CN113076997B - 镜头带雾识别方法、摄像模组及终端设备 - Google Patents

Abstract

本申请公开了一种镜头带雾识别方法、摄像模组及终端设备，通过统计像素总量和特征灰阶值范围内的特征像素数量，并根据像素总量与特征像素数量获得去雾系数，将去雾系数与预设去雾阈值进行比对，进而根据比对结果执行去雾处理，去雾处理方法简单，无需大量的数据分析，易于快速高效地获得当前的雾量情况以便及时执行去雾操作。且采用灰度转换获得灰阶值对应的像素数量的方式和滤波处理，使得获取数据的干扰因素小，获得的数据结果稳定，具有良好的参考比对价值，有利于进行准确地去雾操作。终端设备和摄像模组采用本申请中的镜头带雾识别方法可便于自检以快速高效地执行去雾处理任务，提供给用户清晰的视觉感受，也无需用户参与到去雾处理任务中。

Description

镜头带雾识别方法、摄像模组及终端设备

技术领域

本申请涉及图像处理技术领域，尤其涉及一种镜头带雾识别方法、摄像模组及终端设备。

背景技术

大气中漂浮的水气常容易因环境温度变化聚集于摄像头的镜片表面，导致摄像装置拍摄出来的图片偏白。例如，汽车居于室外较多，在雨雾天气中行进或在昼夜温差变化大的情况下，安装于汽车上的车载摄像模块出现霜雾，将影响驾驶员对周面环境的判断，存在安全隐患。

发明内容

为解决上述问题，本申请提供一种镜头带雾识别方法、摄像模组及终端设备。

第一方面，本申请实施例提供的镜头带雾识别方法，包括：

获取目标图像数据，将目标图像数据进行灰度转换得到目标灰度图像数据。

对目标灰度图像数据进行滤波得到目标滤波图像数据。

获取目标滤波图像数据的像素总量，以及获取目标滤波图像数据的特征灰阶值范围内的特征像素数量。

根据特征像素数量和像素总量获得目标图像数据的去雾系数，将去雾系数与预设去雾阈值进行对比获得第一比对结果，根据第一比对结果判断是否执行去雾处理。

基于本申请实施例的镜头带雾识别方法，通过统计像素总量和特征灰阶值范围内的特征像素数量，并根据像素总量与特征像素数量获得去雾系数，将去雾系数与预设去雾阈值进行比对，进而根据比对结果执行去雾处理，去雾处理方法简单，无需大量的数据分析，易于快速高效地获得当前的雾量情况以便及时执行去雾操作。且采用灰度转换获得灰阶值对应的像素数量的方式和滤波处理，使得获取数据的干扰因素小，获得的数据结果稳定，具有良好的参考比对价值，有利于进行准确地去雾操作。

在一些实施例中，特征灰阶值范围的获得方式为：预先将在多种雾量状态下获得的多个检测图像转换为灰度图并滤波后获得对应的检测滤波图像数据；并获得每个检测滤波图像数据在多组灰阶值范围内的像素数量与总像素数量以获得多组检测系数；将多个检测滤波图像数据在相同灰阶值范围对应的多个检测系数进行比对获得第二比对结果，根据第二比对结果获得特征灰阶值范围。

基于上述实施例，通过比对多组灰阶值范围内像素数量变化情况来获得特征灰阶值范围，以便找出各灰阶值范围内对应的像素数量变化规律，提高获得的特征灰阶值范围应用于实际去雾处理过程中的可靠性。

在一些实施例中，去雾系数根据特征像素数量与像素总量之比获得；检测系数根据检测滤波图像数据的各灰阶值范围内的像素数量与总像素数量之比获得。

基于上述实施例，使得去雾系数和检测系数的获得方法简单，以便快速高效地获得多个检测滤波图像数据的多个检测系数，以及提高执行去雾操作时获得去雾系数的效率以提高去雾效率。

在一些实施例中，多种雾量状态包括雾量为0％以及至少一组雾量大于0％的雾量状态。

基于上述实施例，选择雾量为0％时拍摄获得检测图像，用于模拟无雾状态下的拍摄状态，选择雾量大于0％时拍摄获得检测图像，用于模拟各种有雾状态下的拍摄状态，以便于将有雾与无雾状态下获得的数据进行比对，丰富样本容量。

在一些实施例中，特征灰阶值范围的获得方式还包括：

比对多组检测系数，选择将雾量大于0％状态下获得的检测系数大于雾量 0％状态下获得的检测系数所对应的灰阶值范围作为特征灰阶值范围。

基于上述实施例，基于各灰阶值对应的像素数量分布情况，按照上述方式便于快速有效地筛选出像素数量变化波动小的灰阶值范围，以便获得特征灰阶值范围。

在一些实施例中，去雾阈值为雾量在0％状态下获得的检测图像在特征灰阶值范围下的检测系数。

基于上述实施例，可以理解的是，雾量0％为摄像组件的镜片在正常使用时所需且长期所处的状态，因此，可将雾量0％状态下获得的检测系数作为空白参数，以便于出现有雾等异常情况时可快识别。

在一些实施例中，多个检测图像为在不同环境亮度状态下获得的多个检测图像。

基于上述实施例，以充分模拟在拍摄图像时可能出现的情况，富样本容量，以及提高获得的去雾阈值和特征灰度值范围的可靠性。

在一些实施例中，环境亮度的获得方式为通过辅助拍摄图像的感测组件提供的曝光时间或增益获得；或者环境亮度的获得方式为通过感光元件提供的ISO 值、EV值、AE值或ISP增益值获得。

基于上述实施例，采用上述方法可获得与拍摄目标图像数据或检测图像同步的亮度值，不会提前或滞后获得光亮度情况，确保采用光亮度值丰富样本容量的可靠性和有效性。且上述光亮度获取方法简单易性，无需再借助其他辅助设备。

在一些实施例中，去雾处理方法还包括采用摄像头拍摄获取目标图像数据的步骤，根据第一比对结果判断是否执行去雾处理步骤中的去雾处理方法包括对摄像头加热。

基于上述实施例，通过直接加热摄像头的方法，可去直接除摄像头镜片表面的霜雾，去雾方法直接高效。

第二方面，本申请实施例提供一种摄像模组，摄像模组包括摄像组件和摄像处理器，摄像组件用于获取目标图像数据，摄像处理器用于执行如上所述的镜头带雾识别方法的步骤对摄像组件进行去雾处理。

基于本申请实施例的摄像模组，摄像模组在有雾状态使用时，采用如上所述的镜头带雾识别方法可快速高效地去除摄像模组上附着的霜雾，提高摄像模组拍摄图像的清晰度。

第三方面，本申请实施例提供一种终端设备，终端设备包括摄像头、处理器以及存储器，存储器中设有可在处理器上运行的计算机程序，处理器按照如上所述的镜头带雾识别方法的步骤执行计算机程序。

基于本申请实施例的终端设备，终端设备通过采用如上所述的镜头带雾识别方法，使得终端设备可自检以便于快速高效地执行去雾处理任务，提供给用户清晰的视觉感受，也无需用户参与到去雾处理任务中。

第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上所述的镜头带雾识别方法的步骤。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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的附图。

图1为本申请一种实施例提供的镜头带雾识别方法用于终端设备的实施环境图；

图2为本申请一种实施例提供的汽车的侧视图；

图3为本申请一种实施例提供的镜头带雾识别方法用于摄像模组的实施环境图；

图4为本申请一种实施例提供的镜头带雾识别方法流程图；

图5为本申请一种实施例提供的特征灰阶值范围获得方法的流程图；

图6为本申请一种实施例提供的检测图像滤波前各灰阶值对应的像素数量变化曲线图；

图7为图6中的检测图像滤波后各灰阶值对应的像素数量变化曲线图；

图8为统计的图7中的不同雾量状态在特征灰阶值范围对应的去雾系数柱状图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

对摄像头加热可有效去除镜片表面的霜雾，以便用户可及时获得清晰的拍摄图像。相关技术中，对摄像头加热操作需用户在观察到拍摄出的图像模糊是因为霜雾导致后，再由用户手动操作开启除雾装置驱除镜片上的霜雾，由此将需用户分心，操作不便。若连续开启加热装置除霜雾，摄像模组长期处于热状态将影响摄像模组的使用寿命。

因此，为解决上述问题，本发明实施例中提供一种镜头带雾识别方法、摄像模组及终端设备。其中，所述镜头带雾识别方法用于对拍摄到的图像进行比对分析以便于实时驱除摄像头镜片上的雾气，提高摄像头使用操作的方便性。

如图1所示，本发明中的镜头带雾识别方法可应用于终端设备100中，所述终端设备100包括但不限于平板电脑、笔记本电脑、可穿戴设备、汽车以及飞行设备等具有图像拍摄功能的终端设备100。

所述终端设备100可包括摄像头110、处理器120以及存储器130。

所述摄像头110可以为可见光摄像头或红外光摄像头等，用于将拍摄获得的图像数据传输给存储器130。

所述存储器130包括至少一种类型的可读存储介质。所述至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器等的非易失性存储介质。在一些实施例中，所述可读存储介质可以是所述终端设备100的内部存储单元，例如该终端设备100的硬盘。在另一些实施例中，所述可读存储介质也可以是所述终端设备100的外部存储器130，例如所述终端设备100上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital, SD)卡，闪存卡(Flash Card)等。

在本实施例中，所述存储器130的可读存储介质用于存储执行镜头带雾识别方法的计算机程序。所述存储器130还可以用于暂时地存储已经输出或者将要输出的数据。

处理器120在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行存储器130中存储的程序代码或处理数据，例如执行图像去雾的程序等。

终端设备100还可以包括去雾组件140，去雾组件140可包括鼓风机或加热器等，鼓风机或加热器安装于摄像头110附近，鼓风机用于接收处理器120 发送的信号向摄像头110的镜片送风执行去雾处理，或加热器用于接收处理器 120发送的信号对摄像头110的镜片加热执行去雾处理。

所述终端设备100还可以包括显示器150，显示器150也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode，OLED)显示器等。显示器150用于显示在终端设备100中处理的信息以及用于显示可视化的用户界面。

如图2所述，以终端设备100为汽车10为例，汽车10包括车体11，处理器120、存储器130以及显示器150安装于车体11内，摄像头110安装于车体 11后端并与处理器120、存储器130以及显示器150电性连接，去雾组件140 安装于车体11并位于摄像头110附近以及时去除摄像头110镜片上的霜雾。

如图3所述，本发明中的镜头带雾识别方法可应用于摄像模组200中，所述摄像模组200可应用于摄像机、录像机等具有摄像功能的设备中，但不限于上述。摄像模组200包括摄像组件210和摄像处理器220，摄像模组200还可包括安装于其内部的内部存储器230，内部存储器230的可读存储介质用于存储执行镜头带雾识别方法的计算机程序，摄像处理器220为安装于摄像模组200 内部用于运行内部存储器230中存储的程序代码或处理数据的处理器，使得摄像模组200无需再借用例如终端设备等外部设备中的处理器即可自己执行去雾操作。摄像模组200还可以包括加热组件240，加热组件240用于接收摄像处理器220发送的信号对摄像组件210加热以去除摄像组件210镜片上的霜雾。

处理器120在执行存储于存储器130中的图像去雾程序或者摄像处理器 220在执行存储于内部存储器230中的图像去雾程序时，如图4所示，实现如下步骤S101、步骤S102、步骤S103以及步骤S104。

步骤S101，获取目标图像数据，将目标图像数据进行灰度转换得到目标灰度图像数据。

具体地，目标图像数据可以由终端设备100的摄像头110或者由摄像模组 200的摄像组件210拍摄获得。其中，摄像头110或摄像组件210可为可见光摄像组件，通过对见光摄像组件拍摄获得的目标图像数据进行灰度转换得到目标灰度图像数据。在其他一些实施例中，摄像头110或摄像组件210也可为红外光摄像组件210，可由红外光摄像组件210直接拍摄获得目标灰度图像数据。

步骤S102，对目标灰度图像数据进行滤波得到目标滤波图像数据。

其中，对所述目标灰度图像数据进行滤波的方式为边缘滤波，具体地，通过canny算法或sobel算法对目标灰度图像数据进行边缘滤波，过滤噪声。

步骤S103，获取目标滤波图像数据的像素总量，以及获取目标滤波图像数据的特征灰阶值范围内的特征像素数量。

其中，获取目标滤波图像数据的像素总量为获取灰阶值范围为0至255全灰阶值范围内目标滤波图像数据的全部像素数量。特征灰阶值范围为0至255 中的某一灰阶值范围。

在其他一些实施例中，也可选择获取0至255中某一灰阶值范围M的像素数量作为像素总量，再选择灰阶值范围M中的某一灰阶值范围m，以灰阶值范围m作为特征灰阶值范围，获得灰阶值范围m内的像素数量作为特征像素数量。例如，经过滤波后，位于灰阶值0-10或灰阶值240-255区间范围内的像数数量较少或趋近于0，则选择获取10-240范围内的像素数量作为总像素数量，再选择灰阶值10-240范围内的某一灰阶值范围作为特征灰阶值范围进行特征像素数量统计。

步骤S104，根据特征像素数量和像素总量获得目标图像数据的去雾系数，将去雾系数与预设去雾阈值进行对比获得第一比对结果，根据第一比对结果判断是否执行去雾处理。

其中，预设去雾阈值可预先存储于存储器130或内部存储器230中，处理器120或摄像处理器220在进行数值比对时调用预设去雾阈值与当前获得的去雾系数进行比对，获得第一比对结果。根据第一比对结果，处理器120运行存储器130或内部存储器230中存储的程序代码或处理数据执行去雾处理。

去雾系数可根据特征像素数量与像素总量之比获得，以便于快速获得特征像素数量与像素总量之间的数值关系。当然，在其他一些实施例中，去雾系数也可为特征像素数量与像素总量之和或之差。

本申请实施例提供的镜头带雾识别方法，通过统计像素总量和特征灰阶值范围内的特征像素数量，并根据像素总量与特征像素数量获得去雾系数，将去雾系数与预设去雾阈值进行比对，进而根据比对结果执行去雾处理，去雾处理方法简单，无需大量的数据分析，易于快速高效地获得当前的雾量情况以便及时执行去雾操作。且采用获得灰阶值对应的像素数量的方式，获取数据的干扰因素小，使得获得的数据结果稳定，具有良好的参考比对价值。

如图5所示，具体地，特征灰阶值范围的获得方式为：

步骤S201、预先将在多种雾量状态下获得的多个检测图像转换为灰度图并滤波后获得对应的检测滤波图像数据。

其中，对多个检测图像转换为灰度图进行滤波处理的方式与对目标灰度图像数据进行滤波处理的方式相同。如图6和图7所示，经滤波后图6中各灰阶值对应的像素数量变换为如图7所示。

步骤S202、获得每个检测滤波图像数据在多组灰阶值范围内的像素数量与总像素数量以获得多组检测系数。

其中，针对每组检测滤波图像数据，选取的灰阶值范围内的组数可包括至少一组。进一步地，可选择两组、三组、四组、五组、六组等更多组的灰阶值范围，统计不同灰阶值范围内的像素数量，以便于更加全面地探索各灰阶值范围内的像素数量分布规律。例如，可在灰阶值0-255范围内，选择50-100、 100-150、150-200和200-250连续的四组灰阶值范围，或者也可选择50-150、 70-170、60-200、80-220交错的四组灰阶值范围，可以根据具体情况灵活设置不同组的不同的灰阶值范围。

步骤S203、将多个检测滤波图像数据在相同灰阶值范围对应的多个检测系数进行比对获得第二比对结果，根据第二比对结果获得特征灰阶值范围。

具体地，以选取的多组检测滤波图像数据的数量记为n，n为大于或等于1 的整数，分别获得每组检测滤波图像数据m1、m2、m3、m4……多个灰阶范围内的像素数量，再将各组检测滤波图像数据m1灰阶范围内的像素数量、m2灰阶范围内的像素数量、m3灰阶范围内的像素数量或m4灰阶范围内的像素数量等多个范围内的像素数量分别一一进行比对，统计各组检测滤波图像数据在各灰阶范围内的像素数量变化情况，获得第二比对结果，可选择像素数量变化波动小的灰阶值范围作为特征灰阶值范围。例如，当n个检测滤波图像数据在m2灰阶范围内的像素数量波动变化范围小时，则以m2灰阶范围作为特征灰阶值范围。

进行去雾处理时，去雾系数可根据特征像素数量与像素总量之比获得，对应地，检测系数可根据检测滤波图像数据的各灰阶值范围内的像素数量与总像素数量之比获得。或者，在去雾系数根据特征像素数量与像素总量之和或之差获得时，对应地，检测系数则根据检测滤波图像数据的各灰阶值范围内的像素数量与总像素数量之和或之差获得，以便快速高效地获得多个检测滤波图像数据的多个检测系数。在其他一些实施例中，在获取特征灰阶值范围时，也可通过统计各组检测滤波图像数据在各灰阶范围内的检测系数，获得第二比对结果，选择检测系数变化波动小的灰阶值范围作为特征灰阶值范围。

多种雾量状态的多个检测图像获得方式可于室内进行，通过控制该室内环境的空气湿度和温度营造出不同雾量状态的检测环境，再于不同雾量状态的检测环境拍摄同一个待摄物体，以获得多种雾量状态下的多个检测图像。

为更加充分地模拟产品在使用过程中遇到的天气情况，选择的多种雾量状态包括雾量为0％以及至少一组雾量大于0％的雾量状态。选择雾量为0％时拍摄获得检测图像，用于模拟无雾状态下的拍摄状态，选择雾量大于0％时拍摄获得检测图像，用于模拟各种有雾状态下的拍摄状态，以便于将有雾与无雾状态下获得的数据进行比对，丰富样本容量。

可以理解的是，不同灰阶值所对应的像素数量在差异。示例性的，如图7 所示，为在雾量分别为0％、50％和100％三种状态下获得检测图像的灰度图经过滤波后的像素数量分布图，由图7可知，拍摄同一被摄物体获得的检测图像数据，在雾量为0％所对应的像素数量可大于、等于或小于雾量大于0％所对应的像素数量，对应地，不同灰阶值范围内，统计获得的雾量为0％所对应的像素数量也可大于、等于或小于雾量大于0％所对应的像素数量。在一些实施例中，特征灰阶值范围的获得方式还包括：比对多组检测系数，选择将雾量大于0％状态下获得的检测系数大于雾量0％状态下获得的检测系数所对应的灰阶值范围作为特征灰阶值范围。基于各灰阶值对应的像素数量分布情况，按照上述方式便于快速有效地筛选出像素数量变化波动小的灰阶值范围。

可以理解的是，雾量0％为摄像头110或摄像组件210在正常使用时所需且长期所处的状态，因此，可将雾量0％状态下获得的检测系数作为空白参数。在一些实施例中，去雾阈值可由雾量在0％状态下获得的检测图像在特征灰阶值范围下的检测系数获得。具体地，在获取去雾阈值时，可比对多个雾量在0％状态下获得的检测图像在特征灰阶值范围下的检测系数，基于不同检测状态下获得的检测系数存在差异，可统计多个检测系数的平均值与标准差，可直接将平均值作为去雾阈值，也可在平均值的基础上加上一个标准差或者在平均值的基础上扣两个标准差，具体去雾阈值的选择方式可依据实际实验结果中获得的数值情况来获取。

下面以获得的某一检测图像的像素数量进行介绍去雾阈值的获得方法。例如，以灰阶值范围70-100为特征灰阶值范围。

S301、统计图7中，在灰阶值70-100范围内雾量为0％对应的像素数量为 66943、雾量为50％对应的像素数量为81071、雾量为100％对应的像素数量为 95999。

S302、在灰阶值0-255范围内雾量为0％对应的像素总数量为126159、雾量为50％对应的像素总数量为127414、雾量为100％对应的像素总数量为126159。

S303、根据上述数据计算获得雾量为0％对应的检测系数为53.06％、雾量为50％对应的检测系数为63.63％、雾量为100％对应的检测系数为75.07％，并统计于图8中。

S304、根据统计的与特征灰阶值范围70-100对应的多组去雾系数，获得标准差。在雾量为0％对应的去雾系数53.06％的基础上，在加上标准差得到修正后的去雾系数为55.00％，则以55.00％作为去雾阈值应用于实际去雾过程中。

摄像头110或摄像组件210实际使用时，可处于多种光线变化复杂的环境，为进一步丰富样本容量，以及提高检测方法的全面性，在一些实施例中，多个检测图像为在不同环境亮度状态下获得的多个检测图像，以充分模拟摄像头 110或摄像组件210在使用过程中的环境变化情况，提高获得的去雾阈值和特征灰度值范围的可靠性。具体地，不同环境亮度可包括清晨、上午、中午、下午、傍晚、凌晨等多个时间段的光亮度情况，每一个光亮度状态下，还可获取多组检测图像加入检测样本中。

在一些实施例中，环境亮度的获得方式为通过辅助拍摄图像的感测组件提供的曝光时间或增益获得；或者环境亮度的获得方式为通过感光元件提供的ISO (感光度)值、EV(Expose Value，曝光值)、AE(Automatic Exposure，自动曝光)值或ISP(Image SignalProcessor，图像信号处理器)增益值获得，采用上述方法可获得与拍摄目标图像数据或检测图像同步的亮度值，不会提前或滞后获得光亮度情况，确保采用光亮度值丰富样本容量的可靠性和有效性。且上述光亮度获取方法简单易性，无需再借助其他辅助设备。

在一些实施例中，去雾处理方法还包括采用摄像头110拍摄获取目标图像数据的步骤，根据第一比对结果判断是否执行去雾处理步骤中的去雾处理方法包括对摄像头110加热。具体地，可设置处理器120或摄像处理器220定期检测获得当前状态的去雾系数，并将去雾系数与去雾阈值比对。当处理器120或摄像处理器220检测到当前的去雾系数大于去雾阈值，则处理器120或摄像处理器220控制加热装置对摄像头110加热蒸发去除摄像头110表面的霜雾；当处理器120或摄像处理器220检测到当前的去雾系数小于或等于去雾阈值，则处理器120控制加热装置停止加热或控制加热装置处于原始的未加热状态。

在其他一些实施例中，也在存储器130或内部存储器230内存储对图像去雾的程序，处理器120或摄像处理器220执行对图像去雾的程序，单独对图像进行处理以提高拍摄获得图像的清晰度。处理器120或摄像处理器220也可在控制加热装置对镜片加热的基础上，同时执行对图像去雾的程序，进一步提高拍摄获得图像的清晰度。

本实施例的附图中相同或相似的标号对应相同或相似的部件；在本申请的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种镜头带雾识别方法，其特征在于，包括：

获取目标图像数据，将所述目标图像数据进行灰度转换得到目标灰度图像数据；

通过canny算法或sobel算法对所述目标灰度图像数据进行边缘滤波得到目标滤波图像数据；

获取所述目标滤波图像数据的像素总量，以及获取所述目标滤波图像数据的特征灰阶值范围内的特征像素数量；

根据所述特征像素数量和所述像素总量获得所述目标图像数据的去雾系数，将所述去雾系数与预设去雾阈值进行对比获得第一比对结果，根据所述第一比对结果判断是否执行去雾处理；

其中，所述特征灰阶值范围的获得方式为：预先将在多种雾量状态下获得的多个检测图像转换为灰度图并滤波后获得对应的检测滤波图像数据；并获得每个所述检测滤波图像数据在多组灰阶值范围内的像素数量与总像素数量以获得多组检测系数；将多个所述检测滤波图像数据在相同灰阶值范围对应的多个所述检测系数进行比对获得第二比对结果，根据所述第二比对结果获得所述特征灰阶值范围。

2.根据权利要求1所述的镜头带雾识别方法，其特征在于，

所述去雾系数根据所述特征像素数量与所述像素总量之比获得；

所述检测系数根据所述检测滤波图像数据的各灰阶值范围内的像素数量与总像素数量之比获得。

3.根据权利要求1所述的镜头带雾识别方法，其特征在于，所述多种雾量状态包括雾量为0%以及至少一组雾量大于0%的雾量状态。

4.根据权利要求3所述的镜头带雾识别方法，其特征在于，所述特征灰阶值范围的获得方式还包括：

比对多组所述检测系数，选择将雾量大于0%状态下获得的检测系数大于雾量0%状态下获得的检测系数所对应的灰阶值范围作为所述特征灰阶值范围。

5.根据权利要求3所述的镜头带雾识别方法，其特征在于，所述去雾阈值为雾量在0%状态下获得的所述检测图像在所述特征灰阶值范围下的检测系数。

6.根据权利要求1所述的镜头带雾识别方法，其特征在于，所述多个检测图像为在不同环境亮度状态下获得的多个检测图像。

7.根据权利要求6所述的镜头带雾识别方法，其特征在于，所述环境亮度的获得方式为通过辅助拍摄图像的感测组件提供的曝光时间或增益获得；或者所述环境亮度的获得方式为通过感光元件提供的ISO值、EV值、AE值或ISP增益值获得。

8.根据权利要求1所述的镜头带雾识别方法，其特征在于，所述镜头带雾识别方法还包括采用摄像头拍摄获取所述目标图像数据的步骤，所述根据所述第一比对结果判断是否执行去雾处理步骤中的去雾处理方法包括对所述摄像头加热。

9.一种摄像模组，其特征在于，包括摄像组件和摄像处理器，所述摄像组件用于获取目标图像数据，所述摄像处理器用于执行如权利要求1-7中任一项所述方法的步骤对所述摄像组件进行去雾处理。

10.一种终端设备，其特征在于，包括摄像头、处理器以及存储器，所述存储器中设有可在所述处理器上运行的计算机程序，所述处理器按照如权利要求1-8中任一项所述方法的步骤执行所述计算机程序。

11.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。

Images