图像修改确定方法及装置
阅读：1038发布：2020-06-08
专利汇可以提供图像修改确定方法及装置专利检索，专利查询，专利分析的服务。并且本 申请 实施例 提供了一种图像 修改 确定方法及装置。方法包括：获取一图像中的至少两个区域；针对各所述区域，获取所述区域的拍摄时相机特性；至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。本申请实施例提供了一种确定图像修改属性的方案。，下面是图像修改确定方法及装置专利的具体信息内容。
1.一种图像修改确定方法，其特征在于，所述方法包括：
获取一图像中的至少两个区域；
针对各所述区域，获取所述区域的拍摄时相机特性；
至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
2.根据权利要求1所述的方法，其特征在于，所述针对各所述区域，获取所述区域的拍摄时相机特性，包括：
针对各所述区域，对所述区域进行光学模糊函数估计，得到所述区域的一光学模糊函数，将所述光学模糊函数作为所述区域的拍摄时相机特性。
3.根据权利要求2所述的方法，其特征在于，所述修改属性包括：所述图像被修改过；
所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过。
4.根据权利要求3所述的方法，其特征在于，所述响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过，包括：
确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
响应于存在两个区域的两个光学模糊函数的相似度低于一第一阈值，确定所述图像被修改过。
5.根据权利要求2所述的方法，其特征在于，所述修改属性包括：所述图像中至少一个修改边界的位置；
所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置。
6.根据权利要求5所述的方法，其特征在于，所述至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置，包括：
确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
响应于存在两个区域的两个光学模糊函数的相似度低于一第三阈值且所述两个光学模糊函数的相似度最低，估计所述图像中的一个修改边界位于所述两个区域之间。
7.根据权利要求2～6中任一所述的方法，其特征在于，所述光学模糊函数包括以下任一种：点扩散函数PSF，光学传递函数OTF。
8.根据权利要求1～7中任一所述的方法，其特征在于，所述拍摄时相机特性包括：拍摄时相机光圈形状。
9.根据权利要求8所述的方法，其特征在于，所述拍摄时相机特性还包括：拍摄时相机抖动方式。
10.一种图像修改确定装置，其特征在于，所述装置包括：
区域获取模块，用于获取一图像中的至少两个区域；
特性获取模块，用于针对各所述区域，获取所述区域的拍摄时相机特性；
确定模块，用于至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
图像修改确定方法及装置
技术领域
背景技术
[0002] 随着手机相机的普及，越来越都多的用户用手机拍摄和上传自己的照片。此时隐私保护就成为一个重要的课题。
[0003] 一种典型的场景是：在社交网络里上传的照片被别人下载后，下载的人将照片用图像编辑工具，比如Photoshop(简称PS)处理后重新发布，侵犯了原照片的所有者的隐私。又一种典型的场景是：将自己的照片PS到名人的照片上，冒充与名人的合影。
发明内容
发明内容
[0004] 有鉴于此，本申请实施例的一个目的在于提供一种确定图像修改属性的方案。
[0005] 为实现上述目的，根据本申请实施例的第一方面，提供一种图像修改确定方法，包括：
[0006] 获取一图像中的至少两个区域；
[0007] 针对各所述区域，获取所述区域的拍摄时相机特性；
[0008] 至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0009] 结合第一方面，在第一方面的第一种可能的实现方式中，所述针对各所述区域，获取所述区域的拍摄时相机特性，包括：
[0010] 针对各所述区域，对所述区域进行光学模糊函数估计，得到所述区域的一光学模糊函数，将所述光学模糊函数作为所述区域的拍摄时相机特性。
[0011] 结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述修改属性包括：所述图像被修改过。
[0012] 结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0013] 响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过。
[0014] 结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过，包括：
[0015] 确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0016] 响应于存在两个区域的两个光学模糊函数的相似度低于一第一阈值，确定所述图像被修改过。
[0017] 结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0018] 所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，还包括：
[0019] 响应于所述两个光学模糊函数的相似度最低，确定所述图像中的一修改边界位于所述两个区域之间。
[0020] 结合第一方面的第三种可能的实现方式，在第一方面的第六种可能的实现方式中，所述响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过，包括：
[0021] 根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0022] 响应于所述聚类得到至少两个类别，确定所述图像被修改过。
[0023] 结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0024] 所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，还包括：
[0025] 响应于所述聚类得到至少两个类别，确定所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0026] 结合第一方面的第一种可能的实现方式，在第一方面的第八种可能的实现方式中，所述修改属性包括：所述图像未被修改过。
[0027] 结合第一方面的第八种可能的实现方式，在第一方面的第九种可能的实现方式中，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0028] 响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过。
[0029] 结合第一方面的第九种可能的实现方式，在第一方面的第十种可能的实现方式中，所述响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过，包括：
[0030] 确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0031] 响应于任两个区域的两个光学模糊函数的相似度均不低于一第二阈值，确定所述图像未被修改过。
[0032] 结合第一方面的第一种可能的实现方式，在第一方面的第十一种可能的实现方式中，所述修改属性包括：所述图像中至少一个修改边界的位置。
[0033] 结合第一方面的第十一种可能的实现方式，在第一方面的第十二种可能的实现方式中，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0034] 至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置。
[0035] 结合第一方面的第十二种可能的实现方式，在第一方面的第十三种可能的实现方式中，所述至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置，包括：
[0036] 确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0037] 响应于存在两个区域的两个光学模糊函数的相似度低于一第三阈值且所述两个光学模糊函数的相似度最低，估计所述图像中的一个修改边界位于所述两个区域之间。
[0038] 结合第一方面的第十二种可能的实现方式，在第一方面的第十四种可能的实现方式中，所述至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置，包括：
[0039] 根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0040] 响应于所述聚类得到至少两个类别，估计所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0041] 结合第一方面的第四、第十或第十三种可能的实现方式，在第一方面的第十五种可能的实现方式中，所述确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度，包括：
[0042] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0043] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0044] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0045] 结合第一方面的第六或第十四种可能的实现方式，在第一方面的第十六种可能的实现方式中，所述根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类，包括：
[0046] 确定所述至少两个光学模糊函数的有效部分和有效宽度；
[0047] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0048] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0049] 结合第一方面的上述任一种可能的实现方式，在第一方面的第十七种可能的实现方式中，所述光学模糊函数包括以下任一种：点扩散函数PSF，光学传递函数OTF。
[0050] 结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第十八种可能的实现方式中，所述获取一图像中的至少两个区域之前，还包括：
[0051] 至少根据纹理和/或颜色，将所述图像划分为至少两个区域；
[0052] 所述获取一图像中的至少两个区域，包括：
[0053] 从划分得到的至少两个区域中获取至少两个区域。
[0054] 结合第一方面的第十八种可能的实现方式，在第一方面的第十九种可能的实现方式中，所述从划分得到的至少两个区域中获取至少两个区域，包括：获取划分得到的至少两个区域。
[0055] 结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第二十种可能的实现方式中，所述拍摄时相机特性包括：拍摄时相机光圈形状。
[0056] 结合第一方面的第二十种可能的实现方式，在第一方面的第二十一种可能的实现方式中，所述拍摄时相机特性还包括：拍摄时相机抖动方式。
[0057] 为实现上述目的，根据本申请实施例的第二方面，提供一种图像修改确定装置，包括：
[0058] 区域获取模块，用于获取一图像中的至少两个区域；
[0059] 特性获取模块，用于针对各所述区域，获取所述区域的拍摄时相机特性；
[0060] 确定模块，用于至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0061] 结合第二方面，在第二方面的第一种可能的实现方式中，所述特性获取模块具体用于：
[0062] 针对各所述区域，对所述区域进行光学模糊函数估计，得到所述区域的一光学模糊函数，将所述光学模糊函数作为所述区域的拍摄时相机特性。
[0063] 结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述修改属性包括：所述图像被修改过。
[0064] 结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述确定模块具体用于：响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过。
[0065] 结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述确定模块包括：
[0066] 第一确定单元，用于确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0067] 第二确定单元，用于响应于存在两个光学模糊函数的相似度低于一第一阈值，确定所述图像被修改过。
[0068] 结合第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0069] 所述确定模块还包括：
[0070] 第三确定单元，用于响应于所述两个光学模糊函数的相似度最低，确定所述图像中的一修改边界位于所述两个区域之间。
[0071] 结合第二方面的第三种可能的实现方式，在第二方面的第六种可能的实现方式中，所述确定模块包括：
[0072] 聚类单元，用于根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0073] 第四确定单元，用于响应于所述聚类得到至少两个类别，确定所述图像被修改过。
[0074] 结合第二方面的第六种可能的实现方式，在第二方面的第七种可能的实现方式中，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0075] 所述确定模块还包括：
[0076] 第五确定单元，用于响应于所述聚类得到至少两个类别，确定所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0077] 结合第二方面的第一种可能的实现方式，在第二方面的第八种可能的实现方式中，所述修改属性包括：所述图像未被修改过。
[0078] 结合第二方面的第八种可能的实现方式，在第二方面的第九种可能的实现方式中，所述确定模块具体用于：响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过。
[0079] 结合第二方面的第九种可能的实现方式，在第二方面的第十种可能的实现方式中，所述确定模块包括：
[0080] 第一确定单元，用于确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0081] 第六确定单元，用于响应于任两个区域的两个光学模糊函数的相似度均不低于一第二阈值，确定所述图像未被修改过。
[0082] 结合第二方面的第一种可能的实现方式，在第二方面的第十一种可能的实现方式中，所述修改属性包括：所述图像中至少一个修改边界的位置。
[0083] 结合第二方面的第十一种可能的实现方式，在第二方面的第十二种可能的实现方式中，所述确定模块具体用于：至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置。
[0084] 结合第二方面的第十二种可能的实现方式，在第二方面的第十三种可能的实现方式中，所述确定模块包括：
[0085] 第一确定单元，用于确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0086] 第七确定单元，用于响应于存在两个区域的两个光学模糊函数的相似度低于一第三阈值且所述两个光学模糊函数的相似度最低，估计所述图像中的一个修改边界位于所述两个区域之间。
[0087] 结合第二方面的第十二种可能的实现方式，在第二方面的第十四种可能的实现方式中，所述确定模块包括：
[0088] 聚类单元，用于根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0089] 第八确定单元，用于响应于所述聚类得到至少两个类别，估计所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0090] 结合第二方面的第四、第十或第十三种可能的实现方式，在第二方面的第十五种可能的实现方式中，所述第一确定单元具体用于：
[0091] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0092] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0093] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0094] 结合第二方面的第六或第十四种可能的实现方式，在第二方面的第十六种可能的实现方式中，所述聚类单元具体用于：
[0095] 确定所述至少两个光学模糊函数的有效部分和有效宽度；
[0096] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0097] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0098] 结合第二方面的上述任一种可能的实现方式，在第二方面的第十七种可能的实现方式中，所述光学模糊函数包括以下任一种：点扩散函数PSF，光学传递函数OTF。
[0099] 结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第十八种可能的实现方式中，所述装置还包括：
[0100] 划分模块，用于至少根据纹理和/或颜色，将所述图像划分为至少两个区域；
[0101] 所述区域获取模块具体用于：从所述划分模块划分得到的至少两个区域中获取至少两个区域。
[0102] 结合第二方面的第十八种可能的实现方式，在第二方面的第十九种可能的实现方式中，所述区域获取模块具体用于：
[0103] 获取所述划分模块划分得到的至少两个区域。
[0104] 结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第二十种可能的实现方式中，所述拍摄时相机特性包括：拍摄时相机光圈形状。
[0105] 结合第二方面的第二十种可能的实现方式，在第二方面的第二十一种可能的实现方式中，所述拍摄时相机特性还包括：拍摄时相机抖动方式。
[0106] 以上多个技术方案中的至少一个技术方案具有如下有益效果：
[0108] 图1为本申请提供的一种图像修改确定方法实施例的流程示意图；
[0109] 图2为本申请实施例中几种可能的光圈形状的示意图；
[0110] 图3a为本申请实施例中的一个区域的PSF的波形示意图；
[0111] 图3b为图3a所示PSF的波形的整体俯视图；
[0112] 图3c为图3a所示PSF的波形的局部俯视图；
[0113] 图4a～图4c分别为不同区域的PSF的波形的局部俯视图；
[0114] 图5a～图5c分别为不同区域的PSF的波形的整体俯视图；
[0115] 图6为本申请提供的一种图像修改确定装置实施例一的结构示意图；
[0116] 图7a～图7h分别为图6所示实施例的一种实现方式的结构示意图；
[0117] 图8为本申请提供的一种图像修改确定装置实施例二的结构示意图。
具体实施方式
[0118] 下面结合附图和实施例，对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0119] 图1为本申请提供的一种图像修改确定方法实施例的流程示意图。如图1所示，本实施例包括：
[0120] 110、获取一图像中的至少两个区域。
[0121] 举例来说，本申请提供的一种图像修改确定装置实施例一或二所述的图像修改确定装置作为本实施例的执行主体，执行110～130。
[0122] 本实施例中，所述区域可以是所述图像中的任意区域。可选地，所述区域是规则区域，如，方形区域、圆形区域，或者，所述区域是不规则区域。
[0123] 本实施例中，所述区域的内容可以来自一个原始图像，或者，来自多个原始图像。其中，原始图像是指使用一相机一次拍摄形成的、未经修改的图像。
[0124] 本实施例中，所述至少两个区域可以覆盖所述图像的全部或部分。
[0125] 120、针对各所述区域，获取所述区域的拍摄时相机特性。
[0126] 本实施例中，所述区域的拍摄时相机特性是指，拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的特性。
[0127] 在一种可能的场景中，所述区域的内容来自一个原始图像。在此场景中，所述区域的拍摄时相机特性是指，拍摄所述区域的内容的一相机在拍摄所述区域的内容时的特性。
[0128] 在又一种可能的场景中，所述区域的内容来自多个原始图像。在此场景中，所述区域的拍摄时相机特性是指，分别拍摄所述区域的内容中来自所述多个原始图像的各部分的多个相机在拍摄相应部分时的综合特性。
[0129] 具体地，所述拍摄时相机特性包括：拍摄时相机光圈形状。其中，所述拍摄时相机光圈形状是指拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的光圈形状。
[0130] 可选地，对于一个相机来说，该相机在某次拍摄时的光圈形状由以下三个要素决定：光圈样式、光圈大小、光圈角度。其中，所述光圈样式可以为任意样式，常见的是多边形；所述光圈大小决定了进光量的多少；所述光圈角度通常随光圈的旋转而改变。具体地，对于安装有一镜头的一相机来说，光圈样式通常是不变的，但光圈大小有些情况下是可以调整的，并且，光圈角度在有些情况下随光圈大小的调整而变化。
[0131] 图2为本申请实施例中几种可能的光圈形状的示意图。如图2所示，a、b、c的光圈样式相同、均为五边形，a、b的光圈大小相同、但光圈角度不同，a、c的光圈大小不同、但光圈角度相同，d的光圈样式为六边形、与a、b、c的光圈样式不同。
[0132] 可选地，所述拍摄时相机特性还包括：拍摄时相机抖动方式。其中，所述拍摄时相机抖动方式可以通过拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的抖动轨迹来表征。
[0133] 130、至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0134] 本实施例中，所述修改属性包括以下至少一种：所述图像被修改过、所述图像未被修改过、所述图像中至少一个修改边界的位置。其中，所述图像被修改过意味着所述图像的内容来自至少两个原始图像；所述图像未被修改过意味着所述图像为一原始图像；所述修改边界两侧的区域可以认为来自于不同的原始图像。
[0135] 由于在使用一相机一次拍摄得到的一原始图像中，所述原始图像中各区域的拍摄时相机特性在一定程度上应当是匹配的，因此，本实施例中可以根据一图像中至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0136] 本实施例通过获取一图像中至少两个区域的拍摄时相机特性，并至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，提供了一种确定图像修改属性的方案。
[0137] 下面通过一些可选的实现方式进一步描述本实施例的方法。
[0138] 本实施例中，120有多种实现方式。
[0139] 在一种可选的实现方式中，所述针对各所述区域，获取所述区域的拍摄时相机特性，包括：
[0140] 针对各所述区域，对所述区域进行光学模糊函数估计，得到所述区域的一光学模糊函数，将所述光学模糊函数作为所述区域的拍摄时相机特性。
[0141] 具体地，所述光学模糊函数包括以下任一种：点扩散函数(Point Spread Function，简称PSF)，光学模糊函数(Optical Transfer Function，简称OTF)。其中，PSF为空域形式的光学模糊函数，OTF为频域形式的光学模糊函数。
[0142] 其中，由于所述区域是二维的，所述区域的PSF、OTF均是一个二维函数。相应地，对所述区域的PSF进行频域转换，比如傅里叶变换，可以得到所述区域的OTF。
[0143] 图3a为本申请实施例中一个区域的PSF的波形示意图；图3b为图3a所示PSF波形的整体俯视图；图3c为图3a所示PSF的波形的局部俯视图。其中，图3b体现了所述区域的拍摄时相机抖动方式；图3c体现了所述区域的拍摄时相机光圈形状。
[0144] 需要说明的是，在拍摄时相机未抖动的场景中，此次拍摄得到的图像中任一区域的PSF的整体俯视图可选地体现为一个点，即，PSF接近于一个脉冲函数。
[0145] 在一种可能的场景中，所述修改属性包括：所述图像被修改过。
[0146] 在此场景中，可选地，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0147] 响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过。
[0148] 具体地，确定所述至少两个区域的至少两个光学模糊函数不匹配有多种实现方式。
[0149] 在一种确定所述至少两个光学模糊函数不匹配的可选方式中，所述响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过，包括：
[0150] 确定所述至少两个区域的中任两个区域的两个光学模糊函数的相似度；
[0151] 响应于存在两个区域的两个光学模糊函数的相似度低于一第一阈值，确定所述图像被修改过。
[0152] 其中，所述第一阈值可以预先设定好。
[0153] 其中，所述相似度包括以下任一种：互相关系数、余弦相似度等。
[0154] 图4a和图4b分别为来自不同的原始图像的两个区域的PSF的波形的局部俯视图。图4a和图4b所示的图像差异较大，即，所述两个区域的拍摄时相机光圈形状差别较大。
[0155] 图5a和图5b分别为来自不同的原始图像的两个区域的PSF的波形的整体俯视图。图5a和图5b所示的图像差异较大，即，所述两个区域的拍摄时相机抖动轨迹差别较大。
[0156] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异，其中，区域的深度是指区域的内容的实景与相机镜头光心的距离。
[0157] 为了尽量避免上述差异带来的相似度差异，可选地，所述确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度，包括：
[0158] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0159] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0160] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0161] 具体地，针对各光学模糊函数，以相同的一预设比例与所述光学模糊函数的幅值峰值的乘积作为幅值下限，将所述光学模糊函数中幅值超过所述幅值下限的部分作为所述光学模糊函数的有效部分，所述有效部分的宽度作为所述光学模糊函数的有效宽度。其中，所述比例可以预先设定好，比如设为10％。
[0162] 需要说明的是，为了尽量避免上述差异带来的相似度差异，还有其它可选的实现方式。可选地，所述确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度，包括：
[0163] 针对任两个区域，对所述两个区域中的一个区域的一个光学模糊函数的宽度按照多个缩放比例分别进行缩放处理；
[0164] 确定各缩放处理后的所述光学模糊函数与所述两个区域中另一个区域的一个光学模糊函数的相似度；
[0165] 确定所述两个区域的两个光学模糊函数的相似度为各缩放处理后的光学模糊函数与所述另一个区域的光学模糊函数的相似度中的最大值。
[0166] 其中，所述多个缩放比例可以预先设定好，比如，所述多个缩放比例包括：0.5，0.8，1，1.2，1.5，2，3，等。
[0167] 此外，对于被修改过的图像，还可以进一步确定其修改边界的位置。相应地，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0168] 可选地，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，还包括：
[0169] 响应于所述两个光学模糊函数的相似度最低，确定所述图像中的一修改边界位于所述两个区域之间。
[0170] 举例来说，110中获取了一图像中的8个区域，记为区域1～8，响应于区域1的PSF与区域2的PSF的相似度低于所述第一阈值，可以确定所述图像被修改过；响应于区域1的PSF与区域6的PSF的相似度在8个区域的PSF的两两相似度中最低，确定所述图像中的一修改边界位于区域1与区域6之间。
[0171] 除了上述确定修改边界的方式，还可以认为相似度低于所述第一阈值的各对光学模糊函数对应的各对区域之间均存在修改边界。
[0172] 在又一种确定所述至少两个光学模糊函数不匹配的可选方式，所述响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过，包括：
[0173] 根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0174] 响应于所述聚类得到至少两个类别，确定所述图像被修改过。
[0175] 其中，所述聚类紧致度(Compactness)是类间距与类内距的比值，所述聚类紧致度可以预先设定好。
[0176] 具体地，所述聚类得到至少两个类别说明至少存在两个区域的两个光学模糊函数的不匹配程度超过所述聚类误差所限定的程度。
[0177] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。为了尽量避免上述差异带来的聚类结果的差异，可选地，所述根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类，包括：
[0178] 确定所述至少两个区域的至少两个光学模糊函数的有效部分和有效宽度；
[0179] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0180] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0181] 具体地，针对各区域的光学模糊函数，以相同的一预设比例与所述光学模糊函数的幅值峰值的乘积作为幅值下限，将所述光学模糊函数中幅值超过所述幅值下限的部分作为所述光学模糊函数的有效部分，所述有效部分的宽度作为所述光学模糊函数的有效宽度。其中，所述比例可以预先设定好，比如设为10％。
[0182] 需要说明的是，为了尽量避免上述差异带来的聚类结果的差异，还有其它可选的实现方式，此处不再赘述。
[0183] 此外，对于被修改过的图像，还可以进一步确定其修改边界的位置。相应地，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0184] 可选地，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，还包括：
[0185] 响应于所述聚类得到至少两个类别，估计所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0186] 举例来说，110中获取了一图像中的8个区域，记为区域1～8，对区域1～8的PSF进行聚类得到类别A、B、C，其中，区域1、2、3的PSF聚类到类别A，区域4、5的PSF聚类到类别B，区域6、7、8的PSF聚类到类别C，确定区域1、2、3组成的大区域A与区域4、5组成的大区域B之间，以及区域1、2、3组成的大区域A与区域6、7、8组成的大区域C之间，以及区域4、5组成的大区域B与区域6、7、8组成的大区域C之间均存在修改边界。
[0187] 除了上述确定修改边界的方式，还可以仅认为类间距最大的两个类别对应的两个大区域之间存在修改边界。
[0188] 在又一种可能的场景中，所述修改属性包括：所述图像未被修改过。
[0189] 在此场景中，可选地，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0190] 响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过。
[0191] 具体地，确定所述至少两个区域的至少两个光学模糊函数匹配有多种实现方式。
[0192] 在一种确定所述至少两个光学模糊函数匹配的可选方式中，所述响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过，包括：
[0193] 确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0194] 响应于任两个区域的两个光学模糊函数的相似度均不低于一第二阈值，确定所述图像未被修改过。
[0195] 其中，所述第二阈值可以预先设定好。
[0196] 其中，所述相似度包括以下任一种：互相关系数、余弦相似度等。
[0197] 图4a和图4c分别为同一原始图像中两个区域的PSF的波形的局部俯视图。图4a和图4c所示的图像相似，即，所述两个区域的拍摄时相机光圈形状相似。
[0198] 图5a和图5c分别为同一原始图像中两个区域的PSF的波形的整体俯视图。图5a和图5c所示的图像相似，即，所述两个区域的拍摄时相机抖动方式相似。
[0199] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异，其中，区域的深度是指区域的内容的实景与相机镜头光心的距离。为了尽量避免上述差异带来的相似度差异，可选地，所述确定所述至少两个区域的至少两个光学模糊函数的相似度，包括：
[0200] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0201] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0202] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0203] 具体地，针对各区域的光学模糊函数，以相同的一预设比例与所述光学模糊函数的幅值峰值的乘积作为幅值下限，将所述光学模糊函数中幅值超过所述幅值下限的部分作为所述光学模糊函数的有效部分，所述有效部分的宽度作为所述光学模糊函数的有效宽度。其中，所述比例可以预先设定好，比如设为10％。
[0204] 需要说明的是，为了尽量避免上述差异带来的相似度差异，还有其它可选的实现方式，此处不再赘述。
[0205] 在又一种可能的场景中，所述修改属性包括：所述图像中至少一个修改边界的位置。
[0206] 在此场景中，可选地，所述至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，包括：
[0207] 至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置。
[0208] 具体地，确定所述至少两个区域的至少两个光学模糊函数的匹配程度有多种实现方式。
[0209] 在一种确定所述至少两个光学模糊函数的匹配程度的可选方式中，所述至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置，包括：
[0210] 确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0211] 响应于存在两个区域的两个光学模糊函数的相似度低于一第三阈值且所述两个光学模糊函数的相似度最低，估计所述图像中的一个修改边界位于所述两个区域之间。
[0212] 其中，所述第三阈值可以预先设定好。
[0213] 其中，所述相似度包括以下任一种：互相关系数、余弦相似度等。
[0214] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。
[0215] 为了尽量避免上述差异带来的相似度差异，可选地，所述确定所述至少两个区域的至少两个光学模糊函数的相似度，包括：
[0216] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0217] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0218] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0219] 具体地，针对各区域的光学模糊函数，以相同的一预设比例与所述光学模糊函数的幅值峰值的乘积作为幅值下限，将所述光学模糊函数中幅值超过所述幅值下限的部分作为所述光学模糊函数的有效部分，所述有效部分的宽度作为所述光学模糊函数的有效宽度。其中，所述比例可以预先设定好，比如设为10％。
[0220] 需要说明的是，为了尽量避免上述差异带来的相似度差异，还有其它可选的实现方式，此处不再赘述。
[0221] 举例来说，110中获取了一图像中的8个区域，记为区域1～8，响应于区域1的PSF与区域6的PSF的相似度低于所述第三阈值且在8个区域的PSF的两两相似度中最低，确定所述图像中的一修改边界位于区域1与区域6之间。
[0222] 除了上述确定修改边界的方式，还可以认为相似度低于所述第三阈值的各对光学模糊函数对应的各对区域之间均存在修改边界。
[0223] 在又一种确定所述至少两个光学模糊函数的匹配程度的可选方式，所述至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置，包括：
[0224] 根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0225] 响应于所述聚类得到至少两个类别，估计所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0226] 其中，所述聚类紧致度是类间距与类内距的比值，所述聚类紧致度可以预先设定好。
[0227] 具体地，所述聚类得到至少两个类别说明至少存在两个区域的两个光学模糊函数的不匹配程度超过所述聚类误差所限定的程度。
[0228] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。为了尽量避免上述差异带来的聚类结果的差异，可选地，所述根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类，包括：
[0229] 确定所述至少两个光学模糊函数的有效部分和有效宽度；
[0230] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0231] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0232] 具体地，针对各区域的光学模糊函数，以相同的一预设比例与所述光学模糊函数的幅值峰值的乘积作为幅值下限，将所述光学模糊函数中幅值超过所述幅值下限的部分作为所述光学模糊函数的有效部分，所述有效部分的宽度作为所述光学模糊函数的有效宽度。其中，所述比例可以预先设定好，比如设为10％。
[0233] 需要说明的是，为了尽量避免上述差异带来的聚类结果的差异，还有其它可选的实现方式，此处不再赘述。
[0234] 本实施例中，所述至少两个区域可以是所述图像中任意的至少两个区域，也可以是按照一定的原则从所述图像中划分出来的。
[0235] 在一种可选的实现方式中，所述获取一图像中的至少两个区域之前，还包括：
[0236] 至少根据纹理和/或颜色，将所述图像划分为至少两个区域；
[0237] 所述获取一图像中的至少两个区域，包括：
[0238] 从划分得到的至少两个区域中获取至少两个区域。
[0239] 具体地，至少根据纹理和/或颜色将所述图像划分为至少两个区域意味着，划分出来的每个区域中，内容的纹理相近和/或颜色相近。通常，一图像中纹理相近和/或颜色相近的内容的深度也比较接近。
[0240] 具体地，从划分得到的至少两个区域中获取至少两个区域有多种方式。
[0241] 在一种可能的场景中，所述从划分得到的至少两个区域中获取至少两个区域，包括：获取划分得到的至少两个区域。
[0242] 也就是说，将划分得到的所有区域都作为获取到的区域。举例来说，对于一图像，根据纹理和颜色划分得到10个区域，则110中获取该10个区域。
[0243] 需要说明的是，在所述修改属性包括：所述图像未被修改过的场景中，可选地采用本场景所述的获取方式，即，将划分得到的所有区域都作为获取到的区域，从而响应于划分得到的所有区域的光学模糊函数之间两两均匹配，确定所述图像未被修改过。
[0244] 在其它可能的场景中，不将划分得到的所有区域都作为获取到的区域，即，所述获取是有选择的获取。其中，所述选择可以是随机地选择，也可以是按照一定的规律选择。
[0245] 图6为本申请提供的一种图像修改确定装置实施例一的结构示意图。如图6所示，图像修改确定装置(以下简称：装置)600包括：
[0246] 区域获取模块61，用于获取一图像中的至少两个区域；
[0247] 特性获取模块62，用于针对各所述区域，获取所述区域的拍摄时相机特性；
[0248] 确定模块63，用于至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0249] 本实施例中，所述区域可以是所述图像中的任意区域。可选地，所述区域是规则区域，如，方形区域、圆形区域，或者，所述区域是不规则区域。
[0250] 本实施例中，所述区域的内容可以来自一个原始图像，或者，来自多个原始图像。其中，原始图像是指使用一相机一次拍摄形成的、未经修改的图像。
[0251] 本实施例中，所述至少两个区域可以覆盖所述图像的全部或部分。
[0252] 本实施例中，所述区域的拍摄时相机特性是指，拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的特性。
[0253] 在一种可能的场景中，所述区域的内容来自一个原始图像。在此场景中，所述区域的拍摄时相机特性是指，拍摄所述区域的内容的一相机在拍摄所述区域的内容时的特性。
[0254] 在又一种可能的场景中，所述区域的内容来自多个原始图像。在此场景中，所述区域的拍摄时相机特性是指，分别拍摄所述区域的内容中来自所述多个原始图像的各部分的多个相机在拍摄相应部分时的综合特性。
[0255] 具体地，所述拍摄时相机特性包括：拍摄时相机光圈形状。其中，所述拍摄时相机光圈形状是指拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的光圈形状。
[0256] 可选地，对于一个相机来说，该相机在某次拍摄时的光圈形状由以下三个要素决定：光圈样式、光圈大小、光圈角度。其中，所述光圈样式可以为任意样式，常见的是多边形；所述光圈大小决定了进光量的多少；所述光圈角度通常随光圈的旋转而改变。具体地，对于安装有一镜头的一相机来说，光圈样式通常是不变的，但光圈大小有些情况下是可以调整的，并且，光圈角度在有些情况下随光圈大小的调整而变化。
[0257] 图2为本申请实施例中几种可能的光圈形状的示意图，具体可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0258] 可选地，所述拍摄时相机特性还包括：拍摄时相机抖动方式。其中，所述拍摄时相机抖动方式可以通过拍摄所述区域的内容的至少一相机在拍摄所述区域的内容时的抖动轨迹来表征。
[0259] 本实施例中，所述修改属性包括以下至少一种：所述图像被修改过、所述图像未被修改过、所述图像中至少一个修改边界的位置。其中，所述图像被修改过意味着所述图像的内容来自至少两个原始图像；所述图像未被修改过意味着所述图像为一原始图像；所述修改边界两侧的区域可以认为来自于不同的原始图像。
[0260] 由于在使用一相机一次拍摄得到的一原始图像中，所述原始图像中各区域的拍摄时相机特性在一定程度上应当是匹配的，因此，本实施例中确定模块63可以根据一图像中至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0261] 本实施例的图像修改确定装置通过特性获取模块获取一图像中至少两个区域的拍摄时相机特性，确定模块至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性，提供了一种确定图像修改属性的方案。
[0262] 下面通过一些可选的实现方式进一步描述本实施例的装置600。
[0263] 本实施例中，特性获取模块62有多种实现方式。
[0264] 在一种可选的实现方式中，特性获取模块62具体用于：
[0265] 针对各所述区域，对所述区域进行光学模糊函数估计，得到所述区域的一光学模糊函数，将所述光学模糊函数作为所述区域的拍摄时相机特性。
[0266] 具体地，所述光学模糊函数包括以下任一种：PSF，OTF。其中，PSF为空域形式的光学模糊函数，OTF为频域形式的光学模糊函数。
[0267] 其中，由于所述区域是二维的，所述区域的PSF、OTF均是一个二维函数。相应地，对所述区域的PSF进行频域转换，比如傅里叶变换，可以得到所述区域的OTF。
[0268] 图3a为本申请实施例中一个区域的PSF的波形示意图；图3b为图3a所示PSF波形的整体俯视图；图3c为图3a所示PSF的波形的局部俯视图。其中，图3b体现了所述区域的拍摄时相机抖动方式；图3c体现了所述区域的拍摄时相机光圈形状。
[0269] 需要说明的是，在拍摄时相机未抖动的场景中，此次拍摄得到的图像中任一区域的PSF的整体俯视图可选地体现为一个点，即，PSF接近于一个脉冲函数。
[0270] 在一种可能的场景中，所述修改属性包括：所述图像被修改过。
[0271] 在此场景中，可选地，确定模块63具体用于：响应于所述至少两个区域的至少两个光学模糊函数不匹配，确定所述图像被修改过。
[0272] 具体地，确定模块63有多种实现方式。
[0273] 在一种可选的实现方式中，如图7a所示，确定模块63包括：
[0274] 第一确定单元631，用于确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0275] 第二确定单元632，用于响应于存在两个区域的两个光学模糊函数的相似度低于一第一阈值，确定所述图像被修改过。
[0276] 图4a和图4b分别为来自不同的原始图像的两个区域的PSF的波形的局部俯视图。图4a和图4b所示的图像差异较大，即，所述两个区域的拍摄时相机光圈形状差别较大。
[0277] 图5a和图5b分别为来自不同的原始图像的两个区域的PSF的波形的整体俯视图。图5a和图5b所示的图像差异较大，即，所述两个区域的拍摄时相机抖动轨迹差别较大。
[0278] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异，其中，区域的深度是指区域的内容的实景与相机镜头光心的距离。
[0279] 为了尽量避免上述差异带来的相似度差异，可选地，第一确定单元631具体用于：
[0280] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0281] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0282] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0283] 此外，对于被修改过的图像，还可以进一步确定其修改边界的位置。相应地，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0284] 可选地，如图7b所示，确定模块63还包括：
[0285] 第三确定单元633，用于响应于所述两个光学模糊函数的相似度最低，确定所述图像中的一修改边界位于所述两个区域之间。
[0286] 本实现方式的具体实现可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0287] 在又一种可选的实现方式中，如图7c所示，确定模块63包括：
[0288] 聚类单元634，用于根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0289] 第四确定单元635，用于响应于所述聚类得到至少两个类别，确定所述图像被修改过。
[0290] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。为了尽量避免上述差异带来的聚类结果的差异，可选地，聚类单元634具体用于：
[0291] 确定所述至少两个光学模糊函数的有效部分和有效宽度；
[0292] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0293] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0294] 此外，对于被修改过的图像，还可以进一步确定其修改边界的位置。相应地，所述修改属性还包括：所述图像中至少一个修改边界的位置；
[0295] 可选地，如图7d所示，确定模块63还包括：
[0296] 第五确定单元636，用于响应于所述聚类得到至少两个类别，确定所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0297] 本实现方式的具体实现可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0298] 在又一种可能的场景中，所述修改属性包括：所述图像未被修改过。
[0299] 在此场景中，可选地，确定模块63具体用于：响应于所述至少两个区域的至少两个光学模糊函数匹配，确定所述图像未被修改过。
[0300] 具体地，确定模块63有多种实现方式。
[0301] 在一种可选的实现方式中，如图7e所示，确定模块63包括：
[0302] 第一确定单元631，用于确定所述至少两个区域中任两个区域的两个光学模糊函数的相似度；
[0303] 第六确定单元637，用于响应于所述至少两个区域中任两个区域的两个光学模糊函数的相似度均不低于一第二阈值，确定所述图像未被修改过。
[0304] 图4a和图4c分别为同一原始图像中两个区域的PSF的波形的局部俯视图。图4a和图4c所示的图像相似，即，所述两个区域的拍摄时相机光圈形状相似。
[0305] 图5a和图5c分别为同一原始图像中两个区域的PSF的波形的整体俯视图。图5a和图5c所示的图像相似，即，所述两个区域的拍摄时相机抖动方式相似。
[0306] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异，其中，区域的深度是指区域的内容的实景与相机镜头光心的距离。为了尽量避免上述差异带来的相似度差异，可选地，第一确定单元631具体用于：
[0307] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0308] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0309] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0310] 本实现方式的具体实现可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0311] 在又一种可能的场景中，所述修改属性包括：所述图像中至少一个修改边界的位置。
[0312] 在此场景中，可选地，确定模块63具体用于：至少根据所述至少两个区域的拍摄时相机特性的匹配程度，估计所述图像中至少一个修改边界的位置。
[0313] 具体地，确定模块63有多种实现方式。
[0314] 在一种可选的实现方式中，如图7f所示，确定模块63包括：
[0315] 第一确定单元631，用于确定所述至少两个区中任两个区域的两个光学模糊函数的相似度；
[0316] 第七确定单元638，用于响应于存在两个区域的两个光学模糊函数的相似度低于一第三阈值且所述两个光学模糊函数的相似度最低，估计所述图像中的一个修改边界位于所述两个区域之间。
[0317] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。
[0318] 为了尽量避免上述差异带来的相似度差异，可选地，第一确定单元631具体用于：
[0319] 针对任两个区域，确定所述两个区域的两个光学模糊函数的有效部分和有效宽度；
[0320] 根据所述两个光学模糊函数的有效宽度，对所述两个光学模糊函数的有效部分进行宽度归一化处理；
[0321] 确定所述两个光学模糊函数的相似度为宽度归一化处理后的所述两个光学模糊函数的有效部分的相似度。
[0322] 本实现方式的具体实现可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0323] 在又一种可选的实现方式中，如图7g所示，确定模块63包括：
[0324] 聚类单元634，用于根据一聚类紧致度，对所述至少两个区域的至少两个光学模糊函数进行聚类；
[0325] 第八确定单元639，用于响应于所述聚类得到至少两个类别，估计所述图像中的至少一个修改边界位于所述至少两个类别对应的至少两个大区域之间，各所述类别对应的大区域由光学模糊函数属于所述类别的至少一个区域组成。
[0326] 考虑到即使在一个原始图像中，两个区域的深度不同而导致这两个区域的两个光学模糊函数在宽度上可能存在差异。为了尽量避免上述差异带来的聚类结果的差异，可选地，聚类单元634具体用于：
[0327] 确定所述至少两个光学模糊函数的有效部分和有效宽度；
[0328] 根据所述至少两个光学模糊函数的有效宽度，对所述至少两个光学模糊函数的有效部分进行宽度归一化处理；
[0329] 对宽度归一化处理后的所述至少两个光学模糊函数的有效部分进行聚类。
[0330] 本实现方式的具体实现可参照本申请提供的一种图像修改确定方法实施例中的相应描述。
[0331] 本实施例中，所述至少两个区域可以是所述图像中任意的至少两个区域，也可以是按照一定的原则从所述图像中划分出来的。
[0332] 在一种可选的实现方式中，如图7h所示，装置600还包括：
[0333] 划分模块64，用于至少根据纹理和/或颜色，将所述图像划分为至少两个区域；
[0334] 区域获取模块61具体用于：从划分模块64划分得到的至少两个区域中获取至少两个区域。
[0335] 具体地，区域获取模块61从划分模块64划分得到的至少两个区域中获取至少两个区域有多种方式。
[0336] 在一种可能的场景中，区域获取模块61具体用于：获取划分模块64划分得到的至少两个区域。
[0337] 也就是说，区域获取模块61将划分模块64划分得到的所有区域都作为获取到的区域。举例来说，对于一图像，划分模块64根据纹理和颜色划分得到10个区域，则区域获取模块61获取该10个区域。
[0338] 需要说明的是，在所述修改属性包括：所述图像未被修改过的场景中，区域获取模块61可选地采用本场景所述的获取方式，即，将划分模块64划分得到的所有区域都作为获取到的区域，从而确定模块63响应于划分模块64划分得到的所有区域的光学模糊函数之间两两均匹配，确定所述图像未被修改过。
[0339] 在其它可能的场景中，区域获取模块61不将划分模块64划分得到的所有区域都作为获取到的区域，即，区域获取模块61的所述获取是有选择的获取。其中，所述选择可以是随机地选择，也可以是按照一定的规律选择。
[0340] 图8为本申请提供的一种图像修改确定装置实施例二的结构示意图。如图8所示，图像修改确定装置800包括：
[0342] 处理器81、通信接口82、以及存储器83通过通信总线84完成相互间的通信。
[0343] 通信接口82，用于与外部设备的通信。
[0344] 处理器81，用于执行程序832，具体可以执行上述图像修改确定方法实施例中的相关步骤。
[0345] 具体地，程序832可以包括程序代码，所述程序代码包括计算机操作指令。
[0346] 处理器81可能是一个中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施图像修改确定方法实施例的一个或多个集成电路。
[0347] 存储器83，用于存放程序832。存储器83可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。程序832具体可以用于使得图像修改确定装置800执行以下步骤：
[0348] 获取一图像中的至少两个区域；
[0349] 针对各所述区域，获取所述区域的拍摄时相机特性；
[0350] 至少根据所述至少两个区域的拍摄时相机特性，确定所述图像的修改属性。
[0351] 程序832中各步骤的具体实现可以参见上述图像修改确定方法实施例中的相应步骤和单元中对应的描述，在此不赘述。
[0352] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0353] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
修改热门专利
QQ群二维码
意见反馈
意见反馈