CN113269841A - 一种灰度测试方法、装置、电子设备及存储介质 - Google Patents
一种灰度测试方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113269841A CN113269841A CN202110542373.1A CN202110542373A CN113269841A CN 113269841 A CN113269841 A CN 113269841A CN 202110542373 A CN202110542373 A CN 202110542373A CN 113269841 A CN113269841 A CN 113269841A
- Authority
- CN
- China
- Prior art keywords
- target
- gray scale
- gray
- image
- value
- 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.)
- Withdrawn
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010998 test method Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 37
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010187 selection method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种灰度测试方法、装置、电子设备及存储介质。该方法包括:对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。本方法通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种灰度测试方法、装置、电子设备及存储介质。
背景技术
灰阶测试卡是一种可以测试屏幕图像质量的图卡工具。灰阶测试卡测试图像的方法为:将灰阶测试卡放在背景全灰的灯箱中心,调节摄像头模组位置,使摄像头模组正对灰阶测试卡中心,待图像稳定后进行拍摄,得到关于该图像的灰阶区域。在使用图像质量分析软件对该图像质量进行分析前,还需要对灰阶测试卡测试该图像得到的灰阶区域进行范围选取。
目前,通常采用手动框选的方式来选取灰阶测试卡的灰阶区域。
但是,在灰阶测试卡没有水平放置,而是带有一定倾斜角度放置的情况下,通过手动框选来选取灰阶区域的方法耗时耗力,且框选得到的灰阶区域准确率较低。此时,需要重新调节灰阶测试卡水平放置再进行图像拍摄,再选取灰阶区域。因此,上述选取灰阶测试卡的灰阶区域的方法准确率及效率较低。
发明内容
本申请实施例提供了一种灰度测试方法、装置、电子设备及存储介质,通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
第一方面,本申请实施例提供了一种灰度测试方法,该方法包括:
对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。
本申请实施例中,由于灰阶测试卡测试图像时,是在背景全灰的灯箱中拍摄的,故会先将测试图像做灰度处理,得到目标图像,然后解析得到该目标图像的灰度直方图,从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值(灰度级别)的像素在目标图像中出现的概率(比例),因此,通过解析上述目标图像,可以得到目标图像中的目标灰度值和该目标灰度值在上述测试图像中出现的目标概率,根据目标灰度值对目标图像做二值化处理,得到目标二值化图像,再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,由该目标轮廓的坐标点数据,可以确定灰阶测试卡的目标灰阶区域的坐标。本申请实施例通过对灰阶测试卡的灰阶区域的坐标数据处理,可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接矩形;所述根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标,包括:
根据所述最小外接矩形的顶点的坐标,确定两个顶点之间的中线端点的坐标;
根据所述中线端点的坐标,确定所述目标灰阶区域的中线的斜率;
在所述中线斜率不为零的情况下,根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在本申请实施例中,通过根据目标轮廓的顶点的坐标数据,可以确定灰阶测试卡的目标灰阶区域的中线两端点的坐标。由目标灰阶区域的中线两端点坐标,可以得到目标灰阶区域的中线的斜率。由于灰阶测试卡的目标灰阶区域均分为若干个子灰阶区域,因此,在目标灰阶区域的中线斜率不为零的情况下,可以根据目标灰阶区域的中线端点的坐标数据、中线的斜率、目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定目标灰阶区域包含的各个子灰阶区域的坐标,本申请实施例可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标,包括:
将所述中线端点的横坐标与第一乘积求和,得到所述子灰阶区域的横坐标,所述第一乘积为所述子灰阶区域的宽度与位次的乘积;
将所述中线端点的纵坐标与第二乘积求和,得到所述子灰阶区域的纵坐标,所述第二乘积为所述中线的斜率、所述子灰阶区域的宽度以及位次的乘积。
在一种可能的实施方式中,所述方法还包括:
在所述中线斜率为零的情况下,根据所述中线端点的坐标、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在本申请实施例中,在目标灰阶区域的中线斜率为零的情况下,可以根据目标灰阶区域的中线端点的坐标数据、目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定目标灰阶区域包含的各个子灰阶区域的坐标,本申请实施例可以实现灰阶测试卡水平放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述目标灰度值包括第一灰度值和第二灰度值;所述根据目标灰度值对所述目标图像做二值化处理之前,所述方法还包括:
将所述目标图像中出现概率最高的灰度值作为第三灰度值;
将所述第三灰度值在所述目标图像中出现概率与目标系数的乘积作为目标概率;
将首个小于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第一灰度值;
将首个大于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第二灰度值;所述第一灰度值小于所述第二灰度值。
在本申请实施例中,通过解析灰度处理后得到的目标图像,可以得到该目标图像的灰度直方图,该灰度直方图包含了目标图像中出现的所有灰度值以及各个灰度值出现的概率。根据该灰度直方图包含的灰度信息,可以得到用于对目标图像进行二值化处理的目标灰度值。具体为,将目标图像中出现概率最高的灰度值作为第三灰度值,将该第三灰度值在目标图像中出现概率与目标系数的乘积作为目标概率,其中,该目标系数不是一个固定的值,可以视应用场景的不同而做调整。然后将首个小于上述第三灰度值且在目标图像中出现概率为上述目标概率的灰度值确定为第一灰度值,同样的,将首个大于上述第三灰度值且在目标图像中出现概率为上述目标概率的灰度值确定为第二灰度值。通过本申请实施例所提供的方法得到的目标灰度值(第一灰度值和第二灰度值),可以提高后续对目标图像的二值化处理的准确率及效率。
在一种可能的实施方式中,所述根据目标灰度值对所述目标图像做二值化处理,包括:
将所述目标图像中灰度值大于所述第一灰度值且小于所述第二灰度值的像素设置为第一值;
将所述目标图像中灰度值不大于所述第一灰度值或不小于所述第二灰度值的像素设置为第二值。
在本申请实施例中,根据得到的目标灰度值(第一灰度值和第二灰度值)对目标图像做二值化处理,将目标图像中灰度值大于第一灰度值且小于第二灰度值的像素设置为第一值,将目标图像中不大于第一灰度值或者不小于第二灰度值的像素设置为第二值,得到目标二值化图像。本申请实施例通过目标图像的灰度信息得到的目标灰度值,用于对目标图像进行二值化处理,可以提高确定目标二值化图像的灰阶测试卡区域的外接轮廓的准确率及效率。
在一种可能的实施方式中,所述将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,包括:
将所述目标二值化图像上的干扰区域去除,得到所述目标轮廓;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的外接轮廓,所述干扰区域为轮廓点的面积位于预设区间之外的区域。
在本申请实施例中,将目标二值化图像上的干扰区域去除之后,再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,可以提高确定目标二值化图像的灰阶测试卡区域的最小外接轮廓的准确率及效率。
第二方面,本申请实施例提供了一种灰度测试装置,该装置包括:
灰度化单元,用于对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
二值化单元,用于根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
确定单元,用于将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
所述确定单元,用于根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。
在一种可能的实施方式中,所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接矩形;所述确定单元,具体用于根据所述最小外接矩形的顶点的坐标,确定两个顶点之间的中线端点的坐标;
所述确定单元,具体还用于根据所述中线端点的坐标,确定所述目标灰阶区域的中线的斜率;
所述确定单元,具体还用于在所述中线斜率不为零的情况下,根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在一种可能的实施方式中,所述确定单元,具体还用于将所述中线端点的横坐标与第一乘积求和,得到所述子灰阶区域的横坐标,所述第一乘积为所述子灰阶区域的宽度与位次的乘积;
所述确定单元,具体还用于将所述中线端点的纵坐标与第二乘积求和,得到所述子灰阶区域的纵坐标,所述第二乘积为所述中线的斜率、所述子灰阶区域的宽度以及位次的乘积。
在一种可能的实施方式中,所述确定单元,具体还用于在所述中线斜率为零的情况下,根据所述中线端点的坐标、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在一种可能的实施方式中,所述目标灰度值包括第一灰度值和第二灰度值;
所述确定单元,还用于将所述目标图像中出现概率最高的灰度值作为第三灰度值;
所述确定单元,还用于将所述第三灰度值在所述目标图像中出现概率与目标系数的乘积作为目标概率;
所述确定单元,还用于将首个小于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第一灰度值;
所述确定单元,还用于将首个大于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第二灰度值;所述第一灰度值小于所述第二灰度值。
在一种可能的实施方式中,所述二值化单元,具体用于将所述目标图像中灰度值大于所述第一灰度值且小于所述第二灰度值的像素设置为第一值;
所述二值化单元,具体还用于将所述目标图像中灰度值不大于所述第一灰度值或不小于所述第二灰度值的像素设置为第二值。
在一种可能的实施方式中,所述确定单元,还用于将所述目标二值化图像上的干扰区域去除,得到所述目标轮廓;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的外接轮廓,所述干扰区域为轮廓点的面积位于预设区间之外的区域。
关于第二方面或各种可能的实施方式所带来的技术效果,可参考对应于第一方面或相应的实施方式的技术效果的介绍。
第三方面,本申请实施例提供一种灰度测试装置,所述灰度测试装置包括处理器和存储器;所述存储器用于存储计算机执行指令;所述处理器用于执行所述存储器所存储的计算机执行指令,以使所述灰度测试装置执行如上述第一方面以及任一项可能的实现方式的方法。可选的,所述灰度测试装置还包括收发器,所述收发器,用于接收信号或者发送信号。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质用于存储指令或计算机程序;当所述指令或所述计算机程序被执行时,使得第一方面所述的方法被实现。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括指令或计算机程序;当所述指令或所述计算机程序被执行时,使得第一方面所述的方法被实现。
第六方面,本申请实施例提供一种芯片,该芯片包括处理器和通信接口,所述处理器用于从该通信接口调用并运行指令,当该处理器执行所述指令时,使得该芯片执行如第一方面或第一方面的各种实施方式所述的方法。
第七方面,本申请实施例提供一种***,所述***包括至少一个如第二方面或第三方面所述的灰度测试装置或第六方面所述的芯片。
本申请实施例中,通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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的附图。
图1a为本申请实施例提供的一种灰阶测试卡的场景示意图;
图1b为本申请实施例提供的另一种灰阶测试卡的场景示意图;
图2为本申请实施例提供的一种灰阶测试卡的灰度测试方法的流程示意图;
图3为本申请实施例提供的一种图像的灰度直方图;
图4a为本申请实施例提供的一种确定灰阶区域的效果示意图;
图4b为本申请实施例提供的另一种确定灰阶区域的效果示意图;
图5为本申请实施例提供的另一种灰阶测试卡的灰度测试方法的流程示意图;
图6为本申请实施例提供的一种灰度测试装置的结构示意图;
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图对本申请实施例进行描述。
本申请的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备等,没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元等,或可选地还包括对于这些过程、方法、产品或设备等固有的其它步骤或单元。
在本文中提及的“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员可以显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上,“至少两个(项)”是指两个或三个及三个以上,“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
本申请提供了一种灰阶测试卡的灰阶区域确定方法,为了更清楚地描述本申请的方案,下面先介绍一些与灰阶测试卡相关的知识。
灰阶:是将最亮与最暗之间的亮度变化,区分为若干份,以便于进行信号输入相对应的屏幕亮度管控。每张数字影像都是由许多点所组合而成的,这些点又称为像素。通常每一个像素可以呈现出许多不同的颜色,它是由红、绿、蓝(RGB)三个子像素组成的。每一个子像素,其背后的光源都可以显现出不同的亮度级别。而灰阶代表了由最暗到最亮之间不同亮度的层次级别。这中间层级越多,所能够呈现的画面效果也就越细腻。以8bit为例,能表现2的8次方,等于256个亮度层次,我们就称之为256灰阶。LCD屏幕上每个像素,均由不同亮度层次的红、绿、蓝组合起来,最终形成不同的色彩点。也就是说,屏幕上每一个点的色彩变化,其实都是由构成这个点的三个RGB子像素的灰阶变化所带来的。
灰阶测试卡:灰阶测试卡是一种可以测试屏幕图像质量的图卡工具。灰阶测试卡测试图像的方法为:将灰阶测试卡放在背景全灰的灯箱中心,调节摄像头模组位置,使摄像头模组正对灰阶测试卡中心,待图像稳定后进行拍摄,得到关于该图像的灰阶区域。
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1a,图1a为本申请实施例提供的一种灰阶测试卡的场景示意图。如图1a所示,将灰阶测试卡水平放置在测试图像上,由于在做灰阶测试卡测试时,都是在背景为全灰的灯箱中拍摄图像,因此测试图像的大部分都是灰色,即测试图像的大部分像素都是背景的灰色像素。其中,灰阶测试卡的有效灰阶区域占据的高度为整个灰阶测试卡高度的40%,因此,灰阶测试卡的有效灰阶区域的中点直线为整个灰阶测试卡的20%高度的位置,灰阶测试卡的有效灰阶区域均匀划分为20个子灰阶区域,并给每个子灰阶区域编号,因此,每个子灰阶区域的宽度为整个灰阶测试卡宽度的1/20。将灰阶测试卡放在背景全灰的灯箱中心,调节摄像头模组位置,使摄像头模组正对灰阶测试卡中心,待测试图像稳定后进行拍摄,得到关于该测试图像的灰阶区域。在使用图像质量分析软件对该图像质量进行分析前,还需要对灰阶测试卡测试该测试图像得到的灰阶区域进行范围选取。可以采用手动框选的方式来选取灰阶测试卡的灰阶区域。此外,本申请实施例还提供了另一种灰阶测试卡的场景示意图,请参阅图1b。如图1b所示,将灰阶测试卡带有一定倾斜角度放置在测试图像上,此时,通过手动框选的方式来选取灰阶测试卡的灰阶区域耗时耗力,且该情况下手动框选得到的灰阶区域准确率较低,需要重新调节灰阶测试卡水平放置再进行图像拍摄,再通过手动框选的方式选取灰阶区域,可以看出,此种选取灰阶测试卡的灰阶区域的方法准确率及效率较低,成本较高。
针对上述图1a和图1b所示的灰阶测试卡应用场景存在的选取灰阶区域准确率及效率较低的问题,本申请实施例提供了一种新的选取灰阶测试卡的灰阶区域的方法,其通过对灰阶测试卡的灰阶区域的坐标数据处理,可以实现灰阶测试卡任意倾斜角度放置的情况下,均能自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
请参阅图2,图2为本申请实施例提供的一种灰阶测试卡的灰度测试方法的流程示意图,该方法包括但不限于如下步骤:
步骤201:对测试图像做灰度化处理,得到目标图像。
电子设备对测试图像做灰度化处理,得到目标图像,该测试图像为灰阶测试卡进行灰度测试的图像。此处的电子设备为包括了可以执行计算机执行指令以完成本灰阶区域确定方法的处理器的设备,如计算机等电子设备。
由于灰阶测试卡对测试图像进行灰度测试时,是在背景全灰的灯箱中拍摄的,故会先将测试图像做灰度处理,得到目标图像。即测试图像的大部分像素都是背景的灰色像素,然后解析灰度处理后的目标图像,可以得到该目标图像的灰度直方图。灰度直方图描述了该目标图像的绘图统计信息。从数学上说它是一个关于灰度的函数,如令x表示灰度值(一般0≤x≤255),则f(x)表示当x为特定灰度时,目标图像上灰度值为x的像素的数量,需要注意的是这里的函数f(x)是一个离散的函数。从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值(灰度级别)的像素在目标图像中出现的概率(比例),因此,通过解析上述目标图像,可以得到目标图像中的目标灰度值和该目标灰度值在上述目标图像中出现的目标概率。
在一种可能的实施方式中,还可以在对测试图像做灰度化处理的情况下,去除该测试图像的背景和各个灰阶层的噪点,可以提高对测试图像的灰度化精度。
请参阅图3,图3为本申请实施例提供的一种图像的灰度直方图。如图3所示,表示了上述目标图像中出现的灰度值以及灰度值出现的概率。比如,第三灰度值在目标图像中出现的概率为a,第一灰度值和第二灰度值在目标图像中出现的概率均为b,第一灰度值小于第三灰度值,第三灰度值小于第二灰度值。因此,由图3可知,通过解析上述目标图像,可以得到目标图像中的目标灰度值(第一灰度值、第二灰度值)和该目标灰度值在目标图像中出现的目标概率。
步骤202:根据目标灰度值对该目标图像进行二值化处理,得到目标二值化图像。
由上述步骤201可以得到目标图像的灰度直方图,从灰度直方图中可以获得目标图像中的目标灰度值(第一灰度值、第二灰度值)以及该目标灰度值在目标图像中出现的目标概率。本步骤可以根据上述得到的目标灰度值和目标概率对目标图像进行二值化处理,得到目标二值化图像。具体为,从灰度直方图中选出在目标图像中出现概率最高的灰度值以及该灰度值对应的概率,由图3所示的灰度直方图可以得到,第三灰度值为在目标图像中出现概率最高的灰度值,且第三灰度值在目标图像中出现的概率为a。设置一个目标系数,比如为0.01,该目标系数不是固定不变的,可以通过不同的应用场景而调整。将出现概率最高的灰度值对应的概率与该目标系数的乘积作为目标概率,由图3所示的灰度直方图可以得到,将概率a与目标系数相乘,得到目标概率b。再以出现概率最高的灰度值(第三灰度值)为原点出发,分别向前和向后查找第一个在目标图像中出现概率小于或等于该目标概率的灰度值,将查找得到的两个灰度值结果作为目标灰度值,由图3所示的灰度直方图可以得到,以第三灰度值作为原点出发,向前查找第一个在目标图像中出现概率小于或等于目标概率b的灰度值,得到第一灰度值,向后查找第一个在目标图像中出现概率小于或等于目标概率b的灰度值,得到第二灰度值,将第一灰度值和第二灰度值作为目标灰度值用于后续对目标图像的二值化处理。
确定了目标图像的目标灰度值之后,再根据该目标灰度值对目标图像进行二值化处理,得到目标二值化图像。具体为,将目标图像中灰度值大于第一灰度值且小于第二灰度值的像素设置为第一值,比如,设置为255,将目标图像中不大于第一灰度值或者不小于第二灰度值的像素设置为第二值,比如,设置为0,得到目标二值化图像。本申请实施例通过目标图像的灰度信息得到目标灰度值(第一灰度值和第二灰度值),可以提高后续对目标图像的二值化处理的准确率及效率。并将该目标灰度值用于对目标图像进行二值化处理,可以提高确定目标二值化图像的灰阶测试卡区域的外接轮廓的准确率及效率。
步骤203:将该目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓。
由上述步骤202通过对目标图像进行二值化处理后,可以得到目标二值化图像。本步骤在上述目标二值化图像的基础上,将目标二值化图像的灰阶测试卡区域的最小外接轮廓作为目标轮廓,继而根据目标轮廓的坐标,确定灰阶测试卡的目标灰阶区域的坐标。
具体的,在根据目标轮廓的坐标确定灰阶测试卡的目标灰阶区域的坐标之前,还可以将目标二值化图像上的干扰区域去除。去除方式具体为,设置一个面积取值区间,将面积位于预设区间外的轮廓点作为干扰点去除,保留面积位于预设区间内的轮廓点。排除掉干扰轮廓后,仅剩下一个有效的轮廓点集。再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,可以提高确定目标二值化图像的灰阶测试卡区域的最小外接轮廓的准确率及效率。
因为上述目标轮廓通常为最小外接矩形,故可以通过根据目标轮廓的顶点的坐标数据,确定灰阶测试卡的目标灰阶区域的坐标,从而确定目标灰阶区域。
步骤204:根据目标轮廓的坐标,确定灰阶测试卡的目标灰阶区域的坐标。
由于灰阶测试卡的有效灰阶区域占据的高度为整个灰阶测试卡高度的40%,因此,灰阶测试卡的有效灰阶区域的中点直线为整个灰阶测试卡的20%高度的位置。灰阶测试卡的有效灰阶区域的宽度与灰阶测试卡的宽度一致,且灰阶测试卡的有效灰阶区域均匀划分为20个子灰阶区域,因此,每个子灰阶区域的宽度为整个灰阶测试卡宽度的1/20。
故可以通过目标轮廓的四个顶点的坐标数据,计算出灰阶测试卡的有效灰阶区域的中线两个端点的坐标以及中线的斜率,又因为灰阶测试卡的有效灰阶区域均匀划分为20个子灰阶区域,故可以通过有效灰阶区域的中线两个端点的坐标数据、中线的斜率、有效灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,计算出每个子灰阶区域的中心坐标。可参阅图4a,图4a为本申请实施例提供的一种确定灰阶区域的效果示意图。如图4a所示,可以通过上述灰阶区域的坐标数据处理,得到每个子灰阶区域的中心坐标,比如,子灰阶区域(A,1,2,3……19)中的小黑点即为其中心坐标。再根据子灰阶区域的长宽比,可以确定具有同样长宽比且包含了中心坐标的目标灰阶区域。
当灰阶测试卡带有一定倾斜角度放置时,可以通过有效灰阶区域包含的各个子灰阶区域的中心坐标的连线,得到其斜率,即灰阶测试卡的倾斜角度。然后将中线端点的横坐标与第一乘积求和,得到子灰阶区域的横坐标,其中,该第一乘积为子灰阶区域的宽度与位次的乘积;同理,将中线端点的纵坐标与第二乘积求和,得到子灰阶区域的纵坐标,其中,第二乘积为中线的斜率、子灰阶区域的宽度以及位次的乘积。可参阅图4b,图4b为本申请实施例提供的另一种确定灰阶区域的效果示意图。如图4b所示,同样可以通过上述灰阶区域的坐标数据处理,得到每个子灰阶区域的中心坐标,比如,子灰阶区域(A,1,2,3……19)中的小黑点即为其中心坐标。再根据子灰阶区域的长宽比,可以确定具有同样长宽比且包含了中心坐标的目标灰阶区域。
在确定了目标灰阶区域之后,可以求出关于目标图像的目标灰阶区域四个通道(RGBY)的像素平均值,并以此绘制成曲线,可以看出是否线性相关;也可以利用该数据做进一步的分析处理,或者根据目标灰阶区域求出噪声、白平衡(automatic white balance,AWB)等其他与目标图像相关的数据。
本申请实施例可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
请参阅图5,图5为本申请实施例提供的另一种灰阶测试卡的灰度测试方法的流程示意图。也可以理解为是上述图2中的灰阶测试卡的灰度测试方法流程图的补充。
如图5所示,首先,将测试图像灰度化得到目标图像,并获取单通道Y的值或者获取目标图像RGB通道中某一个通道值(参见步骤501)。然后,求出该单通道数据的灰度直方图,查找其最大概率值以及对应的灰度值作为第三灰度值(参见步骤502)。从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值(灰度级别)的像素在目标图像中出现的概率(比例)。从第三灰度值出发向前(灰度值变小的方向)查找第一个小于或等于目标概率所对应的灰度值作为第一灰度值(参见步骤503)。目标概率由最大概率值与目标系数相乘得到,该目标系数不是固定不变的,比如为0.01,可以通过不同的应用场景而调整。从第三灰度值出发向后(灰度值变大的方向)查找第一个小于或等于目标概率所对应的灰度值作为第二灰度值(参见步骤504)。然后,以第一灰度值和第二灰度值为阈值将目标图像二值化处理(参见步骤505)。具体为,将目标图像中灰度值大于第一灰度值且小于第二灰度值的像素设置为第一值,比如,设置为255,将目标图像中不大于第一灰度值或者不小于第二灰度值的像素设置为第二值,比如,设置为0,得到二值化图像。再求出二值化图像的轮廓,并根据面积取值区间过滤掉面积过大和过小的轮廓点(参见步骤506)。接着,查找二值化图像的外层轮廓点,求出该轮廓点集的最小外接矩形(参见步骤507)。对最小外接矩形的四个顶点坐标进行由小到大排序,通过判断序列中最小两个点的纵坐标大小确定外接矩形的左上角点和左下角点;同理通过序列中最大两个点的纵坐标大小确定右上角点和右下角点(参见步骤508)。根据灰阶测试卡的有效灰阶区域高度占整个灰阶测试卡高度的40%比例的特性,求出有效灰阶区域中心线的两个端点坐标(参见步骤509)。根据有效灰阶区域包括的各个子灰阶区域的宽度为整个灰阶测试卡宽度的1/20,求出各个子灰阶区域的中心点坐标(参见步骤510)。根据子灰阶区域的长宽比,以及有效灰阶区域中心线的斜率,计算目标灰阶区域的长宽(参见步骤511)。最后,计算各个目标灰阶区域内测试图像各通道的像素平均值,并输出数据(参加步骤512)。也可以利用该数据做进一步的分析处理,或者根据目标灰阶区域求出噪声、白平衡(automatic white balance,AWB)等其他与测试图像相关的数据。
本申请实施例可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
上述详细阐述了本申请实施例的方法,下面提供本申请实施例的装置。
请参阅图6,图6为本申请实施例提供的一种灰度测试装置的结构示意图,该灰度测试装置60可以包括灰度化单元601、二值化单元602以及确定单元603,其中,各个单元的描述如下:
灰度化单元601,用于对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
二值化单元602,用于根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
确定单元603,用于将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
所述确定单元603,用于根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。
在本申请实施例中,由于灰阶测试卡测试图像时,是在背景全灰的灯箱中拍摄的,故会先将测试图像做灰度处理,得到目标图像,然后解析得到该目标图像的灰度直方图,从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值(灰度级别)的像素在目标图像中出现的概率(比例),因此,通过解析上述目标图像,可以得到目标图像中的目标灰度值和该目标灰度值在上述测试图像中出现的目标概率,根据目标灰度值对目标图像做二值化处理,得到目标二值化图像,再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,由该目标轮廓的坐标点数据,可以确定灰阶测试卡的目标灰阶区域的坐标。本申请实施例通过对灰阶测试卡的灰阶区域的坐标数据处理,可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接矩形;所述确定单元603,具体用于根据所述最小外接矩形的顶点的坐标,确定两个顶点之间的中线端点的坐标;
所述确定单元603,具体还用于根据所述中线端点的坐标,确定所述目标灰阶区域的中线的斜率;
所述确定单元603,具体还用于在所述中线斜率不为零的情况下,根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在本申请实施例中,通过根据目标轮廓的顶点的坐标数据,可以确定灰阶测试卡的目标灰阶区域的中线两端点的坐标。由目标灰阶区域的中线两端点坐标,可以得到目标灰阶区域的中线的斜率。由于灰阶测试卡的目标灰阶区域均分为若干个子灰阶区域,因此,在目标灰阶区域的中线斜率不为零的情况下,可以根据目标灰阶区域的中线端点的坐标数据、中线的斜率、目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定目标灰阶区域包含的各个子灰阶区域的坐标,本申请实施例可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述确定单元603,具体还用于将所述中线端点的横坐标与第一乘积求和,得到所述子灰阶区域的横坐标,所述第一乘积为所述子灰阶区域的宽度与位次的乘积;
所述确定单元603,具体还用于将所述中线端点的纵坐标与第二乘积求和,得到所述子灰阶区域的纵坐标,所述第二乘积为所述中线的斜率、所述子灰阶区域的宽度以及位次的乘积。
在一种可能的实施方式中,所述确定单元603,具体还用于在所述中线斜率为零的情况下,根据所述中线端点的坐标、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在本申请实施例中,在目标灰阶区域的中线斜率为零的情况下,可以根据目标灰阶区域的中线端点的坐标数据、目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定目标灰阶区域包含的各个子灰阶区域的坐标,本申请实施例可以实现灰阶测试卡水平放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述目标灰度值包括第一灰度值和第二灰度值;
所述确定单元603,还用于将所述目标图像中出现概率最高的灰度值作为第三灰度值;
所述确定单元603,还用于将所述第三灰度值在所述目标图像中出现概率与目标系数的乘积作为目标概率;
所述确定单元603,还用于将首个小于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第一灰度值;
所述确定单元603,还用于将首个大于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第二灰度值;所述第一灰度值小于所述第二灰度值。
在本申请实施例中,通过解析灰度处理后得到的目标图像,可以得到该目标图像的灰度直方图,该灰度直方图包含了目标图像中出现的所有灰度值以及各个灰度值出现的概率。根据该灰度直方图包含的灰度信息,可以得到用于对目标图像进行二值化处理的目标灰度值。具体为,将目标图像中出现概率最高的灰度值作为第三灰度值,将该第三灰度值在目标图像中出现概率与目标系数的乘积作为目标概率,其中,该目标系数不是一个固定的值,可以视应用场景的不同而做调整。然后将首个小于上述第三灰度值且在目标图像中出现概率为上述目标概率的灰度值确定为第一灰度值,同样的,将首个大于上述第三灰度值且在目标图像中出现概率为上述目标概率的灰度值确定为第二灰度值。通过本申请实施例所提供的方法得到的目标灰度值(第一灰度值和第二灰度值),可以提高后续对目标图像的二值化处理的准确率及效率。
在一种可能的实施方式中,所述二值化单元602,具体用于将所述目标图像中灰度值大于所述第一灰度值且小于所述第二灰度值的像素设置为第一值;
所述二值化单元602,具体还用于将所述目标图像中灰度值不大于所述第一灰度值或不小于所述第二灰度值的像素设置为第二值。
在本申请实施例中,根据得到的目标灰度值(第一灰度值和第二灰度值)对目标图像做二值化处理,将目标图像中灰度值大于第一灰度值且小于第二灰度值的像素设置为第一值,将目标图像中不大于第一灰度值或者不小于第二灰度值的像素设置为第二值,得到目标二值化图像。本申请实施例通过目标图像的灰度信息得到的目标灰度值,用于对目标图像进行二值化处理,可以提高确定目标二值化图像的灰阶测试卡区域的外接轮廓的准确率及效率。
在一种可能的实施方式中,所述确定单元603,还用于将所述目标二值化图像上的干扰区域去除,得到所述目标轮廓;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的外接轮廓,所述干扰区域为轮廓点的面积位于预设区间之外的区域。
在本申请实施例中,将目标二值化图像上的干扰区域去除之后,再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,可以提高确定目标二值化图像的灰阶测试卡区域的最小外接轮廓的准确率及效率。
根据本申请实施例,图6所示的装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,基于网络设备也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
需要说明的是,各个单元的实现还可以对应参照图2、图5所示的方法实施例的相应描述。
在图6所描述的灰度测试装置60中,通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
请参阅图7,图7为本申请实施例提供的一种电子设备70的结构示意图。该电子设备70可以包括存储器701、处理器702。进一步可选的,还可以包含通信接口703以及总线704,其中,存储器701、处理器702以及通信接口703通过总线704实现彼此之间的通信连接。通信接口703用于与上述灰度测试装置60进行数据交互。
其中,存储器701用于提供存储空间,存储空间中可以存储操作***和计算机程序等数据。存储器701包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CD-ROM)。
处理器702是进行算术运算和逻辑运算的模块,可以是中央处理器(centralprocessing unit,CPU)、显卡处理器(graphics processing unit,GPU)或微处理器(microprocessor unit,MPU)等处理模块中的一种或者多种的组合。
存储器701中存储有计算机程序,处理器702调用存储器701中存储的计算机程序,以执行上述图2、图5所示的灰阶测试卡的灰度测试方法:
对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。
本申请实施例中,由于灰阶测试卡测试图像时,是在背景全灰的灯箱中拍摄的,故会先将测试图像做灰度处理,得到目标图像,然后解析得到该目标图像的灰度直方图,从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值(灰度级别)的像素在目标图像中出现的概率(比例),因此,通过解析上述目标图像,可以得到目标图像中的目标灰度值和该目标灰度值在上述测试图像中出现的目标概率,根据目标灰度值对目标图像做二值化处理,得到目标二值化图像,再将目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,由该目标轮廓的坐标点数据,可以确定灰阶测试卡的目标灰阶区域的坐标。本申请实施例通过对灰阶测试卡的灰阶区域的坐标数据处理,可以实现灰阶测试卡任意倾斜角度放置的情况下,自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
在一种可能的实施方式中,所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接矩形;在根据目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标方面,上述处理器702具体用于执行:
根据所述最小外接矩形的顶点的坐标,确定两个顶点之间的中线端点的坐标;
根据所述中线端点的坐标,确定所述目标灰阶区域的中线的斜率;
在所述中线斜率不为零的情况下,根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在一种可能的实施方式中,在根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标方面,上述处理器702具体用于执行:
将所述中线端点的横坐标与第一乘积求和,得到所述子灰阶区域的横坐标,所述第一乘积为所述子灰阶区域的宽度与位次的乘积;
将所述中线端点的纵坐标与第二乘积求和,得到所述子灰阶区域的纵坐标,所述第二乘积为所述中线的斜率、所述子灰阶区域的宽度以及位次的乘积。
在一种可能的实施方式中,上述处理器702具体还用于执行:
在所述中线斜率为零的情况下,根据所述中线端点的坐标、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
在一种可能的实施方式中,所述目标灰度值包括第一灰度值和第二灰度值;在根据目标灰度值对所述目标图像做二值化处理之前,上述处理器702还用于执行:
将所述目标图像中出现概率最高的灰度值作为第三灰度值;
将所述第三灰度值在所述目标图像中出现概率与目标系数的乘积作为目标概率;
将首个小于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第一灰度值;
将首个大于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第二灰度值;所述第一灰度值小于所述第二灰度值。
在一种可能的实施方式中,在根据目标灰度值对所述目标图像做二值化处理方面,上述处理器702具体用于执行:
将所述目标图像中灰度值大于所述第一灰度值且小于所述第二灰度值的像素设置为第一值;
将所述目标图像中灰度值不大于所述第一灰度值或不小于所述第二灰度值的像素设置为第二值。
在一种可能的实施方式中,在将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓方面,上述处理器702还用于执行:
将所述目标二值化图像上的干扰区域去除,得到所述目标轮廓;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的外接轮廓,所述干扰区域为轮廓点的面积位于预设区间之外的区域。
相应的,处理器702调用存储器701中存储的计算机程序,还可以用于执行上述图6所示的灰度测试装置60中的灰度化单元601、二值化单元602以及确定单元603所执行的方法步骤,其具体内容可参阅图6,此处不再赘述。
在图7所描述的电子设备70中,通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
本申请实施例还提供一种计算机可读存储介质,上述计算机可读存储介质中存储有计算机程序,当上述计算机程序在一个或多个处理器上运行时,可以实现图2以及图5所示的方法。
本申请实施例还提供一种计算机程序产品,当上述计算机程序产品在处理器上运行时,可以实现图2以及图5所示的方法。
本申请实施例还提供一种芯片,该芯片包括处理器和通信接口,所述处理器用于从该通信接口调用并运行指令,当该处理器执行所述指令时,可以实现图2以及图5所示的方法。
本申请实施例还提供了一种***,该***包括了至少一个如上述灰度测试装置60或电子设备70或芯片。
综上上述,本申请通过对灰阶测试卡的灰阶区域的坐标数据处理,实现灰阶测试卡任意倾斜角度放置的情况下,均可自动识别并确定灰阶测试卡的灰阶区域,大大提高了确定灰阶测试卡的灰阶区域的准确率及效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序相关的硬件完成,该计算机程序可存储于计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:只读存储器ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储计算机程序代码的介质。
Claims (10)
1.一种灰度测试方法,应用于灰阶测试卡,其特征在于,包括:
对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标。
2.根据权利要求1所述的方法,其特征在于,所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接矩形;所述根据所述目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标,包括:
根据所述最小外接矩形的顶点的坐标,确定两个顶点之间的中线端点的坐标;
根据所述中线端点的坐标,确定所述目标灰阶区域的中线的斜率;
在所述中线斜率不为零的情况下,根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
3.根据权利要求2所述的方法,其特征在于,所述根据所述中线端点的坐标、所述中线的斜率、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标,包括:
将所述中线端点的横坐标与第一乘积求和,得到所述子灰阶区域的横坐标,所述第一乘积为所述子灰阶区域的宽度与位次的乘积;
将所述中线端点的纵坐标与第二乘积求和,得到所述子灰阶区域的纵坐标,所述第二乘积为所述中线的斜率、所述子灰阶区域的宽度以及位次的乘积。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在所述中线斜率为零的情况下,根据所述中线端点的坐标、所述目标灰阶区域包含的子灰阶区域的位次以及子灰阶区域的宽度,确定所述目标灰阶区域包含的子灰阶区域的坐标。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述目标灰度值包括第一灰度值和第二灰度值;所述根据目标灰度值对所述目标图像做二值化处理之前,所述方法还包括:
将所述目标图像中出现概率最高的灰度值作为第三灰度值;
将所述第三灰度值在所述目标图像中出现概率与目标系数的乘积作为目标概率;
将首个小于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第一灰度值;
将首个大于所述第三灰度值且在所述目标图像中出现概率为所述目标概率的灰度值确定为所述第二灰度值;所述第一灰度值小于所述第二灰度值。
6.根据权利要求5所述的方法,其特征在于,所述根据目标灰度值对所述目标图像做二值化处理,包括:
将所述目标图像中灰度值大于所述第一灰度值且小于所述第二灰度值的像素设置为第一值;
将所述目标图像中灰度值不大于所述第一灰度值或不小于所述第二灰度值的像素设置为第二值。
7.根据权利要求1所述的方法,其特征在于,所述将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓,包括:
将所述目标二值化图像上的干扰区域去除,得到所述目标轮廓;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的最小外接轮廓,所述干扰区域为轮廓点的面积位于预设区间之外的区域。
8.一种灰度测试装置,应用于灰阶测试卡,其特征在于,包括:
灰度化单元,用于对测试图像做灰度化处理,得到目标图像;所述测试图像为灰阶测试卡进行灰度测试的图像;
二值化单元,用于根据目标灰度值对所述目标图像做二值化处理,得到目标二值化图像;所述目标灰度值由所述目标图像的灰度信息得到;
确定单元,用于将所述目标二值化图像的灰阶测试卡区域的最小外接轮廓确定为目标轮廓;
所述确定单元,还用于根据目标轮廓的坐标,确定所述灰阶测试卡的目标灰阶区域的坐标;所述目标轮廓为所述目标二值化图像的灰阶测试卡区域的外接轮廓。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器用于存储计算机执行指令;
所述处理器用于执行所述存储器所存储的计算机执行指令,以使所述灰度测试装置执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括:
所述计算机可读存储介质用于存储指令或计算机程序;当所述指令或所述计算机程序被执行时,使如权利要求1至7中任一项所述的方法被实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110542373.1A CN113269841A (zh) | 2021-05-18 | 2021-05-18 | 一种灰度测试方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110542373.1A CN113269841A (zh) | 2021-05-18 | 2021-05-18 | 一种灰度测试方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269841A true CN113269841A (zh) | 2021-08-17 |
Family
ID=77231518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110542373.1A Withdrawn CN113269841A (zh) | 2021-05-18 | 2021-05-18 | 一种灰度测试方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269841A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007079586A (ja) * | 2006-10-05 | 2007-03-29 | Sharp Corp | 画像処理装置 |
CN103020969A (zh) * | 2012-12-25 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 一种ct图像肝脏分割的处理方法及*** |
CN103324930A (zh) * | 2013-06-28 | 2013-09-25 | 浙江大学苏州工业技术研究院 | 一种基于灰度直方图二值化的车牌字符分割方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN109285165A (zh) * | 2018-09-20 | 2019-01-29 | 易诚高科(大连)科技有限公司 | 一种灰阶测试卡的灰阶自动分割与分析方法 |
CN111539980A (zh) * | 2020-04-27 | 2020-08-14 | 航天科工微电子***研究院有限公司 | 一种基于可见光的多目标追踪方法 |
-
2021
- 2021-05-18 CN CN202110542373.1A patent/CN113269841A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007079586A (ja) * | 2006-10-05 | 2007-03-29 | Sharp Corp | 画像処理装置 |
CN103020969A (zh) * | 2012-12-25 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 一种ct图像肝脏分割的处理方法及*** |
CN103324930A (zh) * | 2013-06-28 | 2013-09-25 | 浙江大学苏州工业技术研究院 | 一种基于灰度直方图二值化的车牌字符分割方法 |
CN103810716A (zh) * | 2014-03-13 | 2014-05-21 | 北京工商大学 | 基于灰度搬移和Renyi熵的图像分割方法 |
CN109285165A (zh) * | 2018-09-20 | 2019-01-29 | 易诚高科(大连)科技有限公司 | 一种灰阶测试卡的灰阶自动分割与分析方法 |
CN111539980A (zh) * | 2020-04-27 | 2020-08-14 | 航天科工微电子***研究院有限公司 | 一种基于可见光的多目标追踪方法 |
Non-Patent Citations (1)
Title |
---|
张洁玉;: "基于图像分块的局部阈值二值化方法" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101795823B1 (ko) | 광학 문자 인식되는 텍스트 영상의 텍스트 개선 기법 | |
US8290252B2 (en) | Image-based backgrounds for images | |
US20210158488A1 (en) | Image edge processing method, electronic device, and computer readable storage medium | |
CN105005461A (zh) | 一种图标显示方法及终端 | |
CN108596908B (zh) | Led显示屏检测方法、装置及终端 | |
EP0778696A2 (en) | Method and apparatus for providing halftoning processing of color images by means of a neural network | |
CN108230256A (zh) | 图像处理方法、装置、计算机装置及计算机可读存储介质 | |
CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
CN111784703A (zh) | 一种图像分割方法、装置、电子设备和存储介质 | |
CN114005095B (zh) | 车辆属性识别方法、装置、电子设备和介质 | |
US9235773B2 (en) | Image processing device capable of determining types of images accurately | |
US7308137B2 (en) | Method of determining color composition of an image | |
US20110069882A1 (en) | Image processing method, image processing apparatus, and computer-readable storage medium for computer program | |
US9495609B2 (en) | System and method for evaluating data | |
CN110738712B (zh) | 一种几何图案重构方法、装置、设备及存储介质 | |
EP4332879A1 (en) | Method and apparatus for processing graphic symbol, and computer-readable storage medium | |
CN113269841A (zh) | 一种灰度测试方法、装置、电子设备及存储介质 | |
CN111582100A (zh) | 一种目标对象的检测方法及设备 | |
US10475164B2 (en) | Artifact detection in a contrast enhanced output image | |
CN115346475A (zh) | Led显示控制方法、控制装置、电子设备及存储介质 | |
CN105184785A (zh) | 图像的轮廓提取方法和轮廓提取装置 | |
CN111652816B (zh) | 图像处理方法及相关设备 | |
CN114677649A (zh) | 图像识别方法、装置、设备和介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210817 |