摘 "要： 針對(duì)圖像質(zhì)量監(jiān)控過(guò)程中出現(xiàn)的失真等問(wèn)題，提出一種基于OpenMV的圖像質(zhì)量監(jiān)控與失真檢測(cè)系統(tǒng)。該系統(tǒng)以STM32單片機(jī)作為主控板，搭載OpenMV作為圖像采集設(shè)備，通過(guò)優(yōu)化OpenMV IDE軟件的函數(shù)庫(kù)檢測(cè)方法，對(duì)圖像數(shù)據(jù)進(jìn)行失真檢測(cè)，在保證精度達(dá)標(biāo)的情況下提高了檢測(cè)速度。該系統(tǒng)能夠識(shí)別視頻監(jiān)控畫面中雪花噪聲、亮度異常、圖像偏色、圖像模糊和黑屏等失真類型，并在檢測(cè)出失真后進(jìn)行示警。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)圖像失真類型檢測(cè)示警平均成功率達(dá)到了85%以上，展現(xiàn)出了良好的準(zhǔn)確性和實(shí)用性。能夠適應(yīng)不同環(huán)境和場(chǎng)景的監(jiān)控需要。

關(guān)鍵詞： 質(zhì)量監(jiān)控； OpenMV； 雪花噪聲； 亮度異常； 圖像偏色； 圖像模糊； 黑屏

中圖分類號(hào)： TN948.6?34 " " " " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼： A " " " " " " " " " " " "文章編號(hào)： 1004?373X（2024）21?0051?08

Image quality monitoring and distortion detection system based on OpenMV

ZHANG Xuegang1， WANG Tao2， 3， SHANG Guoqing1

（1. Qinghai Minzu University， Xining 810007， China; 2. National Demonstration Center for Experimental Communication Engineering Education， Qinghai Minzu University， Xining 810007， China; 3. Key Laboratory of Communication Engineering， Qinghai Minzu University， Xining 810007， China）

Abstract： An image quality monitoring and distortion detection system based on open machine vision toolkit （OpenMV） is proposed to get rid of the distortion in the process of image quality monitoring. The SCM STM32 is used as the main control board. The OpenMV is incorporated for image capture. An optimized function library detection method within the IDE software on OpenMV is employed to identify image distortions， which enhances detection speed while maintaining accuracy standards. The system exhibits proficiency in recognizing various distortion types， including snow noise， luminance anomalies， color deviations， blurring， and black screen within video surveillance feeds， triggering an alarm upon detection. The experimental results reveal that the proposed system has a remarkable average success rate of 85% in identifying image distortions， underscoring its high accuracy and practical utility， so it can adapt to the monitoring needs of different environments and scenes.

Keywords： image quality monitoring; OpenMV; snow noise; brightness abnormality; image color deviation; image blurring; black screen

0 "引 "言

當(dāng)前，智能監(jiān)控系統(tǒng)發(fā)展迅速，在視頻監(jiān)控系統(tǒng)對(duì)圖像進(jìn)行采集、壓縮、傳輸和儲(chǔ)存過(guò)程中，圖像不可避免地會(huì)出現(xiàn)失真問(wèn)題[1]，例如圖像模糊、偏色、亮度異常、雪花噪聲、信號(hào)缺失等失真類型，因此對(duì)視頻圖像進(jìn)行質(zhì)量檢測(cè)研究就顯得至關(guān)重要。

目前監(jiān)控圖像質(zhì)量領(lǐng)域的研究現(xiàn)狀可以總結(jié)為兩個(gè)方面：首先是包括去噪、增強(qiáng)與分析對(duì)比度、方差、清晰度、飽和度等指標(biāo)進(jìn)行圖像質(zhì)量評(píng)估的傳統(tǒng)圖像處理技術(shù)；其次是利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等技術(shù)學(xué)習(xí)不同場(chǎng)景下的圖像特征，從而評(píng)估圖像質(zhì)量的深度學(xué)習(xí)方法[2]。這兩種方法都在國(guó)內(nèi)外得到了研究與應(yīng)用，不同國(guó)家的研究重點(diǎn)可能略有不同，但整體趨勢(shì)是朝著智能化、準(zhǔn)確性的方向發(fā)展。傳統(tǒng)圖像處理技術(shù)在圖像失真檢測(cè)領(lǐng)域應(yīng)用廣泛。在圖像模糊檢測(cè)中通過(guò)將圖像分塊進(jìn)行邊緣檢測(cè)[3]，統(tǒng)計(jì)每個(gè)子圖像的模糊概率，分析判斷是否模糊，也可以通過(guò)灰度值方差來(lái)判斷其是否模糊[4]；在亮度異常檢測(cè)時(shí)可以通過(guò)HSV色彩空間的V通道進(jìn)行檢測(cè)[5]，也可以通過(guò)比較灰度圖的均值和方差判斷圖像是否亮度異常[6]；通過(guò)計(jì)算黑色像素點(diǎn)占據(jù)整幅畫面像素比例可判斷黑屏[7]，或者通過(guò)建立HSV圖像，提取H通道值建立直方圖分析判斷是否黑屏[5]；偏色異常檢測(cè)常見(jiàn)方式有白平衡法、灰度世界法以及在LAB色彩空間中建立A?B二維直方圖，通過(guò)偏色因子判斷是否存在偏色異常[8]等方法；雪花噪聲可以通過(guò)計(jì)算圖像信噪比[9]或者灰度值方差來(lái)分析其是否存在雪花噪聲[4]，除此之外，雪花噪聲嚴(yán)重的圖像其偏色因子也較大，可以通過(guò)偏色因子檢測(cè)雪花噪聲失真，上述失真檢測(cè)方式都屬于傳統(tǒng)圖像處理技術(shù)的范疇。

針對(duì)視頻圖像質(zhì)量的檢測(cè)問(wèn)題，本文利用OpenMV（Open Machine Vision Toolkit）[10]平臺(tái)獨(dú)特的IDE軟件和可插拔的硬件模塊，提出一種基于OpenMV的智能監(jiān)控系統(tǒng)，能夠適應(yīng)不同環(huán)境和場(chǎng)景的監(jiān)控需要。首次將OpenMV引入監(jiān)控圖像失真檢測(cè)領(lǐng)域，在面臨全新挑戰(zhàn)的同時(shí)，也對(duì)監(jiān)控圖像失真檢測(cè)領(lǐng)域進(jìn)行了創(chuàng)新。在檢測(cè)方法上，因?yàn)樵撛O(shè)計(jì)主要應(yīng)用于生活，在保證精度符合條件的情況下，調(diào)整算法提高了檢測(cè)速度。比如在雪花噪聲檢測(cè)中，可以通過(guò)偏色檢測(cè)采用的偏色因子來(lái)檢測(cè)雪花噪聲嚴(yán)重的圖像，以此提高檢測(cè)速度。

1 "硬件設(shè)計(jì)與實(shí)現(xiàn)

該設(shè)計(jì)以STM32F103C8T6為主控芯片，通過(guò)單片機(jī)上的兩個(gè)按鍵分別控制云臺(tái)上下，左右轉(zhuǎn)動(dòng)攝像頭采集圖像，以LCD作為圖像顯示裝置，通過(guò)OpenMV模塊（采用模塊為OpenMV4 H7）進(jìn)行圖像采集，并在圖像采集后對(duì)圖像信息比如圖像灰度值，L、A、B三通道值等進(jìn)行分析。通過(guò)相應(yīng)失真類型的算法對(duì)當(dāng)前失真類型進(jìn)行判斷，在發(fā)現(xiàn)圖像失真后，與單片機(jī)之間進(jìn)行數(shù)據(jù)交互，傳輸信息給單片機(jī)，在單片機(jī)接收到OpenMV傳輸?shù)氖д嫘畔⒑笈袛嗍欠襁M(jìn)行報(bào)警，若需要報(bào)警，則向蜂鳴器傳輸電平進(jìn)行報(bào)警。硬件系統(tǒng)架構(gòu)圖如圖1所示。

2 "算法設(shè)計(jì)與實(shí)現(xiàn)

2.1 "模糊檢測(cè)

通過(guò)邊緣算子進(jìn)行圖像邊緣模糊檢測(cè)[3]，需要統(tǒng)計(jì)每個(gè)子圖像的模糊概率，運(yùn)算復(fù)雜，而通過(guò)圖像像素點(diǎn)的灰度值方差判斷圖像是否存在模糊失真，運(yùn)算速度快，節(jié)約大量時(shí)間，計(jì)算過(guò)程也相對(duì)簡(jiǎn)單，雖然犧牲了部分精度，但是提高了檢測(cè)速度，使其更適用于對(duì)模糊檢測(cè)精度要求不高的場(chǎng)景。

圖像模糊是因?yàn)閳D像自身的邊緣銳度降低了，導(dǎo)致各個(gè)像素之間灰度值的變化不明顯，灰度值變化小使得像素之間區(qū)分度降低，因此圖像看上去變得十分模糊?；叶戎档淖兓潭瓤梢酝ㄟ^(guò)灰度值方差來(lái)表征，當(dāng)圖像的灰度值方差超過(guò)某一特定閾值時(shí)，表明圖像具有較高的清晰度；相反，如果灰度值方差低于這一閾值，則意味著圖像呈現(xiàn)出較為模糊的狀態(tài)。圖像灰度值方差公式如下：

[g=1Nx?Nyx=1Nxy=1Nyf（x，y）] （1）

[s=1Nx?Nyx=1Nxy=1Nyf（x，y）-g2] （2）

式中：[g]為圖像像素灰度值的平均值；[s]為圖像像素灰度值的方差；[Nx]為圖像橫向像素點(diǎn)個(gè)數(shù)；[Ny]為圖像縱向像素點(diǎn)個(gè)數(shù)；[f（x，y）]為像素點(diǎn)[（x，y）]的灰度值，[x]、[y]分別為像素點(diǎn)的橫縱坐標(biāo)。

由于采用的是OpenMV的IDE軟件進(jìn)行算法部分的編程，而其自身并沒(méi)有直接計(jì)算像素灰度值方差的函數(shù)庫(kù)，因此可以先通過(guò)statistics函數(shù)中的stdev函數(shù)計(jì)算圖像在RGB565格式下灰度值的標(biāo)準(zhǔn)差，再通過(guò)標(biāo)準(zhǔn)差來(lái)計(jì)算圖像的灰度值方差，通過(guò)多次測(cè)試確定一個(gè)圖像模糊的灰度值方差的閾值，將獲取圖像的灰度值方差與該閾值比較確定圖像是否模糊，大于設(shè)定閾值則圖像清晰，反之，小于該閾值則判定圖像模糊。

2.2 "亮度異常檢測(cè)

通過(guò)灰度值均值和方差判斷亮度異常存在計(jì)算復(fù)雜的問(wèn)題，并且在檢測(cè)純色圖像（比如純灰色圖像）時(shí)誤差較大，因此選擇HSV空間的V通道值來(lái)判斷是否亮度異常。

一般將圖像亮度過(guò)高的現(xiàn)象稱為圖像亮度異常，通過(guò)建立圖像的HSV模型（H表示圖像色調(diào)，S表示圖像飽和度，V表示圖像明度），再計(jì)算整幅圖像所有像素點(diǎn)V通道值的均值可以判斷圖像的亮度，當(dāng)亮度大于某個(gè)設(shè)定閾值時(shí)則判斷圖像發(fā)生亮度異常，反之，則圖像亮度正常。RGB圖像轉(zhuǎn)換為HSV圖像公式如下：

[R'=R255] （3）

[G'=G255] （4）

[B'=B255] （5）

[Cmax=max（R'，G'，B'）] （6）

[V=Cmax] （7）

式中：[R]代表紅色通道值；[G]代表綠色通道值；[B]代表藍(lán)色通道值；[R']、[G']、[B']分別為[R]、[G]、[B]三通道值量化后的值；[Cmax]為[R]、[G]、[B]三通道量化后的最大值；[V]表示像素亮度值。

由于OpenMV的IDE軟件并沒(méi)有HSV圖像模式，也并沒(méi)有相應(yīng)的函數(shù)庫(kù)，并且檢測(cè)圖像失真部分的程序采用的是RGB565的圖像格式，因此該設(shè)計(jì)通過(guò)img函數(shù)中的get_pixel函數(shù)獲取各個(gè)像素點(diǎn)的[R]、[G]、[B]三個(gè)通道的值，再通過(guò)以上公式計(jì)算圖像亮度，通過(guò)多次測(cè)試確定一個(gè)閾值，通過(guò)該閾值確定獲取圖像是否存在亮度異常失真。

2.3 "黑屏檢測(cè)

如果通過(guò)HSV色彩空間的H通道建立直方圖，判斷圖像是否黑屏，計(jì)算量較大的同時(shí)運(yùn)算也復(fù)雜，因此選擇確定黑色像素點(diǎn)占比的方式檢測(cè)黑屏。

如果圖像存在黑屏現(xiàn)象，則圖像的黑色像素點(diǎn)個(gè)數(shù)一定占據(jù)了整幅圖像絕大部分區(qū)域，通過(guò)檢測(cè)圖像是否存在一定比例的黑色像素點(diǎn)可以判斷監(jiān)控獲取的圖像是否黑屏。在OpenMV的IDE軟件中，可以使用img.find_blobs函數(shù)通過(guò)循環(huán)的方式去遍歷整幅圖像的像素，來(lái)尋找一種特定顏色的像素點(diǎn)個(gè)數(shù)，而特定顏色的像素點(diǎn)可以通過(guò)設(shè)定該顏色L、A、B三通道的值來(lái)確定，通過(guò)該方式就可以判斷黑色像素點(diǎn)個(gè)數(shù)占整幅圖像的比例，以此確定圖像是否發(fā)生黑屏現(xiàn)象，但該種方式也存在缺陷，如果存在一個(gè)黑色像素點(diǎn)占據(jù)了大部分圖像比例，則容易存在誤判。

2.4 "偏色異常檢測(cè)

灰度世界法假定[R]、[G]、[B]三個(gè)通道均值相等呈灰色的前提下，統(tǒng)計(jì)三個(gè)通道的亮度均值，再將其轉(zhuǎn)換成LAB圖像，計(jì)算他們距中性點(diǎn)的色度距離，以此判斷是否存在偏色失真現(xiàn)象。該方法在單一顏色或者是在亮度較暗的地方難以判斷偏色并且計(jì)算復(fù)雜，因此選擇偏色因子來(lái)判斷偏色。

圖像是否存在偏色與其圖像色調(diào)的分布情況存在著一定關(guān)系，可以通過(guò)觀察圖像的L、A、B顏色空間來(lái)判斷是否存在偏色異常。一般來(lái)說(shuō)，可以通過(guò)觀察A、B兩通道的直方圖來(lái)判斷圖像是否偏色，如果色調(diào)分布為單一的峰值或者是分布比較密集，并且色調(diào)平均值又大時(shí)，則可以判斷圖像存在偏色，色調(diào)平均值越大，則圖像的偏色程度越大，反之，則偏色程度越小。因此，可以引入偏色因子[11][K]來(lái)表征圖像偏色程度的大小，公式如下：

[DA=x=1Xy=1YAX?Y] （8）

[DB=x=1Xy=1YBX?Y] （9）

[D=D2A+D2B] （10）

[MA=x=1Xy=1Y（A-DA）2X?Y] （11）

[MB=x=1Xy=1Y（B-DB）2X?Y] （12）

[M=M2A+M2B] （13）

[K=DM] （14）

式中：[A]為像素點(diǎn)A通道值；[B]為像素點(diǎn)B通道值；[X]為橫向像素點(diǎn)個(gè)數(shù)；[Y]為縱向像素點(diǎn)個(gè)數(shù)；[DA]為圖像所有像素A通道平均值；[DB]為圖像所有像素B通道平均值；[D]為平均色度；[MA]、[MB]分別為A、B兩通道方差值；（[DA]，[DB]）為等效圓中心坐標(biāo)；[M]為色度等效圓半徑；[K]為偏色因子，[K]越大，偏色程度越大，當(dāng)[K]小于設(shè)定閾值時(shí)圖像則可近似認(rèn)為其不存在偏色現(xiàn)象。

由于OpenMV的IDE軟件可以直接通過(guò)其函數(shù)庫(kù)中的statistics函數(shù)獲取LAB色彩空間的L、A、B三通道的平均值，因此通過(guò)計(jì)算偏色因子的方式判斷是否存在偏色異?？梢院艽蟪潭壬虾?jiǎn)化計(jì)算過(guò)程，雖然該方式仍然存在著一定誤差，但能較大程度上判斷圖像偏色的可能性。

2.5 "雪花噪聲檢測(cè)

通過(guò)信噪比檢測(cè)圖像是否存在雪花噪聲，計(jì)算復(fù)雜度。灰度值方差可通過(guò)OpenMV的IDE軟件中的函數(shù)直接讀取，使用灰度值方差檢測(cè)雪花噪聲雖然簡(jiǎn)便，但對(duì)于雪花噪聲嚴(yán)重的圖像，像素點(diǎn)多呈黑、白、灰三色，整體畫面會(huì)存在偏色現(xiàn)象，采用偏色因子進(jìn)行判斷，在檢測(cè)偏色失真的同時(shí)檢測(cè)雪花噪聲，不僅減小了程序規(guī)模，而且提升了檢測(cè)速度。相較于使用單獨(dú)檢測(cè)方式檢測(cè)雪花噪聲，使用偏色因子同時(shí)檢測(cè)偏色失真和雪花噪聲失真，速度快了3 s左右。

3 "失真檢測(cè)實(shí)驗(yàn)

本次測(cè)試實(shí)驗(yàn)中，采用通過(guò)失真處理后的失真圖像來(lái)模擬視頻監(jiān)控系統(tǒng)產(chǎn)生的失真圖像。其中偏色異常、雪花噪聲、圖像模糊失真檢測(cè)實(shí)驗(yàn)所涉及的原圖像均來(lái)自網(wǎng)絡(luò)，失真圖像是通過(guò)網(wǎng)絡(luò)工具對(duì)原圖進(jìn)行圖像處理所得。

3.1 "圖像模糊失真檢測(cè)實(shí)驗(yàn)

圖2a）～圖2c）三幅圖為原圖的清晰圖像，圖3a）～圖3c）三幅圖依次為圖2a）～圖2c）三幅圖經(jīng)過(guò)模糊處理后所得圖像。在連接OpenMV后將圖像對(duì)準(zhǔn)攝像頭，重復(fù)獲取當(dāng)前圖像灰度值方差，取得大量數(shù)據(jù)。圖像灰度值方差通常存在臨界值，當(dāng)圖像模糊時(shí)圖像灰度值方差會(huì)低于該臨界值，該值即為圖像模糊失真檢測(cè)的判定閾值。對(duì)分割后圖像所獲得的灰度值方差數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，圖2a）～圖2c）的灰度值方差均值為76.74、120.26、93.04，圖3a）～圖3c）均為經(jīng)過(guò)模糊處理后的圖像，其灰度值方差均值為21.12、30.28、16.06。在該設(shè)計(jì)中將閾值暫定為32（該值可根據(jù)用戶需求以及環(huán)境影響自主設(shè)定），灰度值方差在32以下時(shí)判定為圖像模糊。如表1、表2所示，提供了原圖與模糊處理后圖像的其中9組灰度值方差數(shù)據(jù)作為具體示例。

在室內(nèi)亮光充足環(huán)境下對(duì)圖3a）～圖3c）三幅圖像進(jìn)行15次報(bào)警測(cè)試，所得結(jié)果如表3所示。其中圖3a）的15次實(shí)驗(yàn)檢測(cè)成功率為93.3%，圖3b）成功率為100%，圖3c）成功率也為100%。

3.2 "亮度異常失真檢測(cè)實(shí)驗(yàn)

連接OpenMV后分別在光照充足的實(shí)驗(yàn)室和較暗的寢室內(nèi)進(jìn)行拍攝，上電后不斷重復(fù)取當(dāng)前畫面亮度均值。通過(guò)手機(jī)的手電筒照射的方式給予攝像頭額外光照，在手機(jī)距離攝像頭不同距離下采取相同數(shù)據(jù)采集方式進(jìn)行測(cè)試，在不同距離下分別獲取多組數(shù)據(jù)作為亮度異常圖像數(shù)據(jù)。如圖4三幅圖像所示，為室內(nèi)光照充足拍攝圖，圖5為外部光源距離攝像頭不同距離拍攝的圖像，光源與攝像頭的距離按圖5a）～圖5c）的順序依次減小。通過(guò)對(duì)訓(xùn)練數(shù)據(jù)的分析，觀察發(fā)現(xiàn)圖4亮度正常的圖像，亮度均值分別為0.71、0.38、0.58，而如圖5中，在不同距離有光源照射的圖像，其亮度均值分別為0.82、0.90、0.90，該報(bào)警實(shí)驗(yàn)閾值暫定為0.82。表4、表5提供了無(wú)外部光源照射和有外部光源照射圖像的其中9組亮度均值數(shù)據(jù)，作為具體示例。

如表6所示，是在室內(nèi)亮光充足環(huán)境下，光源與攝像頭3種不同距離下照射，進(jìn)行15次報(bào)警測(cè)試所得的結(jié)果。其中圖5a）檢測(cè)15次有13次出現(xiàn)了異常，圖5b）檢測(cè)15次中有2次未檢測(cè)成功，成功率為86.7%，圖5c）檢測(cè)成功率為100%。實(shí)驗(yàn)發(fā)現(xiàn)：當(dāng)外部光源距離攝像頭6 cm以內(nèi)時(shí)，亮度均值一般超過(guò)0.85；當(dāng)外部光源距離攝像頭15 cm以外后，圖像的亮度均值與當(dāng)前圖像無(wú)附加光源的亮度均值相近。因此圖5a）可以判定為亮度正常圖像。

3.3 "黑屏失真檢測(cè)實(shí)驗(yàn)

通過(guò)遍歷黑色像素點(diǎn)個(gè)數(shù)可判斷是否發(fā)生黑屏，黑色像素的閾值可用LAB色彩空間表示。由于OpenMV遍歷特定顏色像素點(diǎn)的函數(shù)需要采用LAB閾值，因此該設(shè)計(jì)通過(guò)LAB色彩空間來(lái)設(shè)定黑色像素點(diǎn)閾值。與圖像模糊的訓(xùn)練集測(cè)試方式相似，通過(guò)使用書以及紙張遮擋攝像頭使其黑屏后，進(jìn)行多次測(cè)量得出了大量數(shù)據(jù)。圖6為遮擋不充分的圖像，圖7為完全遮擋無(wú)明顯亮光透入的圖像。通過(guò)對(duì)訓(xùn)練數(shù)據(jù)分析，發(fā)現(xiàn)圖6a）～圖6c）三幅圖因?yàn)橛辛炼扔绊懀谏袼攸c(diǎn)的L、A、B三通道值較大。圖7a）～圖7f）六幅圖像L通道數(shù)值在2～4之間波動(dòng)，A通道數(shù)值在1～6之間波動(dòng)，B通道數(shù)值同樣在0～4之間波動(dòng)，本文設(shè)計(jì)將黑色像素點(diǎn)L、A、B閾值區(qū)間分別設(shè)置為（0，6）、（0，8）、（0，6），當(dāng)處于該區(qū)間時(shí)，認(rèn)為其為黑色像素點(diǎn)。由于LCD像素大小為128×160，考慮到圖像部分黑屏的情況以及圖像可能存在部分黑色像素等誤差，所以該設(shè)計(jì)將檢測(cè)像素?cái)?shù)量的閾值大致設(shè)為12 000，當(dāng)檢測(cè)到12 000個(gè)像素在設(shè)定閾值內(nèi)時(shí)檢測(cè)為黑屏。如表7、表8所示，提供了不完全遮擋黑屏圖和完全遮擋黑屏圖的其中9組LAB三通道值數(shù)據(jù)作為具體示例。

如表9所示，是在室內(nèi)亮光充足環(huán)境下，遮擋攝像頭使其黑屏的情況下進(jìn)行的15次報(bào)警測(cè)試所得的結(jié)果，15次均報(bào)警，成功率為100%。

3.4 "偏色失真檢測(cè)實(shí)驗(yàn)

圖8為無(wú)偏色的原圖，圖9為不同顏色的偏色圖像。其中圖9a）、圖9f）為圖8a）的偏紅色和偏黃色圖，圖9d）、圖9e）為圖8c）的偏紅色和偏黃色圖，圖9c）為圖8b）的偏紅色圖，圖9b）為偏紫色的人像圖。與圖像模糊設(shè)立訓(xùn)練集時(shí)采取的圖像數(shù)據(jù)采集方式相同，對(duì)圖8和圖9中圖像的A、B通道值重復(fù)進(jìn)行數(shù)據(jù)采集，根據(jù)偏色因子計(jì)算公式計(jì)算偏色因子。通過(guò)對(duì)計(jì)算出的偏色因子數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)圖8中的三幅無(wú)偏色圖像的偏色因子[K]分別為0.071、0.096、0.088，而圖9a）～圖9f）偏色因子分別為0.41、0.21、0.35、0.23、0.21、0.22?；谝陨戏治?，該設(shè)計(jì)將偏色因子[K]的閾值暫定為0.20，當(dāng)圖像的偏色因子[K]大于0.20時(shí)認(rèn)為其發(fā)生偏色異常。如表10、表11所示，提供了原圖與偏色圖其中9組偏色因子數(shù)據(jù)作為具體示例。

如表12所示，是在室內(nèi)亮光充足環(huán)境下對(duì)圖9a）、圖9b）、圖9e）三幅圖像進(jìn)行15次報(bào)警測(cè)試所得的結(jié)果。其中，圖9a）的15次實(shí)驗(yàn)成功率為100%，圖9b）成功率為80%，圖9e）成功率為93.3%。

3.5 "雪花噪聲失真檢測(cè)實(shí)驗(yàn)

如圖10所示為兩幅雪花噪聲較為嚴(yán)重的圖像，偏色因子檢測(cè)方式同偏色失真檢測(cè)相同。通過(guò)實(shí)驗(yàn)數(shù)據(jù)分析發(fā)現(xiàn)，圖10a）的偏色因子在0.60附近波動(dòng)，圖10b）偏色因子在0.26附近波動(dòng)，兩幅圖像偏色因子均大于偏色失真檢測(cè)的偏色因子臨界閾值，因此該設(shè)計(jì)將雪花噪聲的閾值暫定為0.20，當(dāng)偏色因子大于0.20時(shí)，判定為雪花噪聲。如表13所示，提供了其中9組數(shù)據(jù)作為具體示例。

在室內(nèi)亮光充足環(huán)境下對(duì)圖10a）、圖10b）兩幅圖像進(jìn)行15次報(bào)警測(cè)試所得的結(jié)果如表14所示。其中，圖10a）的15次實(shí)驗(yàn)成功13次，成功率為86.7%，圖10b）的15次實(shí)驗(yàn)成功14次，成功率為93.3%。

通過(guò)對(duì)以上五種失真類型進(jìn)行檢測(cè)后，對(duì)檢測(cè)準(zhǔn)確率求均值發(fā)現(xiàn)平均檢測(cè)準(zhǔn)確率達(dá)到了85%以上。

4 "結(jié) "語(yǔ)

本文設(shè)計(jì)雖然在部分失真檢測(cè)的精度方面有所犧牲，但是帶來(lái)了檢測(cè)速度的提升。例如在偏色失真檢測(cè)中，采用偏色因子同時(shí)檢測(cè)偏色失真和雪花噪聲，不用通過(guò)單獨(dú)的檢測(cè)算法檢測(cè)雪花噪聲，在檢測(cè)時(shí)節(jié)省了部分時(shí)間。OpenMV較好的可移動(dòng)性和靈活性，使其可以根據(jù)用戶需求和具體應(yīng)用環(huán)境調(diào)整閾值。在進(jìn)行閾值檢測(cè)時(shí)因?yàn)橛?xùn)練集樣本數(shù)的限制，使閾值存在較大誤差，未來(lái)的工作可以通過(guò)增大訓(xùn)練集和改進(jìn)算法，進(jìn)一步探索如何在不同場(chǎng)景下優(yōu)化精度和速度之間的平衡，并擴(kuò)展這種設(shè)計(jì)的應(yīng)用范圍，以滿足更廣泛的需求。

注：本文通訊作者為王濤。

參考文獻(xiàn)

[1] 呂婧妍.城市級(jí)視頻監(jiān)控質(zhì)量評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2022.

[2] 梁棟.圖像失真檢測(cè)與質(zhì)量評(píng)價(jià)方法及其應(yīng)用[D].西安：西安電子科技大學(xué)，2021.

[3] 涂麟子，蔣朝根.基于再模糊理論的模糊圖像檢測(cè)方法[J].現(xiàn)代計(jì)算機(jī)，2023，29（12）：32?36.

[4] 成傳勝.監(jiān)控視頻質(zhì)量實(shí)時(shí)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].杭州：浙江工業(yè)大學(xué)，2014.

[5] 方芳.基于智能監(jiān)控系統(tǒng)的視頻圖像質(zhì)量檢測(cè)的研究與實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2013.

[6] 羅奕凱.鐵路貨車裝載狀態(tài)圖像質(zhì)量客觀評(píng)價(jià)方法研究[J].鐵道貨運(yùn)，2023，41（11）：47?53.

[7] 劉迪，李建海，王晶，等.一種基于嵌入式單片機(jī)視頻監(jiān)控裝置的設(shè)計(jì)與研究[J].船電技術(shù)，2021，41（7）：61?64.

[8] 鄭晨.基于多路實(shí)時(shí)流的視頻圖像質(zhì)量檢測(cè)的研究與實(shí)現(xiàn)[D].南京：南京郵電大學(xué)，2014.

[9] 干上游，浦國(guó)祥.基于單片機(jī)二維CCD圖像檢測(cè)算法研究和實(shí)際應(yīng)用[J].儀表技術(shù)，2013（9）：29?31.

[10] 李加定，繆文南.基于OpenMV的智能送藥小車的設(shè)計(jì)[J].電子設(shè)計(jì)工程，2024，32（2）：162?166.

[11] 李懷瑞.攝像頭視頻質(zhì)量檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2022.

[12] 姬貫新，周利莉.智能視頻監(jiān)控系統(tǒng)中的干擾檢測(cè)及分類[J].數(shù)據(jù)采集與處理，2013，28（2）：231?238.

[13] 邱銘杰.監(jiān)控視頻圖像質(zhì)量診斷方法研究及實(shí)現(xiàn)[D].上海：華東理工大學(xué)，2014.

[14] 劉濟(jì)銘.局部模糊圖像的模糊檢測(cè)與分割算法研究[D].西安：西安理工大學(xué)，2020.

[15] 楊釩.淺談智能視頻質(zhì)量診斷技術(shù)未來(lái)的發(fā)展趨勢(shì)[J].中國(guó)安防，2021（10）：79?82.

[16] 賴盛英，謝鑫鑫，樊偉征，等.基于OpenMV圖像識(shí)別的自主迷宮尋寶小車[J].現(xiàn)代電子技術(shù)，2024，47（5）：70?74.

作者簡(jiǎn)介：張學(xué)剛（2001—），男，四川人，碩士研究生，研究方向?yàn)榛谶吰聻?zāi)害的微小形變預(yù)測(cè)。

王 "濤（1976—），男，河南人，教授，研究方向?yàn)橹悄芑O(jiān)測(cè)預(yù)警、無(wú)線通信調(diào)制解調(diào)、信道估計(jì)。