gè)像素。步驟32，對每塊的強(qiáng)邊緣結(jié)果B進(jìn)行分析，判斷是否屬于邊緣塊；如果是，則執(zhí)行步驟33。此步驟是根據(jù)判斷塊所對應(yīng)的強(qiáng)邊緣結(jié)果B屬于邊緣的像素點(diǎn)個(gè)數(shù)是否大于塊像素點(diǎn)總數(shù)的預(yù)定百分比，且該預(yù)定百分比的范圍是0.1％～2％。步驟33，計(jì)算邊緣塊里的每個(gè)像素點(diǎn)的梯度。像素點(diǎn)的梯度計(jì)算公式為：grad＝(next-prev)/2；其中，grad為當(dāng)前像素點(diǎn)的梯度值；next為當(dāng)前像素點(diǎn)的后一個(gè)像素點(diǎn)的值；prev為當(dāng)前像素點(diǎn)的前一個(gè)像素點(diǎn)的值。步驟34，根據(jù)每個(gè)像素點(diǎn)的梯度計(jì)算該像素點(diǎn)所對應(yīng)的梯度方向。像素點(diǎn)所對應(yīng)的梯度方向的計(jì)算，是根據(jù)像素點(diǎn)的梯度的X方向和Y方向的梯度值,進(jìn)行反正切得到的角度。步驟35，根據(jù)每塊對應(yīng)的弱邊緣結(jié)果C與上述計(jì)算出的梯度方向?qū)ふ颐總€(gè)像素點(diǎn)的邊緣連續(xù)性強(qiáng)度。像素點(diǎn)的邊緣連續(xù)性強(qiáng)度的計(jì)算是利用梯度方向上的像素點(diǎn)是否在弱邊緣結(jié)果里屬于邊緣，以此得到每個(gè)像素點(diǎn)是邊緣的連續(xù)性的強(qiáng)度。步驟36，計(jì)算每塊里的對比度差，并對每塊的邊緣連續(xù)性強(qiáng)度進(jìn)行強(qiáng)度的直方圖統(tǒng)計(jì)。對比度差的計(jì)算方法，是計(jì)算每塊里的像素值的最大值與最小值，兩者相減得到差值，再得到最終的對比度差；其中，差值范圍在0～51之間時(shí)，其對比度差為5；差值范圍在52～256之間時(shí)，其對比度差為3。直方圖統(tǒng)計(jì)公式為：其中，index為直方圖的序號值，范圍為0～100；continue為邊緣連續(xù)性強(qiáng)度，block為對比度差值。步驟40，根據(jù)強(qiáng)度直方圖統(tǒng)計(jì)的結(jié)果計(jì)算出圖像A的模糊圖像概率。具體而言，模糊圖像的概率計(jì)算公式為：其中，score為模糊的概率，范圍為0.0～1.0，1.0表示模糊的概率最高，0.0表示模糊的概率最低；hist為直方圖統(tǒng)計(jì)后得到的數(shù)組；nCount為進(jìn)行直方圖統(tǒng)計(jì)的總數(shù)。上述說明示出并描述了本發(fā)明的優(yōu)選實(shí)施例，如前所述，應(yīng)當(dāng)理解本發(fā)明并非局限于本文所披露的形式，不應(yīng)看作是對其他實(shí)施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文所述發(fā)明構(gòu)想范圍內(nèi)，通過上述教導(dǎo)或相關(guān)領(lǐng)域的技術(shù)或知識進(jìn)行改動。而本領(lǐng)域人員所進(jìn)行的改動和變化不脫離本發(fā)明的精神和范圍，則都應(yīng)在本發(fā)明所附權(quán)利要求的保護(hù)范圍內(nèi)。