[发明专利]一种基于OpenCV的图像模糊快速检测方法及工具

说明书

本发明公开一种基于OpenCV的图像模糊快速检测方法，涉及图像检测技术领域，其检测基于OpenCV技术，包括：采集用户的头像数据；对采集的头像数据进行格式转换，使其生成基于矩阵的数据格Mat；将格式转换后的头像数据转化为灰度图像；使用拉普拉斯算子计算灰度图像的对应值；设定阈值，比较阈值与前述对应值，以判断所采集头像数据是否满足清晰度。本发明还公开一种基于OpenCV的图像模糊快速检测工具，其通过采集模块、格式转换模块、灰度处理模块、降噪模块、计算模块、设定模块、比较判断模块与前述检测方法相结合，实现头像数据的检测，避免因头像数据模糊影响清晰度。

技术领域

本发明涉及图像检测技术领域，具体的说是一种基于OpenCV的图像模糊快速检测方法及工具。

背景技术

目前，图像的检测在一些特殊的应用场景下非常重要，比如说人脸识别或者活体检测这类依赖微观细节纹理的视觉任务就会对图像非常敏感,首先要考虑的方法是计算图像的快速傅里叶变换，然后检查低频和高频的分布：如果图像只有少量的高频，那么图像就会被认为是模糊的。然而，定义什么是低数量的高频或者什么是高数量的高频是相当困难的。

OpenCV(Open Source Computer Vision)一直被广泛应用于各种图像和视频的相关项目上，更在在人工智能和神经网络的发展发挥了重要的作用。

发明内容

本发明针对目前技术发展的需求和不足之处，提供一种基于OpenCV的图像模糊快速检测方法及工具。

首先，本发明提供一种基于OpenCV的图像模糊快速检测方法，解决上述技术问题采用的技术方案如下：

一种基于OpenCV的图像模糊快速检测方法，其检测过程基于OpenCV技术，包括：

步骤S1、采集用户的头像数据；

步骤S2、对采集的头像数据进行格式转换，使其生成基于矩阵的数据格Mat；

步骤S3、将格式转换后的头像数据转化为灰度图像；

步骤S4、使用拉普拉斯算子计算灰度图像的对应值；

步骤S5、设定阈值，比较阈值与前述对应值，以判断所采集头像数据是否满足清晰度。

可选的，执行步骤S1时，采集的头像数据支持base64字符流格式或者imagebuffer格式。

可选的，执行完步骤S3后，对灰度图像进行降噪处理，随后执行步骤S4，使用拉普拉斯算子计算降噪后灰度图像的对应值。

可选的，执行完步骤S5，设定阈值的具体操作：

步骤S5.1、采集不同用户的头像数据；

步骤S5.2、以用户a的头像数据为基准，找出与其相似度大于70％的所有头像数据，组成数据集；

步骤S5.3、对数据集的所有头像数据进行格式转换，将格式转换后的头像数据转化为灰度图像，随后使用拉普拉斯算子计算灰度图像的对应值；

步骤S5.4、基于所有灰度图像的对应值，选取最小值和最大值作为将要设定的阈值；

步骤S5.5、除了用户a的头像数据，选取步骤S5.2所述数据集的任一头像数据作为基准，找出与本步骤所述基准的相似度大于70％的所有头像数据，组成数据集，随后返回执行步骤S5.3-步骤S5.4，选取最小值和最大值作为将要设定的阈值；

步骤S5.6、至步骤S5.2所述数据集的所有头像数据选取完毕后，找出步骤S5.4所设定阈值与步骤S5.4所设定阈值的交集，作为新阈值；

步骤S5.7、重复步骤S5.1-步骤S5.6，最后求取步骤S5.6输出所有新阈值的交集，最为最终的设定阈值。