本发明创造涉及图像处理，特别是涉及一种图像清晰度的数据处理方法、装置、电子设备。
背景技术：
1、图像清晰度是衡量图像质量的一个重要指标，对于相机来说，其一般工作在无参考图像的模式下，所以在拍照时需要进行对焦的控制。对焦不准确，图像就会变得比较模糊和不清晰。相机对焦时通过一些清晰度评判指标，控制镜头与ccd（charge coupleddevice，电荷耦合元件）的距离，使图像成像清晰。一般对焦时有一个调整的过程，图像从模糊到清晰，再到模糊，确定清晰度峰值，再最终到达最清晰的位置。
2、拍照时有一个对焦的过程，为了找到对焦点，在焦距上下设置的范围内，每隔一定距离进行拍照，这样得到一组照片，找出其中最清晰的照片，对应的位置就是对焦点。
3、相关技术中，在一组照片中找最清晰的照片，通常利用清晰度算法计算各个照片的清晰度，并以此查找清晰度最高的照片。当前的清晰度算法都是基于图像梯度，图像梯度有多种计算方法。区别一般在于计算像素点位置和计算公式差异，但基本概念是一致的，也即是通过计算局部范围内的像素点梯度，来求和计算整个图像的梯度总量，也就是图像的清晰度。
4、但是，现有的清晰度算法查找到的，梯度值很高的照片图像，也即是清晰度很高的照片图像，有可能只是局部小区域很清楚，其他的而大部分区域都更加模糊，例如成团细胞，图像梯度值很高，但其他大部分区域不清楚。这种情况都不是希望找的最清晰的图像，也即是现有的清晰度算法存在很大的局限性，不能保证对图像整体清晰度的均匀分布。
5、针对相关技术中的图像清晰度算法，基于梯度总量，容易筛选出局部清晰度的梯度值很高，但是图像其他部分的清晰度较差的图像，导致无法筛选出整体清晰度较好的图像的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明创造实施例提供的一种图像清晰度的数据处理方法、装置、电子设备，至少解决相关技术中的图像清晰度算法，基于梯度总量，容易筛选出局部清晰度的梯度值很高，但是图像其他部分的清晰度较差的图像，导致无法筛选出整体清晰度较好的图像的问题。
2、本发明创造实施例提供的一种图像清晰度的数据处理方法，包括：通过梯度算法计算目标图像的各个像素点的像素梯度值；根据预设梯度阈值对所述目标图像的像素点进行筛选，确定像素梯度值达到所述预设梯度阈值的像素点为目标像素点；根据所述目标像素点的坐标，计算位置矩阵；根据所述位置矩阵计算所述目标图像的梯度位置离散程度。
3、作为一种可选的实施例，根据所述位置矩阵计算所述目标图像的梯度位置离散程度之后，所述方法还包括：根据所述梯度位置离散程度计算所述目标图像清晰度的加权系数，其中，所述目标图像为在不同高度对目标对象进行拍摄的组图中的单张图像；根据所述加权系数和所述梯度算法计算的总梯度，计算所述目标图像的清晰度；根据所述组图中各个图像的清晰度，确定出清晰度最高的图像。
4、作为一种可选的实施例，根据所述梯度位置离散程度计算所述目标图像清晰度的加权系数，包括：计算所述组图中各个图像的梯度位置离散程度；根据所述目标图像的梯度位置离散程度，与所述组图中所述梯度位置离散程度的最小值，计算所述加权系数。
5、作为一种可选的实施例，根据所述加权系数和所述梯度算法计算的总梯度，计算所述目标图像的清晰度，包括：在所述目标像素点的数量达到预设数量阈值的情况下，将所述加权系数与所述总梯度的乘积，作为所述目标图像的清晰度；在所述目标像素点的数量未达到预设数量阈值的情况下，将所述总梯度作为所述目标图像的清晰度。
6、作为一种可选的实施例，通过梯度算法计算目标图像的各个像素点的像素梯度值以及总梯度，包括：根据预设方式利用可用像素点相邻的像素点的像素值，计算可用像素点的像素梯度值，其中，所述可用像素点为符合所述预设方式计算所需相邻像素点的像素点；根据所述目标图像的可用像素点的像素梯度值，利用梯度算法的计算公式，计算所述总梯度。
7、作为一种可选的实施例，根据所述目标像素点的坐标，计算位置矩阵，包括：统计所述目标图像的目标像素点的数量；在所述数量达到预设数量阈值的情况下，根据所述目标像素点的位置坐标，生成所述位置矩阵，其中，所述位置矩阵的行数为所述目标像素点的个数，列数为2。
8、作为一种可选的实施例，根据所述位置矩阵计算所述目标图像的梯度位置离散程度，包括：根据所述位置矩阵，计算对应的协方差矩阵；根据所述协方差矩阵，计算各个位置在特征向量方向投影值的方差特征，其中，所述方差特征的数量与所述协方差矩阵的阶数相同；根据所述方差特征进行求和，得到所述梯度位置离散程度。
9、作为一种可选的实施例，根据所述位置矩阵，计算对应的协方差矩阵，包括：根据所述位置矩阵中所述目标像素点的位置坐标计算坐标均值；根据坐标均值，对所述位置矩阵进行去中心化，得到归一化的矩阵；根据所述归一化的矩阵，计算所述协方差矩阵。
10、本发明创造实施例提供的一种图像清晰度的数据处理装置，包括：梯度计算模块，用于通过梯度算法计算目标图像的各个像素点的像素梯度值；阈值筛选模块，用于根据预设梯度阈值对所述目标图像的像素点进行筛选，确定像素梯度值达到所述预设梯度阈值的像素点为目标像素点；位置矩阵模块，用于根据所述目标像素点的坐标，计算位置矩阵；梯度位置离散程度模块，用于根据所述位置矩阵计算所述目标图像的梯度位置离散程度。
11、本发明创造实施例提供的一种电子设备，包括：处理器，以及存储程序的存储器，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述中任一项所述的方法。
12、本发明创造实施例提供的一种存储有计算机指令的非瞬时机器可读介质，所述计算机指令用于使所述计算机执行上述中任一项所述的方法。
13、本发明创造实施例提供的一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时，实现上述中任一项所述的方法。
14、本发明创造实施例提供的图像清晰度的数据处理方法，通过梯度算法计算目标图像的各个像素点的像素梯度值以及总梯度，根据像素梯度值达到预设梯度阈值的目标像素点的坐标，计算位置矩阵，计算目标图像的梯度位置离散程度，使得结合总体度可以表征图像清晰度以及清晰度的分布情况，进而反映出图像整体清晰度，解决了相关技术中的图像清晰度算法，基于梯度总量，容易筛选出局部清晰度的梯度值很高，但是图像其他部分的清晰度较差的图像，导致无法筛选出整体清晰度较好的图像的问题，达到了既能够表现清晰度总体情况，还能够表现清晰度的整体分布情况的技术效果。
1.一种图像清晰度的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述位置矩阵计算所述目标图像的梯度位置离散程度之后，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，根据所述梯度位置离散程度计算所述目标图像清晰度的加权系数，包括：
4.根据权利要求2所述的方法，其特征在于，根据所述加权系数和所述梯度算法计算的总梯度，计算所述目标图像的清晰度，包括：
5.根据权利要求1所述的方法，其特征在于，通过梯度算法计算目标图像的各个像素点的像素梯度值以及总梯度，包括：
6.根据权利要求1所述的方法，其特征在于，根据所述目标像素点的坐标，计算位置矩阵，包括：
7.根据权利要求1所述的方法，其特征在于，根据所述位置矩阵计算所述目标图像的梯度位置离散程度，包括：
8.根据权利要求7所述的方法，其特征在于，根据所述位置矩阵，计算对应的协方差矩阵，包括：
9.一种图像清晰度的数据处理装置，其特征在于，包括：
10.一种电子设备，包括：处理器，以及存储程序的存储器，其特征在于，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1至8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时机器可读介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1至8中任一项所述的方法。
12.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时，实现权利要求1至8中任一项所述的方法。
