CN107240078A - 镜头清晰度验算方法、装置及电子设备 - Google Patents
镜头清晰度验算方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107240078A CN107240078A CN201710418003.0A CN201710418003A CN107240078A CN 107240078 A CN107240078 A CN 107240078A CN 201710418003 A CN201710418003 A CN 201710418003A CN 107240078 A CN107240078 A CN 107240078A
- Authority
- CN
- China
- Prior art keywords
- gradient
- blurred picture
- original image
- horizontal direction
- marginal point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 229920013669 Clearsite Polymers 0.000 description 1
- SMEGJBVQLJJKKX-HOTMZDKISA-N [(2R,3S,4S,5R,6R)-5-acetyloxy-3,4,6-trihydroxyoxan-2-yl]methyl acetate Chemical compound CC(=O)OC[C@@H]1[C@H]([C@@H]([C@H]([C@@H](O1)O)OC(=O)C)O)O SMEGJBVQLJJKKX-HOTMZDKISA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000009416 shuttering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及摄像头镜头的调整技术领域,提供一种镜头清晰度验算方法、装置及电子设备,所述方法包括:获取镜头采集的原始图像;对原始图像进行滤波,得到模糊图像;对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度;根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值;根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。本发明用电子设备判断代替人眼判断进行镜头清晰度验算,从而避免了现有技术中工人用人眼判断带来的各种人工误差,能够保证产品的一致性。
Description
技术领域
本发明涉及摄像头镜头的调整技术领域,具体而言,涉及一种镜头清晰度验算方法、装置及电子设备。
背景技术
应用到手机等数码产品的摄像头绝大多数不具备光学变焦功能、结构简单并且具有较深的景深,在实际生产中,摄像头在组装完成后、出厂前需要进行焦距调节,并对镜头进行固定,以使摄像头在实际工作中能产生清晰的图像,由于摄像头的传感器型号多,而且需要对摄像头镜头具有较准确的焦距以保证摄像头模组的图像清晰度,因此,需要对摄像头的图像进行采集以及清晰度验算。
目前,摄像头模组的调焦仍然由人工完成,图像采集电路连接摄像头,从摄像头模组采集图像数据并传送到PC(personal computer,个人计算机)端进行显示,工人用人眼根据显示器上的图像是否清晰来判断摄像头的清晰度,人工调焦方法虽然能满足工厂的生产要求,但由于工人对清晰度的评价不同,因而每个工人对摄像头模组调焦的清晰位点把握存在差异,这难以保证产品清晰度的一致性。
发明内容
本发明的目的在于提供一种镜头清晰度验算方法、装置及电子设备,用以改善上述问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明提供一种镜头清晰度验算方法,所述方法包括:获取镜头采集的原始图像;对原始图像进行滤波,得到模糊图像;对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度;根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值;根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
第二方面,本发明提供一种镜头清晰度验算装置,所述装置包括原始图像获取模块、滤波模块、边缘检测模块、清晰度值计算模块及镜头清晰度判断模块。其中,原始图像获取模块,用于获取镜头采集的原始图像;滤波模块,用于对原始图像进行滤波,得到模糊图像;边缘检测模块,用于对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度;清晰度值计算模块,用于根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值;镜头清晰度判断模块,用于根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
第三方面,本发明提供一种电子设备,其包括存储器、处理器、以及镜头清晰度验算装置,所述镜头清晰度验算装置存储于所述存储器中并包括一个或多个由所述处理器执行的软件功能模组。所述镜头清晰度验算装置包括原始图像获取模块、滤波模块、边缘检测模块、清晰度值计算模块及镜头清晰度判断模块。其中,原始图像获取模块,用于获取镜头采集的原始图像;滤波模块,用于对原始图像进行滤波,得到模糊图像;边缘检测模块,用于对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度;清晰度值计算模块,用于根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值;镜头清晰度判断模块,用于根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
相对现有技术,本发明具有以下有益效果:本发明提供的一种镜头清晰度验算方法、装置及电子设备,首先,将镜头采集的原始图像处理成模糊图像,其次,对模糊图像进行边缘检测,并计算每个边缘点的梯度强度,最后,将所有边缘点的梯度强度的均值作为原始图像的清晰度值,并根据清晰度值与预设清晰度阈值的关系,来判断镜头清晰度是否合格,用电子设备判断代替人眼判断,从而避免了现有技术中工人用人眼判断带来的各种人工误差,能够保证产品的一致性。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备的方框示意图。
图2示出了本发明实施例提供的镜头清晰度验算方法流程图。
图3为图2示出的步骤S102的子步骤流程图。
图4为图2示出的步骤S103的子步骤流程图。
图5为图4示出的子步骤S1031的子步骤流程图。
图6为图2示出的步骤S105的子步骤流程图。
图7示出了本发明实施例提供的镜头清晰度验算装置的方框示意图。
图8为图7示出的镜头清晰度验算装置中滤波模块的方框示意图。
图9为图7示出的镜头清晰度验算装置中边缘检测模块的方框示意图。
图10为图9示出的边缘检测模块中梯度获取单元的方框示意图。
图11为图7示出的镜头清晰度验算装置中镜头清晰度判断模块的方框示意图。
图标:100-电子设备;110-存储器;120-存储控制器;130-处理器;140-外设接口;150-显示屏;160-输入输出单元;200-镜头清晰度验算装置;201-原始图像获取模块;202-滤波模块;2021-滤波器创建单元;2022-滤波核获取单元;2023-第一执行单元;203-边缘检测模块;2031-梯度获取单元;20311-第一创建单元;20312-第一平滑计算单元;20313-第二创建单元;20314-第二平滑计算单元;2032-梯度处理单元;2033-梯度图像叠加单元;2034-梯度强度计算单元;204-清晰度值计算模块;205-镜头清晰度判断模块;2051-判断单元;2052-第二执行单元;2053-第三执行单元。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100可以是,但不限于智能手机、平板电脑、膝上型便携计算机、车载电脑、个人数字助理(personal digital assistant,PDA)、穿戴式移动终端等等。所述电子设备100包括镜头清晰度验算装置200、存储器110、存储控制器120、处理器130、外设接口140、显示屏150及输入输出单元160。
所述存储器110、存储控制器120、处理器130、外设接口140、显示屏150及输入输出单元160各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述镜头清晰度验算装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中或固化在所述电子设备100的操作***(operating system,OS)中的软件功能模块。所述处理器130用于执行存储器110中存储的可执行模块,例如所述镜头清晰度验算装置200包括的软件功能模块或计算机程序。
其中,存储器110可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器110用于存储程序,所述处理器130在接收到执行指令后,执行所述程序,本发明任一实施例揭示的流程定义的服务器所执行的方法可以应用于处理器130中,或者由处理器130实现。
处理器130可以是一种集成电路芯片,具有信号处理能力。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)、语音处理器以及视频处理器等;还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器130也可以是任何常规的处理器等。
所述外设接口140用于将各种输入/输出装置耦合至处理器130以及存储器110。在一些实施例中,外设接口140、处理器130以及存储控制器120可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
显示屏150用于显示镜头采集的原始图像,以及镜头清晰度验算装置200对原始图像进行处理后的模糊图像。
输入输出单元160用于实现用户与该电子设备100的交互。在本实施例中,输入输出单元160可以是但不限于鼠标、键盘等。
第一实施例
请参照图2,图2示出了本发明实施例提供的镜头清晰度验算方法流程图。镜头清晰度验算方法包括以下步骤:
步骤S101,获取镜头采集的原始图像。
在本发明实施例中,原始图像可以是,但不限于是摄像头镜头根据预设曝光增益参数采集的图像,预设曝光增益参数可以根据摄像机的最低照度、信噪比、背光补偿及自动增益控制等技术参数来确定。
步骤S102,对原始图像进行滤波,得到模糊图像。
在本发明实施例中,可以利用低通滤波器对原始图像进行低通滤波操作得到模糊图像,低通滤波器可以是高斯滤波器。利用高斯滤波器对原始图像进行滤波,得到模糊图像的方法可以是,但不限于首先根据高斯分布的均方差创建高斯滤波器,然后用高斯滤波器扫描原始图像中的每一个像素点,用高斯滤波器确定的邻域内像素点的加权平均像素值替代原始图像中该像素点的像素值,就能得到模糊处理之后的原始图像。
请参照图3,步骤S102可以包括以下子步骤:
子步骤S1021,对原始图像进行高斯计算,创建可分离线性滤波器。
在本发明实施例中,对原始图像进行高斯计算,可以计算原始图像的正态分布,正态分布的密度函数就是高斯函数,也就是高斯滤波器,高斯滤波器的形式是其中,σ是方差,这样便创建出了高斯滤波器,可分离线性滤波器可以是高斯滤波器。
子步骤S1022,根据可分离线性滤波器获取高斯二维滤波核。
在本发明实施例中,创建出高斯滤波器之后,需要获取该高斯滤波器的高斯二维滤波核来对原始图像进行加权运算。高斯滤波核是通过高斯滤波器计算得到的,其计算方法可以为其中,σ是方差,k为高斯滤波核的维数,在本发明实施例中,k等于2。
子步骤S1023,根据高斯二维滤波核,将原始图像处理为模糊图像。
在本发明实施例中,高斯二维滤波核确定之后,用高斯二维滤波核确定的邻域内像素点的加权平均像素值替代原始图像中该像素点的像素值,就能将原始图像处理成模糊图像。
步骤S103,对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度。
在本发明实施例中,可以通过计算模糊图像中每个像素点的梯度,来确定模糊图像的边缘。每个像素点的梯度可以包括水平方向的梯度和竖直方向的梯度,可以采用sobel算子作为模板来检测模糊图像的边缘,sobel算子利用了两个3×3的方向模板(水平和垂直模板)与模糊图像中的每个个像素点进行邻域卷积,这两个方向模板分别检测垂直边缘和水平边缘。
在本发明实施例中,采用sobel算子作为模板来检测模糊图像的边缘的方法可以是,但不限于首先,假设h1为水平模板,h2为垂直模板,其中然后,假设模糊图像为f(x,y),G1(x,y)、G2(x,y)分别表示模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度,则G1(x,y)、G2(x,y)可以通过得到。模糊图像的边缘点确定之后,可以通过来计算每个边缘点的梯度强度。
请参照图4,步骤S103可以包括以下子步骤:
子步骤S1031,获取模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度。
请参照图5,子步骤S1031可以包括以下子步骤:
子步骤S10311,利用sobel算子创建水平方向的差分卷积模板。
子步骤S10312,根据水平方向的差分卷积模板,对模糊图像进行水平方向平滑计算,得到模糊图像水平方向的梯度。
子步骤S10313,利用sobel算子创建垂直方向的差分卷积模板。
子步骤S10314,根据垂直方向的差分卷积模板,对模糊图像进行垂直方向平滑计算,得到模糊图像中垂直方向的梯度。
子步骤S1032,对每个像素点的水平方向的梯度和垂直方向的梯度进行处理,得到水平方向的梯度图像和垂直方向的梯度图像。
在本发明实施例中,由于模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度均为16位有符号整数矩阵,无法显示成图片,所以可以通过convertScaleAbs函数来将模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度都转换为无符号8位整数矩阵,就能得到水平方向的梯度图像和垂直方向的梯度图像。
子步骤S1033,对水平方向的梯度图像和垂直方向的梯度图像进行叠加,确定模糊图像的每个边缘点。
在本发明实施例中,得到水平方向的梯度图像和垂直方向的梯度图像之后,还可以通过addWeighted函数将水平方向的梯度图像和垂直方向的梯度图像叠加起来,这样便能确定模糊图像的每个边缘点。
子步骤S1034,根据模糊图像中每个边缘点的水平方向的梯度和垂直方向的梯度,计算每个边缘点的梯度强度。
步骤S104,根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值。
在本发明实施例中,得到模糊图像的每个边缘点的梯度强度之后,根据每个边缘点的梯度强度计算所有边缘点的梯度强度的均值,最终得到的所有边缘点的梯度强度的均值就是原始图像的清晰度值。
步骤S105,根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
在本发明实施例中,预设清晰度阈值是通过大量原始图像的清晰度检测结果而预先设置的。例如,对一批待调焦的摄像头镜头开始调焦,当验算至镜头清晰度最大时记录此时的原始图像的清晰度值,然后对所有记录的原始图像的清晰度值进行算术平均,由此将得到的清晰度值平均值作为预设清晰度阈值。
作为一种实施方式,根据镜头采集到的原始图像计算得到原始图像的清晰度值之后,可以通过判断原始图像的清晰度值是否大于或等于预设清晰度阈值,来判断镜头清晰度是否合格。若原始图像的清晰度值大于或等于预设清晰度阈值,则表示镜头清晰度合格,可以停止对摄像头镜头进行调焦。若原始图像的清晰度值小于预设清晰度阈值,则表示镜头清晰度不合格,则需要继续对摄像头镜头进行调焦,直到镜头采集的原始图像的清晰度值大于或等于预设清晰度阈值。
请参照图6,步骤S105可以包括以下子步骤:
子步骤S1051,判断原始图像的清晰度值是否大于或等于预设清晰度阈值。
在本发明实施例中,如果原始图像的清晰度值大于或等于预设清晰度阈值,则执行子步骤S1052,如果原始图像的清晰度值小于预设清晰度阈值,则执行子步骤S1053。
子步骤S1052,判定镜头清晰度合格。
子步骤S1053,判定镜头清晰度不合格。
第二实施例
请参照图6,图6示出了本发明实施例提供的镜头清晰度验算装置200的方框示意图。镜头清晰度验算装置200包括原始图像获取模块201、滤波模块202、边缘检测模块203、清晰度值计算模块204及镜头清晰度判断模块205。
原始图像获取模块201,用于获取镜头采集的原始图像。
在本发明实施例中,原始图像获取模块201可以用于执行步骤S101。
滤波模块202,用于对原始图像进行滤波,得到模糊图像。
在本发明实施例中,滤波模块202可以用于执行步骤S102。
请参照图8,图8为图7示出的镜头清晰度验算装置200中滤波模块202的方框示意图。滤波模块202包括滤波器创建单元2021、滤波核获取单元2022及第一执行单元2023。
滤波器创建单元2021,用于对原始图像进行高斯计算,创建可分离线性滤波器。
在本发明实施例中,滤波器创建单元2021可以用于执行子步骤S1021。
滤波核获取单元2022,用于根据可分离线性滤波器获取高斯二维滤波核。
在本发明实施例中,滤波核获取单元2022可以用于执行子步骤S1022。
第一执行单元2023,用于根据高斯二维滤波核,将原始图像处理为模糊图像。
在本发明实施例中,第一执行单元2023可以用于执行子步骤S1023。
边缘检测模块203,用于对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度。
在本发明实施例中,边缘检测模块203可以用于执行步骤S103。
请参照图9,图9为图7示出的镜头清晰度验算装置200中边缘检测模块203的方框示意图。边缘检测模块203包括梯度获取单元2031、梯度处理单元2032、梯度图像叠加单元2033及梯度强度计算单元2034。
梯度获取单元2031,用于获取模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度。
在本发明实施例中,梯度获取单元2031可以用于执行子步骤S1031。
请参照图10,图10为图9示出的边缘检测模块203中梯度获取单元2031的方框示意图。梯度获取单元2031包括第一创建单元20311、第一平滑计算单元20312、第二创建单元20313及第二平滑计算单元20314。
第一创建单元20311,用于利用sobel算子创建水平方向的差分卷积模板。
在本发明实施例中,第一创建单元20311可以用于执行子步骤S10311。
第一平滑计算单元20312,用于根据水平方向的差分卷积模板,对模糊图像进行水平方向平滑计算,得到模糊图像水平方向的梯度。
在本发明实施例中,第一平滑计算单元20312可以用于执行子步骤S10312。
第二创建单元20313,用于利用sobel算子创建垂直方向的差分卷积模板。
在本发明实施例中,第二创建单元20313可以用于执行子步骤S10313。
第二平滑计算单元20314,用于根据垂直方向的差分卷积模板,对模糊图像进行垂直方向平滑计算,得到模糊图像中垂直方向的梯度。
在本发明实施例中,第二平滑计算单元20314可以用于执行子步骤S10314。
梯度处理单元2032,用于对每个像素点的水平方向的梯度和垂直方向的梯度进行处理,得到水平方向的梯度图像和垂直方向的梯度图像。
在本发明实施例中,梯度处理单元2032可以用于执行子步骤S1032。
梯度图像叠加单元2033,用于对水平方向的梯度图像和垂直方向的梯度图像进行叠加,确定模糊图像的每个边缘点。
在本发明实施例中,梯度图像叠加单元2033可以用于执行子步骤S1033。
梯度强度计算单元2034,用于根据模糊图像中每个边缘点的水平方向的梯度和垂直方向的梯度,计算每个边缘点的梯度强度。
在本发明实施例中,梯度强度计算单元2034可以用于执行子步骤S1034。
清晰度值计算模块204,用于根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值。
在本发明实施例中,清晰度值计算模块204可以用于执行步骤S104。
镜头清晰度判断模块205,用于根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
在本发明实施例中,镜头清晰度判断模块205可以用于执行步骤S105。
请参照图11,图11为图7示出的镜头清晰度验算装置200中镜头清晰度判断模块205的方框示意图。镜头清晰度判断模块205包括判断单元2051、第二执行单元2052及第三执行单元2053。
判断单元2051,用于判断原始图像的清晰度值是否大于或等于预设清晰度阈值。
在本发明实施例中,判断单元2051可以用于执行子步骤S1051。
在本发明实施例中,如果判断单元2051的执行结果为“是”,则转第二执行单元2052执行子步骤S1052,如果判断单元2051的执行结果为“否”,则转第三执行单元2053执行子步骤S1053。
第二执行单元2052,用于判定镜头清晰度合格。
在本发明实施例中,第二执行单元2052可以用于执行子步骤S1052。
第三执行单元2053,用于判定镜头清晰度不合格。
在本发明实施例中,第三执行单元2053可以用于执行子步骤S1053。
综上所述,本发明提供的一种镜头清晰度验算方法、装置及电子设备,所述方法包括:获取镜头采集的原始图像;对原始图像进行滤波,得到模糊图像;对模糊图像进行边缘检测,获取模糊图像的边缘点,并计算每个边缘点的梯度强度;根据模糊图像的每个边缘点的梯度强度,计算原始图像的清晰度值,其中,原始图像的清晰度值等于模糊图像中所有边缘点的梯度强度的均值;根据原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。本发明用电子设备判断代替人眼判断进行镜头清晰度验算,从而避免了现有技术中工人用人眼判断带来的各种人工误差,能够保证产品的一致性。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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现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。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种镜头清晰度验算方法,其特征在于,所述方法包括:
获取镜头采集的原始图像;
对所述原始图像进行滤波,得到模糊图像;
对所述模糊图像进行边缘检测,获取所述模糊图像的边缘点,并计算每个边缘点的梯度强度;
根据所述模糊图像的每个边缘点的梯度强度,计算所述原始图像的清晰度值,其中,所述原始图像的清晰度值等于所述模糊图像中所有边缘点的梯度强度的均值;
根据所述原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
2.如权利要求1所述的方法,其特征在于,所述对所述原始图像进行滤波,得到模糊图像的步骤,包括:
对所述原始图像进行高斯计算,创建可分离线性滤波器;
根据所述可分离线性滤波器获取高斯二维滤波核;
根据所述高斯二维滤波核,将所述原始图像处理为模糊图像。
3.如权利要求1所述的方法,其特征在于,所述对所述模糊图像进行边缘检测,获取所述模糊图像的边缘点,并计算每个边缘点的梯度强度的步骤,包括:
获取所述模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度;
对每个像素点的水平方向的梯度和垂直方向的梯度进行处理,得到水平方向的梯度图像和垂直方向的梯度图像;
对所述水平方向的梯度图像和所述垂直方向的梯度图像进行叠加,确定所述模糊图像的每个边缘点;
根据所述模糊图像中每个边缘点的水平方向的梯度和垂直方向的梯度,计算每个边缘点的梯度强度。
4.如权利要求3所述的方法,其特征在于,所述获取所述模糊图像中水平方向的梯度和垂直方向的梯度的步骤,包括:
利用sobel算子创建水平方向的差分卷积模板;
根据所述水平方向的差分卷积模板,对所述模糊图像进行水平方向平滑计算,得到所述模糊图像水平方向的梯度;
利用sobel算子创建垂直方向的差分卷积模板;
根据所述垂直方向的差分卷积模板,对所述模糊图像进行垂直方向平滑计算,得到所述模糊图像中垂直方向的梯度。
5.如权利要求1所述的方法,其特征在于,所述根据所述原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格的步骤,包括:
判断所述原始图像的清晰度值是否大于或等于预设清晰度阈值;
若是,则判定所述镜头清晰度合格;
若否,则判定所述镜头清晰度不合格。
6.一种镜头清晰度验算装置,其特征在于,所述装置包括:
原始图像获取模块,用于获取镜头采集的原始图像;
滤波模块,用于对所述原始图像进行滤波,得到模糊图像;
边缘检测模块,用于对所述模糊图像进行边缘检测,获取所述模糊图像的边缘点,并计算每个边缘点的梯度强度;
清晰度值计算模块,用于根据所述模糊图像的每个边缘点的梯度强度,计算所述原始图像的清晰度值,其中,所述原始图像的清晰度值等于所述模糊图像中所有边缘点的梯度强度的均值;
镜头清晰度判断模块,用于根据所述原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
7.如权利要求6所述的装置,其特征在于,所述滤波模块包括:
滤波器创建单元,用于对所述原始图像进行高斯计算,创建可分离线性滤波器;
滤波核获取单元,用于根据所述可分离线性滤波器获取高斯二维滤波核;
第一执行单元,用于根据所述高斯二维滤波核,将所述原始图像处理为模糊图像。
8.如权利要求6所述的装置,其特征在于,所述边缘检测模块包括:
梯度获取单元,用于获取所述模糊图像中每个像素点的水平方向的梯度和垂直方向的梯度;
梯度处理单元,用于对每个像素点的水平方向的梯度和垂直方向的梯度进行处理,得到水平方向的梯度图像和垂直方向的梯度图像;
梯度图像叠加单元,用于对所述水平方向的梯度图像和所述垂直方向的梯度图像进行叠加,确定所述模糊图像的每个边缘点;
梯度强度计算单元,用于根据所述模糊图像中每个边缘点的水平方向的梯度和垂直方向的梯度,计算每个边缘点的梯度强度。
9.如权利要求8所述的装置,其特征在于,所述梯度获取单元包括:
第一创建单元,用于利用sobel算子创建水平方向的差分卷积模板;
第一平滑计算单元,用于根据所述水平方向的差分卷积模板,对所述模糊图像进行水平方向平滑计算,得到所述模糊图像水平方向的梯度;
第二创建单元,用于利用sobel算子创建垂直方向的差分卷积模板;
第二平滑计算单元,用于根据所述垂直方向的差分卷积模板,对所述模糊图像进行垂直方向平滑计算,得到所述模糊图像中垂直方向的梯度。
10.一种电子设备,其特征在于,包括:
存储器;
处理器;
以及镜头清晰度验算装置,所述镜头清晰度验算装置存储于所述存储器中并包括一个或多个由所述处理器执行的软件功能模组,所述镜头清晰度验算装置包括:
原始图像获取模块,用于获取镜头采集的原始图像;
滤波模块,用于对所述原始图像进行滤波,得到模糊图像;
边缘检测模块,用于对所述模糊图像进行边缘检测,获取所述模糊图像的边缘点,并计算每个边缘点的梯度强度;
清晰度值计算模块,用于根据所述模糊图像的每个边缘点的梯度强度,计算所述原始图像的清晰度值,其中,所述原始图像的清晰度值等于所述模糊图像中所有边缘点的梯度强度的均值;
镜头清晰度判断模块,用于根据所述原始图像的清晰度值及预设清晰度阈值,判断镜头清晰度是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418003.0A CN107240078A (zh) | 2017-06-06 | 2017-06-06 | 镜头清晰度验算方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710418003.0A CN107240078A (zh) | 2017-06-06 | 2017-06-06 | 镜头清晰度验算方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107240078A true CN107240078A (zh) | 2017-10-10 |
Family
ID=59985355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710418003.0A Pending CN107240078A (zh) | 2017-06-06 | 2017-06-06 | 镜头清晰度验算方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107240078A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827602A (zh) * | 2018-05-31 | 2018-11-16 | 华勤通讯技术有限公司 | 一种vr/ar设备成像清晰度测量方法和测量装置 |
CN111161211A (zh) * | 2019-12-04 | 2020-05-15 | 成都华为技术有限公司 | 一种图像检测方法及装置 |
CN111429437A (zh) * | 2020-03-30 | 2020-07-17 | 南京工程学院 | 面向目标检测的图像无参考清晰度质量检测方法 |
CN112200775A (zh) * | 2020-09-24 | 2021-01-08 | 北京美摄网络科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113163112A (zh) * | 2021-03-25 | 2021-07-23 | 中国电子科技集团公司第三研究所 | 一种聚变焦控制方法及*** |
CN113409345A (zh) * | 2021-05-26 | 2021-09-17 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别镜头脏污的方法、处理器及家用电器 |
CN113628192A (zh) * | 2021-08-12 | 2021-11-09 | 北京百度网讯科技有限公司 | 图像模糊检测方法、装置、设备、存储介质及程序产品 |
CN113763311A (zh) * | 2021-01-05 | 2021-12-07 | 北京京东乾石科技有限公司 | 图像识别方法及装置、以及自动分拣机器人 |
CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及*** |
CN115330644A (zh) * | 2022-10-13 | 2022-11-11 | 极限人工智能有限公司 | 一种内窥镜图像的自适应边缘增强方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087652A (zh) * | 2009-12-08 | 2011-06-08 | 百度在线网络技术(北京)有限公司 | 图像筛选方法及其*** |
CN102183221A (zh) * | 2011-03-25 | 2011-09-14 | 天津大学 | 显微***光轴垂直度的测量方法 |
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
CN105631854A (zh) * | 2015-12-16 | 2016-06-01 | 天津天地伟业数码科技有限公司 | 一种基于fpga平台的自适应图像清晰度评价算法 |
CN106127775A (zh) * | 2016-06-28 | 2016-11-16 | 乐视控股(北京)有限公司 | 图像清晰度评价方法及装置 |
CN106530286A (zh) * | 2016-10-24 | 2017-03-22 | 乐视控股(北京)有限公司 | 确定清晰度级别的方法及装置 |
CN106570028A (zh) * | 2015-10-10 | 2017-04-19 | 比亚迪股份有限公司 | 移动终端及模糊图像的删除方法和装置 |
-
2017
- 2017-06-06 CN CN201710418003.0A patent/CN107240078A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087652A (zh) * | 2009-12-08 | 2011-06-08 | 百度在线网络技术(北京)有限公司 | 图像筛选方法及其*** |
CN102183221A (zh) * | 2011-03-25 | 2011-09-14 | 天津大学 | 显微***光轴垂直度的测量方法 |
CN103093419A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种检测图像清晰度的方法及装置 |
CN103686148A (zh) * | 2013-12-05 | 2014-03-26 | 北京华戎京盾科技有限公司 | 一种基于图像处理的自动检测视频图像清晰度的方法 |
CN103793918A (zh) * | 2014-03-07 | 2014-05-14 | 深圳市辰卓科技有限公司 | 一种图像清晰度检测方法及装置 |
CN104637064A (zh) * | 2015-02-28 | 2015-05-20 | 中国科学院光电技术研究所 | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 |
CN106570028A (zh) * | 2015-10-10 | 2017-04-19 | 比亚迪股份有限公司 | 移动终端及模糊图像的删除方法和装置 |
CN105631854A (zh) * | 2015-12-16 | 2016-06-01 | 天津天地伟业数码科技有限公司 | 一种基于fpga平台的自适应图像清晰度评价算法 |
CN106127775A (zh) * | 2016-06-28 | 2016-11-16 | 乐视控股(北京)有限公司 | 图像清晰度评价方法及装置 |
CN106530286A (zh) * | 2016-10-24 | 2017-03-22 | 乐视控股(北京)有限公司 | 确定清晰度级别的方法及装置 |
Non-Patent Citations (1)
Title |
---|
朱明峰 等: "基于彩色离焦模糊图像清晰度评价的启发式调焦算法", 《南昌大学学报(理科版)》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827602A (zh) * | 2018-05-31 | 2018-11-16 | 华勤通讯技术有限公司 | 一种vr/ar设备成像清晰度测量方法和测量装置 |
CN111161211A (zh) * | 2019-12-04 | 2020-05-15 | 成都华为技术有限公司 | 一种图像检测方法及装置 |
CN111161211B (zh) * | 2019-12-04 | 2023-11-03 | 成都华为技术有限公司 | 一种图像检测方法及装置 |
CN111429437A (zh) * | 2020-03-30 | 2020-07-17 | 南京工程学院 | 面向目标检测的图像无参考清晰度质量检测方法 |
CN112200775A (zh) * | 2020-09-24 | 2021-01-08 | 北京美摄网络科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
CN113763311A (zh) * | 2021-01-05 | 2021-12-07 | 北京京东乾石科技有限公司 | 图像识别方法及装置、以及自动分拣机器人 |
CN113163112B (zh) * | 2021-03-25 | 2022-12-13 | 中国电子科技集团公司第三研究所 | 一种聚变焦控制方法及*** |
CN113163112A (zh) * | 2021-03-25 | 2021-07-23 | 中国电子科技集团公司第三研究所 | 一种聚变焦控制方法及*** |
CN113409345A (zh) * | 2021-05-26 | 2021-09-17 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别镜头脏污的方法、处理器及家用电器 |
CN113628192A (zh) * | 2021-08-12 | 2021-11-09 | 北京百度网讯科技有限公司 | 图像模糊检测方法、装置、设备、存储介质及程序产品 |
CN113628192B (zh) * | 2021-08-12 | 2023-07-11 | 北京百度网讯科技有限公司 | 图像模糊检测方法、装置、设备、存储介质及程序产品 |
CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及*** |
CN115330644A (zh) * | 2022-10-13 | 2022-11-11 | 极限人工智能有限公司 | 一种内窥镜图像的自适应边缘增强方法及*** |
CN115330644B (zh) * | 2022-10-13 | 2023-04-07 | 极限人工智能有限公司 | 一种内窥镜图像的自适应边缘增强方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107240078A (zh) | 镜头清晰度验算方法、装置及电子设备 | |
CN110826519B (zh) | 人脸遮挡检测方法、装置、计算机设备及存储介质 | |
CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
CN106845331B (zh) | 一种图像处理方法及终端 | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
CN109389135A (zh) | 一种图像筛选方法及装置 | |
CN107644213A (zh) | 视频人物提取方法及装置 | |
CN105303514A (zh) | 图像处理方法和装置 | |
CN110287889A (zh) | 一种身份识别的方法及装置 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN109086734A (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN110472460A (zh) | 人脸图像处理方法及装置 | |
CN110287791A (zh) | 一种用于人脸图片的筛选方法和*** | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
CN111626163A (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN109711268A (zh) | 一种人脸图像筛选方法及设备 | |
CN110879131B (zh) | 目视光学***的成像质量测试方法、成像质量测试装置和电子设备 | |
CN112132812B (zh) | 证件校验方法、装置、电子设备及介质 | |
CN111784658B (zh) | 一种用于人脸图像的质量分析方法和*** | |
Bansal et al. | Comparison of various edge detection techniques | |
CN108171135A (zh) | 人脸检测方法、装置及计算机可读存储介质 | |
CN110287361A (zh) | 一种人物图片筛选方法及装置 | |
Angulo et al. | Method for edges detection in digital images through the use of cellular automata |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |