CN105931249A - 一种Camera成像的测试方法及测试装置 - Google Patents
一种Camera成像的测试方法及测试装置 Download PDFInfo
- Publication number
- CN105931249A CN105931249A CN201610302424.2A CN201610302424A CN105931249A CN 105931249 A CN105931249 A CN 105931249A CN 201610302424 A CN201610302424 A CN 201610302424A CN 105931249 A CN105931249 A CN 105931249A
- Authority
- CN
- China
- Prior art keywords
- value
- camera
- color lump
- test
- pixel
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种Camera成像的测试方法及测试装置,用以解决现有技术中存在成像检测效率低、漏检率大的问题。该方法为:接收到上位机发送的测试指令后,确定Camera处于测试状态时,采集Camera当前预览帧中的每一个像素点对应的原始YUV数据,并根据采集到的每一个像素点对应的原始YUV数据,筛选出所有的目标区域,以及根据筛选出的所有目标区域,完成对Camera的成像测试。这样,不仅实现了Camera成像的自动测试,在节省了大量的人力资源的同时,也提高了测试效率和准确度。
Description
技术领域
本发明涉及数字成像技术领域,尤其涉及一种Camera成像的测试方法及测试装置。
背景技术
随着电子技术的不断发展,电子产品的种类越来越丰富多样,人们对电子产品的功能要求也越来越高,为了满足人们的需求,保证电子产品的质量,在生产电子产品的过程中,通常会对电子产品的各种功能进行测试,例如:对电子产品的拍照Camera功能进行检测,即检测镜头是否有污点、坏点,成像是否偏色,对焦是否清晰等等。
现有技术中,通常采用人工检测的方法,来检测电子产品的Camera功能,即人工观察镜头是否有污点、坏点,以及利用电子产品拍照后,通过人工检测照片成像是否偏色,对焦是否清晰,这样,不仅会耗费大量的人力资源,而且还存在检测效率低,漏检概率大、准确度低等问题。
发明内容
本发明实施例提供了一种Camera成像的测试方法及测试装置,用以解决现有技术中成像检测效率低、漏检率大、准确度低的问题。
本发明实施例提供的具体技术方案如下:
一种Camera成像的测试方法,包括:
UE确定Camera处于测试状态时,采集所述Camera当前预览帧中的每一个像素点对应的原始YUV数据;
UE基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域;
UE基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,并基于每一个色块区域,完成对所述Camera的成像测试。
较佳的,UE基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域,包括:
UE分别提取每一个像素点对应的原始YUV数据中的Y值;
UE基于每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域。
较佳的,UE基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,包括:
UE遍历每一个目标区域,确定任意一个目标区域中的像素点的数目在预设的第一范围内时,判定所述任意一个目标区域是色块区域。
较佳的,进一步包括:
UE确定任意一个目标区域中的像素点的数目不在预设的第一范围内时,判定所述任意一个目标区域是坏点区域或者污点区域。
较佳的,UE基于每一个色块区域,完成对所述Camera的成像测试,包括:
UE从所有的色块区域中,筛选出黑白色块,并基于所述黑白色块,完成对所述Camera的对焦测试;
UE从所有的色块区域中,筛选出绿色色块、蓝色色块和红色色块,并基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试。
较佳的,UE基于所述黑白色块,完成对所述Camera的对焦测试,包括:
UE基于所述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值;
UE筛选出小于预设的第二阈值的所有Y值差值,确定所有的Y值差值的数目大于预设的第三阈值时,判定所述Camera对焦正常。
较佳的,UE基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试,包括:
UE分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出所述红色色块对应的R值、所述蓝色色块对应的B值;
UE从除所述色块区域之外的其它区域中,选取一块区域,并计算所述一块区域中的R值和G值的比值,以及B值和G值的比值;
UE确定R值和G值的比值大于1,且所述红色色块对应的R值大于预设的第三阈值时,判定所述Camera的成像偏红色;或者,
UE确定B值和G值的比值大于1,且所述蓝色色块对应的B值大于预设的第四阈值时,判定所述Camera的成像偏蓝色。
一种Camera成像的测试装置,包括:
采集单元,用于确定Camera处于测试状态时,采集所述Camera当前预览帧中的每一个像素点对应的原始YUV数据;
筛选单元,用于基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域;
测试单元,用于基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,并基于每一个色块区域,完成对所述Camera的成像测试。
较佳的,基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域时,所述筛选单元用于:
分别提取每一个像素点对应的原始YUV数据中的Y值;
基于每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域。
较佳的,基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域时,所述测试单元用于:
遍历每一个目标区域,确定任意一个目标区域中的像素点的数目在预设的第一范围内时,判定所述任意一个目标区域是色块区域。
较佳的,所述测试单元进一步用于:
确定任意一个目标区域中的像素点的数目不在预设的第一范围内时,判定所述任意一个目标区域是坏点区域或者污点区域。
较佳的,基于每一个色块区域,完成对所述Camera的成像测试时,所述测试单元用于:
从所有的色块区域中,筛选出黑白色块,并基于所述黑白色块,完成对所述Camera的对焦测试;
从所有的色块区域中,筛选出绿色色块、蓝色色块和红色色块,并基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试。
较佳的,基于所述黑白色块,完成对所述Camera的对焦测试时,所述测试单元用于:
基于所述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值;
筛选出小于预设的第二阈值的所有Y值差值,确定所有的Y值差值的数目大于预设的第三阈值时,判定所述Camera对焦正常。
较佳的,基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试时,所述测试单元用于:
分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出所述红色色块对应的R值、所述蓝色色块对应的B值;
从除所述色块区域之外的其它区域中,选取一块区域,并计算所述一块区域中的R值和G值的比值,以及B值和G值的比值;
确定R值和G值的比值大于1,且所述红色色块对应的R值大于预设的第三阈值时,判定所述Camera的成像偏红色;或者,
确定B值和G值的比值大于1,且所述蓝色色块对应的B值大于预设的第四阈值时,判定所述Camera的成像偏蓝色。
本发明实施例的有益效果如下:
本发明实施例中,只要UE确定自身Camera处于测试状态时,就会自动对自身Camera进行成像测试,无需人工检测,在节省了大量的人力资源的同时,也提高了测试效率和准确度。除此之外,在UE侧就可以实现Camera的成像测试,且只需要对当前预览帧中的每一个像素点对应的原始YUV数据进行分析,无需通过将拍照后获得的照片上传至上位机进行成像测试,节省了处理时间,进一步地提高了测试效率。
附图说明
图1为本发明实施例中Camera成像测试方法的简易流程示意图;
图2为本发明实施例中Camera成像测试方法的概况示意图;
图3为本发明实施例中灰卡图像的结构示意图;
图4为本发明实施例中高亮图像的结构示意图;
图5为本发明实施例中对焦正常的黑白色块结构示意图;
图6为本发明实施例中Camera成像测试方法的具体流程示意图;
图7为本发明实施例中Camera成像测试装置的功能结构示意图。
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,并不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
为了解决现有技术中成像检测效率低、漏检率大、准确度低的问题,本发明实施例提供了一种对Camera成像进行自动测试的方法,参阅图1所示,上位机通过UE中的检测软件,预先将测试项目和相关测试配置参数等写入UE的内核节点,并确定写入完成后,将通过UE中的检测软件,向UE中的硬件抽象层(Hardware Abstraction Layer,HAL)发送测试指令。HAL接收到测试指令后,会直接基于从内核节点中读取的测试项目和测试配置参数,对上述Camera进行成像测试,并将测试结果写入内核节点。UE中的检测软件确定Camera测试完成时,会将从内核节点中读取的测试结果上报至上位机。上位机就可以根据上报的测试结果,对上述UE对应的Camera进行成像测试的判断。
下面通过具体实施例对本发明方案进行详细描述,当然,本发明并不限于以下实施例。
参阅图2所示,本发明实施例中,可以是但不限于:由UE单独完成对自身Camera的成像测试,并确定Camera的异常情况,或者通过上位机指示UE对自身Camera进行成像测试,即由UE执行成像测试,由上位机确定Camera的异常情况,其中,上述UE可以是有Camera功能的任意一种电子产品,例如:手机、平板电脑、数码相机等等,下面仅以通过上位机指示UE对自身Camera进行成像测试为例进行说明,Camera成像测试方法的具体流程如下:
步骤200:UE接收到上位机发送的测试指令后,确定Camera处于测试状态时,采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据。
具体地,执行步骤200时,可以采用但不限于以下步骤:
首先,上位机向UE中的检测软件发送写入指令,上述写入指令中携带有测试项目,以及成像测试过程中所需的相关测试配置参数,其中,上述测试项目可以包括但不限于:偏色测试、对焦测试和坏点测试和污点测试中的任意一种或者任意组合,上述相关测试配置参数可以是但不限于:成像测试过程中所需的预设阈值、预设范围等等。
然后,UE中的检测软件接收到上述写入指令后,将上述写入指令中携带的测试项目和相关测试配置参数写入UE中的内核节点,上述内核节点保存上述写入指令中携带的测试项目和相关测试配置参数后,通过上述检测软件,向上述上位机发送写入完成响应。
其次,上述上位机接收到上述写入完成响应后,确定已将上述测试项目和相关测试配置参数成功写入上述UE的内核节点,并向上述UE中的检测软件发送测试指令,指示上述UE:通过HAL,打开自身Camera,并基于上述测试配置参数,完成对自身Camera的所有测试项目的测试。
最后,UE中的检测软件接收到上述测试指令后,将上述测试指令发送至HAL,HAL接收到上述检测软件发送的测试指令后,确定自身Camera处于测试状态时,从内核节点中读取上述测试项目和测试配置参数,确定读取成功后,打开自身Camera,并采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据。
值的说的是,只有在确定自身Camera处于测试状态时,即只有在确定上述Camera是基于上述测试指令打开的时,才对上述Camera进行成像测试的目的是为了不中断用户的使用,提高用户体验。
具体地,判断上述Camera是否处于测试状态的方法可以采用但不限于以下方式:
确定上述Camera对应的标志位置1时,判定上述Camera处于测试状态,以及确定上述Camera对应的标志位置2时,判定上述Camera处于使用状态。
例如:上位机1向UE1发送写入指令1。
UE1中的检测软件接收到写入指令1后,将写入指令1中的携带的测试项目和测试配置参数写入UE1中的内核节点。
UE1中的内核节点保存写入指令1中携带的测试项目和测试配置参数后,通过检测软件,向上位机1发送写入完成响应1。
上位机1接收到写入完成响应1后,确定已将上述测试项目和测试配置参数成功写入UE1中的内核节点,并向UE1中的检测软件发送测试指令1。
UE1中的检测软件接收到测试指令1时,将测试指令1发送至UE1中的HAL。
HAL在确定上述Camera对应的标志位置1时,判定上述Camera处于测试状态时,从内核节点中读取测试项目和测试配置参数,并在读取成功后,打开自身Camera,以及采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据。
步骤201:UE基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域。
具体地,执行步骤201时,可以采用但不限于以下步骤:
首先,UE基于HAL,分别提取出每一个像素点对应的原始YUV数据中的Y值,其中,提取出每一个像素点对应的原始YUV数据中的Y值后,可以获得如图3所示的与当前预览帧对应的灰卡图像。
然后,UE基于HAL,利用色块区域的Y值和坏点区域(或者污点区域)的Y值比其他区域的Y值小的特征,利用区域生长算法,依次遍历上述灰卡图像中的每一行上的每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域(所有的目标区域包括:色块区域、坏点区域和污点区域)。
最后,还可以复制一份当前预览帧,并在复制的当前预览帧上,通过将筛选出的每一个目标区域中包含的每一个像素点对应的Y值设置为亮度255,高亮标记出筛选出的每一个目标区域,其中,高亮标记出筛选出的每一个目标区域后,可以获得如图4所示的高亮图像。这样,在Camera测试出现异常时,就可以从复制的当前预览帧中,直接获取高亮标出的目标区域,以查看获取的目标区域是否准确。
例如:继续沿用上例,假设上位机写入的测试配置参数中:预设的第一阈值为100。
UE1基于HAL,根据采集到的每一个像素点对应的原始YUV数据,分别提取出每一个像素点对应的Y值,获得与当前预览帧相应的灰卡图像。
UE1基于HAL,采用区域生长算法,依次遍历上述灰卡图像中的每一行上的每一个像素点对应的Y值,筛选出对应的Y值小于100(即第一阈值)的所有目标区域(包括:色块区域、坏点区域和污点区域),并在复制的当前预览帧中,高亮标出筛选出的每一个目标区域中包含的所有像素点。
步骤202:UE基于筛选出的所有目标区域,完成对上述Camera的成像测试。
具体地,执行步骤202时,可以采用但不限于以下步骤:
首先,UE基于HAL,统计每一个目标区域中包含的像素点的数目,并利用“每一个色块区域中的所有像素点的数目一般在600-1000”的特征,依次基于每一个目标区域中包含的所有像素点的数目,从确定出的第一个目标区域开始,依次判断每一个目标区域中的所有像素点的数目是否在预设的第一范围内,若是,则进一步确定该目标区域为色块区域;否则,确定该目标区域为坏点区域或者污点区域。
然后,UE基于HAL,利用色块区域的分布特征,确定筛选出的第一个色块区域为绿色色块,第二个色块区域为蓝色色块,第三个色块区域为黑白色块,以及第四个色块区域为红色色块。
最后,UE基于HAL,根据筛选出的黑白色块,完成对自身Camera的对焦测试,并基于筛选出绿色色块、蓝色色块和红色色块,完成对自身Camera的偏色测试,以及基于上述坏点区域和上述污点区域,完成对上述Camera的杂点测试。
较佳的,参阅图5所示,图5为对焦正常的黑白色块结构图,UE中的HAL基于筛选出的黑白色块,完成对自身Camera的对焦测试时,可以采用但不限于以下步骤:
首先,UE基于HAL,根据上述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值,下面仅以计算水平方向上的每相邻的两个像素点之间的Y值差值为例进行说明。
然后,UE基于HAL,利用对焦正常时,相邻两个像素点之间的Y值差值不小于80的特征(对焦异常时,相邻两个像素点之间的Y值差值很小),筛选出小于预设的第二阈值的所有Y值差值,并统计出所有Y值差值的数目,以及将统计出的Y值差值的数目写入至内核节点。这样,检测软件就可以从内核节点中读取Y值差值的数目,并发送至上位机,提示上述上位机基于Y值差值的数目判断Camera对焦是否正常。
最后,上位机就会利用对焦正常时,所有Y值差值的数目不小于100的特征,确定所有的Y值差值的数目大于预设的第三阈值时,判定上述UE对应的Camera对焦正常。
较佳的,UE基于HAL,根据筛选出绿色色块、蓝色色块和红色色块,完成对自身Camera的偏色测试时,可以采用但不限于以下步骤:
首先,UE基于HAL,分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出上述红色色块对应的R值、上述蓝色色块对应的B值。
然后,UE基于HAL,从除上述色块区域之外的其它区域中,选取一块区域,并计算上述一块区域中的R值和G值的比值,以及B值和G值的比值,以及将提取出的上述红色色块对应的R值和上述蓝色色块对应的B值,以及计算出的上述一块区域中的R值和G值的比值,B值和G值的比值写入至内核节点。这样,检测软件就可以从内核节点中读取上述R值,上述B值,上述R值和G值的比值,以及上述B值和G值的比值,并发送至上位机,提示上位机基于上述四个数值判断Camera是否偏色。
最后,上位机就会利用除上述色块区域之外的其它区域的R值、G值和B值之间的比值一般为1:1:1的特征,根据上述R值和G值的比值,以及上述B值和G值的比值,判断上述UE对应的Camera的成像是否偏色时,可能存在但不限于以下两种情况(一般情况下,Camera的成像不会偏绿色,所以,可以不对Camera的成像是否偏绿色进行测试):
第一种情况:确定R值和G值的比值大于1时,进一步利用不偏色时,红色色块对应的R值一般在120左右的特征,确定上述红色色块对应的R值大于预设的第四阈值时,判定上述UE对应的Camera的成像偏红色,其中,根据上述红色色块对应的R值作进一步确定是为了保证判断结果的准确性。
第二种情况:确定B值和G值的比值大于1时,进一步利用不偏色时,蓝色色块对应的B值一般在120左右的特征,确定上述蓝色色块对应的B值大于预设的第五阈值时,判定上述UE对应的Camera的成像偏蓝色,其中,根据上述蓝色色块对应的B值作进一步确定是为了保证判断结果的准确性。
例如:继续沿用上例,假设上位机写入内核节点的测试配置参数中:预设的第一范围是600-1000;预设的第二阈值为80。预先保存至上位机中的预设的第三阈值为100;预设的第四阈值为120;预设的第五阈值为120。
UE1基于HAL,依次统计每一个目标区域中的像素点的数目,并根据统计出的每一个目标区域中的像素点的数目,从确定出的第一个目标区域开始,依次判断每一个目标区域中的像素点的数目是否在600-1000(即预设的第一范围)之间,若是,则确定该目标区域就是色块区域,否则,确定该目标区域是坏点区域或者污点区域,并将坏点区域或者污点区域的位置信息,数目等写入至内核节点。
UE1基于HAL,根据色块区域的分布特征,确定筛选出的第一个色块区域为绿色色块,第二个色块区域为蓝色色块,第三个色块区域为黑白色块,以及第四个色块区域为红色色块。
UE1基于HAL,以每一个像素点为起始,依次计算水平方向上的每相邻的两个像素点之间的Y值差值。
UE1基于HAL,筛选出小于80(即预设的第二阈值)的所有Y值差值,并统计筛选出的所有Y值差值的数目,以及将Y值差值的数目写入至上述内核节点。
UE1基于HAL,将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出上述红色色块对应的R值、上述蓝色色块对应的B值。
UE1基于HAL,从除上述色块区域之外的其它区域中,选取一块区域,并计算上述一块区域中的R值和G值的比值,以及B值和G值的比值,以及将提取出的R值和B值,以及计算出的R值和G值的比值,B值和G值的比值写入至上述内核节点。
UE1中的检测软件确定Camera测试完成时,就会从内核节点中读取上述测试结果,并将测试结果上报至上位机。
上位机接收到UE1中的检测软件上报的测试结果后,就会根据上述测试结果中携带的Y值差值的数目,确定Y值差值的数目大于100(即预设的第三阈值)时,判定UE1的Camera对焦正常,否则,判定UE1的Camera对焦异常。
上位机根据上述测试结果中携带的上述R值和上述R值与G值的比值,以及上述B值和上述B值与G值的比值,若确定R值和G值的比值大于1,且上述红色色块对应的R值大于120(即预设的第四阈值),则判定UE1的Camera的成像偏红色;若确定B值和G值的比值大于1,且上述蓝色色块对应的B值大于120(即预设的第五阈值),则判定UE1的Camera的成像偏蓝色。
进一步地,上述上位机完成对上述UE对应的Camera的判断后,还可以进一步根据预设的Camera合格标准,判断是否需要对上述UE对应的Camera进行相应处理。具体地,预设的Camera合格标准可以根据各个生产厂商的不同要求进行设定。
例如:以对焦测试的测试结果为例进行说明,上位机根据对焦测试的测试结果中携带的Y值差值的数目,确定所有Y值差值的数目在80-120(可以根据不同的生产厂商进行灵活配置)之间时,认为UE1对应的Camera符合预设的Camera合格标准。
以坏点测试(或污点测试)的测试结果为例进行说明,上位机根据坏点测试(或污点测试)的测试结果中携带的坏点区域(或污点区域)中的像素点数目,确定任意一个坏点区域(或污点区域)中的像素点数目小于3个(可以根据不同的生产厂商进行灵活配置)时,认为UE1对应的Camera符合预设的Camera合格标准。
下面采用具体的应用场景对上述实施例作进一步详细说明,参阅图6所示,本发明实施例中,Camera成像测试方法的具体流程如下:
步骤600:上位机1通过UE1中的检测软件,向UE1中的内核节点发送写入指令1。
步骤601:UE1中的内核节点接收到写入指令1后,保存写入指令1中携带的测试项目和测试配置参数,并通过检测软件,向上位机1发送写入完成响应1。
步骤602:上位机1接收到写入完成响应1后,确定已将上述测试项目和测试配置参数成功写入UE1中的内核节点,并向UE1中的检测软件发送测试指令1。
步骤603:UE1中的检测软件接收到测试指令1时,将测试指令1发送至HAL,HAL确定上述Camera对应的标志位置1时,判定上述Camera处于测试状态,从内核节点中读取测试项目和测试配置参数,并在确定读取成功时,打开自身Camera,并采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据。
步骤604:UE1基于HAL,根据采集到的每一个像素点对应的原始YUV数据,分别提取出每一个像素点对应的Y值,获得与当前预览帧相应的灰卡图像。
步骤605:UE1基于HAL,采用区域生长算法,依次遍历上述灰卡图像中的每一行上的每一个像素点对应的Y值,筛选出对应的Y值小于100的所有目标区域(包括:色块区域、坏点区域和污点区域),并在复制的当前预览帧中,高亮标出筛选出的每一个目标区域中包含的所有像素点。
步骤606:UE1基于HAL,统计每一个目标区域中的像素点的数目,并从确定出的第一个目标区域开始,依次判断每一个目标区域中的像素点的数目是否在600-1000之间,若是,则执行步骤607;否则,执行步骤608。
步骤607:UE1基于HAL,确定该目标区域就是色块区域。
步骤608:UE1基于HAL,确定该目标区域是坏点区域或者污点区域,并将坏点区域或者污点区域的位置信息和数目信息等等写入至内核节点。
步骤609:UE1基于HAL,根据色块区域的分布特征,判断该色块区域是否是黑白色块,若是,则执行步骤610;否则,执行步骤612。
步骤610:UE1基于HAL,以每一个像素点为起始,依次计算水平方向上的每相邻的两个像素点之间的Y值差值。
步骤611:UE1基于HAL,筛选出小于80的所有Y值差值,并统计筛选出的所有Y值差值的数目,以及将Y值差值的数目写入至内核节点。
步骤612:UE1基于HAL,确定该色块区域是绿色色块,蓝色色块,或者红色色块中的任意一种,并在确定出绿色色块、蓝色色块和红色色块后,将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出上述红色色块对应的R值、上述蓝色色块对应的B值。
步骤613:UE1基于HAL,从除上述色块区域之外的其它区域中,选取一块区域,并计算上述一块区域中的R值和G值的比值,以及B值和G值的比值,以及将提取出的R值,B值,R值和G值的比值,以及B值和G值的比值写入至内核节点。
步骤614:UE1中的检测软件确定成像测试完成时,从内核节点中读取测试结果,即读取上述坏点区域或者污点区域的位置信息和数目信息等等,上述Y值差值的数目,上述R值,上述B值,上述R值和G值的比值,以及上述B值和G值的比值,并将测试结果上报至上位机。
步骤615:上位机接收到上报的测试结果后,根据测试结果中携带的上述R值和上述R值与G值的比值,以及上述B值和上述B值与G值的比值,判断UE1的Camera成像是否偏色。
具体地,判断自身Camera的成像是否偏色时,可能存在以下两种情况:
第一种情况:若确定R值和G值的比值大于1,且上述红色色块对应的R值大于140,则判定自身Camera的成像偏红色。
第二种情况:若确定B值和G值的比值大于1,且上述蓝色色块对应的B值大于100,则判定自身Camera的成像偏蓝色。
上位机根据测试结果中携带的Y值差值的数目,确定上述Y值差值的数目大于100时,判定UE1的Camera对焦正常,否则,判定UE1的Camera对焦异常。
步骤616:上位机继续根据UE上报的测试结果,判断是否需要对UE1对应的Camera进行相应处理。
具体地,判断是否需要对UE1对应的Camera进行相应处理时,可以采用但不限于以下方式:
以对焦测试的测试结果为例进行说明,上位机根据对焦测试的测试结果中携带的Y值差值的数目,确定所有Y值差值的数目在80-120之间时,认为UE1对应的camera符合预设的Camera合格标准。
以坏点测试(或污点测试)的测试结果为例进行说明,上位机根据坏点测试(或污点测试)的测试结果中携带的坏点区域(或污点区域)中的像素点数目,确定任意一个坏点区域(或污点区域)中的像素点数目小于3个时,认为上述UE对应的camera符合预设的Camera合格标准。
基于上述实施例,参阅图7所示,本发明实施例中,Camera成像测试装置,至少包括:
采集单元700,用于确定Camera处于测试状态时,采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据;
筛选单元701,用于基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域;
测试单元702,用于基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,并基于每一个色块区域,完成对上述Camera的成像测试。
较佳的,基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域时,上述筛选单元701用于:
分别提取每一个像素点对应的原始YUV数据中的Y值;
基于每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域。
较佳的,基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域时,上述测试单元702用于:
遍历每一个目标区域,确定任意一个目标区域中的像素点的数目在预设的第一范围内时,判定上述任意一个目标区域是色块区域。
较佳的,上述测试单元702进一步用于:
确定任意一个目标区域中的像素点的数目不在预设的第一范围内时,判定上述任意一个目标区域是坏点区域或者污点区域。
较佳的,基于每一个色块区域,完成对上述Camera的成像测试时,上述测试单元702用于:
从所有的色块区域中,筛选出黑白色块,并基于上述黑白色块,完成对上述Camera的对焦测试;
从所有的色块区域中,筛选出绿色色块、蓝色色块和红色色块,并基于上述绿色色块、上述蓝色色块和上述红色色块,完成对上述Camera的偏色测试。
较佳的,基于上述黑白色块,完成对上述Camera的对焦测试时,上述测试单元702用于:
UE基于上述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值;
UE筛选出小于预设的第二阈值的所有Y值差值,确定所有的Y值差值的数目大于预设的第三阈值时,判定上述Camera对焦正常。
较佳的,基于上述绿色色块、上述蓝色色块和上述红色色块,完成对上述Camera的偏色测试时,上述测试单元702用于:
分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出上述红色色块对应的R值、上述蓝色色块对应的B值;
从除上述色块区域之外的其它区域中,选取一块区域,并计算上述一块区域中的R值和G值的比值,以及B值和G值的比值;
确定R值和G值的比值大于1,且上述红色色块对应的R值大于预设的第三阈值时,判定上述Camera的成像偏红色;或者,
确定B值和G值的比值大于1,且上述蓝色色块对应的B值大于预设的第四阈值时,判定上述Camera的成像偏蓝色。
综上所述,本发明实施例中,UE确定自身Camera处于测试状态时,就开始采集上述Camera当前预览帧中的每一个像素点对应的原始YUV数据,并基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域,以及基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,最后,基于每一个色块区域,完成对是自身Camera的成像测试。这样,只要UE确定自身Camera处于测试状态时,就会自动对自身Camera进行成像测试,无需人工检测,在节省了大量的人力资源的同时,也提高了测试效率和准确度。除此之外,在UE侧就可以实现Camera的成像测试,且只需要对当前预览帧中的每一个像素点对应的原始YUV数据进行分析,无需通过将拍照后获得的照片上传至上位机进行成像测试,节省了处理时间,进一步地提高了测试效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种相机Camera成像的测试方法,其特征在于,包括:
用户设备UE接收到上位机发送的测试指令后,确定Camera处于测试状态时,采集所述Camera当前预览帧中的每一个像素点对应的原始YUV数据;
UE基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域;
UE基于筛选出的所有目标区域,完成对所述Camera的成像测试。
2.如权利要求1所述的方法,其特征在于,基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域,包括:
UE分别提取每一个像素点对应的原始YUV数据中的Y值;
UE基于每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域。
3.如权利要求1所述的方法,其特征在于,UE基于筛选出的所有目标区域,完成对所述Camera的成像测试,包括:
UE基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域、坏点区域和污点区域;
UE基于筛选出的所有的色块区域、坏点区域和污点区域,完成对所述Camera的成像测试。
4.如权利要求3所述的方法,其特征在于,UE基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,坏点区域,以及污点区域,包括:
UE遍历每一个目标区域,依次判断每一个目标区域中的预览帧的数目是否在预设的第一范围内;
UE判定对应的像素点的数目在预设的第一范围内的目标区域是色块区域,以及判定对应的像素点的数目不在预设的第一范围内的目标区域是坏点区域或者污点区域。
5.如权利要求3或4所述的方法,其特征在于,UE基于筛选出的所有的色块区域、坏点区域和污点区域,完成对所述Camera的成像测试,包括:
UE从所有的色块区域中,筛选出黑白色块,并基于所述黑白色块,完成对所述Camera的对焦测试;
UE从所有的色块区域中,筛选出绿色色块、蓝色色块和红色色块,并基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试;
UE基于所述坏点区域和所述污点区域,完成对所述Camera的杂点测试。
6.如权利要求5所述的方法,其特征在于,UE基于所述黑白色块,完成对所述Camera的对焦测试,包括:
UE基于所述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值;
UE筛选出小于预设的第二阈值的所有Y值差值,并将统计出所有Y值差值的数目发送至所述上位机,以及提示所述上位机:基于所述Y值差值的数目,确定所述Y值差值的数目大于预设的第三阈值时,判定所述Camera对焦正常。
7.如权利要求5所述的方法,其特征在于,UE基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试,包括:
UE分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出所述红色色块对应的R值、所述蓝色色块对应的B值;
UE从除所述色块区域之外的其它区域中,选取一块区域,并计算所述一块区域中的R值和G值的比值,以及B值和G值的比值;
UE将所述红色色块对应的R值,所述蓝色色块对应的B值,R值和G值的比值,以及B值和G值的比值发送至所述上位机,并提示所述上位机完成以下任意一种操作:
确定R值和G值的比值大于1,且所述红色色块对应的R值大于预设的第四阈值时,判定所述Camera的成像偏红色;或者,
确定B值和G值的比值大于1,且所述蓝色色块对应的B值大于预设的第五阈值时,判定所述Camera的成像偏蓝色。
8.一种相机Camera成像的测试装置,其特征在于,包括:
采集单元,用于确定Camera处于测试状态时,采集所述Camera当前预览帧中的每一个像素点对应的原始YUV数据;
筛选单元,用于基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域;
测试单元,用于基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域,并基于每一个色块区域,完成对所述Camera的成像测试。
9.如权利要求8所述的测试装置,其特征在于,基于每一个像素点对应的原始YUV数据,筛选出所有的目标区域时,所述筛选单元用于:
分别提取每一个像素点对应的原始YUV数据中的Y值;
基于每一个像素点对应的Y值,筛选出对应的Y值小于预设的第一阈值的所有目标区域。
10.如权利要求8所述的测试装置,其特征在于,基于每一个目标区域中的像素点的数目,从所有的目标区域中,筛选出所有的色块区域时,所述测试单元用于:
遍历每一个目标区域,确定任意一个目标区域中的像素点的数目在预设的第一范围内时,判定所述任意一个目标区域是色块区域。
11.如权利要求10所述的测试装置,其特征在于,所述测试单元进一步用于:
确定任意一个目标区域中的像素点的数目不在预设的第一范围内时,判定所述任意一个目标区域是坏点区域或者污点区域。
12.如权利要求8或9所述的测试装置,其特征在于,基于每一个色块区域,完成对所述Camera的成像测试时,所述测试单元用于:
从所有的色块区域中,筛选出黑白色块,并基于所述黑白色块,完成对所述Camera的对焦测试;
从所有的色块区域中,筛选出绿色色块、蓝色色块和红色色块,并基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试。
13.如权利要求12所述的测试装置,其特征在于,基于所述黑白色块,完成对所述Camera的对焦测试时,所述测试单元用于:
基于所述黑白色块中的每一个像素点对应的Y值,以每一个像素点为起始,依次计算每相邻的两个像素点之间的Y值差值;
筛选出小于预设的第二阈值的所有Y值差值,确定所有的Y值差值的数目大于预设的第三阈值时,判定所述Camera对焦正常。
14.如权利要求12所述的测试装置,其特征在于,基于所述绿色色块、所述蓝色色块和所述红色色块,完成对所述Camera的偏色测试时,所述测试单元用于:
分别将采集到的所有的像素点对应的原始YUV数据转换为相应的RGB数据,并分别提取出所述红色色块对应的R值、所述蓝色色块对应的B值;
从除所述色块区域之外的其它区域中,选取一块区域,并计算所述一块区域中的R值和G值的比值,以及B值和G值的比值;
确定R值和G值的比值大于1,且所述红色色块对应的R值大于预设的第四阈值时,判定所述Camera的成像偏红色;或者,
确定B值和G值的比值大于1,且所述蓝色色块对应的B值大于预设的第五阈值时,判定所述Camera的成像偏蓝色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302424.2A CN105931249B (zh) | 2016-05-06 | 2016-05-06 | 一种Camera成像的测试方法及测试装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302424.2A CN105931249B (zh) | 2016-05-06 | 2016-05-06 | 一种Camera成像的测试方法及测试装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931249A true CN105931249A (zh) | 2016-09-07 |
CN105931249B CN105931249B (zh) | 2019-04-26 |
Family
ID=56835530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610302424.2A Active CN105931249B (zh) | 2016-05-06 | 2016-05-06 | 一种Camera成像的测试方法及测试装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931249B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108234999A (zh) * | 2018-01-22 | 2018-06-29 | 广东欧珀移动通信有限公司 | 用于电子装置的摄像头模组测试的测试系统及测试方法 |
CN109655010A (zh) * | 2018-10-31 | 2019-04-19 | 上海畅联智融通讯科技有限公司 | 一种相机动态网格化摄物测量的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101193323A (zh) * | 2006-11-22 | 2008-06-04 | 乐金电子(昆山)电脑有限公司 | 数码影像装置的不良像素检测方法 |
CN101282418A (zh) * | 2007-04-05 | 2008-10-08 | 佳能株式会社 | 图像处理设备及其控制方法 |
US20090060369A1 (en) * | 2007-08-31 | 2009-03-05 | Aseem Agarwala | Systems and Methods for Determination of a Camera Imperfection for an Image |
US20130229531A1 (en) * | 2012-03-05 | 2013-09-05 | Apple Inc. | Camera blemish defects detection |
CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
CN104867159A (zh) * | 2015-06-05 | 2015-08-26 | 北京大恒图像视觉有限公司 | 一种数字相机传感器污点检测及分级方法与装置 |
-
2016
- 2016-05-06 CN CN201610302424.2A patent/CN105931249B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101193323A (zh) * | 2006-11-22 | 2008-06-04 | 乐金电子(昆山)电脑有限公司 | 数码影像装置的不良像素检测方法 |
CN101282418A (zh) * | 2007-04-05 | 2008-10-08 | 佳能株式会社 | 图像处理设备及其控制方法 |
US20090060369A1 (en) * | 2007-08-31 | 2009-03-05 | Aseem Agarwala | Systems and Methods for Determination of a Camera Imperfection for an Image |
US20130229531A1 (en) * | 2012-03-05 | 2013-09-05 | Apple Inc. | Camera blemish defects detection |
CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
CN104867159A (zh) * | 2015-06-05 | 2015-08-26 | 北京大恒图像视觉有限公司 | 一种数字相机传感器污点检测及分级方法与装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108234999A (zh) * | 2018-01-22 | 2018-06-29 | 广东欧珀移动通信有限公司 | 用于电子装置的摄像头模组测试的测试系统及测试方法 |
CN108234999B (zh) * | 2018-01-22 | 2019-08-20 | Oppo广东移动通信有限公司 | 用于电子装置的摄像头模组测试的测试系统及测试方法 |
CN109655010A (zh) * | 2018-10-31 | 2019-04-19 | 上海畅联智融通讯科技有限公司 | 一种相机动态网格化摄物测量的方法 |
CN109655010B (zh) * | 2018-10-31 | 2020-07-07 | 上海畅联智融通讯科技有限公司 | 一种相机动态网格化摄物测量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105931249B (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN108683907A (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
CN104486552B (zh) | 一种获取图像的方法及电子设备 | |
CN105046668B (zh) | 产生高动态范围图像的方法 | |
CN104519328B (zh) | 图像处理设备、图像捕捉装置和图像处理方法 | |
CN103828345B (zh) | 用于图像处理的设备、方法以及图像拾取设备 | |
CN107516319A (zh) | 一种高精度简易交互式抠图方法、存储设备及终端 | |
CN104077759A (zh) | 一种基于色觉感知及全局质量因子的多曝光度图像融合方法 | |
CN102014251A (zh) | 图像处理装置和图像处理方法 | |
CN101930533B (zh) | 在图像采集设备中进行天空检测的装置和方法 | |
CN104378558A (zh) | 用于产生高动态范围影像的系统和方法 | |
CN109816745A (zh) | 人体热力图展示方法及相关产品 | |
US9064314B2 (en) | Robust automatic determination and location of MacBeth color checker charts | |
JP2016151955A (ja) | 画像処理装置、撮像装置、距離計測装置、および画像処理方法 | |
CN105338342A (zh) | 一种图像坏点的检测方法及装置 | |
CN116188703B (zh) | 一种基于bim的建筑工程可视化管理系统 | |
CN109801322A (zh) | 一种漏光检测方法及装置 | |
CN113014908A (zh) | 图像检测方法、装置和系统及计算机可读存储介质 | |
CN106127124A (zh) | 出租车前排区域的异常图像信号的自动检测方法 | |
CN106412575A (zh) | 检测显示器的方法及装置 | |
CN105931249A (zh) | 一种Camera成像的测试方法及测试装置 | |
CN105451015B (zh) | 一种图像坏点的检测方法及装置 | |
CN104954627B (zh) | 一种信息处理方法及电子设备 | |
Duran et al. | A demosaicking algorithm with adaptive inter-channel correlation | |
CN101947101A (zh) | 一种舌色还原色卡的制作方法 |
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 |