CN105825492B - 一种摄像设备的检测方法、装置及*** - Google Patents
一种摄像设备的检测方法、装置及*** Download PDFInfo
- Publication number
- CN105825492B CN105825492B CN201510004045.0A CN201510004045A CN105825492B CN 105825492 B CN105825492 B CN 105825492B CN 201510004045 A CN201510004045 A CN 201510004045A CN 105825492 B CN105825492 B CN 105825492B
- Authority
- CN
- China
- Prior art keywords
- value
- target image
- abscissa
- length
- grey level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种摄像设备的检测方法、装置及***,涉及图像处理技术领域。方法包括:获取目标图像的灰度直方图;基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;若所述对比强度小于预设要求值,则确定拍摄所述目标图像的摄像设备异常。本发明的方案通过检测摄像设备的图像数据的对比度,来确定摄像设备是否发生异常现象。相比于现有技术,检测结果更准确、计算量更少。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种摄像设备的检测方法、装置及***。
背景技术
在视频监控***中由于镜头损坏、焦距不当或异物遮蔽等因素的影响容易引起视频图像对比度偏低,从而导致视频图像信息丢失,严重影响视觉效果以及后续的图像分析。
为判断视频对比度是否异常,现有的技术是采用图像梯度极值点连通域判断方式:该方法中,***发送视频图像给视频对比度异常检测模块,检测模块计算输入图像f的梯度,计算梯度采用soble算子: 与输入图像f进行卷积,卷积公式为:GX=h1×f、GX=h2×f,对应原始图像的梯度表示为:Gi,j=|GX(i,j)|×|GY(i,j)|,其中,i、j表示像素点的坐标。
计算出图像梯度后,寻找梯度图像中的极值点x(i1,j1)、x(i2,j2)……x(in,jn),找出其中的最大极值点x(ik,jk),对梯度图像进行二值化,计算二值化图像中经过最大极值点x(ik,jk)的连通域,计算该连通域的梯度平均值,利用该平均值作为图像的对比度。
现有方法具有以下缺点:
1、在计算梯度图像时采用soble算子进行卷积计算量大;
2、在计算对比度强度时仅考虑到了梯度图像的极值点以及极值点的连通域,用最强极值点的连通域来表示图像的对比度,通常情况下,连通域的选取过程中受噪声、光照影响比较大,而且最强极值点在前、后帧中分布不一致,容易导致检测结果不稳定、***可靠性不高。
发明内容
本发明要解决的技术问题是提供一种摄像设备的检测方法、装置及***,能够根据摄像设备的图像数据的对比度,确定摄像设备是否发生异常现象。
为解决上述技术问题,本发明的实施例提供一种摄像设备的检测方法,包括:
获取目标图像的灰度直方图;
基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
若所述对比强度小于预设要求值,则确定拍摄所述目标图像的摄像设备异常。
其中,所述根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值,包括:
对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;
分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
其中,所述基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度,包括:
确定所述灰度直方图的面积中值;
以所述面积中值为中心,向横坐标两侧进行扩展;
在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
其中,所述方法还包括:
在量化所述目标图像的对比强度值前,根据边缘检测公式,确定所述灰度直方图的边缘点数量;
所述分别对各个长度差进行量化求和,得到所述目标图像的对比强度值,包括:
分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值。
其中,所述根据边缘检测公式,确定所述灰度直方图的边缘点数量,包括:
根据公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
根据公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
将取值为1的像素点数量作为所述边缘点数量。
其中,分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值,包括:
根据公式确定所述目标图像的对比强度值;
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
此外,本发明的实施例还提供一种摄像设备的检测装置,包括:
获取模块,用于获取目标图像的灰度直方图;
直方图处理模块,用于基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
量化模块,用于根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
异常确定模块,用于若所述对比强度小于预设要求值,则确定拍摄所述目标图像的摄像设备异常。
其中,所述量化模块包括:
长度差计算子模块,用于对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;
量化求和子模块,分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
其中,所述直方图处理模块包括:
中值确定子模块,用于确定所述灰度直方图的面积中值;
图形扩展子模块,用于以所述面积中值为中心,向横坐标两侧进行扩展;
记录子模块,用于在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
其中,所述装置还包括:
边缘点计算模块,用于在所述量化模块量化所述目标图像的对比强度值前,根据边缘检测公式,确定所述灰度直方图的边缘点数量;
其中,所述量化模块具体用于:分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值。
其中,所述边缘点计算模块包括:
第一计算子模块,用于根据公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
第二计算子模块,用于根据公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
边缘点确定子模块,用于将取值为1的像素点数量作为所述边缘点数量。
其中,所述量化模块进一步具体用于:根据公式 确定所述目标图像的对比强度值;
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
此外,本发明的实施例还提供一种摄像设备的检测***,包括:
上述摄像设备的检测装置;以及
报表模块,用于针对被确定为异常的摄像设备,生成维护报表。
本发明的上述技术方案的有益效果如下:
本发明的方案通过检测摄像设备的图像数据的对比度,来确定摄像设备是否发生异常现象。相比于现有技术,检测结果更准确、计算量更少。
附图说明
图1为本发明的检测方法的步骤示意图;
图2为示例性的灰度直方图;
图3为根据本发明的通过灰度直方图,确定各灰度面积比例对应的横坐标长度的示意图。
图4为本发明的检测方法的逻辑流程图;
图5本发明的检测装置的结构示意图;
图6为本发明的检测***的工作逻辑图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的检测摄像设备异常方法所存在的计算量过高、准确率过低的问题,提出了一种新的摄像设备的检测方法,如图1所示,包括:
步骤11,获取目标图像的灰度直方图;
步骤12,基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
步骤13,根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
步骤14,若所述对比强度小于预设要求值,则确定拍摄所述目标图像的摄像设备异常。
灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反应了图像中某种灰度出现的频率。如图2所示的是一个示例性的灰度直方图,横坐标表示各个灰度值,纵坐标表示对应的像素个数。所以可以知道是,横坐标上的变化反应了图片不同灰度的变化量,再进一步结合纵坐标上的取值,可以确定有多少个像素点发生了灰度变化。根据该原理,不难想象到的是,在单位灰度面积变化量下(灰度面积为横坐标取值乘以纵坐标取值),对应的横坐标长度越小,则说明图片的对比度越高。在本实施例中,正是通过不同灰度面积比例所对应的横坐标长度的差量,来量化出图片整体的对比强度值,从而判断摄像设备是否发生了异常现象。相比于上文介绍现有技术,实施过程更简单,且准确性更高。
为了更好地反应出图片整体的对比强度值,这里可针对灰度直方图确定出多个不同灰度面积比例所对应的横坐标长度。在执行步骤13时,对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;之后分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
例如:先确定出灰度直方图中30%、60%以及90%的灰度面积,再确定30%灰度面积的横坐标长度L1、60%灰度面积的横坐标长度L2以及90%的灰度面积的横坐标长度L3。之后,计算30%灰度面积过渡到60%灰度面积所对应的横坐标长度(L2-L1),以及60%灰度面积过渡到90%灰度面积所对应的横坐标长度(L3-L2)。
之后对(L2-L1)以及(L3-L2)的取值进行合理量化,评估目标图像整体的对比强度值。当然,计算过程中采用的灰度面积比例越多,评估结果越准确。
下面进一步介绍如何根据灰度直方图,确定不同灰度比例面积所对应的横坐标长度。即,上述步骤12进一步包括:
步骤121,确定所述灰度直方图的面积中值;
步骤122,以所述面积中值为中心,向横坐标两侧进行扩展;
步骤123,在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
如图3所示的一个示例性的灰度直方图,选取灰度直方图的面积中值y0为起始进行横坐标的扩展。假设,提前设置了3个灰度面积比例,分别是R0、R1和R2,当扩展对应的灰度面积达到R0时,记录此时扩展对应的横坐标长度L0,当扩展对应的灰度面积达到R1时,记录此时扩展对应的横坐标长度L1,当扩展对应的灰度面积达到R2时,记录此时扩展对应的横坐标长度L2。
其中,如何以面积中值来向左右两边扩展的方法有很多种,例如:可按照固定的扩展步长,同时向左右两侧进行扩展。或者,先确定左右两边哪个方向上能扩展到更大灰度面积,之后按照固定步长向确定的方向进行一次扩展,在本次扩展完成后,重新再确定下一次扩展方向。
此外,本领域人员容易想象到的是:还可以规定灰度直方图的最左侧为起始点,向右侧进行扩展。需要给予说明的是,以上扩展方式不应限定本发明的保护范围。
此外,为了进一步提高判断异常的准确性,在上述基础上,还可以将目标图像的边缘点数量作为量化对比强度值的标准。
边缘点是指图像中相邻两种颜色中间的边界像素点,边缘点数量能在一定程度上反应出图像的对比强度。
由于边缘点数量与上文确定到的不同横坐标长度之间的差量是两种完全不同的评估维度,因此在评估对比强度值时需要进行标准化。
本发明提供了一个评估对比强度值的计算公式:
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
示例性,假设以百分制作为对比强度值评估标准。这里C取值为100,K1至KN是根据百分制标准确定到的各个长度差的系数,K*是根据百分制标准确定到的边缘点数量的系数,K1至KN以及K*作用是用于将长度差和边缘点数量两个维度的数量级标准化为百分制的数量级。
下面对确定的边缘点数量的方法进行详细介绍。
首先,根据边缘强度计算公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
这里f(x-1,y-1)是表示f(x,y)左下的像素点的灰度值,f(x,y-1)是f(x,y)下面的像素点,f(x-1,y)是f(x,y)左边的像素点。对应的位置关系如下表所示:
f(x-1,y) | f(x,y) |
f(x-1,y-1) | f(x,y-1) |
可以看出,上述边缘强度计算公式用于计算f(x,y)附近点之间的强度差的量化值。
之后,根据二值化公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
将取值为1的像素点数量作为所述边缘点数量(这里取值为1像素点均是周围像素点存在较高的灰度差,因此视为边缘点)。
基于上述方案,本实施例的执行流程逻辑图,如图4所示:
首先,获取摄像设备的图像数据。
之后,分别确定出图像数据边缘点数量以及不同灰度面积比例所对应的横坐标长度逐渐的差量;
根据边缘点数量以及不同灰度面积比例所对应的横坐标长度逐渐的差量,量化出图像数据的对比强度值;
最终,根据对比强度值来判断摄像设备是否出现异常。
综上所述,相比于现有技术,本实施例的摄像设备的检测方法更可靠,且计算量更少。
此外,本发明的另一实施例提供一种摄像设备的检测装置,如图5所示,包括:
获取模块,用于获取目标图像的灰度直方图;
直方图处理模块,用于基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
量化模块,用于根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
异常确定模块,用于若所述对比强度小于预设要求值,则确定拍摄所述目标图像的摄像设备异常。
其中,所述量化模块包括:
长度差计算子模块,用于对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;
量化求和子模块,分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
其中,所述直方图处理模块包括:
中值确定子模块,用于确定所述灰度直方图的面积中值;
图形扩展子模块,用于以所述面积中值为中心,向横坐标两侧进行扩展;
记录子模块,用于在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
其中,本实施例的检测装置还包括:
边缘点计算模块,用于在所述量化模块量化所述目标图像的对比强度值前,根据边缘检测公式,确定所述灰度直方图的边缘点数量;
其中,所述量化模块具体用于:分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值。
其中,所述边缘点计算模块包括:
第一计算子模块,用于根据公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
第二计算子模块,用于根据公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
边缘点确定子模块,用于将取值为1的像素点数量作为所述边缘点数量。
其中,所述量化模块进一步具体用于:根据公式 确定所述目标图像的对比强度值;
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
显然,本实施例的检测装置与上一实施例的检测方法相对应,均能够达到相同的技术效果。
此外,本发明的另一实施例还提供一种摄像设备的检测***,包括上述摄像设备的检测装置,以及报表模块。报表模块用于针对被确定为异常的摄像设备,生成维护报表。
图6所示的是本实施例***在具体实现中的工作逻辑图:
***中,通过通信模块,获取通过摄像头(即摄像设备,可以是多个)的拍摄的图像数据,并通过检测装置进行异常检测。对于异常的摄像头,生成维护报表,以告知维护人员进行检修。此外,本***还可以向用户提供检测结果的查询接口。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种摄像设备的检测方法,其特征在于,包括:
获取目标图像的灰度直方图;
基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
若所述对比强度值小于预设要求值,则确定拍摄所述目标图像的摄像设备异常;
所述根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值,包括:
对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;
分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
2.根据权利要求1所述的方法,其特征在于,
所述基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度,包括:
确定所述灰度直方图的面积中值;
以所述面积中值为中心,向横坐标两侧进行扩展;
在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
3.根据权利要求1所述的方法,其特征在于,还包括:
在量化所述目标图像的对比强度值前,根据边缘检测公式,确定所述灰度直方图的边缘点数量;
所述分别对各个长度差进行量化求和,得到所述目标图像的对比强度值,包括:
分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值。
4.根据权利要求3所述的方法,其特征在于,
所述根据边缘检测公式,确定所述灰度直方图的边缘点数量,包括:
根据公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
根据公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
将取值为1的像素点数量作为所述边缘点数量。
5.根据权利要求3所述的方法,其特征在于,
分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值,包括:
根据公式确定所述目标图像的对比强度值;
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
6.一种摄像设备的检测装置,其特征在于,包括:
获取模块,用于获取目标图像的灰度直方图;
直方图处理模块,用于基于所述灰度直方图,确定多个不同灰度面积比例所对应的横坐标长度;
量化模块,用于根据确定的不同横坐标长度之间的差量,量化所述目标图像的对比强度值;
异常确定模块,用于若所述对比强度值小于预设要求值,则确定拍摄所述目标图像的摄像设备异常;
所述量化模块包括:
长度差计算子模块,用于对多个横坐标长度按照对应的灰度面积比例进行排序,确定排序相邻两个横坐标长度之间的长度差;
量化求和子模块,分别对各个长度差进行量化求和,得到所述目标图像的对比强度值。
7.根据权利要求6所述的装置,其特征在于,
所述直方图处理模块包括:
中值确定子模块,用于确定所述灰度直方图的面积中值;
图形扩展子模块,用于以所述面积中值为中心,向横坐标两侧进行扩展;
记录子模块,用于在扩展所对应的灰度面积分别达到总面积的多个不同的比例时,记录扩展对应的横坐标长度。
8.根据权利要求6所述的装置,其特征在于,还包括:
边缘点计算模块,用于在所述量化模块量化所述目标图像的对比强度值前,根据边缘检测公式,确定所述灰度直方图的边缘点数量;
其中,所述量化模块具体用于:分别对各个长度差以及边缘点数量进行量化求和,得到所述目标图像的对比强度值。
9.根据权利要求8所述的装置,其特征在于,
所述边缘点计算模块包括:
第一计算子模块,用于根据公式:g(x,y)=|f(x,y)-f(x-1,y-1)|+|f(x,y-1)-f(x-1,y)|,确定所述目标图像各个像素点的边缘强度g(x,y);其中,x表示横坐标,y表示纵坐标;f(x,y)表示坐标(x,y)的灰度值;
第二计算子模块,用于根据公式:对各个像素点的边缘强度进行二值化处理,使得边缘强度大于th的像素点取值为1,得边缘强度小于th的像素点取值为0;其中,th为预设阈值,b(x,y)为像素点(x,y)二值化的取值;
边缘点确定子模块,用于将取值为1的像素点数量作为所述边缘点数量。
10.根据权利要求8所述的装置,其特征在于,
所述量化模块进一步具体用于:根据公式 确定所述目标图像的对比强度值;
其中,C、K1至KN以及K*分别为量化标准下的常数,Δl1至ΔlN表示各个长度差,var为所述灰度直方图的方差,num为边缘点数量。
11.摄像设备的检测***,其特征在于,包括:
如权利要求6-10任一项所述的摄像设备的检测装置;
报表模块,用于针对被确定为异常的摄像设备,生成维护报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004045.0A CN105825492B (zh) | 2015-01-05 | 2015-01-05 | 一种摄像设备的检测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510004045.0A CN105825492B (zh) | 2015-01-05 | 2015-01-05 | 一种摄像设备的检测方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105825492A CN105825492A (zh) | 2016-08-03 |
CN105825492B true CN105825492B (zh) | 2019-07-05 |
Family
ID=56513625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510004045.0A Active CN105825492B (zh) | 2015-01-05 | 2015-01-05 | 一种摄像设备的检测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825492B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147902A (zh) * | 2017-05-27 | 2017-09-08 | 华勤通讯技术有限公司 | 摄像设备的检测方法及摄像设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110102578A1 (en) * | 2009-10-29 | 2011-05-05 | Olympus Corporation | Imaging apparatus and image generating method |
CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测*** |
CN102555473A (zh) * | 2010-12-17 | 2012-07-11 | 富士胶片株式会社 | 不良记录元件检测设备和方法,以及图像形成设备和方法 |
CN104243967A (zh) * | 2013-06-07 | 2014-12-24 | 浙江大华技术股份有限公司 | 一种图像检测方法及装置 |
-
2015
- 2015-01-05 CN CN201510004045.0A patent/CN105825492B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110102578A1 (en) * | 2009-10-29 | 2011-05-05 | Olympus Corporation | Imaging apparatus and image generating method |
CN102555473A (zh) * | 2010-12-17 | 2012-07-11 | 富士胶片株式会社 | 不良记录元件检测设备和方法,以及图像形成设备和方法 |
CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测*** |
CN104243967A (zh) * | 2013-06-07 | 2014-12-24 | 浙江大华技术股份有限公司 | 一种图像检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105825492A (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测*** | |
CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN104902267B (zh) | 一种基于梯度信息的无参考图像质量评价方法 | |
CN104363815B (zh) | 图像处理装置以及图像处理方法 | |
CN107621932B (zh) | 显示图像的局部放大方法和装置 | |
CN105321191B (zh) | 用于处理图像中的反射区的方法和电子设备 | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
US11315229B2 (en) | Method for training defect detector | |
CN102202227A (zh) | 一种无参考视频质量客观评估方法 | |
CN105303573B (zh) | 金针类元件的引脚检测方法和*** | |
CN104168478A (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
CN102621154A (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法及装置 | |
CN105092473A (zh) | 一种多晶硅薄膜的质量检测方法和*** | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN109828394A (zh) | 一种显示面板的检测方法和检测机台 | |
CN111353968A (zh) | 一种基于盲元检测与分析的红外图像质量评价方法 | |
CN110334775B (zh) | 一种基于宽度学习的无人机线路故障识别方法和装置 | |
CN107025891B (zh) | 一种显示模组缺陷快速修复方法及*** | |
CN106888344A (zh) | 摄像模组及其像面倾斜的获取方法和调整方法 | |
CN105825492B (zh) | 一种摄像设备的检测方法、装置及*** | |
CN1323545C (zh) | 医学影像坏点自动检测门限确定方法 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN113899349A (zh) | 海浪参数检测方法、设备及存储介质 | |
CN104159102B (zh) | 灰阶画面检测方法及检测装置 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |