CN114359414A - 镜头脏污识别方法、装置、计算机设备及存储介质 - Google Patents
镜头脏污识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114359414A CN114359414A CN202111625902.0A CN202111625902A CN114359414A CN 114359414 A CN114359414 A CN 114359414A CN 202111625902 A CN202111625902 A CN 202111625902A CN 114359414 A CN114359414 A CN 114359414A
- Authority
- CN
- China
- Prior art keywords
- brightness
- image
- pixel point
- target
- lens
- 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
Images
Landscapes
- Studio Devices (AREA)
Abstract
本发明实施例公开了一种镜头脏污识别方法、装置、计算机设备及存储介质,该方法包括:获取镜头拍摄的源图像,源图像至少包括源图像中各个像素点对应的多个颜色通道值;根据各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像;利用拟合算法对第一亮度图像进行拟合处理,得到第一亮度图像对应的第二亮度图像;根据第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;对目标亮度图像进行脏污检测,识别镜头是否脏污。通过上述方法实现利用进行亮度转换后的第一亮度图像和拟合后的第二亮度图像得到去暗角的目标亮度图像,并在去除暗角的前提下识别镜头是否脏污,结果更加准确有效。
Description
技术领域
本发明涉及摄像头生产技术领域,尤其涉及一种镜头脏污识别方法、装置、计算机设备及存储介质。
背景技术
摄像头模组在实际的生产过程中,由于车间并非理想的无尘环境,在镜头安装前成像传感器和滤光片与空气接触,空气中漂浮的灰尘,皮屑等异物容易附着在成像传感器或滤光片上,导致最终的摄像头模组在成像时产生脏污,严重影响成像质量。目前检测方法是根据当前区域与周边区域的亮度进行对比,当对比度大于设定阈值时认为是脏污,该方法容易受shading影响,Shading指镜头暗角。由于搭载工艺的问题,会出现镜头或底座的倾斜、来料的问题等等都会导致出现一些暗角,因此在四角或边缘容易误判或漏判。
发明内容
本发明的主要目的在于提供一种镜头脏污识别方法、装置、计算机设备及存储介质,可以解决现有技术中的镜头四周存在暗角,导致对镜头脏污误判或漏判的问题。
为实现上述目的,本发明第一方面提供一种镜头脏污识别方法,所述方法包括:
获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
在一种可行实现方式中,所述根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像,包括:
利用每个像素点对应的各个所述颜色通道值以及颜色通道的个数进行均值计算,得到各个像素点的亮度值;
利用各个像素点的亮度值生成所述第一亮度图像。
在一种可行实现方式中,所述根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像,包括:
获取所述第一亮度图像中各个像素点的第一亮度值、所述第二亮度图像中各个像素点的第二亮度值;
利用同一像素点的所述第一亮度值与所述第二亮度值作差,得到各个像素点的亮度差值;
利用同一像素点的所述亮度差值与所述第一亮度值相比,得到各个像素点的亮度比值,将所述亮度比值作为各个像素点的第三亮度值,得到由各个像素点的第三亮度值生成的目标亮度图像。
在一种可行实现方式中,所述对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污,包括:
获取所述目标亮度图像中的第一目标像素点,所述第一目标像素点的像素值大于所述第一目标像素点对应的预设亮度阈值;
若获取到第一目标像素点,则将所述第一目标像素点作为脏污点,确定所述镜头脏污;
若未获取到第一目标像素点,则确定所述镜头不脏污。
在一种可行实现方式中,所述对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污,还包括:
获取所述目标亮度图像中的第二目标像素点,所述第二目标像素点的梯度值大于所述第二目标像素点对应的预设亮度变化率阈值,所述梯度值为相邻像素点之间亮度变化率;
若获取到第二目标像素点,则将所述第二目标像素点作为脏污点,确定所述镜头脏污;
若未获取到第二目标像素点,则确定所述镜头不脏污。
在一种可行实现方式中,所述方法还包括:
利用所述脏污点进行形态学处理,得到候选脏污区域;
若所述候选脏污区域大于预设脏污区域阈值,则将所述候选脏污区域作为目标脏污区域;
输出所述目标脏污区域的脏污信息,所述脏污信息至少包括所述目标脏污区域的坐标以及所述目标脏污区域的尺寸。
在一种可行实现方式中,所述根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像,之后还包括:
按照预设尺寸对所述第一亮度图像进行图像大小变换处理,得到变换后的第一亮度图像;
对所述变换后的第一亮度图像进行高斯滤波,得到滤波后的第一亮度图像。
为实现上述目的,本发明第二方面提供一种镜头脏污识别装置,所述装置包括:
数据获取模块:用于获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
亮度转换模块:用于根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
拟合处理模块:用于利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
暗角去除模块:用于根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
脏污识别模块:用于对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
为实现上述目的,本发明第三方面提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如第一方面及任一可行实现方式所示步骤。
为实现上述目的,本发明第四方面提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如第一方面及任一可行实现方式所示步骤。
采用本发明实施例,具有如下有益效果:
本发明提供一种镜头脏污识别方法,该方法包括:获取镜头拍摄的源图像,源图像至少包括源图像中各个像素点对应的多个颜色通道值;根据各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像;利用拟合算法对第一亮度图像进行拟合处理,得到第一亮度图像对应的第二亮度图像;根据第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;对目标亮度图像进行脏污检测,识别镜头是否脏污。通过上述方法实现利用进行亮度转换后的第一亮度图像和拟合后的第二亮度图像得到去暗角的目标亮度图像,并在去除暗角的前提下识别镜头是否脏污,结果更加准确有效。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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。
其中:
图1为本发明实施例中一种镜头脏污识别方法的流程图;
图2为本发明实施例中一种源图像的示意图;
图3为本发明实施例中一种第一亮度图像的示意图;
图4为本发明实施例中一种第一亮度图像及第二亮度图像的伪彩显示的示意图;
图5为本发明实施例中一种目标亮度图像的伪彩显示以及脏污的伪彩显示的示意图;
图6为本发明实施例中一种镜头脏污识别方法的另一流程图;
图7为本发明实施例中一种镜头脏污识别装置的结构框图;
图8为本发明实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
参照图1,图1为本发明实施例中一种镜头脏污识别方法的流程图,该镜头脏污识别方法具体包括如下步骤:
101、获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
在本实施例中,可以利用待检测的镜头进行拍摄得到的图像,来识别该镜头是否存在脏污,具体的,首先获取该镜头拍摄的源图像,源图像为该镜头拍摄的未经处理的原始图像,也即数据格式类型为raw的图像,其中,raw图具有多个颜色通道,比如四个颜色通道(R,Gr,Gb,B),其中,R为一个红色通道,G为一个绿色通道,B为一个蓝色通道,Gr为红色通道和绿色通道的混合得到的,Gb为蓝色通道和绿色通道的混合得到的。请参阅图2,图2为本发明实施例中一种源图像的示意图。其中,图2中的源图像201为摄像头拍摄的用于对镜头进行脏污检测的原始图像。
102、根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
进一步的,脏污在该源图像中的成像特征一般为一种淡淡的黑块,因此,可以通过源图像的亮度值进行判断,其中,亮度值一般由(0-255)的灰度值来体现,0为黑色,255为白色,因此,根据源图像中各个像素点对应的各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像,该第一亮度图像由亮度转换处理后得到的源图像的各个像素点的亮度值生成,可以是基于上述亮度值直接生成的,也可以是将同一像素点的各个颜色颜色通道值替换为该像素点的亮度值得到的,在此举例不做限定。可参阅图3,图3为本发明实施例中一种第一亮度图像的示意图。其中,图3中的第一亮度图像301为摄像头拍摄的源图像进行亮度转换处理后得到的亮度图像,该第一亮度图像301中各个像素点的像素值为源图像中各个像素点进行亮度转换后的亮度值。
103、利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
本实施例还需要对第一亮度图像进行进一步处理,可以通过对第一亮度图像进行拟合处理,得到该第一亮度图像的第二亮度图像,该第二亮度图像为拟合后的亮度图像,具体的拟合方式可以为利用B样条拟合曲面对第一亮度图像进行处理,或其它多项式拟合方式,在此举例不做限定。通过对第一亮度图像的拟合,去除多余像素点,得到更清晰的、拟合后的第二亮度图形。其中,若采用B样条拟合曲面进行拟合处理,可以对第一亮度图像的每一列和行的数据进行拟合得到该第一亮度图像对应的B样条拟合曲面,生成第一亮度图像对应的第二亮度图像(也即B样条拟合曲面imgBspline)。示例性的,可参考图4,图4为本发明实施例中一种第一亮度图像及第二亮度图像的伪彩显示的示意图,其中,401为第一亮度图像的伪彩显示效果图,402为第二亮度图像的伪彩显示效果图。由图4可以看出,第二亮度图像402的伪彩显示较之第一亮度图像401的伪彩显示相比,第二亮度图像402的伪彩显示的颜色分布更加光滑,具体可对比参考第一亮度图像401中的第一区域4010,以及第二亮度图像402中的第二区域4020,第二区域4020更加圆滑。
104、根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
在本实施例中,为保证脏污检测的准确性,去除镜头四周暗角为脏污检测的影响,暗角是指Shading现象,shading本意是阴影,用在镜头上,特指画面四角由于入射光线不足形成的暗角。由于搭载工艺的问题,会出现镜头或底座的倾斜、来料的问题等等都会导致镜头的成像出现一些暗角。shading大体分为两种:一种是LensShading(镜头Shading):由于镜头的光学特性,成像传感器的影像区的边缘区域接收的光强比中心小,所造成的中心和四角亮度不一致的现象,也即暗角;另一种是color shading:由于镜头在周边入射角度不足,导致颜色偏差的偏差的现象,一般表现中心和四周偏角不一致,颜色不一致。
进一步的。可根据得到的第一亮度图像以及第二亮度图像进行除暗角处理,得到去除了暗角的目标亮度图像。该除暗角处理是指将图像中的暗角特征去掉。
105、对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
进一步的,对去除了暗角的目标亮度图像进行脏污检测,识别该镜头是否脏污,使得镜头脏污识别的真实性更高。具体的可参照图5为本发明实施例中一种目标亮度图像中的脏污的伪彩显示的示意图;其中,图5中501、502及503为目标亮度图像的伪彩显示,其中5010为脏污区域,5020为非脏污,5030为脏污边界。
本发明提供一种镜头脏污识别方法,该方法包括:获取镜头拍摄的源图像,源图像至少包括源图像中各个像素点对应的多个颜色通道值;根据各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像;利用拟合算法对第一亮度图像进行拟合处理,得到第一亮度图像对应的第二亮度图像;根据第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;对目标亮度图像进行脏污检测,识别镜头是否脏污。通过上述方法实现利用进行亮度转换后的第一亮度图像和拟合后的第二亮度图像得到去暗角后的目标亮度图像,并在去除暗角的前提下识别镜头是否脏污,结果更加准确有效。
参阅图6,图6为本发明实施例中一种镜头脏污识别方法的另一流程图,该镜头脏污识别方法具体包括如下步骤:
601、获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
602、根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
需要说明的是,步骤601及602与图1所示步骤101及102内容相似,为避免重复此处不做赘述,具体可参考前述步骤101及102内容。
在一种可行实现方式中,步骤602可以包括步骤A及B:
A、利用每个像素点对应的各个所述颜色通道值以及颜色通道的个数进行均值计算,得到各个像素点的亮度值;
B、利用各个像素点的亮度值生成所述第一亮度图像。
示例性的,可以通过步骤A及B示出的亮度转换处理,得到第一亮度图像,具体的,通过得到源图像中每个像素点对应的各个颜色通道值以及颜色通道的个数进行均值计算,将该均值作为各个像素点的亮度值,便可得到各个像素点的亮度值;进而利用各个像素点的亮度值生成该第一亮度图像。以该源图像中包括各个像素点具有四个颜色通道(R,Gr,Gb,B)为例,其中像素点P1为(125,126,127,128),像素点P2为(127,126,129,128)……像素点Pn为(135,126,127,128);因此,像素点P1对应的亮度值L1=(125+126+127+128)/4=126.5;像素点P2对应的亮度值L2=(127+126+129+128)/4=127.5;……;像素点Pn对应的亮度值Ln=(135+126+127+128)/4=129;进而利用各个像素点的亮度值生成该第一亮度图像,其中,生成该第一亮度图像的方式不做限定,可以为利用该亮度值作为每个像素点的像素值,进而生成等尺寸的新的图像,将该新图像作为第一亮度图像;或者将该源图像中同一像素点的四个颜色通道值替换为该亮度值,进而得到第一亮度图像,比如像素点P1为(125,126,127,128),像素点P1对应的亮度值L1==126.5;因此,在第一亮度图像中,像素点P1为(126.5,126.5,126.5,126.5)。在此举例不做限定。
进一步的,为了减少计算量,且保证计算的准确性,还可以对该第一亮度图像进行一些预处理,便于后续计算,示例性的,步骤602之后还可以包括:按照预设尺寸对第一亮度图像进行图像大小变换处理,得到变换后的第一亮度图像;对变换后的第一亮度图像进行高斯滤波,得到滤波后的第一亮度图像。
需要说明的是,可以通过对第一亮度图像进行降维减少第一亮度图像的计算量,具体的该降维方式可以为图像大小变换处理,通过开源计算机视觉(OPENcv)中resize()函数或者CVresize()函数对该第一亮度图像进行缩小,按照预设的尺寸对第一亮度图像进行压缩。进一步对变换后的第一亮度图像进行高斯滤波,得到滤波后的第一亮度图像,也即最终的第一亮度图像,利用处理后的第一亮度图像进行后续的计算可减少计算量,提高处理效率。其中,resize()函数或cvResize()函数,用于将第一亮度图像改变尺寸得到与预设尺寸同样大小。若设定感兴趣区域(region of interest,ROI),函数将按常规支持ROI。通过降维对第一亮度图像进行压缩,减小分辨率以减少计算量,提高检测效率。
603、利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
需要说明的是,步骤603与图1所示步骤103内容相似,为避免重复此处不做赘述,具体可参考前述步骤103内容。
在一种可行实现方式中,根据第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像,具体可以包括下述步骤604-606:
604、获取所述第一亮度图像中各个像素点的第一亮度值、所述第二亮度图像中各个像素点的第二亮度值;
605、利用同一像素点的所述第一亮度值与所述第二亮度值作差,得到各个像素点的亮度差值;
其中,通过获取第一亮度图像中各个像素点的第一亮度值、以及第二亮度图像中各个像素点的第二亮度值,对同一像素点的第一亮度值以及第二第二亮度值进行减法运算,得到该像素点对应的亮度差值,并对所有像素点都进行上述减法运算,得到各个像素点的亮度差值。
606、利用同一像素点的所述亮度差值与所述第一亮度值相比,得到各个像素点的亮度比值,将所述亮度比值作为各个像素点的第三亮度值,得到由各个像素点的第三亮度值生成的目标亮度图像;
进一步的,同一像素点的亮度差值以及第一亮度值相比,进而得到各个像素点的亮度比值,该亮度比值记为各个像素点的第三亮度值,进而得到由第三亮度值生成的去除了暗角现象的目标亮度图像,其中,该目标亮度图像与第一亮度图像和第二亮度图像的尺寸一致,具体生成方式也可以参考前述第二亮度图形的生成方式,在此不做赘述。
示例性的,目标亮度图像的第三亮度值可以参考下述公式:
式中,Pn代表第n个像素点,n取正整数,imgSrc(Pn)为像素点Pn的第一亮度值,imgBspline(Pn)为像素点Pn的第二亮度值,其中,该第二亮度值为通过该第一亮度图像的B样条拟合曲面得到的。
进一步的,还可以对得到的亮度差值设置一个方法系数β,使得亮度差值更加明显,便于计算。
607、对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
需要说明的是,步骤607与图1所示步骤104内容相似,为避免重复,此处不做赘述,具体可参阅前述步骤607内容。
在一种可行实现方式中,步骤607可以包括步骤a、b及c:
a、获取所述目标亮度图像中的第一目标像素点,所述第一目标像素点的像素值大于所述第一目标像素点对应的预设亮度阈值;
b、若获取到第一目标像素点,则将所述第一目标像素点作为脏污点,确定所述镜头脏污;
c、若未获取到第一目标像素点,则确定所述镜头不脏污。
需要说明的是,脏污点为淡淡的黑块,该黑块的像素值与普通像素区域的像素值有所不同,并且由于镜头成像的特性,中间亮,而向四周的亮度是衰减的,而为了在该目标亮度图像中得到该黑块对应的第一目标像素点,便可以通过为每个像素点对应的设置一个预设亮度阈值,利用目标亮度图像中每个像素点的像素值与该像素点对应的预设亮度阈值进行比较,将像素值大于对应的预设亮度阈值的像素点作为第一目标像素点。在获取到该第一目标像素点时,可以将该第一目标像素点作为脏污点,并确定该存在该第一目标像素点的镜头脏污,反之,若未获取到第一目标像素点,则确定镜头不脏污。对于在不同像素区域设置不同的亮度阈值,可以提高脏污识别的准确性。其中,亮度阈值与镜头区域和像素有一定的关系,具体的阈值设置可以通过批量的图片测试进行调整和确定,示例性的,该预设亮度阈值可以为0,在像素值大于0时,将该像素点作为第一目标像素点。该第一目标像素点为脏污所在区域对应的像素点,具体的可以参照图5中的目标亮度图像的伪彩显示效果图501,其中,5010为多个第一目标像素点构成的脏污区域,可以理解的是,脏污可以是一个点也可以是一个区域,因此,若该镜头脏污,则该第一目标像素点会存在至少一个。
在一种可行实现方式中,步骤607还可以包括步骤a1、b1及c1:
a1、获取所述目标亮度图像中的第二目标像素点,所述第二目标像素点的梯度值大于所述第二目标像素点对应的预设亮度变化率阈值,所述梯度值为相邻像素点之间亮度变化率;
b1、若获取到第二目标像素点,则将所述第二目标像素点作为脏污点,确定所述镜头脏污;
c1、若未获取到第二目标像素点,则确定所述镜头不脏污。
需要说明的是,还可以通过计算目标亮度图像的各个像素点的梯度值,其中梯度值是指图像某像素点在x和y两个方向上的变化率,具体是与相邻像素比较得到,梯度值是一个二维向量,由2个分量组成,X轴的变化以及Y轴的变化。由于脏污是黑块,因此,与其他像素区域或存在一个边界,通过计算每个像素点的像素值的变化率,就可以得到像素值突变的点,而该像素点便可以标志为脏污的边界点,也即第二目标像素点,进一步的,通过设置预设亮度变化率阈值,将目标亮度图像中的像素点大于该预设亮度变化率阈值的像素点,作为第二目标像素点,确定该镜头脏污;若不存在第二目标像素点表明镜头不脏污。可以理解的是,不同的像素区域具有不同的颜色变化特性,因此,对于预设亮度变化率阈值的设置,也可针对不同的像素点区域或不同的像素点对应配置。其中,可以参照图5中的目标亮度图像的伪彩显示效果图503,图5中的5030为多个第二目标像素点构成的脏污边界,因此,第二目标像素点不止一个。
可选的,步骤a、b及c以及a1、b1及c1,均可确定镜头是否脏污,步骤a、b及c是通过像素值得到脏污点,且脏污点可以构成脏污区域。步骤a1、b1及c1是通过像素点的亮度变化率得到脏污点,脏污点可以构成脏污边界。因此,步骤a、b及c以及步骤a1、b1及c1可以分别执行,也可以执行步骤a、b及c之后,在该步骤a、b及c确定的脏污点中,利用步骤a1、b1及c1确定赃物的边界,提高处理效率,在此举例不做限定。
进一步的,还可以对脏污进行一步的处理,通过各个脏污点得到脏污的坐标及大小,进而区分各个脏污区域,具体可以参考下述步骤i、ii及iii:
i、利用所述脏污点进行形态学处理,得到候选脏污区域;
其中,若存在第一目标像素点以及第二目标像素点,则说明该镜头存在脏污,可以对该脏污点进一步处理,得到脏污点的形状和尺寸。通过对脏污点进行形态学处理,得到候选脏污区域。其中,形态学处理包括但不限于边缘提取形态学算法、连通分量形态学算法、凸壳形态学算法和区域骨架形态学算法等。该候选脏污区域为进行形态学算法处理后,得到的连通区域,该连通区域可以用来作为得到的脏污区域和尺寸的候选区。
ii、若所述候选脏污区域大于预设脏污区域阈值,则将所述候选脏污区域作为目标脏污区域;
iii、输出所述目标脏污区域的脏污信息,所述脏污信息至少包括所述目标脏污区域的坐标以及所述目标脏污区域的尺寸。
进一步的,若该候选脏污区域大于预设脏污区域阈值,将该候选脏污区域作为目标脏污区域,并输出目标脏污区域的脏污信息,该该脏污信息包括目标脏污区域的坐标以及目标脏污区域的尺寸,该目标脏污区域的坐标由连通区域包括的各个像素点的坐标得到,该目标脏污区域的尺寸为该目标脏污区域的大小,可以由该连通区域的面积得到。
本发明提供一种镜头脏污识别方法,该方法包括:获取镜头拍摄的源图像,源图像至少包括源图像中各个像素点对应的多个颜色通道值;根据各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像;利用拟合算法对第一亮度图像进行拟合处理,得到第一亮度图像对应的第二亮度图像;获取第一亮度图像中各个像素点的第一亮度值、第二亮度图像中各个像素点的第二亮度值;利用同一像素点的第一亮度值与第二亮度值作差,得到各个像素点的亮度差值;利用同一像素点的亮度差值与第一亮度值相比,得到各个像素点的亮度比值,将亮度比值作为各个像素点的第三亮度值,得到由各个像素点的第三亮度值生成的目标亮度图像;对目标亮度图像进行脏污检测,识别镜头是否脏污。上述方法利用亮度差值与第一亮度值相比得到的亮度比值进行去暗角,得到由亮度比值生成的目标亮度图像,在去除暗角的前提下识别镜头是否脏污,脏污识别结果更加准确有效。且还通过多种脏污点的识别方式,提高脏污检测的准确性。
请参照图7,图7提供了一种镜头脏污识别装置的结构框图。该镜头脏污识别装置具体包括:
数据获取模块701:用于获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
亮度转换模块702:用于根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
拟合处理模块703:用于利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
暗角去除模块704:用于根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
脏污识别模块705:用于对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
需要说明的是,图7所示装置中各模块的作用与图1所示方法中各步骤内容相似,为避免重复此处不作赘述,具体可参阅前述图1所示方法中各步骤的内容。
本发明提供一种镜头脏污识别装置,该装置包括:数据获取模块:用于获取镜头拍摄的源图像,源图像至少包括源图像中各个像素点对应的多个颜色通道值;亮度转换模块:用于根据各个颜色通道值进行亮度转换处理,得到源图像对应的第一亮度图像;拟合处理模块:用于利用拟合算法对第一亮度图像进行拟合处理,得到第一亮度图像对应的第二亮度图像;暗角去除模块:用于根据第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;脏污识别模块:用于对目标亮度图像进行脏污检测,识别镜头是否脏污。通过上述方法实现利用进行亮度转换后的第一亮度图像和拟合后的第二亮度图像得到去暗角的目标亮度图像,并在去除暗角的前提下识别镜头是否脏污,结果更加准确有效。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图8所示,该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现上述方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行上述方法。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如图1或图6任一方法所示步骤。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如图1或图6任一方法所示步骤。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种镜头脏污识别方法,其特征在于,所述方法包括:
获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
2.根据权利要求1所述方法,其特征在于,所述根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像,包括:
利用每个像素点对应的各个所述颜色通道值以及颜色通道的个数进行均值计算,得到各个像素点的亮度值;
利用各个像素点的亮度值生成所述第一亮度图像。
3.根据权利要求1所述方法,其特征在于,所述根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像,包括:
获取所述第一亮度图像中各个像素点的第一亮度值、所述第二亮度图像中各个像素点的第二亮度值;
利用同一像素点的所述第一亮度值与所述第二亮度值作差,得到各个像素点的亮度差值;
利用同一像素点的所述亮度差值与所述第一亮度值相比,得到各个像素点的亮度比值,将所述亮度比值作为各个像素点的第三亮度值,得到由各个像素点的第三亮度值生成的目标亮度图像。
4.根据权利要求1所述方法,其特征在于,所述对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污,包括:
获取所述目标亮度图像中的第一目标像素点,所述第一目标像素点的像素值大于所述第一目标像素点对应的预设亮度阈值;
若获取到第一目标像素点,则将所述第一目标像素点作为脏污点,确定所述镜头脏污;
若未获取到第一目标像素点,则确定所述镜头不脏污。
5.根据权利要求1所述方法,其特征在于,所述对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污,还包括:
获取所述目标亮度图像中的第二目标像素点,所述第二目标像素点的梯度值大于所述第二目标像素点对应的预设亮度变化率阈值,所述梯度值为相邻像素点之间亮度变化率;
若获取到第二目标像素点,则将所述第二目标像素点作为脏污点,确定所述镜头脏污;
若未获取到第二目标像素点,则确定所述镜头不脏污。
6.根据权利要求4或5所述方法,其特征在于,所述方法还包括:
利用所述脏污点进行形态学处理,得到候选脏污区域;
若所述候选脏污区域大于预设脏污区域阈值,则将所述候选脏污区域作为目标脏污区域;
输出所述目标脏污区域的脏污信息,所述脏污信息至少包括所述目标脏污区域的坐标以及所述目标脏污区域的尺寸。
7.根据权利要求1所述方法,其特征在于,所述根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像,之后还包括:
按照预设尺寸对所述第一亮度图像进行图像大小变换处理,得到变换后的第一亮度图像;
对所述变换后的第一亮度图像进行高斯滤波,得到滤波后的第一亮度图像。
8.一种镜头脏污识别装置,其特征在于,所述装置包括:
数据获取模块:用于获取所述镜头拍摄的源图像,所述源图像至少包括所述源图像中各个像素点对应的多个颜色通道值;
亮度转换模块:用于根据各个所述颜色通道值进行亮度转换处理,得到所述源图像对应的第一亮度图像;
拟合处理模块:用于利用拟合算法对所述第一亮度图像进行拟合处理,得到所述第一亮度图像对应的第二亮度图像;
暗角去除模块:用于根据所述第一亮度图像及第二亮度图像进行除暗角处理,得到目标亮度图像;
脏污识别模块:用于对所述目标亮度图像进行脏污检测,识别所述镜头是否脏污。
9.一种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,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111625902.0A CN114359414A (zh) | 2021-12-28 | 2021-12-28 | 镜头脏污识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111625902.0A CN114359414A (zh) | 2021-12-28 | 2021-12-28 | 镜头脏污识别方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359414A true CN114359414A (zh) | 2022-04-15 |
Family
ID=81103927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111625902.0A Pending CN114359414A (zh) | 2021-12-28 | 2021-12-28 | 镜头脏污识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359414A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115243038A (zh) * | 2022-09-23 | 2022-10-25 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
-
2021
- 2021-12-28 CN CN202111625902.0A patent/CN114359414A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115243038A (zh) * | 2022-09-23 | 2022-10-25 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
CN115243038B (zh) * | 2022-09-23 | 2023-01-24 | 北京小马易行科技有限公司 | 监测路侧相机的方法、服务端与自动驾驶*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN111563889B (zh) | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 | |
US11430103B2 (en) | Method for image processing, non-transitory computer readable storage medium, and electronic device | |
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
US20230005130A1 (en) | Method and device for detecting display panel defect | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
CN115908415B (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN108710837A (zh) | 吸烟行为识别方法、装置、计算机设备和存储介质 | |
CN113658092A (zh) | 一种基于图像处理的铝电解电容缺陷检测方法 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN111798423A (zh) | 一种混凝土裂缝图片拼接与检测方法 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN114359414A (zh) | 镜头脏污识别方法、装置、计算机设备及存储介质 | |
CN114897881A (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN112581481B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN117456371A (zh) | 一种组串热斑检测方法、装置、设备及介质 | |
CN117197108A (zh) | 光学变焦图像质量评估方法、***、计算机装置及介质 | |
US20230030689A1 (en) | Systems and methods for quantifying light flares in images | |
CN116363097A (zh) | 一种光伏板的缺陷检测方法及*** | |
CN111445402A (zh) | 一种图像去噪方法及装置 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN113840135A (zh) | 色偏检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 530031 plant of powder injection workshop, No. 100 Gaoling Road, Nanning City, Guangxi Zhuang Autonomous Region Applicant after: AAC Optics (Nanning) Technologies Co.,Ltd. Address before: 530031 plant of powder injection workshop, No. 100 Gaoling Road, Nanning City, Guangxi Zhuang Autonomous Region Applicant before: Chengrui optics (Nanning) Co.,Ltd. |
|
CB02 | Change of applicant information |