CN108288264B - 一种广角摄像头模组脏污测试方法 - Google Patents
一种广角摄像头模组脏污测试方法 Download PDFInfo
- Publication number
- CN108288264B CN108288264B CN201711436952.8A CN201711436952A CN108288264B CN 108288264 B CN108288264 B CN 108288264B CN 201711436952 A CN201711436952 A CN 201711436952A CN 108288264 B CN108288264 B CN 108288264B
- Authority
- CN
- China
- Prior art keywords
- image
- dirty
- wide
- camera module
- angle camera
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 14
- 238000011109 contamination Methods 0.000 title claims description 3
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种广角摄像头模组脏污测试方法。解决现有技术中广角摄像头脏污检测困难的问题。步骤包括用摄像头对模板进行拍摄；对拍摄图像正常部分和暗黑部分进行区分，提取镜头成像边界位置信息；对拍摄图像进行中值滤波和二值化处理，获得具有脏污点图像；在镜头成像边界范围内从具有脏污点图像中寻找脏污点，计算出脏污坐标。本发明能够有效检测出广角镜头模组成像范围内的脏污，有效防止了镜头四周偏暗部分对脏污的检测影响。
Description
技术领域
本发明涉及一种脏污检测技术，尤其是涉及一种广角摄像头模组脏污测试方法。
背景技术
广角摄像头被广泛用于安防，无人机，监控等领域，摄像头视场角度达到将近190°以上。在模组生产测试过程中脏污的检查与常规手机类摄像头模组有着很大的不同。大广角镜头，影像畸变严重，四周因无法接收光，则是全黑或灰状，这对脏污的检测增加了难度。
发明内容
本发明主要是解决现有技术中广角摄像头脏污检测困难的问题，提供了一种广角摄像头模组脏污测试方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的：一种广角摄像头模组脏污测试方法，包括以下步骤：
S1.用摄像头对模板进行拍摄；模板采用白色背景，这样使得摄像头采集的图像为白色图像，更方便找出脏污。
S2.对拍摄图像正常部分和暗黑部分进行区分，提取镜头成像边界位置信息；为脏污搜寻提供有效的位置范围。
S3.对拍摄图像进行中值滤波和二值化处理，获得具有脏污点图像；
S4.在镜头成像边界范围内从具有脏污点图像中寻找脏污点，计算出脏污坐标。本发明能够有效检测出广角镜头模组成像范围内的脏污，有效防止了镜头四周偏暗部分对脏污的检测影响。
作为一种优选方案，步骤S2中提取镜头成像的边界位置信息的具体步骤包括：
S21.设定拍摄图像的阈值；
S22.根据阈值对拍摄图像进行二值化处理；
S23.将黑白相间的边界位置信息提取出来，为镜头成像边界位置信息。本方案中对边界位置提交采用轮廓跟踪方法，该方法为现有技术。其原理为掏空内部点，如果图中有一点为黑，且它的8个相邻点都是黑色时，则判断该点是内部点，并将该点删除。轮廓跟踪就是通过顺序查找边缘点来跟踪出边界，其基本操作过程为：首先在图像中按照从左到右、从上到下的顺序搜索图像的所有像素点，首先找到图像左上方的边界点，它的下，左下，右，右下4个邻点中至少有一个是边界点，记为B。从B开始找起，按右，右下，下，左下，左，左上，上，右上的顺序找相邻点中的边界点C。如果C是A点，则表示边界查找已经循环一次，查找结束；否则从C点继续找，直到找到A或找不到点为止。二值图像中轮廓的查找由函数findContours，找到轮廓后将轮廓绘制出来由函数drawContours实现 ，由于图像背景是黑色，为了让绘制的轮廓清晰可见，将颜色设为白色即color为Scalar（255）。提取出来的边界位置信息为坐标信息集合。
作为一种优选方案，步骤S3中获得具有脏污点图像的具体过程包括：
S31.将拍摄图像以灰度格式读取进来；即对拍摄图像进行灰度化处理。
S32.对图像进行第一次对比度增强处理；
S33.对图像进行图片压缩；为了提高运算速度，对雨天进行适当压缩。
S34.对图像进行滤波半径为A的中值滤波处理；同时也对图像进行滤波半径为B的中值滤波处理；中值滤波把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点，是一种非线性滤波。本方案中将待测图像用两个不同的滤波半径A和B进行两次中值滤波。
S35.将两张滤波图像进行相减；即将两张图像中对应的点的值进行相减，得到中值滤波AB差图像。
S36.对图像进行影像滤波处理；
S37.对图像进行第二次对比度增强处理；
S38.对图像进行二值化处理，得到的图像为具有脏污点图像。这里每个步骤中的图像都为上一步骤处理后的图像。
作为一种优选方案，步骤S4中脏污坐标获取的具体过程包括：
S41.对处理后图像的成像边界范围内的每个像素进行判断，若像素亮度为255，则标记为脏污点；
S42.若脏污点像素相邻之间距离位于设定距离范围内，且这些像素个数超过设定20~30个数，则判断为有脏污，如此重复判断直至找出成像边界范围内所有脏污；
S43.计算出每个脏污的中心脏污点坐标，作为该脏污的位置坐标。
作为一种优选方案，设定拍摄图像的阈值为60~70。
作为一种优选方案，第一次对比度增强1.5倍，第二次对比度增加1.5倍。
作为一种优选方案，滤波半径B为滤波半径A的5倍，其中滤波半径A为5像素；滤波半径B为25像素。
作为一种优选方案，步骤S39中二值化处理的阈值为50，将大于或等于50的像素点的值设为254，其余像素点的值设为0。
因此，本发明的优点是：通过确定边界范围，对图像进行中值滤波和二值化处理，这样能够有效检测出广角镜头模组的脏污，有效防止了镜头四周偏暗部分对脏污的检测影响。
附图说明
附图1是本发明的一种流程示意图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例一种广角摄像头模组脏污测试方法，如图1所示，包括以下步骤：
S1.用摄像头对模板进行拍摄；模板采用白色背景。
S2.对拍摄图像正常部分和暗黑部分进行区分，提取镜头成像边界位置信息；具体步骤包括：
S21.设定拍摄图像的阈值；阈值为60~70。
S22.根据阈值对拍摄图像进行二值化处理；
S23.将黑白相间的边界位置信息提取出来，为镜头成像边界位置信息。
S3.对拍摄图像进行中值滤波和二值化处理，获得具有脏污点图像；具体过程包括：
S31.将拍摄图像以灰度格式读取进来；
S32.对图像进行第一次对比度增强处理；对比度增强1.5倍。
S33.对图像进行图片压缩；
S34.对图像进行滤波半径为A的中值滤波处理，同时也对图像进行滤波半径为B的中值滤波处理；滤波半径B为滤波半径A的5倍，本实施例中滤波半径A为5像素；滤波半径B为25像素。
S35.将两张滤波图像进行相减；
S36.对图像进行影像滤波处理；
S37.对图像进行第二次对比度增强处理；对比度增强1.5倍。
S38.对图像进行二值化处理，二值化处理的阈值为50，得到的图像为具有脏污点图像。
S4.在镜头成像边界范围内从具有脏污点图像中寻找脏污点，计算出脏污坐标。具体过程包括：
S41.对处理后图像的成像边界范围内的每个像素进行判断，若像素亮度为255，则标记为脏污点；
S42.若脏污点像素相邻之间距离位于设定距离范围内，且这些像素个数超过设定20~30个数，则判断为有脏污，如此重复判断直至找出成像边界范围内所有脏污；
S43.计算出每个脏污的中心脏污点坐标，作为该脏污的位置坐标。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种广角摄像头模组脏污测试方法，其特征在于：包括以下步骤：
S1.用摄像头对模板进行拍摄；
S2.对拍摄图像正常部分和暗黑部分进行区分，提取镜头成像边界位置信息；
S3.对拍摄图像进行中值滤波和二值化处理，获得具有脏污点图像；具体过程包括：
S31.将拍摄图像以灰度格式读取进来；
S32.对图像进行第一次对比度增强处理；
S33.对图像进行图片压缩；
S34.对图像进行滤波半径为A的中值滤波处理，同时也对图像进行滤波半径为B的中值滤波处理；
S35.将两张滤波图像进行相减；
S36.对图像进行影像滤波处理；
S37.对图像进行第二次对比度增强处理；
S38.对图像进行二值化处理，得到的图像为具有脏污点图像；
S4.在镜头成像边界范围内从具有脏污点图像中寻找脏污点，计算出脏污坐标。
2.根据权利要求1所述的一种广角摄像头模组脏污测试方法，其特征是步骤S2中提取镜头成像的边界位置信息的具体步骤包括：
S21.设定拍摄图像的阈值；
S22.根据阈值对拍摄图像进行二值化处理；
S23.将黑白相间的边界位置信息提取出来，为镜头成像边界位置信息。
3.根据权利要求1所述的一种广角摄像头模组脏污测试方法，其特征是步骤S4中脏污坐标获取的具体过程包括：
S41.对处理后图像的成像边界范围内的每个像素进行判断，若像素亮度为255，则标记为脏污点；
S42.若脏污点像素相邻之间距离位于设定距离范围内，且这些像素个数超过设定20~30个数，则判断为有脏污，如此重复判断直至找出成像边界范围内所有脏污；
S43.计算出每个脏污的中心脏污点坐标，作为该脏污的位置坐标。
4.根据权利要求2所述的一种广角摄像头模组脏污测试方法，其特征是设定拍摄图像的阈值为60~70。
5.根据权利要求1所述的一种广角摄像头模组脏污测试方法，其特征是第一次对比度增强1.5倍，第二次对比度增加1.5倍。
6.根据权利要求1所述的一种广角摄像头模组脏污测试方法，其特征是滤波半径B为滤波半径A的5倍，其中滤波半径A为5像素；滤波半径B为25像素。
7.根据权利要求1所述的一种广角摄像头模组脏污测试方法，其特征是步骤S39中二值化处理的阈值为50，将大于或等于50的像素点的值设为254，其余像素点的值设为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711436952.8A CN108288264B (zh) | 2017-12-26 | 2017-12-26 | 一种广角摄像头模组脏污测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711436952.8A CN108288264B (zh) | 2017-12-26 | 2017-12-26 | 一种广角摄像头模组脏污测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108288264A CN108288264A (zh) | 2018-07-17 |
| CN108288264B true CN108288264B (zh) | 2022-01-18 |
Family
ID=62832383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711436952.8A Active CN108288264B (zh) | 2017-12-26 | 2017-12-26 | 一种广角摄像头模组脏污测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108288264B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523527B (zh) * | 2018-11-12 | 2020-11-27 | 北京地平线机器人技术研发有限公司 | 图像中脏污区域的检测方法、装置和电子设备 |
| CN110086987B (zh) * | 2019-04-22 | 2021-01-05 | 惠州Tcl移动通信有限公司 | 一种摄像头视角裁剪方法、装置及存储介质 |
| CN110611801B (zh) * | 2019-10-08 | 2021-08-20 | 歌尔光学科技有限公司 | 检测投影模组脏污的方法、装置、可读存储介质及投影仪 |
| CN111080638B (zh) * | 2019-12-27 | 2023-04-07 | 成都泓睿科技有限责任公司 | 一种检测模制瓶瓶底脏污的方法 |
| CN111678673A (zh) * | 2020-05-25 | 2020-09-18 | 歌尔光学科技有限公司 | 镜片检测方法、装置和可读存储介质 |
| CN111698498A (zh) * | 2020-06-06 | 2020-09-22 | 宁波丞达精机有限公司 | 一种光学镜头成品检测方法 |
| CN111815705B (zh) * | 2020-06-09 | 2024-05-07 | 季华实验室 | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 |
| CN111724383A (zh) * | 2020-06-30 | 2020-09-29 | 重庆盛泰光电有限公司 | 基于转盘的摄像头模组黑斑检测系统 |
| CN112702488B (zh) * | 2020-12-24 | 2022-06-24 | 上海炬佑智能科技有限公司 | 测试结构件、ToF装置以及镜头脏污检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102413354A (zh) * | 2011-10-05 | 2012-04-11 | 深圳市联德合微电子有限公司 | 一种手机摄像模组自动光学检测方法、装置及系统 |
| KR20140082335A (ko) * | 2012-12-24 | 2014-07-02 | 엘지디스플레이 주식회사 | 평판디스플레이의 얼룩 검사 방법 및 장치 |
| CN104093016A (zh) * | 2014-06-12 | 2014-10-08 | 华南理工大学 | 一种摄像头模组脏污检测方法及系统 |
| CN104777172A (zh) * | 2015-04-30 | 2015-07-15 | 重庆理工大学 | 一种光学镜头次品快速智能检测装置及方法 |
| CN107346431A (zh) * | 2016-05-04 | 2017-11-14 | 昆山丘钛微电子科技有限公司 | 图像传感器脏污检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5560721B2 (ja) * | 2010-01-12 | 2014-07-30 | セイコーエプソン株式会社 | 画像処理装置、画像表示システム、及び画像処理方法 |
-
2017
- 2017-12-26 CN CN201711436952.8A patent/CN108288264B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102413354A (zh) * | 2011-10-05 | 2012-04-11 | 深圳市联德合微电子有限公司 | 一种手机摄像模组自动光学检测方法、装置及系统 |
| KR20140082335A (ko) * | 2012-12-24 | 2014-07-02 | 엘지디스플레이 주식회사 | 평판디스플레이의 얼룩 검사 방법 및 장치 |
| CN104093016A (zh) * | 2014-06-12 | 2014-10-08 | 华南理工大学 | 一种摄像头模组脏污检测方法及系统 |
| CN104777172A (zh) * | 2015-04-30 | 2015-07-15 | 重庆理工大学 | 一种光学镜头次品快速智能检测装置及方法 |
| CN107346431A (zh) * | 2016-05-04 | 2017-11-14 | 昆山丘钛微电子科技有限公司 | 图像传感器脏污检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108288264A (zh) | 2018-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
| CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
| CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
| CN110033431B (zh) | 钢桥表面锈蚀区域检测的非接触式检测装置及检测方法 | |
| CN109034047A (zh) | 一种车道线检测方法及装置 | |
| CN108596878B (zh) | 图像清晰度评价方法 | |
| CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
| CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
| CN109166111B (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
| CN112861654B (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
| CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
| CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 | |
| CN111724383A (zh) | 基于转盘的摄像头模组黑斑检测系统 | |
| CN108182691B (zh) | 识别限速标志的方法、装置及车辆 | |
| CN110245600A (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
| CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
| CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
| CN110910379B (zh) | 一种残缺检测方法及装置 | |
| CN115661110A (zh) | 一种透明工件识别与定位的方法 | |
| CN104966283A (zh) | 图像分层配准方法 | |
| CN112613456A (zh) | 一种基于多帧差分图像累积的小目标检测方法 | |
| CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
| CN116228864A (zh) | 一种基于视觉检测的胸环靶弹孔环数读取方法 | |
| CN114705696A (zh) | 一种基于数字图像处理和自动光学检测的缺陷检测方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A dirt testing method for wide-angle camera modules Effective date of registration: 20231019 Granted publication date: 20220118 Pledgee: Dongyang sub branch of Bank of China Ltd. Pledgor: HENGDIAN GROUP DMEGC JOINT-STOCK Co.,Ltd. Registration number: Y2023330002379 |