專利名稱：圖像篩選方法及其系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及視頻圖像處理領域，尤其涉及一種圖像篩選方法及其系統(tǒng)。
背景技術：
視頻分享是指由網(wǎng)友或網(wǎng)站工作人員向分享網(wǎng)站上傳視頻文件，由共享網(wǎng)站工作 人員對視頻文件進行必要的技術處理后再提供給用戶分享的一種服務。當前，較為知名的 視頻分享網(wǎng)站包括國外的youtube、國內(nèi)的優(yōu)酷、土豆網(wǎng)等，都是普通網(wǎng)友經(jīng)常訪問的視頻 分享網(wǎng)站。通常來說，對視頻文件進行必要的技術處理主要涉及視頻轉(zhuǎn)碼、提取封面、剪輯、 存儲和黃反過濾等。在網(wǎng)友訪問視頻分享網(wǎng)站、瀏覽視頻文件時，首先看到是有關某視頻文件的文字 描述和一張代表該視頻內(nèi)容的圖片，這張圖片我們稱之為視頻封面。網(wǎng)友通過視頻封面可 以知道這個視頻的主題、劇情、演員陣容和/或效果等，為網(wǎng)友提供了對視頻內(nèi)容較為直觀 的判斷依據(jù)，同時清晰精彩的視頻封面也是吸引用戶的重要手段。通常我們看到的電影/ 電視劇封面或宣傳海報雖然來自視頻截圖，但是所述電影封面或宣傳海報是由人工進行精 心挑選并輔以專項技術處理(如圖像截取、合成、渲染等)。而分享網(wǎng)站上的視頻文件的視 頻封面一般都是該視頻中的某一幀圖像，也就是說，視頻封面一般是從視頻中直接獲取，基 本上沒有經(jīng)過人工挑選和后續(xù)技術處理。視頻分享網(wǎng)站上的視頻文件，在文件格式、大小、視頻質(zhì)量等方面都存在很大差 異，尤其是網(wǎng)友自制的視頻文件，可能會存在黑屏、綠屏、過暗、圖像內(nèi)容模糊、疊影、馬賽 克、無主體內(nèi)容等缺陷(badcase)。如果簡單依賴機器進行隨機選取或按照簡單設置的時 間、片長等方式進行視頻圖像的采樣選取，很難保證獲得理想的視頻封面(如能體現(xiàn)視頻 的主題，畫面清晰干凈，畫面主體內(nèi)容突出；其中主體內(nèi)容突出主要是考慮到視頻封面一般 大小都比較小，一般長寬在100-200個像素左右，如果畫面中的內(nèi)容繁多時，可能用戶看不 清具體的內(nèi)容)。如果僅僅由計算機進行挑選，而不采用人工干預的情況下，通?？梢韵氲降氖峭?過圖像處理技術來對視頻中的圖像幀進行分析得到一系列的參數(shù)，然后根據(jù)該參數(shù)選擇一 張合適的圖片作為視頻封面。但是當前并沒有對該項技術進行深入研究，也沒有提出過相 應的解決方案。因而如果只是對視頻圖像進行簡單而不全面的技術分析，很有可能篩選出 的圖像還會具有黑屏、綠屏、過暗、圖像內(nèi)容模糊、疊影、馬賽克、無主體內(nèi)容等缺陷，因此應 用前景較差。當然，網(wǎng)友/網(wǎng)站工作人員對上傳視頻文件也可以通過后期人工選擇和技術處理 手段來獲得較好反映主題內(nèi)容的視頻封面；但是隨著互聯(lián)網(wǎng)的發(fā)展與普及，以及普通網(wǎng)友 對于制作視頻的喜好，對于視頻分享網(wǎng)站來說每天上傳的視頻文件數(shù)目驚人，而且還在呈 現(xiàn)海量增長。如果對每一個上傳的視頻文件都采用人工選取和加工將會耗費大量的人力成 本，而且效率低下。如何能夠在含有數(shù)以萬計的視頻幀的視頻文件中方便快捷地篩選出質(zhì) 量較高的視頻圖像作為視頻封面成為本領域亟待解決的技術問題。
此外，對于技術人員，尤其是視頻處理技術人員和視頻管理人員來說，經(jīng)常要對視 頻文件的內(nèi)容進行檢索、分類和審核管理；因此，如何能夠在海量視頻文件中快速檢索出自 己關心關注的視頻來，也對視頻圖像的篩選技術提出了更高要求。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種無馬賽克或少馬賽克圖像的篩選方法及系統(tǒng)，用以對視 頻圖像進行馬賽克過濾從而獲取無馬賽克或少馬賽克圖像；本發(fā)明另一方面提供一種清晰 圖像的篩選方法及系統(tǒng)，用以計算邊緣梯度值(清晰度)從而獲取較為清晰的視頻圖像； 本發(fā)明又一方面提供了一種視頻圖像的篩選方法及其系統(tǒng)；通過對視頻圖像進行馬賽克過 濾、清晰度計算，并結(jié)合邊緣密度比值執(zhí)行加權清晰度計算，從而從視頻幀中篩選出畫面清 晰、主體突出且貼切反映視頻主題的圖像。本發(fā)明提供如下技術方案本發(fā)明的一個方面提供了一種無馬賽克或少馬賽克圖像的篩選方法，該方法包 括將原始圖像轉(zhuǎn)換為灰度圖后進行馬賽克圖案的邊緣檢測，以獲取圖案的邊緣；在圖案 的邊緣上確定邊緣點，并根據(jù)邊緣點選取候選點；對候選點進行水平和垂直方向的直線生 長；對水平和垂直方向的直線分別進行合并，對合并后的直線進行過濾；對過濾后的直線 進行邊界延伸以尋找水平方向的直線與垂直方向的直線的交叉點；根據(jù)所述馬賽克圖案的 邊界，確定并輸出馬賽克圖案的塊數(shù)；以及根據(jù)馬賽克圖案的塊數(shù)篩選出無馬賽克或少馬 賽克圖像。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，根據(jù)邊緣點 選取候選點進一步包括選取邊緣點附近預設像素個數(shù)內(nèi)的像素點為候選點。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，對候選點進 行水平和垂直方向的直線生長進一步包括沿水平或垂直方向生長構成直線的點的R、G、B 三個通道內(nèi)的顏色與候選點的相應顏色通道的顏色差值不超過預設的閾值，并且在與水平 或垂直方向的直線垂直的方向上，沿水平或垂直方向生長構成直線的點的R、G、B三個通道 內(nèi)的顏色與其相鄰的像素點的相應顏色通道的顏色差值大于預設的另一閾值。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，對水平和垂 直方向的直線分別進行合并進一步包括直線在同一水平或者垂直方向上，并且在同一水 平或者垂直方向上直線兩兩相距不超過預設的像素個數(shù)。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，對合并后的 直線進行過濾進一步包括按照長度低于預設的像素個數(shù)的直線被過濾的規(guī)則對合并后的 直線進行過濾。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，對過濾后的 直線進行邊界延伸進一步包括對直線的邊界延伸預設的像素個數(shù)。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，該方法進一 步包括找到水平方向的直線與垂直方向的直線的交叉點后，對交叉點進行分析合并，去掉 相對離群的交叉點。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，該方法進一 步包括在確定馬賽克圖案的邊界后，輸出馬賽克圖案的塊數(shù)之前，對馬賽克圖案進行誤傷 檢測以降低對馬賽克圖案的誤判。
本發(fā)明另一個方面提供了一種無馬賽克或少馬賽克圖像的篩選系統(tǒng)，該系統(tǒng)包 括邊緣檢測模塊，用于將原始圖像轉(zhuǎn)換為灰度圖后進行馬賽克圖案的邊緣檢測，以獲取圖 案的邊緣；邊緣區(qū)域生長模塊，用于在圖案的邊緣上確定邊緣點，根據(jù)邊緣點選取候選點， 并對候選點進行水平和垂直方向的直線生長；直線合并模塊，用于對水平和垂直方向的直 線分別進行合并，對合并后的直線進行過濾；邊界確定模塊，對過濾后的直線進行邊界延伸 以尋找水平方向的直線與垂直方向的直線的交叉點，以及根據(jù)直線和交叉點確定馬賽克圖 案的邊界；馬賽克輸出模塊，用于根據(jù)確定的馬賽克圖案的邊界輸出馬賽克圖案的塊數(shù)； 以及圖像判斷模塊，用于根據(jù)輸出馬賽克圖案的塊數(shù)以篩選出無馬賽克或少馬賽克圖像。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例中，該系統(tǒng)進一 步包括圖像加載模塊，用于輸入多個視頻原始圖像；以及圖像轉(zhuǎn)換模塊，用于將原始圖像 轉(zhuǎn)換為對應的灰度圖像。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例中，該系統(tǒng)進一 步包括誤傷檢測模塊，用于在確定馬賽克圖案的邊界后，輸出馬賽克圖案的塊數(shù)之前，對 馬賽克圖案進行誤傷檢測以降低對馬賽克圖案的誤判。本發(fā)明另一個方面提供了一種清晰圖像的篩選方法，該方法包括將原始圖像轉(zhuǎn) 換為灰度圖后進行濾波降噪處理；對降噪處理后的灰度圖中的每個像素點分別計算每個像 素點的8個鄰域內(nèi)的邊緣梯度；將每個像素點的8個鄰域內(nèi)的邊緣梯度進行加權求和，從而 計算出每個像素點的邊緣梯度和；累加每個像素點的邊緣梯度和，再除以像素點的個數(shù)得 到歸一化的邊緣梯度；根據(jù)歸一化后獲得的邊緣梯度值篩選出清晰的圖像。本發(fā)明提供的清晰圖像的篩選方法的一個實施例中，濾波降噪處理包括通過中 值濾波或均值濾波的方式對灰度圖進行去噪處理。本發(fā)明提供的清晰圖像的篩選方法的一個實施例中，該方法進一步包括在計算 每個像素點的8個鄰域內(nèi)的邊緣梯度之后，計算每個像素點的8個鄰域的邊緣梯度的權值。本發(fā)明另一個方面提供了一種清晰圖像的篩選系統(tǒng)，該系統(tǒng)包括濾波降噪模塊， 用于將原始圖像轉(zhuǎn)換為灰度圖后進行濾波降噪處理；邊緣梯度計算模塊，對降噪處理后的 灰度圖中的每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將每個像素點的8 個鄰域內(nèi)的邊緣梯度進行加權求和，從而計算出每個像素點的邊緣梯度和；歸一化模塊，用 于累加每個像素點的邊緣梯度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度；圖像篩選 模塊，用于根據(jù)歸一化后獲得的邊緣梯度值篩選出清晰的圖像。本發(fā)明另一個方面提供了一種視頻圖像的篩選方法，該方法包括將視頻圖像轉(zhuǎn) 換為灰度圖后，過濾單色圖像；采用無馬賽克或少馬賽克圖像的篩選方法篩選出無馬賽克 或少馬賽克的圖像；計算篩選出的圖像的信息熵用以篩選出信息量多的圖像；對篩選出的 圖像劃分黃金視覺區(qū)域，用以計算各個區(qū)域的邊緣密度，得到圖像的邊緣密度比值；對篩選 出的圖像分別計算其歸一化的邊緣梯度值；計算邊緣密度比值和邊緣梯度值的加權之和， 篩選加權之和最大的視頻圖像。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，過濾單色圖像進一步包括 通過計算歸一化直方圖來統(tǒng)計灰度分布以過濾單色圖像。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，該方法進一步包括在計算 篩選出的圖像的信息熵之后，對篩選出的圖像劃分黃金視覺區(qū)域之前，采用K均值聚類法過濾熵值較小的一類圖像。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，邊緣密度比值是黃金視覺區(qū) 域的中間區(qū)域的邊緣密度與黃金視覺區(qū)域的邊緣區(qū)域的比值。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，對篩選出的圖像分別計算其 歸一化的邊緣梯度值具體包括對篩選出的圖像進行濾波降噪處理；對降噪處理后的灰度 圖中的每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將每個像素點的8個鄰 域內(nèi)的邊緣梯度進行加權求和，從而計算出每個像素點的邊緣梯度和；以及累加每個像素 點的邊緣梯度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，濾波降噪處理包括通過中 值濾波或均值濾波的方式對灰度圖進行去噪處理。本發(fā)明提供的視頻圖像的篩選方法的一個實施例中，在計算每個像素點的8個鄰 域內(nèi)的邊緣梯度之后，計算每個像素點的8個鄰域的邊緣梯度的權值。本發(fā)明另一個方面提供了一種視頻圖像的篩選系統(tǒng)，該系統(tǒng)包括單色圖像檢測 模塊，用于將視頻圖像轉(zhuǎn)換為灰度圖后，通過計算歸一化直方圖來統(tǒng)計灰度分布以過濾單 色圖像；馬賽克圖案過濾平臺，用于根據(jù)輸出馬賽克圖案的塊數(shù)篩選出無馬賽克或少馬賽 克的圖像；信息熵計算模塊，用于計算無馬賽克或少馬賽克的圖像的信息熵以篩選出信息 量多的圖像；邊緣密度計算模塊，用于對篩選出的圖像劃分黃金視覺區(qū)域，計算各個區(qū)域的 邊緣密度，得到圖像的邊緣密度比值；邊緣梯度值計算平臺，用于計算篩選出的圖像的歸一 化的邊緣梯度值；以及清晰度篩選模塊，用于計算邊緣密度比值和邊緣梯度值的加權之和， 并篩選出加權之和最大的視頻圖像。本發(fā)明提供的視頻圖像的篩選系統(tǒng)的一個實施例中，馬賽克圖案過濾平臺包括 邊緣檢測模塊，用于在過濾單色圖像后進行馬賽克圖案的邊緣檢測，以獲取圖案的邊緣；邊 緣區(qū)域生長模塊，用于在圖案的邊緣上確定邊緣點，根據(jù)邊緣點選取候選點，并對候選點進 行水平和垂直方向的直線生長；直線合并模塊，用于對水平和垂直方向的直線分別進行合 并，對合并后的直線進行過濾；邊界確定模塊，對過濾后的直線進行邊界延伸以尋找水平方 向的直線與垂直方向的直線的交叉點，并根據(jù)直線和交叉點確定馬賽克圖案的邊界；以及 馬賽克輸出模塊，用于根據(jù)確定的馬賽克圖案的邊界輸出馬賽克圖案的塊數(shù)；以及圖像判 斷模塊，用于根據(jù)輸出馬賽克圖案的塊數(shù)以篩選出無馬賽克或少馬賽克圖像。本發(fā)明提供的視頻圖像的篩選系統(tǒng)的一個實施例中，馬賽克圖案過濾平臺進一步 包括誤傷檢測模塊，用于在確定馬賽克圖案的邊界后，輸出馬賽克圖案的塊數(shù)之前，對馬 賽克圖案進行誤傷檢測以降低對馬賽克圖案的誤判。本發(fā)明提供的視頻圖像的篩選系統(tǒng)的一個實施例中，邊緣梯度值計算平臺包括 濾波降噪模塊，用于將原始圖像轉(zhuǎn)換為灰度圖后進行濾波降噪處理；邊緣梯度計算模塊，對 降噪處理后的灰度圖中的每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將每 個像素點的8個鄰域內(nèi)的邊緣梯度進行加權求和，從而計算出每個像素點的邊緣梯度和； 以及歸一化模塊，用于累加每個像素點的邊緣梯度和，再除以像素點的個數(shù)得到歸一化的 邊緣梯度。本發(fā)明提供的視頻圖像的篩選系統(tǒng)的一個實施例中，該系統(tǒng)進一步包括K均值 過濾模塊，在計算篩選出的圖像的信息熵之后，對篩選出的圖像劃分黃金視覺區(qū)域之前，采用K均值聚類法過濾熵值較小的一類圖像。本發(fā)明提供的視頻圖像的篩選系統(tǒng)的一個實施例中，該系統(tǒng)進一步包括圖像加 載模塊，用于輸入多個視頻原始圖像；以及圖像轉(zhuǎn)換模塊，用于將原始圖像轉(zhuǎn)換為對應的灰 度圖像。本發(fā)明提供了一種無馬賽克或少馬賽克圖像的篩選方法及其系統(tǒng)，有利于從視頻 圖像中篩選出無馬賽克或少馬賽克圖像；本發(fā)明另一方面提供的一種清晰圖像的篩選方法 及其系統(tǒng)，有利于從視頻圖像中篩選出圖案邊緣輪廓較為清晰的圖像；本發(fā)明另一方面提 供的一種視頻圖像的篩選方法，有利于從視頻幀中篩選出畫面清晰、主體突出且貼切反映 視頻主題的圖像。本發(fā)明提供的方法及其系統(tǒng)有利于提高篩選視頻封面的效率，同時提高 了用戶訪問視頻網(wǎng)站的忠誠度，也有利于網(wǎng)站運營商推廣其網(wǎng)站和相關業(yè)務。


圖1示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖；圖2 (a)示出通常馬賽克視頻圖像的示意圖，圖2(b)示出該馬賽克視頻圖像所確 定的馬賽克圖案邊界的示意圖；圖3 (a)示出通常視頻圖像的示意圖，圖3(b)示出該視頻圖像對應的灰度圖(直 方圖)的示意圖，圖3(c)示出單色圖像對應的灰度圖(直方圖)的示意圖；圖4示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖；圖5示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖；圖6示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖；圖7示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖；圖8示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖；圖9示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖；圖10示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖；圖11示出根據(jù)本發(fā)明的清晰圖像的篩選方法的一個實施例的流程圖；圖12示出根據(jù)本發(fā)明的清晰圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖13示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖14(a)示出通常視頻圖像的示意圖，圖14(b)示出該視頻圖像對應的灰度圖像 視覺區(qū)域的劃分示意圖；圖15示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖16示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖17示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖18示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖19示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖20示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖21示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖22示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖23示出根據(jù)本發(fā)明的視頻圖像的篩選方法的一個實施例的流程圖；圖M示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖25示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖沈示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖27示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖觀示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖四示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖30示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖31示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖32示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖；圖33示出根據(jù)本發(fā)明的視頻圖像的篩選系統(tǒng)的一個實施例的結(jié)構示意圖。
具體實施例方式在介紹具體實施例之前，先簡要說明一下篩選圖像的基本思想。為了實現(xiàn)篩選的 圖像能夠滿足以下要求體現(xiàn)視頻主題、畫面干凈清晰和/或主體內(nèi)容突出，需要將相應特 征通過一些技術參數(shù)來進行量化，以便采用技術手段就能夠自動，快捷地篩選出符合預期 的視頻圖片，從而達到解決技術問題的需要。體現(xiàn)視頻主題一個視頻文件往往會描述多個內(nèi)容實體(人物、情節(jié)等)，有多個 不同的場景，單靠一張圖像來代表整個視頻，要達到體現(xiàn)視頻主題是比較困難的。所以在 這一方面將重點放在過濾缺陷(casebase)的方面，而不是每個幀的語義分析上。過濾的 badcase主要包括黑屏、綠屏、整體顏色過暗或者過亮、虛鏡頭、疊影和馬賽克等。畫面干凈清晰圖像是否清晰通過邊緣梯度(清晰度)來表征，圖像是否干凈可以 用邊緣密度來表征。主題內(nèi)容突出通過視覺黃金區(qū)域的邊緣密度比值和邊緣梯度等加權計算來表 征。下面參照附圖對本發(fā)明進行更全面的描述，其中說明本發(fā)明的示例性實施例。圖1示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖。如圖1所示，步驟102，馬賽克圖案的邊緣檢測以獲取圖案的邊緣。例如，將原始圖 像轉(zhuǎn)換為灰度圖后進行馬賽克圖案的邊緣檢測，以獲取圖案的邊緣。如圖2(a)所示，馬賽 克圖案的顯著特征是在視頻圖像中具有比較明顯的塊狀圖案，并且這些塊狀圖案的紋理與 旁邊的圖像塊的色彩有比較明顯的區(qū)別；馬賽克圖案的形狀有大有小，也有可能是多個方 塊的組合。根據(jù)馬賽克塊邊上的色彩突變以及方塊的規(guī)則性，從而區(qū)分出馬賽克與正常圖像的邊緣。由于馬賽克圖案與周邊圖像可能會有部分接近，因此，通過該步驟確定的邊緣并 不能完全用于界定馬賽克圖案的邊界。步驟104，確定邊緣點，選取候選點。例如，在馬賽克圖案的邊緣上確定邊緣點，并 根據(jù)邊緣點選取其附近的候選點。具體來說可以選取邊緣點附近預設像素個數(shù)內(nèi)的像素點 為候選點，如選取所確定的邊緣點附近3-7個像素個數(shù)內(nèi)的像素點為候選點，進一步地，也 可以選擇所確定的邊緣點附近4、5或6個像素個數(shù)內(nèi)的像素點為候選點。步驟106，對候選點進行水平和垂直方向的直線生長。例如，對候選點進行水平和 垂直方向的直線生長時，直線生長應該滿足沿水平或垂直方向生長構成直線的點的R、G、 B三個通道內(nèi)的顏色與候選點的相應顏色通道的顏色差值不超過預設的閾值(例如不超過 50，進一步地，不超過30)，并且在與水平或垂直方向的直線垂直的方向上，沿水平或垂直方 向生長構成直線的點的R、G、B三個通道內(nèi)的顏色與其相鄰的像素點的相應顏色通道的顏 色差值大于預設的另一閾值(例如大于5，進一步地，大于10)。步驟108，對水平和垂直方向的直線分別進行合并及合并后過濾。例如，對水平和 垂直方向的直線分別進行合并處置，其中直線在同一水平或者垂直方向上，并且在同一水 平或者垂直方向上直線兩兩相距不超過預設的像素個數(shù)(例如直線兩兩相距不超過5個像 素點，進一步地，距離不超過3個像素點，此外，還可以對直線合并的方向性進行選擇，例如 優(yōu)選從右向左，從上向下等方式進行)；隨后對合并后的直線進行過濾處理，具體來說，過 濾掉長度低于預設的像素個數(shù)的直線，如合并后長度低于15個像素點的直線，進一步地， 也可以選擇過濾掉長度低于10個像素點的直線。步驟110，對過濾后的直線進行邊界延伸以尋找水平與垂直直線的交叉點。由于在 宏觀上看似構成閉合區(qū)間的兩條直線，可能在交界處并不真實交叉；因此，為了能夠準確獲 取馬賽克的邊界，需要對過濾后的直線進行邊界延伸，例如對直線的邊界端點延伸2-5個 像素點，進一步地，延伸3或4個像素點的距離；從而獲取馬賽克區(qū)域的所有可能的交叉點。步驟112，根據(jù)直線和交叉點確定馬賽克圖案的邊界。例如，在灰度圖中借助合并 的直線和延伸后得到的交叉點繪制出馬賽克圖案的邊界(如圖2(b)所示)。步驟114，根據(jù)馬賽克圖案的邊界確定和輸出馬賽克圖案的塊數(shù)。例如，根據(jù)所確 定的馬賽克圖案的邊界，從而確定和輸出該視頻圖像中出現(xiàn)的馬賽克的塊數(shù)，用以評價該 視頻圖像是否有馬賽克圖案以及馬賽克圖案的多少。從而本領域技術人員能夠以馬賽克塊 數(shù)多少這一量化的指標，從技術的角度為用戶篩選出無馬賽克或少馬賽克圖像。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法的一個實施例中，該篩選方法 進一步包括輸入多個視頻原始圖像，以及將原始圖像轉(zhuǎn)換為對應的灰度圖像。例如，將視 頻圖像的每一幀設置為jpg格式的圖片，加載所述圖片，并將其轉(zhuǎn)化為灰度圖(如圖3所 示)；其中灰度圖的橫坐標表示灰度級別0-255，縱坐標表示對應灰度像素出現(xiàn)的概率。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法，利用馬賽克圖案塊狀特性和 在塊狀邊緣處的色彩突變等規(guī)律特性，識別出馬賽克與正常圖像的邊界，通過對邊界的生 長、合并得到馬賽克區(qū)域；從而為自動獲取或篩選無馬賽克或少馬賽克圖像提供了技術依 據(jù)和保障，提高了視頻圖像檢索和篩選的效率。圖4示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖。
如圖4所示，步驟402-410和步驟412-步驟414可以分別執(zhí)行與圖1所示的步驟 102-步驟114相同或相似的技術內(nèi)容，為簡潔起見，這里不再贅述其技術內(nèi)容。與圖1所示的無馬賽克或少馬賽克圖像的篩選方法流程100明顯不同之處在于 如圖4所示，在步驟410 “對過濾后的直線進行邊界延伸以尋找水平與垂直直線的交叉點” 之后，步驟412 “根據(jù)直線和交叉點確定馬賽克圖案的邊界”之前，增加了步驟411判斷“交 叉點是否離群”，即在找到水平方向的直線與垂直方向的直線的交叉點后，對交叉點進行分 析判斷；如果該交叉點不離群，可以采用合并交叉點的方式，然后執(zhí)行步驟412 ；否則，忽略 或去掉相對離群的交叉點。具體來說，判斷交叉點是否離群可以依據(jù)對兩個距離相近的交 叉點進行比較，如果該交叉點夾在兩個距離不大的交叉點中間，或者該交叉點所處的另外 一條直線上沒有其他直線有交叉點的話；那么這樣的交叉點將被忽略或從交叉點標記記錄 中被去掉。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法，在獲得直線交叉點后通過忽 略或去掉相對離群的交叉點，從而有利于更加準確的獲取真實有效的馬賽克圖案邊界端 點，進而為準確高效地獲取或篩選無馬賽克或少馬賽克圖像提供了技術依據(jù)和保障，提高 了視頻圖像檢索和篩選的效率。圖5示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖。如圖5所示，步驟502-512和步驟514可以分別執(zhí)行與圖1所示的步驟102-步驟 114相同或相似的技術內(nèi)容，為簡潔起見，這里不再贅述其技術內(nèi)容。與圖1所示的無馬賽克或少馬賽克圖像的篩選方法流程100明顯不同之處在于 如圖5所示，在步驟512 “根據(jù)直線和交叉點確定馬賽克圖案的邊界”之后，步驟514 “輸出 馬賽克圖案的塊數(shù)”之前，增加了步驟513 “對馬賽克圖案進行誤傷檢測”，即在確定馬賽克 圖案的邊界后，輸出馬賽克圖案的塊數(shù)之前，對馬賽克圖案進行誤傷檢測以降低對馬賽克 圖案的誤判。具體來說，對確定的馬賽克邊界區(qū)域進行分析，所確定的馬賽克圖案的邊界中至 少包括3個交叉點，從而至少能形成3邊閉合的圖形，最多只留一邊不閉合，去掉不符合要 求的馬賽克圖案的邊界。第二類情形、如果馬賽克邊界包圍的區(qū)域面積過小(例如面積小 于某一預先設定的閾值，或者時以人眼視覺識別中可以忽略的像素區(qū)面積大小)或者是區(qū) 域的長/寬過小時，那么這樣的馬賽克圖案可以被忽略或過濾掉。第三類情形是對隔離出 來的馬賽克進行分析時發(fā)現(xiàn)整個圖像中的馬賽克塊數(shù)很少，那么可以認為是誤傷，從而忽 略或過濾該馬賽克圖案。另外一種特殊情況是，如果確定的馬賽克圖案的區(qū)域面積過于大，也被忽略或過 濾掉，以防止對某些特殊情況的誤判(如視頻圖像幀本身就是以馬賽克圖案為背景，如何 識別和篩選此類圖像可以具體參考后續(xù)的實施例中有關清晰度、邊緣密度比值等手段的介 紹)。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法，在確定馬賽克圖案的邊界 后，通過對馬賽克圖案進行誤傷檢測從而忽略或過濾掉非馬賽克圖案或不至于損傷圖像質(zhì) 量的誤判，從而有利于更加準確的獲取真實有效的馬賽克圖案邊界端點，進而為高效地獲 取或篩選無馬賽克或少馬賽克圖像提供了技術依據(jù)和保障，提高了視頻圖像檢索和篩選的
13準確定。圖6示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選方法的一個實施例的流 程圖。如圖6所示，步驟602-610和步驟612-步驟614可以分別執(zhí)行與圖5所示的步驟 502-步驟514相同或相似的技術內(nèi)容，為簡潔起見，這里不再贅述其技術內(nèi)容。與圖5所示的無馬賽克或少馬賽克圖像的篩選方法流程500明顯不同之處在于 如圖6所示，在步驟610 “對過濾后的直線進行邊界延伸以尋找水平與垂直直線的交叉點” 之后，步驟612 “根據(jù)直線和交叉點確定馬賽克圖案的邊界”之前，增加了步驟611判斷“交 叉點是否離群”，即在找到水平方向的直線與垂直方向的直線的交叉點后，對交叉點進行分 析判斷；如果該交叉點不離群，可以采用合并交叉點的方式，然后執(zhí)行步驟612 ；否則，忽略 或去掉相對離群的交叉點。具體來說，判斷交叉點是否離群可以依據(jù)對兩個距離相近的交 叉點進行比較，如果該交叉點夾在兩個距離不大的交叉點中間，或者該交叉點所處的另外 一條直線上沒有其他直線有交叉點的話；那么這樣的交叉點將被忽略或從交叉點標記記錄 中被去掉。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選方法，在獲得直線交叉點后通過忽 略或去掉相對離群的交叉點，從而有利于更加準確的獲取真實有效的馬賽克 圖案邊界端 點，進而為準確高效地獲取或篩選無馬賽克或少馬賽克圖像提供了技術依據(jù)和保障，提高 了視頻圖像檢索和篩選的效率。圖7示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖。如圖7所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)700主要包括邊緣檢測模塊 702、邊緣區(qū)域生長模塊704、直線合并模塊706、邊界確定模塊708、馬賽克輸出模塊710和 圖像判斷模塊712。其中邊緣檢測模塊702，用于將原始圖像轉(zhuǎn)換為灰度圖后進行馬賽克圖案的邊 緣檢測，以獲取圖案的邊緣。鑒于馬賽克圖案的顯著特征是在視頻圖像中具有比較明顯的 塊狀圖案，并且這些塊狀圖案的紋理與旁邊的圖像塊的色彩有比較明顯的區(qū)別；因而邊緣 檢測模塊702根據(jù)馬賽克塊邊上的色彩突變以及方塊的規(guī)則性，從而區(qū)分出馬賽克與正常 圖像的邊緣。由于馬賽克圖案與周邊圖像可能會有部分接近，因此，通過邊緣檢測模塊702 確定的邊緣并不能完全用于界定馬賽克圖案的邊界。邊緣區(qū)域生長模塊704，用于在圖案的邊緣上確定邊緣點，根據(jù)邊緣點選取候選 點，并對候選點進行水平和垂直方向的直線生長。例如，邊緣區(qū)域生長模塊704先在馬賽 克圖案的邊緣上確定邊緣點，并根據(jù)邊緣點選取其附近的候選點；具體來說邊緣區(qū)域生長 模塊704可以選取邊緣點附近預設像素個數(shù)內(nèi)的像素點為候選點，如選取所確定的邊緣點 附近3-7個像素個數(shù)內(nèi)的像素點為候選點，進一步地，也可以選擇所確定的邊緣點附近4、5 或6個像素個數(shù)內(nèi)的像素點為候選點。邊緣區(qū)域生長模塊704對候選點進行水平和垂直方 向的直線生長時，選擇沿水平或垂直方向生長構成直線的點的R、G、B三個通道內(nèi)的顏色與 候選點的相應顏色通道的顏色差值不超過預設的閾值(例如不超過50，進一步地，不超過 30)，并且在與水平或垂直方向的直線垂直的方向上，沿水平或垂直方向生長構成直線的點 的R、G、B三個通道內(nèi)的顏色與其相鄰的像素點的相應顏色通道的顏色差值大于預設的另 一閾值(例如大于5，進一步地，大于10)。
直線合并模塊706，用于對水平和垂直方向的直線分別進行合并，對合并后的直線 進行過濾。例如，直線合并模塊706對水平和垂直方向的直線分別進行合并處置，其中直線 在同一水平或者垂直方向上，并且在同一水平或者垂直方向上直線兩兩相距不超過預設的 像素個數(shù)(例如直線兩兩相距不超過5個像素點，進一步地，距離不超過3個像素點)；隨 后對合并后的直線進行過濾處理，具體來說，要求過濾掉長度低于預設的像素個數(shù)的直線， 如合并后長度低于15個像素點的直線，進一步地，長度低于10個像素點的直線。邊界確定模塊708，對過濾后的直線進行邊界延伸以尋找水平方向的直線與垂直 方向的直線的交叉點，以及根據(jù)直線和交叉點確定馬賽克圖案的邊界。例如，由于在宏觀上 看似構成閉合區(qū)間的兩條直線，可能在交界處并不真實交叉；因此，為了能夠準確獲取馬賽 克的邊界，需要對過濾后的直線進行邊界延伸，例如對直線的邊界端點延伸2-5個像素點， 進一步地，延伸3或4個像素點的距離；從而獲取馬賽克區(qū)域的所有可能的交叉點，隨后在 灰度圖中借助合并的直線和延伸后得到的交叉點繪制出馬賽克圖案的邊界。馬賽克輸出模塊710，用于根據(jù)確定的馬賽克圖案的邊界輸出馬賽克圖案的塊數(shù)。 例如，根據(jù)所確定的馬賽克圖案的邊界，由馬賽克輸出模塊710確定出該視頻圖像中出現(xiàn) 的馬賽克的塊數(shù)，用以評價該視頻圖像是否有馬賽克圖案以及馬賽克圖案的多少。圖像判斷模塊712，用于根據(jù)輸出馬賽克圖案的塊數(shù)以篩選出無馬賽克或少馬賽 克圖像。例如，圖像判斷模塊712根據(jù)馬賽克輸出模塊710輸出的數(shù)值與某個預先設定的 閾值進行比較，從而能夠從技術的角度為用戶篩選出無馬賽克或少馬賽克圖像。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例中，直線合并模 塊706進一步用于判斷交叉點是否離群，即在找到水平方向的直線與垂直方向的直線的 交叉點后，對交叉點進行分析判斷；如果該交叉點不離群，可以采用合并交叉點的方式；否 則，忽略或去掉相對離群的交叉點。具體來說，直線合并模塊706對兩個距離相近的交叉點 進行比較，如果該交叉點夾在兩個距離不大的交叉點中間，或者該交叉點所處的另外一條 直線上沒有其他直線有交叉點的話；那么這樣的交叉點將被忽略或從交叉點標記記錄中被 去掉。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選系統(tǒng)，利用邊緣檢測模塊702識別 出馬賽克與正常圖像的邊界，通過邊緣區(qū)域生長模塊704、直線合并模塊706對邊界區(qū)域進 行生長、合并得到馬賽克區(qū)域；通過馬賽克輸出模塊710和圖像判斷模塊712自動獲取或篩 選無馬賽克或少馬賽克圖像；為視頻圖像處理提供了技術保障，提高了視頻圖像檢索和篩 選的效率。圖8示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖。如圖8所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)800主要包括圖像加載模塊 801a、圖像轉(zhuǎn)換模塊801b、邊緣檢測模塊802、邊緣區(qū)域生長模塊804、直線合并模塊806、 邊界確定模塊808、馬賽克輸出模塊810和圖像判斷模塊812 ；其中邊緣檢測模塊802、邊緣 區(qū)域生長模塊804、直線合并模塊806、馬賽克輸出模塊810和圖像判斷模塊812分別可以 是與圖7所示邊緣檢測模塊702、邊緣區(qū)域生長模塊704、直線合并模塊706、邊界確定模塊 708、馬賽克輸出模塊710和圖像判斷模塊712具有相同或相似的功能模塊/設備。為簡潔 起見，這里不再贅述。
與圖7所示的無馬賽克或少馬賽克圖像的篩選系統(tǒng)700明顯不同之處在于如圖 8所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)800增加了圖像加載模塊801a和圖像轉(zhuǎn)換模 塊801b ；其中圖像加載模塊801a，用于向無馬賽克或少馬賽克圖像的篩選系統(tǒng)800輸入多 個視頻原始圖像；圖像轉(zhuǎn)換模塊801b，用于將圖像加載模塊801a加載的原始圖像轉(zhuǎn)換為對 應的灰度圖像。例如，將視頻圖像的每一幀設置為jpg格式的圖片，加載所述圖片，并將其 轉(zhuǎn)化為灰度圖(如圖3所示)；其中灰度圖的橫坐標表示灰度級別0-255，縱坐標表示對應 灰度像素出現(xiàn)的概率。圖9示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖。如圖9所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)900主要包括邊緣檢測模塊 902、邊緣區(qū)域生長模塊904、直線合并模塊906、邊界確定模塊908、誤傷檢測模塊909、馬賽 克輸出模塊910和圖像判斷模塊912 ；其中邊緣檢測模塊902、邊緣區(qū)域生長模塊904、直線 合并模塊906、邊界確定模塊908、馬賽克輸出模塊910和圖像判斷模塊912分別可以是與 圖7所示邊緣檢測模塊702、邊緣區(qū)域生長模塊704、直線合并模塊706、邊界確定模塊708、 馬賽克輸出模塊710和圖像判斷模塊712具有相同或相似的功能模塊/設備。為簡潔起見， 這里不再贅述。與圖7所示的無馬賽克或少馬賽克圖像的篩選系統(tǒng)700明顯不同之處在于如圖 9所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)900在邊界確定模塊908之后增加了誤傷檢測 模塊909，用于在邊界確定模塊908確定馬賽克圖案的邊界后，對馬賽克圖案進行誤傷檢測 以降低對馬賽克圖案的誤判。具體來說，對確定的馬賽克邊界區(qū)域進行分析，所確定的馬賽 克圖案的邊界中至少包括3個交叉點，從而至少能形成3邊閉合的圖形，最多只留一邊不閉 合，去掉不符合要求的馬賽克圖案的邊界。第二類情形、如果馬賽克邊界包圍的區(qū)域面積過 小(例如面積小于某一預先設定的閾值，或者時以人眼視覺識別中可以忽略的像素區(qū)面積 大小)或者是區(qū)域的長/寬過小時，那么這樣的馬賽克圖案可以被忽略或過濾掉。第三類 情形是對隔離出來的馬賽克進行分析時發(fā)現(xiàn)整個圖像中的馬賽克塊數(shù)很少，那么可以認為 是誤傷，從而忽略或過濾該馬賽克圖案。另外一種特殊情況是，如果確定的馬賽克圖案的區(qū) 域面積過于大，也被忽略或過濾掉，以防止對某些特殊情況的誤判(如視頻圖像幀本身就 是以馬賽克圖案為背景，如何識別和篩選此類圖像可以具體參考后續(xù)的實施例中有關清晰 度、邊緣密度比值等手段的介紹)。本發(fā)明提供的無馬賽克或少馬賽克圖像的篩選系統(tǒng)，利用邊緣檢測模塊902識別 出馬賽克與正常圖像的邊界，通過邊緣區(qū)域生長模塊904、直線合并模塊906對邊界區(qū)域進 行生長、合并得到馬賽克區(qū)域；在確定馬賽克圖案的邊界后，通過誤傷檢測模塊909進行誤 傷檢測從而忽略或過濾掉非馬賽克圖案或不至于損傷圖像質(zhì)量的誤判，從而有利于更加準 確的獲取真實有效的馬賽克圖案邊界端點，進而為高效地獲取或篩選無馬賽克或少馬賽克 圖像提供了技術依據(jù)和保障，提高了視頻圖像檢索和篩選的準確定。圖10示出根據(jù)本發(fā)明的無馬賽克或少馬賽克圖像的篩選系統(tǒng)的一個實施例的結(jié) 構示意圖。如圖10所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)1000主要包括圖像加載模 塊1001a、圖像轉(zhuǎn)換模塊1001b、邊緣檢測模塊1002、邊緣區(qū)域生長模塊1004、直線合并模塊 1006、邊界確定模塊1008、誤傷檢測模塊1009、馬賽克輸出模塊1010和圖像判斷模塊1012 ；其中邊緣檢測模塊1002、邊緣區(qū)域生長模塊1004、直線合并模塊1006、邊界確定模塊1008、 誤傷檢測模塊1009、馬賽克輸出模塊1010和圖像判斷模塊1012分別可以是與圖9所示邊 緣檢測模塊902、邊緣區(qū)域生長模塊904、直線合并模塊906、邊界確定模塊908、誤傷檢測模 塊909、馬賽克輸出模塊910和圖像判斷模塊912具有相同或相似的功能模塊/設備。為簡 潔起見，這里不再贅述。與圖9所示的無馬賽克或少馬賽克圖像的篩選系統(tǒng)900明顯不同之處在于如圖 10所示，無馬賽克或少馬賽克圖像的篩選系統(tǒng)1000增加了圖像加載模塊IOOla和圖像轉(zhuǎn)換 模塊IOOlb ；其中圖像加載模塊1001a，用于向無馬賽克或少馬賽克圖像的篩選系統(tǒng)1000輸 入多個視頻原始圖像；圖像轉(zhuǎn)換模塊1001b，用于將圖像加載模塊IOOla加載的原始圖像轉(zhuǎn) 換為對應的灰度圖像。例如，將視頻圖像的每一幀設置為jpg格式的圖片，加載所述圖片， 并將其轉(zhuǎn)化為灰度圖(如圖3所示)；其中灰度圖的橫坐標表示灰度級別0-255，縱坐標表 示對應灰度像素出現(xiàn)的概率。圖11示出根據(jù)本發(fā)明的清晰圖像的篩選方法的一個實施例的流程圖。如圖11所示，步驟1102，對灰度圖進行濾波降噪處理。例如，將原始圖像轉(zhuǎn)換為灰 度圖(如圖3(b)所示)后，進行濾波降噪處理。由于噪聲一般屬于隨機噪聲，噪聲主要位 于高頻區(qū)域，對邊緣差分影響較大，需要通過濾波降低這種影響。通?？梢酝ㄟ^中值濾波或 者均值濾波的方式去掉噪聲，鑒于中值濾波對邊緣保持效果要好一些，因此采用中值濾波 有利于后續(xù)流程的處理。步驟1104，分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度。例如，對降噪處理后的 灰度圖中的每個像素點分別選取其相鄰的8個像素點，構成8個灰度變化方向，分別計算每 個像素點相對于其8個鄰域內(nèi)的邊緣梯度。稍后對邊緣梯度做進一步詳細介紹。步驟1106，加權計算每個像素點的邊緣梯度和。例如，在計算每個像素點的8個鄰 域內(nèi)的邊緣梯度之后，可以采用預設權值的方式對每個像素點的8個鄰域的邊緣梯度預設 權值(例如在對一類圖像進行邊緣梯度計算統(tǒng)計后獲取相關權值后取平均，以此作為該類 圖像各個鄰域邊緣梯度的權值)，也可以采用計算權值的方式來計算每個像素點的8個鄰 域的邊緣梯度的權值；然后將每個像素點的8個鄰域內(nèi)的邊緣梯度進行加權求和，從而計 算出每個像素點的邊緣梯度和。稍后對8個鄰域的邊緣梯度的權值做進一步詳細介紹。步驟1108，計算歸一化的邊緣梯度(圖像的清晰度)。例如，累加每個像素點的邊 緣梯度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度。稍后對歸一化的邊緣梯度做進一 步詳細介紹。步驟1110，根據(jù)歸一化的邊緣梯度值篩選出清晰的圖像。以邊緣梯度作為技術指 標對視頻圖像進行采樣量化，通常虛鏡頭和疊影等圖像歸一化的邊緣梯度值都比較低，而 清晰圖像的歸一化邊緣梯度值清晰度要遠高于不清晰圖像。對圖像邊緣梯度(圖像的清晰度)的計算，主體思想是通過統(tǒng)計圖像某一邊緣法 向方向的灰度變化情況來進行評價；灰度變化越劇烈，邊緣越清晰，因而圖像也越清晰。某 圖像的邊緣差分(銳度)計算可以采用如下公式其中，“df/dx”為邊緣法向的灰度變化率，“f”代表圖像邊緣的曲線函數(shù)， "f(b)-f(a) ”為該邊緣方向總體灰度變化。鑒于圖像的邊緣并不能完全由簡單的函數(shù)表達 式來進行表征，因此，在計算邊緣法向的灰度變化率“df/dx”時可以采用逐像素點差分統(tǒng) 計，即從“a”到“b”的范圍內(nèi)逐像素點差分統(tǒng)計。邊緣差分可以采用sobel或者Iaplace算子進行計算，以sobel算子為例，其主要 包括先用水平sobel算子計算，然后使用垂直的sobel算子計算，再分別旋轉(zhuǎn)水平和垂直 sobel算子45度后進行計算；去掉值較小的和值較大的(值較小認為不是邊緣，值較大需 要進行限制，以免出現(xiàn)離群點影響整體效果；判斷值大小所預先設定的閾值，對其的選取也 可以部分考慮具體分析的圖像，在本發(fā)明的一個實施例中可以設置閾值的下限是50，上限 是255 ；在此區(qū)間內(nèi)，根據(jù)具體分析的圖像選取適當?shù)拈撝捣秶?，例?0-200)，最后對有效 邊緣差分累加求和后再除以有效的邊緣差分值個數(shù)。如果有效的差分值個數(shù)為0，那么可以 認為該點的整體差分值也為O。對8個鄰域的邊緣梯度賦予一定的權值主要是考慮到對像素點周圍的8個鄰域 的采樣具有各向異性的特點，因此需要對8鄰域的灰度變化進行距離加權。舉例來說，可以 設定某像素點0°和90°鄰域的權值為1，45°和90°鄰域的權值為1/1. 414;類似的設定 方式也可以被采用。此外還需要對圖像中所有像素點的邊緣梯度進行歸一化處理，以便于能夠?qū)D像 進行比較直接、明確地判斷。歸一化可以采用的計算公式
權利要求
1.一種無馬賽克或少馬賽克圖像的篩選方法，其特征在于所述方法包括將原始圖像轉(zhuǎn)換為灰度圖后進行馬賽克圖案的邊緣檢測，以獲取所述圖案的邊緣；在所述圖案的邊緣上確定邊緣點，并根據(jù)所述邊緣點選取候選點；對所述候選點進行水平和垂直方向的直線生長；對所述水平和垂直方向的直線分別進行合并，對合并后的直線進行過濾；對過濾后的直線進行邊界延伸以尋找水平方向的直線與垂直方向的直線的交叉點；根據(jù)所述直線和所述交叉點確定所述馬賽克圖案的邊界；根據(jù)所述馬賽克圖案的邊界，確定并輸出馬賽克圖案的塊數(shù)；以及根據(jù)所述馬賽克圖案的塊數(shù)篩選出無馬賽克或少馬賽克圖像。
2.根據(jù)權利要求1所述的篩選方法，其特征在于，所述根據(jù)所述邊緣點選取候選點進 一步包括選取所述邊緣點附近預設像素個數(shù)內(nèi)的像素點為所述候選點。
3.根據(jù)權利要求1所述的篩選方法，其特征在于，所述對候選點進行水平和垂直方向 的直線生長進一步包括沿水平或垂直方向生長構成所述直線的點的R、G、B三個通道內(nèi)的 顏色與所述候選點的相應顏色通道的顏色差值不超過預設的閾值，并且在與所述水平或垂直方向的直線垂直的方向上，沿水平或垂直方向生長構成直線的點 的R、G、B三個通道內(nèi)的顏色與其相鄰的像素點的相應顏色通道的顏色差值大于預設的另 一閾值。
4.根據(jù)權利要求1所述的篩選方法，其特征在于，所述對所述水平和垂直方向的直線 分別進行合并進一步包括所述直線在同一水平或者垂直方向上，并且在同一水平或者垂直方向上直線兩兩相距不超過預設的像素個數(shù)。
5.根據(jù)權利要求1所述的篩選方法，其特征在于，所述對合并后的直線進行過濾進一 步包括按照長度低于預設的像素個數(shù)的直線被過濾的規(guī)則對合并后的直線進行過濾。
6.根據(jù)權利要求1所述的篩選方法，其特征在于，所述對過濾后的直線進行邊界延伸 進一步包括對所述直線的邊界延伸預設的像素個數(shù)。
7.根據(jù)權利要求1所述的篩選方法，其特征在于，所述方法進一步包括找到水平方向 的直線與垂直方向的直線的交叉點后，對所述交叉點進行分析合并，去掉相對離群的交叉 點ο
8.根據(jù)權利要求1所述的篩選方法，其特征在于，所述方法進一步包括在確定所述馬 賽克圖案的邊界后，輸出所述馬賽克圖案的塊數(shù)之前，對所述馬賽克圖案進行誤傷檢測以 降低對馬賽克圖案的誤判。
9.一種無馬賽克或少馬賽克圖像的篩選系統(tǒng)，其特征在于，所述系統(tǒng)(700，800，900， 1000)包括邊緣檢測模塊(702，802，902，1002)，用于將原始圖像轉(zhuǎn)換為灰度圖后進行馬賽克圖案 的邊緣檢測，以獲取所述圖案的邊緣；邊緣區(qū)域生長模塊(704，804，904，1004)，用于在所述圖案的邊緣上確定邊緣點，根據(jù) 所述邊緣點選取候選點，并對所述候選點進行水平和垂直方向的直線生長；直線合并模塊(706，806，906，1006)，用于對所述水平和垂直方向的直線分別進行合 并，對合并后的直線進行過濾；邊界確定模塊(708，808，908，1008)，對過濾后的直線進行邊界延伸以尋找水平方向的直線與垂直方向的直線的交叉點，以及根據(jù)所述直線和所述交叉點確定所述馬賽克圖案的 邊界；馬賽克輸出模塊(710，810，910，1010)，用于根據(jù)所述馬賽克圖案的邊界確定并輸出馬 賽克圖案的塊數(shù)；以及圖像判斷模塊(712，812，912，1012)，用于根據(jù)所述馬賽克圖案的塊數(shù)篩選出無馬賽克 或少馬賽克圖像。
10.根據(jù)權利要求9所述的篩選系統(tǒng)，其特征在于，所述系統(tǒng)(800，1000)進一步包括 圖像加載模塊(801a，1001a)，用于輸入多個視頻原始圖像；以及圖像轉(zhuǎn)換模塊(801b，1001b)，用于將所述原始圖像轉(zhuǎn)換為對應的灰度圖像。
11.根據(jù)權利要求9所述的篩選系統(tǒng)，其特征在于，所述系統(tǒng)(900，1000)進一步包括 誤傷檢測模塊(909，1009)，用于在確定所述馬賽克圖案的邊界后，輸出馬賽克圖案的塊數(shù) 之前，對所述馬賽克圖案進行誤傷檢測以降低對馬賽克圖案的誤判。
12.—種清晰圖像的篩選方法，其特征在于所述方法包括 將原始圖像轉(zhuǎn)換為灰度圖后進行濾波降噪處理；對降噪處理后的灰度圖中的每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將所述每個像素點的8個鄰域內(nèi)的所述邊緣梯度進行加權求和，從而計算出所述每個 像素點的邊緣梯度和；累加所述每個像素點的邊緣梯度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度； 根據(jù)歸一化后獲得的邊緣梯度值篩選出清晰的圖像。
13.根據(jù)權利要求12所述的篩選方法，其特征在于，所述濾波降噪處理包括通過中值 濾波或均值濾波的方式對所述灰度圖進行去噪處理。
14.根據(jù)權利要求12所述的篩選方法，其特征在于，所述方法進一步包括在計算所述 每個像素點的8個鄰域內(nèi)的邊緣梯度之后，計算每個像素點的8個鄰域的邊緣梯度的權值。
15.一種清晰圖像的篩選系統(tǒng)，其特征在于所述系統(tǒng)(1200)包括 濾波降噪模塊(1202)，用于將原始圖像轉(zhuǎn)換為灰度圖后進行濾波降噪處理；邊緣梯度計算模塊(1204)，對降噪處理后的灰度圖中的每個像素點分別計算每個像素 點的8個鄰域內(nèi)的邊緣梯度；將所述每個像素點的8個鄰域內(nèi)的所述邊緣梯度進行加權求 和，從而計算出所述每個像素點的邊緣梯度和；歸一化模塊(1206)，用于累加所述每個像素點的邊緣梯度和，再除以像素點的個數(shù)得 到歸一化的邊緣梯度；圖像篩選模塊(1208)，用于根據(jù)歸一化后獲得的邊緣梯度值篩選出清晰的圖像。
16.一種視頻圖像的篩選方法，其特征在于所述方法包括 將所述視頻圖像轉(zhuǎn)換為灰度圖后，過濾單色圖像；采用權利要求1-8中任意一項所述的無馬賽克或少馬賽克圖像的篩選方法篩選出無 馬賽克或少馬賽克的圖像；計算篩選出的圖像的信息熵用以篩選出信息量多的圖像；對篩選出的圖像劃分黃金視覺區(qū)域，用以計算各個區(qū)域的邊緣密度，得到所述圖像的 邊緣密度比值；對篩選出的圖像分別計算其歸一化的邊緣梯度值；計算所述邊緣密度比值和所述邊緣梯度值的加權之和，篩選加權之和最大的視頻圖像。
17.根據(jù)權利要求16所述的篩選方法，其特征在于，所述過濾單色圖像進一步包括通 過計算歸一化直方圖來統(tǒng)計灰度分布以過濾單色圖像。
18.根據(jù)權利要求16所述的篩選方法，其特征在于，所述方法進一步包括在計算篩選 出的圖像的信息熵之后，對篩選出的圖像劃分黃金視覺區(qū)域之前，采用K均值聚類法過濾 熵值較小的一類圖像。
19.根據(jù)權利要求16所述的篩選方法，其特征在于，所述邊緣密度比值是所述黃金視 覺區(qū)域的中間區(qū)域的邊緣密度與所述黃金視覺區(qū)域的邊緣區(qū)域的比值。
20.根據(jù)權利要求16所述的篩選方法，其特征在于，所述對篩選出的圖像分別計算其 歸一化的邊緣梯度值具體包括對篩選出的圖像進行濾波降噪處理；對降噪處理后的灰度圖中的每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將所述每個像素點的8個鄰域內(nèi)的所述邊緣梯度進行加權求和，從而計算出所述每個 像素點的邊緣梯度和；以及累加所述每個像素點的邊緣梯度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度。
21.根據(jù)權利要求20所述的篩選方法，其特征在于，所述濾波降噪處理包括通過中值 濾波或均值濾波的方式對所述灰度圖進行去噪處理。
22.根據(jù)權利要求20所述的篩選方法，其特征在于，在計算所述每個像素點的8個鄰域 內(nèi)的邊緣梯度之后，計算每個像素點的8個鄰域的邊緣梯度的權值。
23.一種視頻圖像的篩選系統(tǒng)，其特征在于所述系統(tǒng)Q400，2500，2600，2700，2800， 2900，3000，3100，3200，3300)包括單色圖像檢測模塊(2402, 2502，2602, 2702，2802, 2902, 3002，3102，3202，3302)，用于 將所述視頻圖像轉(zhuǎn)換為灰度圖后，通過計算歸一化直方圖來統(tǒng)計灰度分布以過濾單色圖 像；馬賽克圖案過濾平臺(2404, 2504，2604，2704，2804，2904，3004，3104，3204，3304)，用 于根據(jù)輸出馬賽克圖案的塊數(shù)篩選出無馬賽克或少馬賽克的圖像；信息熵計算模塊(2406, 2506，2606, 2706，2806, 2906, 3006，3106，3206，3306)，用于計 算無馬賽克或少馬賽克的圖像的信息熵以篩選出信息量多的圖像；邊緣密度計算模塊(2408, 2508，2608，2708，2808, 2908, 3008，3108，3208，3308)，用于 對篩選出的圖像劃分黃金視覺區(qū)域，計算各個區(qū)域的邊緣密度，得到所述圖像的邊緣密度 比值；邊緣梯度值計算平臺(2410,2510,2610,2710,2810,2910,3010,3110,3210,3310) ,M于計算所述篩選出的圖像的歸一化的邊緣梯度值；以及清晰度篩選模塊(2412，2512，2612，2712，2812，四12，3012，3112，3212，3312)，用于計 算所述邊緣密度比值和所述邊緣梯度值的加權之和，并篩選出加權之和最大的視頻圖像。
24.根據(jù)權利要求23所述的篩選系統(tǒng)，其特征在于，所述馬賽克圖案過濾平臺0504，.2604，2704，2804，3004，3104，3204，3304)包括邊緣檢測模塊(2504a, 2604a, 2704a, 2804a, 3004a, 3104a, 3204a, 3304a)，用于在過濾 單色圖像后進行馬賽克圖案的邊緣檢測，以獲取所述圖案的邊緣；邊緣區(qū)域生長模塊(2504b, 2604b, 2704b, 2804b, 3004b, 3104b, 3204b, 3304b)，用于在 所述圖案的邊緣上確定邊緣點，根據(jù)所述邊緣點選取候選點，并對所述候選點進行水平和 垂直方向的直線生長；直線合并模塊(2504c, 2604c, 2704c, 2804c, 3004c, 3104c, 3204c, 3304c)，用于對所述 水平和垂直方向的直線分別進行合并，對合并后的直線進行過濾；邊界確定模塊(2504d, 2604d, 2704d, 2804d, 3004d, 3104d, 3204d, 3304d)，對過濾后的 直線進行邊界延伸以尋找水平方向的直線與垂直方向的直線的交叉點，并根據(jù)所述直線和 所述交叉點確定所述馬賽克圖案的邊界；以及馬賽克輸出模塊(2504e, 2604e, 2704e, 2804e, 3004e, 3104e, 3204e, 3304e)，用于根據(jù) 所述馬賽克圖案的邊界確定并輸出馬賽克圖案的塊數(shù)；以及圖像判斷模塊(2504f, 2604f, 2704f，2804f, 3004f，3104f，3204f，3304f)，用于根據(jù)所 述馬賽克圖案的塊數(shù)篩選出無馬賽克或少馬賽克圖像。
25.根據(jù)權利要求M所述的提取系統(tǒng)，其特征在于，所述馬賽克圖案過濾平臺0704， 2804,3204,3304)進一步包括誤傷檢測模塊Q704g，2804g，3204g，3304g)，用于在確定所 述馬賽克圖案的邊界后，輸出馬賽克圖案的塊數(shù)之前，對所述馬賽克圖案進行誤傷檢測以 降低對馬賽克圖案的誤判。
26.根據(jù)權利要求23所述的篩選系統(tǒng)，其特征在于，所述邊緣梯度值計算平臺0910， 3010,3110,3210,3310)包括濾波降噪模塊O910a，3010a, 3110a, 3210a, 3310a)，用于將原始圖像轉(zhuǎn)換為灰度圖后 進行濾波降噪處理；邊緣梯度計算模塊O910b，3010b, 3110b, 3210b, 3310b)，對降噪處理后的灰度圖中的 每個像素點分別計算每個像素點的8個鄰域內(nèi)的邊緣梯度；將所述每個像素點的8個鄰域 內(nèi)的所述邊緣梯度進行加權求和，從而計算出所述每個像素點的邊緣梯度和；以及歸一化模塊O910c，3010c, 3110c, 3210c, 3310c)，用于累加所述每個像素點的邊緣梯 度和，再除以像素點的個數(shù)得到歸一化的邊緣梯度。
27.根據(jù)權利要求23所述的篩選系統(tǒng)，其特征在于，所述系統(tǒng)進一步包括K均值過濾 模塊，在計算篩選出的圖像的信息熵之后，對篩選出的圖像劃分黃金視覺區(qū)域之前，采用K 均值聚類法過濾熵值較小的一類圖像。
28.根據(jù)權利要求23所述的篩選系統(tǒng)，其特征在于，所述系統(tǒng)(沈00，2800，3100，3300) 進一步包括圖像加載模塊O601a，2801a，3101a，3301a)，用于輸入多個視頻原始圖像；以 及圖像轉(zhuǎn)換模塊(2601b，2801b, 3101b, 3301b)，用于將所述原始圖像轉(zhuǎn)換為對應的灰度圖像。
全文摘要
本發(fā)明提供了一種無馬賽克或少馬賽克圖像的篩選方法及系統(tǒng)，清晰圖片的篩選方法及其系統(tǒng)，以及圖像篩選方法及系統(tǒng)。視頻圖像的篩選方法包括將視頻圖像轉(zhuǎn)換為灰度圖后，過濾單色圖像；采用無馬賽克或少馬賽克圖像的篩選方法篩選出無馬賽克或少馬賽克的圖像；計算篩選出的圖像的信息熵以篩選出信息量多的圖像；對篩選出的圖像劃分黃金視覺區(qū)域，用以計算各區(qū)域的邊緣密度，得到圖像的邊緣密度比值；對篩選出的圖像分別計算歸一化的邊緣梯度值；計算邊緣密度比值和邊緣梯度值的加權之和，篩選加權之和最大的視頻圖像。本發(fā)明方便快捷地篩選出符合要求的視頻圖像，提高了篩選效率，有利于對視頻文件的檢索與篩選，也提高了用戶訪問網(wǎng)站的忠誠度。
文檔編號G06F17/30GK102087652SQ20091025022
公開日2011年6月8日 申請日期2009年12月8日 優(yōu)先權日2009年12月8日
發(fā)明者文林福 申請人:百度在線網(wǎng)絡技術(北京)有限公司