CN108156452A - 一种检测传感器的方法、装置、设备及存储介质 - Google Patents
一种检测传感器的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108156452A CN108156452A CN201711405048.0A CN201711405048A CN108156452A CN 108156452 A CN108156452 A CN 108156452A CN 201711405048 A CN201711405048 A CN 201711405048A CN 108156452 A CN108156452 A CN 108156452A
- Authority
- CN
- China
- Prior art keywords
- sensor
- test sample
- detected
- pixel points
- sample image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000012360 testing method Methods 0.000 claims abstract description 444
- 239000011159 matrix material Substances 0.000 claims description 62
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
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)
- Image Processing (AREA)
Abstract
本发明公开了一种检测传感器的方法、装置、设备及存储介质。该方法包括:获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合;如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。本发明实施例解决了现有技术中检测传感器的工作状态需要借助相关仪器才能完成,整个过程耗时较长的问题,实现了快速准确的确认传感器所处的工作状态。
Description
技术领域
本发明实施例涉及检测技术,尤其涉及一种检测传感器的方法、装置、设备及存储介质。
背景技术
传感器,尤其是图像传感器,如接触式图像传感器,是现代视觉信息获取的一种基础器件,其是获取数据的来源,而为了保证数据的可靠性及准确性需要定期对其进行检测。
现有技术中检测传感器是否处于正常工作状态需要借助相关仪器才能完成,整个过程需要耗费较长的时间。
发明内容
本发明提供一种检测传感器的方法、装置、设备及存储介质,以实现快速准确判断传感器的工作状态。
第一方面,本发明实施例提供了一种检测传感器的方法,该方法包括:
获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合;
如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常。
进一步的,所述确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合,包括:
分别对所述待检测传感器采集的测试样本图像和所述标准传感器采集的测试样本图像按照相同的预设区域划分规则进行区域划分,得到至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域;
确定各个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,所述如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常,包括:
如果存在至少一个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常。
进一步的,所述确定各个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合,包括:
按照预设区域检测顺序的优先级依次确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,所述如果存在至少一个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常,包括:
如果存在一个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常。
进一步的,所述按照预设区域检测顺序的优先级依次确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合,包括:
按照所述预设区域检测顺序的优先级依次获取每个所述待检测传感器采集的测试样本图像区域中像素点的灰度直方图以及每个所述待检测传感器采集的测试样本图像区域中像素点的灰度直方图;
根据每个所述待检测传感器采集的测试样本图像区域中像素点的灰度直方图确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及根据每个所述标准传感器采集的测试样本图像区域中像素点的灰度直方图确定每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合。
进一步的,该方法还包括:
如果每个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与每个所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度均大于等于所述第一重合阈值,则将所述待检测传感器采集的测试样本图像和所述标准传感器采集的测试样本图像进行压缩得到待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像;
确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合;
如果所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度小于第二重合阈值,则确认所述待检测传感器异常。
进一步的,所述确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合,包括:
获取所述待检测传感器采集的测试样本压缩图像中像素点的灰度直方图以及所述标准传感器采集的测试样本压缩图像中像素点的灰度直方图;
根据所述待检测传感器采集的测试样本压缩图像中像素点的直方图确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值以及根据所述标准传感器采集的测试样本压缩图像中像素点的灰度直方图确定所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合。
进一步的,该方法还包括:
如果所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度大于等于所述第二重合阈值,分别对所述待检测传感器采集的测试样本压缩图像和所述标准传感器采集的测试样本压缩图像按照相同的预设特征提取规则进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵;
分别对所述待检测传感器采集的测试样本压缩图像的灰度共生矩阵和所述标准传感器采集的测试样本压缩图像的灰度共生矩阵进行归一化处理得到待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵;
如果所述待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和所述标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值,则确认所述待检测传感器异常。
第二方面,本发明实施例还提供了一种检测传感器的装置,该装置包括:
测试样本图像获取模块,用于获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
灰度值集合确定第一模块,用于确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合;
待检测传感器状态确认第一模块,用于如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如前文所述的检测传感器的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前文所述的检测传感器的方法。
本发明通过获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像,确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合,如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,便可以确认该待检测传感器异常,解决了现有技术中检测传感器的工作状态需要借助相关仪器才能完成,整个过程耗时较长的问题,实现了快速准确的确认传感器所处的工作状态。
附图说明
图1是本发明实施例一中的一种检测传感器的方法的流程图;
图2是本发明实施例二中的一种检测传感器的方法的流程图;
图3是本发明实施例三中的一种检测传感器的装置的结构示意图;
图4是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种检测传感器的方法的流程图,本实施例可适用于快速准确判断传感器是否异常的情况,该方法可以由检测传感器的装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于设备中,例如典型的是计算机等。如图1所示,该方法具体包括如下步骤:
S110、获取待检测传感器采集的测试样本图像和标准传感器采集的测试样板图像;
在本发明的具体实施例中,待检测传感器和标准传感器可以指的是同一型号的传感器,其中,标准传感器可以表示已经经过检测确认处于正常工作状态的传感器,可作为评价其它未得到检测的待检测传感器的工作状态是否正常的标准。相应的,可以理解到除了获取待检测传感器采集的测试样本图像外,还获取标准传感器采集的测试样本图像的目的正在于利用其作为评价待检测传感器采集的测试样本图像的标准,进而根据图像的比较结果确定待检测传感器的工作状态是否正常。而且由于采用的是传感器采集的测试样本图像的方式来检测传感器的工作状态是否正常,因此,需要排除测试样本本身原因导致的传感器采集到的图像质量不符合要求,为了避免出现上述情况,可以采用待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像中测试样本为同一个测试样本的方式来解决,即在测试样本相同的情况下,如果检测到采集的测试样本图像质量有问题,那么便可以确认是传感器的问题,如传感器出现了故障。此外,对测试样本没有要求,可以根据实际情况进行设定,在此不作具体限定。但是,为了提高检测结果的准确率,优选的,选择样本表面平整,无折痕的作为测试样本。示例性的,如崭新的纸币。
需要说明的是,这里所提及的传感器可以为图像传感器,如CCD(Charge CoupledDevice,电荷耦合元件)、CMOS(Complementary Metal-Oxide Semiconductor,金属氧化物半导体元件)或CIS(Contact Image Sensor,接触式图像传感器)等。当然可以理解的是,具体传感器类型需要根据实际情况进行选择,在此不作具体限定。
S120、确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合;
在本发明的具体实施例中,为了进一步的对待检测传感器和标准传感器采集到的测试样本图像进行比较来确定待检测传感器的工作状态,可以采用对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像进行灰度处理得到灰度图像的方式来解决,再根据测试样本的灰度图像得到各个像素点的灰度值,上述各个像素点的灰度值构成了待检测传感器采集的测试样本图像中像素点的灰度值集合和标准传感器采集的测试样本图像中像素点的灰度值集合。
S130、如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
在本发明的具体实施例中,当待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值时,即可以说明待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像的图像质量相差较大,由于标准传感器的工作状态是正常的,因此,便可以确认该待检测传感器的工作状态是异常的。其中,第一重合阈值作为比较的标准,可以根据实际情况进行设定,在此不作具体限定,示例性的,如第一重合阈值设定为90%,当然可以理解的是,第一重合阈值设置的数值越大,相应的,检测传感器的工作状态的准确率越高。
本实施例的技术方案,通过获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像,确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合,如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,便可以确认该待检测传感器异常,解决了现有技术中检测传感器的工作状态需要借助相关仪器才能完成,整个过程耗时较长的问题,实现了快速准确的确认传感器所处的工作状态。
进一步的,在上述技术方案的基础上,确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点灰度值集合,具体可以包括:
分别对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像按照相同的预设区域划分规则进行区域划分,得到至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域;
在本发明的具体实施例中,为了进一步提高检测传感器的效率和准确率,可以对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像基于相同的预设区域划分规则进行区域划分,得到至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域,其中,由于针对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像是根据同样的预设区域划分规则进行的区域划分,因此,每个待检测传感器采集的测试样本图像区域均有一个与之对应的标准传感器采集的测试样本图像区域,即划分的待检测传感器采集的测试样本图像区域的个数与划分的标准传感器采集的测试样本图像区域的个数相等且一一对应。而且采用相同的预设区域划分规则的目的在于后续可以针对每个划分的区域进行测试样本图像的比较,使得比较结果有意义。
此外,需要说明的是,预设区域划分规则可以表示针对基于获取到的测试样本的图像的大小按照每隔一定长度的方式形成的区域划分规则,其中,图像的大小可以用图像的“长×宽”表示,而且具体的图像的大小是由传感器的分辨率决定的。上述预设区域划分规则也包括从整个测试样本图像中先选取某个区域,即先进行抽样,然后再针对该区域进行划分的规则。也即测试样本图像可以指整个测试样本图像,也可以指对整个测试样本图像进行抽样后确定的某个区域的测试样本图像。当然可以理解的是,上述所说的预设区域划分规则可以根据实际情况进行设定,在此不作具体限定,其中,这里所说的实际情况可以指为了采集测试样本的图像传感器是如何布置的,根据传感器的具体布置情况进行设定。同样,选取的某个区域可以根据传感器的具体布置情况进行设定,在此不作具体限定。
确定各个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个标准传感器采集的测试样本图像中像素点的灰度值集合;
在本发明的具体实施例中,确定各个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个标准传感器采集的测试样本图像中像素点的灰度值集合的方式与S120中介绍的方式相同,在此不再具体赘述。
相应的,如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常,具体可以包括:
如果存在至少一个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
在本发明的具体实施例中,由于对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像均进行了区域划分,因此,当检测到存在至少一个待检测传感器采集的测试样本图像区域中像素点的灰度值集合和与之对应的标准传感器采集的测试样本图像区域中像素点的灰度值集合的重合度小于第一重合阈值时,即可以说明待检测传感器采集的测试样本图像的图像质量与标准传感器采集的测试样本图像的图像质量相比出现了问题,由于标准传感器的工作状态是正常的,因此,便可以确认该待检测传感器的工作状态是异常的。
通过采用对测试样本图像进行区域划分再比较的方式,由于当检测到至少一个区域的测试样本图像的比较结果小于第一重合阈值是,便可以确认对应的待检测传感器异常,这样相比于采用对整个测试样本图像进行比较,当比较结果小于第一重合阈值,才可以确认对应的待检测传感器异常的方式而言,一定程度上,在减少数据处理量的同时也进一步提高了检测的效率和准确率。
进一步的,在上述技术方案的基础上,确定各个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个标准传感器采集的测试样本图像区域中像素点的灰度值集合,具体可以包括:
按照预设区域检测顺序的优先级依次确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个标准传感器采集的测试样本区域中像素点的灰度值集合;
在本发明的具体实施例中,可以为区域检测顺序建立优先级,基于预设区域检测顺序的优先级来依次确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合,可以理解为,划分出的各个测试样本图像区域中像素点的灰度值并不是同时确定的,而是根据预设区域检测顺序的优先级依次确定的,即检测顺序的优先级高的测试样本图像区域的像素点的灰度值集合先确定,相应的,优先级低的测试样本图像区域的像素点的灰度值集合后确定,是否具有不同优先级的所有测试样本图像区域的像素点的灰度值集合均需要确定,这个根据实际情况而定,这里所说的实际情况可以指根据优先级高的测试样本图像区域的像素点的灰度值集合的比较结果来决定,如果比较结果大于等于第一重合阈值,则相比于该优先级低的优先级对应的测试样本图像区域的像素点的灰度值集合便可以不再确定;如果比较结果小于第一重合阈值,则继续确定相比该优先级低的优先级对应的测试样本图像区域的像素点的灰度值集合。
此外,需要说明的是,预设区域检测顺序的优先级可以是基于前文所述的为了采集测试样本的图像传感器是如何布置的,根据传感器的具体布置情况进行设定,将最容易导致比较结果小于第一重合阈值的区域对应的检测顺序的优先级标记为最高,之后优先级依次递减。
由于是按照预设区域检测顺序的优先级来依次确定测试样本图像区域的像素点的灰度值集合的,因此,这样相比于采用对整个测试样本图像进行比较或者没有设定区域检测顺序的优先级情况而言,一定程度上,在减少数据处理量的同时也进一步提高了检测的效率和准确率。
相应的,如果存在至少一个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常,具体可以包括:
如果存在一个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
在本发明的具体实施例中,由于是按照预设区域检测顺序的优先级来依次确定测试样本图像区域的像素点的灰度值集合的,因此,当存在一个待检测传感器采集的测试样本图像区域中像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值时,便可以确认对应的待检测传感器异常,并且区域检测顺序的优先级低的测试样本图像区域的像素点的灰度值集合也便可以不再确定和比较。
进一步的,在上述技术方案的基础上,按照预设区域检测顺序的优先级依次确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个标准传感器采集的测试样本图像区域中像素点的灰度值集合,具体可以包括:
按照预设区域检测顺序的优先级依次获取每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图以及每个标准传感器采集的测试样本图像区域中像素点的灰度直方图;
根据每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及根据每个标准传感器采集的测试样本图像区域中像素点的灰度直方图确定每个标准传感器采集的测试样本图像区域中像素点的灰度值集合。
在本发明的具体实施例中,可以通过获取测试样本图像区域中像素点的灰度直方图的方式来确定像素点的灰度值集合,其中,灰度直方图是灰度级的函数,它表示图像中具有每种灰度级的像素的个数,反映图像中每种灰度出现的频率,即横坐标表示灰度值,纵坐标表示图像中该灰度值出现的频率,对于数字图像来说便指的是像素的个数,可以提供有用的图像统计资料。因此,可以根据灰度直方图确定灰度值及每种灰度值的像素点的个数,灰度值集合可以包括各个灰度值及每种灰度值对应的像素点的个数,也可以包括各个灰度值,具体包括哪些内容可以根据实际情况进行设定,在此不作具体限定。优选的,灰度值集合包括各个灰度值以及每种灰度值对应的像素点的个数。
通过根据灰度直方图的方式来确定灰度值集合,可以使得确定过程更加简单、直观和形象。
进一步的,在上述技术方案的基础上,该方法具体还可以包括:
如果每个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与每个标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度均大于等于第一重合阈值,则将待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像进行压缩得到待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像;
在本发明的具体实施例中,当每个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与每个标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度均大于等于第一重合阈值时,可以说明通过采用上述方式确定的待检测传感器是正常的,但是,上述所确定出的待检测传感器正常可能是针对基于选定的某个区域的,对该区域的划分情况进行比较分析得出的,那么对于没有选定的区域,由于没有进行比较分析,因此无法确定待检测传感器在这些没有选定的区域采集的测试样本图像的图像质量是否存在问题,基于此,为了进一步提高检测结果的准确率和减少数据处理量,可以采用对待传感器采集的测试样本图像和标准传感器采集的测试样本图像进行压缩得到压缩图像的方式来进一步对测试样本图像进行分析,以便于确认待检测传感器的工作状态是否正常。
确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及标准传感器采集的测试样本压缩图像中的像素点的灰度值集合;
在本发明的具体实施例中,确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及标准传感器采集的测试样本压缩图像中的像素点的灰度值集合的方式与S120中介绍的方式相同,在此不再具体赘述。
如果待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度小于第二重合阈值,则确认待检测传感器异常。
在本发明的具体实施例中,同样,第二重合阈值作为比较的标准,可以根据实际情况进行设定,在此不作具体限定,示例性的,如第二重合阈值设定为95%,当然可以理解的是,第二重合阈值设置的数值越大,相应的,检测传感器的工作状态的准确率越高。此外,第二重合阈值和第一重合阈值可以相同,也可以不同,可以根据实际情况进行设定,在此不作具体限定。
通过对测试样本图像进行压缩以得到压缩后的测试样本图像,再针对压缩后的测试样本图像进行比较分析,可以实现在保证分析整个测试样本图像的基础上,进一步减少数据处理量和提高检测的效率和准确率。
此外,需要说明的是,上述通过采用对测试样本图像的像素点的灰度值集合进行比较分析来确认待检测传感器是否异常,可以理解为直观地从获取的测试样本图像表面进行的分析。
进一步的,在上述技术方案的基础上,确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及标准传感器采集的测试样本压缩图像中像素点的灰度值集合,具体可以包括:
获取待检测传感器采集的测试样本压缩图像中像素点的灰度直方图以及标准传感器采集的测试样本压缩图像中像素点的灰度直方图;
根据待检测传感器采集的测试样本压缩图像中像素点的灰度直方图确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及根据标准传感器采集的测试样本压缩图像中像素点的灰度直方图确定标准传感器采集的测试样本压缩图像中像素点的灰度值集合。
在本发明的具体实施例中,通过灰度直方图的方式确定测试样本压缩图像中像素点的灰度值集合的方式与前文所述相同,在此不再具体赘述。
进一步的,在上述技术方案的基础上,该方法具体还可以包括:
如果待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度大于等于第二重合阈值,分别对待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像按照相同的预设特征提取规则进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵;
分别对待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵进行归一化处理得到待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵;
在本发明的具体实施例中,当待检测传感器采集的测试样本压缩图像中像素点的灰度值与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度大于等于第二重合阈值时,可以说明通过采用上述方式确定的待检测传感器是正常的,但是,上述所确定出的待检测传感器正常是从图像表面分析得出的,为了进一步提高检测结果的准确率,可以从测试样本图像的图像内容方面进行进一步的分析比较。基于此,可以基于相同的预设特征提取规则分别对待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵。其中,由于纹理是由灰度分布在空间位置上反复出现而形成的,因而,在图像空间中相隔某距离的两像素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵(Gray-level Co-occurrenceMatrix,GLCM)是一种通过研究灰度的空间相关特性来描述纹理的常用方法。灰度直方图是对图像上单个像素点具有某个灰度值进行统计的结果,而灰度共生矩阵是对图像上保持某距离的两像素点分别具有某灰度值的状况进行统计得到的,也即灰度共生矩阵是描述具有某种空间位置关系两个像素点灰度的联合分布。预设特征提取规则可以根据实际情况进行设定,在此不作具体限定。
示例性的,如取图像(N×N)中任一点(x,y)以及偏离它的另一点(x+a,y+b),设该点对应的灰度值为(g1,g2),令点(x,y)在整个图像上移动,则会得到各个(g1,g2)值,设灰度值的级数为k,则(g1,g2)的组合共有k的平方种。对于整个图像,统计出每种(g1,g2)值出现的次数,然后排列成一个方阵,再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2),这样的方阵便可以称为灰度共生矩阵。距离差分值(a,b)取不同的数值组合,可以得到不同情况下的联合概率矩阵。(a,b)取值要根据纹理周期分布的特性来选择,对于较细纹理,可以选取(1,0)、(1,1)或(2,0)等小的差分值。当a=1,b=0时,像素对是水平的,即0度扫描;当a=0,b=1时,像素对是垂直的,即90度扫描;当a=1,b=1时,像素对是右对角线,即45度扫描;当a=-1,b=1时,像素对是左对角线,即135度扫描。这样两个像素灰度级同时发生的概率,就将(x,y)的空间坐标转化为“灰度对”(g1,g2)的描述,形成了灰度共生矩阵。
在上述过程中,可以采用如下公式对灰度共生矩阵进行归一化处理得到标准灰度共生矩阵,即其中,
如果待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值,则确认待检测传感器异常。
在本发明的具体实施例中,当待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值时,可以确定该待检测传感器异常。其中,匹配阈值作为比较的标准,可以根据实际情况进行设定,在此不作具体限定,示例性的,如匹配阈值设定为95%,当然可以理解的是,匹配阈值设置的数值越大,相应的,检测传感器的工作状态的准确率越高。进一步的,可以采用最小夹角余弦进行匹配分析,当然匹配分析的具体方法可以根据实际情况进行设定,在此不作具体限定。
通过对测试样本压缩图像进行特征提取得到灰度共生矩阵以及进一步得到标准灰度共生矩阵,基于标准灰度共生矩阵进行匹配分析来确认待检测传感器的工作状态,实现了从测试样本图像的图像内容方面进行分析比较,进一步提高了检测结果的准确率。
实施例二
图2为本发明实施例二提供的一种检测传感器的方法的流程图,本实施例可适用于快速准确判断传感器是否异常的情况,该方法可以由检测传感器的装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于设备中,例如典型的是计算机等。如图2所示,该方法具体包括如下步骤:
S201、获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
S202、分别对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像按照相同的预设区域划分规则进行区域划分,得打至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域;
S203、按照预设区域检测顺序的优先级依次获取每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图以及每个标准传感器采集的测试样本图像区域中像素点的灰度直方图;
S204、根据每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及根据每个标准传感器采集的测试样本图像区域中像素点的灰度直方图确定每个标准传感器采集的测试样本图像区域中像素点的灰度值集合;
S205、判断是否存在一个待检测传感器采集的测试样本图像区域中像素点的灰度值集合与标准传感器采集的测试样本图像区域中像素点的灰度值集合的重合度小于第二重合阈值;若是,则执行S207;若否,则执行SS206;
S206、将待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像进行压缩得到待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像,并转入执行S208;
S207、确认待检测传感器异常;
S208、获取待检测传感器采集的测试样本压缩图像中像素点的灰度直方图以及标准传感器采集的测试样本压缩图像中像素点的灰度直方图;
S209、根据待检测传感器采集的测试样本压缩图像中像素点的灰度直方图确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及根据标准传感器采集的测试样本压缩图像中像素点的灰度直方图确定标准传感器采集的测试样本压缩图像中像素点的灰度值集合;
S210、判断是否存在待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度小于第二重合阈值;若是,则返回执行S207;若否,则执行S211;
S211、分别对待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像按照相同的预设特征提取规则进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵;
S212、分别对待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵进行归一化处理得到待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵;
S213、判断是否存在待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵与标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值;若是,则返回执行S207;若否,则执行S214;
S214、确认待检测传感器正常。
在本发明的具体实施例中,示例性的,测试样本图像的宽度为1728,分界线为二分之一处,按照预设区域划分规则划分的区域依次为855-864、201-210、501-510、841-850、901-910、1201-1210和1601-1610,并且预设区域检测顺序的优先级依次降低。基于此,当区域855-864中测试样本中像素点的灰度值集合的重合度比较结果小于第一重合阈值时,则确认该待检测传感器异常,便不再进行后续判断。相反的,当区域855-864中测试样本中像素点的灰度值集合的重合度比较结果大于等于第一重合阈值时,则确认该待检测传感器正常,继续按照同样的流程依次判断检测顺序的优先级低的区域。当上述所有区域的测试样本中像素点的灰度值集合的重合度比较结果均大于等于第一重合阈值时,则对测试样本图像进行压缩,示例性的,如将测试样本图像由分辨率200×150压缩为25×25,并根据压缩后的测试样本图像进行像素点的灰度值集合的重合度比较,当比较结果小于第二重合阈值时,则确认该待检测传感器异常;当比较结果大于等于第二重合阈值时,则继续对压缩后的测试样本图像进行特征提取得到灰度共生矩阵并进行归一化处理再得到标准灰度共生矩阵,基于标准灰度共生矩阵的匹配分析结果确认该待检测传感器是否正常,当匹配分析结果小于匹配阈值时,便可以确认该待检测传感器异常。
本实施例的技术方案,通过获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像,确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合,如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,便可以确认该待检测传感器异常,解决了现有技术中检测传感器的工作状态需要借助相关仪器才能完成,整个过程耗时较长的问题,实现了快速准确的确认传感器所处的工作状态。
实施例三
图3为本发明实施例三提供的一种检测传感器的装置的结构示意图,本实施例可适用于快速准确判断传感器是否异常的情况,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于设备中,例如典型的是计算机等。如图3所示,该装置具体包括:
测试样本图像获取模块310,用于获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
灰度值集合确定第一模块320,用于确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合;
待检测传感器状态确认第一模块330,用于如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
本实施例的技术方案,通过测试样本图像获取模块310获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像,灰度值集合确定第一模块320确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合,待检测传感器状态确认第一模块330如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,便可以确认该待检测传感器异常,解决了现有技术中检测传感器的工作状态需要借助相关仪器才能完成,整个过程耗时较长的问题,实现了快速准确的确认传感器所处的工作状态。
进一步的,在上述技术方案的基础上,灰度值集合确定第一模块320,具体可以包括:
测试样本图像区域生成子模块,用于分别对待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像按照相同的预设区域划分规则进行区域划分,得到至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域;
灰度值集合确定子模块,用于确定各个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,待检测传感器状态确认第一模块330,具体可以包括:
待检测传感器状态确认第一子模块,用于如果存在至少一个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
进一步的,在上述技术方案的基础上,灰度值集合确定子模块,具体可以包括:
灰度值集合确定单元,用于按照预设区域检测顺序的优先级依次确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,待检测传感器状态确认第一子模块,具体可以包括:
待检测传感器状态确认第一单元,用于如果存在一个待检测传感器采集的测试样本图像区域中像素点的灰度值集合与标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
进一步的,在上述技术方案的基础上,灰度值集合确定单元,具体可以包括:
灰度直方图生成子单元,用于按照预设区域检测顺序的优先级依次获取每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图以及每个标准传感器采集的测试样本图像区域中像素点的灰度直方图;
灰度值集合确定子单元,用于根据每个待检测传感器采集的测试样本图像区域中像素点的灰度直方图确定每个待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及根据每个标准传感器采集的测试样本图像区域中像素点的灰度直方图确定每个标准传感器采集的测试样本图像区域中像素点的灰度值集合。
进一步的,在上述技术方案的基础上,该方法具体还可以包括:
测试样本压缩图像生成模块,用于如果每个待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与每个标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度均大于等于第一重合阈值,则将待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像进行压缩得到待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像;
灰度值集合确定第二模块,用于确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及标准传感器采集的测试样本压缩图像中像素点的灰度值集合;
待检测传感器状态确认第二模块,用于如果待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度小于第二重合阈值,则确定待检测传感器异常。
进一步的,在上述技术方案的基础上,灰度值集合确定第二模块,具体可以包括:
灰度值直方图获取子模块,用于获取待检测传感器采集的测试样本压缩图像中像素点的灰度直方图以及标准传感器采集的测试样本压缩图像中像素点的灰度直方图;
灰度值集合确定第二子模块,用于根据待检测传感器采集的测试样本压缩图像中像素点的灰度直方图确定待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及根据标准传感器采集的测试样本压缩图像中像素点的灰度直方图确定标准传感器采集的测试样本压缩图像中像素点的灰度值集合。
进一步的,在上述技术方案的基础上,该方法具体还可以包括:
灰度共生矩阵生成模块,用于如果待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度大于等于第二重合阈值,分别对待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像按照相同的预设特征提取规则进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵;
标准灰度共生矩阵生成模块,用于分别对待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵进行归一化处理得到待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵;
待检测传感器状态确认第三模块,用于如果所待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值,则确认待检测传感器异常。
本发明实施例所提供的配置于设备的检测传感器的装置可执行本发明任意实施例所提供的应用于设备的检测传感器的方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备412的框图。图4显示的设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备412以通用计算设备的形式表现。设备412的组件可以包括但不限于:一个或者多个处理器416,系统存储器428,连接于不同系统组件(包括系统存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信,还可与一个或者多个使得用户能与该设备412交互的设备通信,和/或与使得该设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器420通过总线418与设备412的其它模块通信。应当明白,尽管图4中未示出,可以结合设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在系统存储器428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种检测传感器的方法,包括:
获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合;
如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种检测传感器的方法,该方法包括:
获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
确定待检测传感器采集的测试样本图像中像素点的灰度值集合以及标准传感器采集的测试样本图像中像素点的灰度值集合;
如果待检测传感器采集的测试样本图像中像素点的灰度值集合与标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认待检测传感器异常。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Ruby、Go,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种检测传感器的方法,其特征在于,包括:
获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合;
如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常。
2.根据权利要求1所述的方法,其特征在于,所述确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合,包括:
分别对所述待检测传感器采集的测试样本图像和所述标准传感器采集的测试样本图像按照相同的预设区域划分规则进行区域划分,得到至少一个待检测传感器采集的测试样本图像区域和至少一个标准传感器采集的测试样本图像区域;
确定各个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,所述如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常,包括:
如果存在至少一个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常。
3.根据权利要求2所述的方法,其特征在于,所述确定各个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及各个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合,包括:
按照预设区域检测顺序的优先级依次确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合;
相应的,所述如果存在至少一个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常,包括:
如果存在一个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合与所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度小于所述第一重合阈值,则确认所述待检测传感器异常。
4.根据权利要求3所述的方法,其特征在于,所述按照预设区域检测顺序的优先级依次确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合,包括:
按照所述预设区域检测顺序的优先级依次获取每个所述待检测传感器采集的测试样本图像区域中像素点的灰度直方图以及每个所述标准传感器采集的测试样本图像区域中像素点的灰度直方图;
根据每个所述待检测传感器采集的测试样本图像区域中像素点的灰度直方图确定每个所述待检测传感器采集的测试样本图像区域中像素点的灰度值集合以及根据每个所述标准传感器采集的测试样本图像区域中像素点的灰度直方图确定每个所述标准传感器采集的测试样本图像区域中像素点的灰度值集合。
5.根据权利要求2-4任一所述的方法,其特征在于,还包括:
如果每个所述待检测传感器采集的测试样本图像区域中的像素点的灰度值集合与每个所述标准传感器采集的测试样本图像区域中的像素点的灰度值集合的重合度均大于等于所述第一重合阈值,则将所述待检测传感器采集的测试样本图像和所述标准传感器采集的测试样本图像进行压缩得到待检测传感器采集的测试样本压缩图像和标准传感器采集的测试样本压缩图像;
确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合;
如果所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度小于第二重合阈值,则确定所述待检测传感器异常。
6.根据权利要求5所述的方法,其特征在于,所述确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合,包括:
获取所述待检测传感器采集的测试样本压缩图像中像素点的灰度直方图以及所述标准传感器采集的测试样本压缩图像中像素点的灰度直方图;
根据所述待检测传感器采集的测试样本压缩图像中像素点的灰度直方图确定所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合以及根据所述标准传感器采集的测试样本压缩图像中像素点的灰度直方图确定所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合。
7.根据权利要求6所述的方法,其特征在于,还包括:
如果所述待检测传感器采集的测试样本压缩图像中像素点的灰度值集合与所述标准传感器采集的测试样本压缩图像中像素点的灰度值集合的重合度大于等于所述第二重合阈值,分别对所述待检测传感器采集的测试样本压缩图像和所述标准传感器采集的测试样本压缩图像按照相同的预设特征提取规则进行特征提取,得到待检测传感器采集的测试样本压缩图像的灰度共生矩阵和标准传感器采集的测试样本压缩图像的灰度共生矩阵;
分别对所述待检测传感器采集的测试样本压缩图像的灰度共生矩阵和所述标准传感器采集的测试样本压缩图像的灰度共生矩阵进行归一化处理得到待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和标准传感器采集的测试样本压缩图像的标准灰度共生矩阵;
如果所述待检测传感器采集的测试样本压缩图像的标准灰度共生矩阵和所述标准传感器采集的测试样本压缩图像的标准灰度共生矩阵的匹配度小于匹配阈值,则确认所述待检测传感器异常。
8.一种检测传感器的装置,其特征在于,包括:
测试样本图像获取模块,用于获取待检测传感器采集的测试样本图像和标准传感器采集的测试样本图像;
灰度值集合确定第一模块,用于确定所述待检测传感器采集的测试样本图像中像素点的灰度值集合以及所述标准传感器采集的测试样本图像中像素点的灰度值集合;
待检测传感器状态确认第一模块,用于如果所述待检测传感器采集的测试样本图像中像素点的灰度值集合与所述标准传感器采集的测试样本图像中像素点的灰度值集合的重合度小于第一重合阈值,则确认所述待检测传感器异常。
9.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的检测传感器的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的检测传感器的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405048.0A CN108156452B (zh) | 2017-12-22 | 2017-12-22 | 一种检测传感器的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711405048.0A CN108156452B (zh) | 2017-12-22 | 2017-12-22 | 一种检测传感器的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108156452A true CN108156452A (zh) | 2018-06-12 |
CN108156452B CN108156452B (zh) | 2020-11-17 |
Family
ID=62465297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711405048.0A Active CN108156452B (zh) | 2017-12-22 | 2017-12-22 | 一种检测传感器的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108156452B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN111739012A (zh) * | 2020-06-30 | 2020-10-02 | 重庆盛泰光电有限公司 | 基于转盘的摄像头模组白斑检测系统 |
CN113034779A (zh) * | 2019-12-24 | 2021-06-25 | 深圳怡化电脑股份有限公司 | 厚度传感器的质量检测方法、装置、设备及可读介质 |
CN113542730A (zh) * | 2021-06-29 | 2021-10-22 | 深圳市天视通视觉有限公司 | 一种摄像机的传感器测试方法、装置及存储介质 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661456A (zh) * | 2004-02-23 | 2005-08-31 | 英华达(上海)电子有限公司 | 自动检测相机的方法、检测系统以及储存媒体 |
CN101931774A (zh) * | 2009-06-25 | 2010-12-29 | 鸿富锦精密工业(深圳)有限公司 | 数字视频录像系统及其检测方法 |
CN102647611A (zh) * | 2011-02-18 | 2012-08-22 | 安凯(广州)微电子技术有限公司 | 芯片摄像头接口功能测试方法及装置 |
CN102955940A (zh) * | 2012-11-28 | 2013-03-06 | 山东电力集团公司济宁供电公司 | 一种输电线路物体检测系统及方法 |
CN103471743A (zh) * | 2013-07-02 | 2013-12-25 | 晶锋集团股份有限公司 | 一种基于测量精度的温度传感器检测方法 |
CN104732710A (zh) * | 2013-12-24 | 2015-06-24 | 贵州久联民爆器材发展股份有限公司 | 雷管自动装填生产线人员在岗状态自动监控方法及装置 |
CN105407348A (zh) * | 2015-11-18 | 2016-03-16 | 深圳怡化电脑股份有限公司 | 一种图像传感器的检测方法及系统 |
CN105872532A (zh) * | 2016-03-23 | 2016-08-17 | 深圳怡化电脑股份有限公司 | 一种图像传感器的检测方法及系统 |
CN106341685A (zh) * | 2016-09-09 | 2017-01-18 | 深圳怡化电脑股份有限公司 | 一种图像传感器检测方法和装置 |
-
2017
- 2017-12-22 CN CN201711405048.0A patent/CN108156452B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661456A (zh) * | 2004-02-23 | 2005-08-31 | 英华达(上海)电子有限公司 | 自动检测相机的方法、检测系统以及储存媒体 |
CN101931774A (zh) * | 2009-06-25 | 2010-12-29 | 鸿富锦精密工业(深圳)有限公司 | 数字视频录像系统及其检测方法 |
CN102647611A (zh) * | 2011-02-18 | 2012-08-22 | 安凯(广州)微电子技术有限公司 | 芯片摄像头接口功能测试方法及装置 |
CN102955940A (zh) * | 2012-11-28 | 2013-03-06 | 山东电力集团公司济宁供电公司 | 一种输电线路物体检测系统及方法 |
CN103471743A (zh) * | 2013-07-02 | 2013-12-25 | 晶锋集团股份有限公司 | 一种基于测量精度的温度传感器检测方法 |
CN104732710A (zh) * | 2013-12-24 | 2015-06-24 | 贵州久联民爆器材发展股份有限公司 | 雷管自动装填生产线人员在岗状态自动监控方法及装置 |
CN105407348A (zh) * | 2015-11-18 | 2016-03-16 | 深圳怡化电脑股份有限公司 | 一种图像传感器的检测方法及系统 |
CN105872532A (zh) * | 2016-03-23 | 2016-08-17 | 深圳怡化电脑股份有限公司 | 一种图像传感器的检测方法及系统 |
CN106341685A (zh) * | 2016-09-09 | 2017-01-18 | 深圳怡化电脑股份有限公司 | 一种图像传感器检测方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN113034779A (zh) * | 2019-12-24 | 2021-06-25 | 深圳怡化电脑股份有限公司 | 厚度传感器的质量检测方法、装置、设备及可读介质 |
CN113034779B (zh) * | 2019-12-24 | 2023-12-22 | 深圳怡化电脑股份有限公司 | 厚度传感器的质量检测方法、装置、设备及可读介质 |
CN111739012A (zh) * | 2020-06-30 | 2020-10-02 | 重庆盛泰光电有限公司 | 基于转盘的摄像头模组白斑检测系统 |
CN113542730A (zh) * | 2021-06-29 | 2021-10-22 | 深圳市天视通视觉有限公司 | 一种摄像机的传感器测试方法、装置及存储介质 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108156452B (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
CN112669344B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
US10600189B1 (en) | Optical flow techniques for event cameras | |
CN108564550B (zh) | 图像处理方法、装置及终端设备 | |
CN112784835B (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN111986159A (zh) | 太阳能电池片的电极缺陷检测方法、设备及存储介质 | |
CN103345738B (zh) | 基于感兴趣区域的对象检测方法及装置 | |
CN112634235A (zh) | 产品图像的边界检测方法和电子设备 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
WO2023273017A1 (zh) | 测井图像清晰度的识别方法、装置、介质及电子设备 | |
CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
CN113138916B (zh) | 基于标注样本的图片结构化算法的自动测试方法及系统 | |
CN111639708B (zh) | 图像处理方法、装置、存储介质及设备 | |
CN117252837A (zh) | 一种晶圆测试的数据处理方法、装置、介质和电子设备 | |
CN109801300B (zh) | 棋盘格角点的坐标提取方法、装置、设备及计算机可读存储介质 | |
CN115984341A (zh) | 海洋水质微生物检测方法、装置、设备及存储介质 | |
CN116363658A (zh) | 基于深度学习的数显信号识别方法、系统、设备和介质 | |
CN110516094A (zh) | 门类兴趣点数据的去重方法、装置、电子设备及存储介质 | |
CN113344890B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN115565135A (zh) | 目标跟踪方法、装置及电子设备 | |
CN113762017B (zh) | 一种动作识别方法、装置、设备及存储介质 | |
CN117011833A (zh) | 一种仪表盘识别方法、识别装置、存储介质和计算机设备 | |
CN110807423B (zh) | 屏下指纹图像的处理方法、装置和电子设备 | |
CN111124862B (zh) | 智能设备性能测试方法、装置及智能设备 | |
CN113313642A (zh) | 图像去噪方法、装置、存储介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |