CN108320275A - 一种检测相机模组暗斑的方法 - Google Patents
一种检测相机模组暗斑的方法 Download PDFInfo
- Publication number
- CN108320275A CN108320275A CN201810123354.3A CN201810123354A CN108320275A CN 108320275 A CN108320275 A CN 108320275A CN 201810123354 A CN201810123354 A CN 201810123354A CN 108320275 A CN108320275 A CN 108320275A
- Authority
- CN
- China
- Prior art keywords
- image
- blackening
- camera module
- detection camera
- fitting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000007547 defect Effects 0.000 abstract description 9
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000234435 Lilium Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种检测相机模组暗斑的方法,包括:步骤一.将彩色图转化灰度图;步骤二.进行图像拟合,得到拟合图像;步骤三.计算差异图,和过拟合图像和原始图像相减得到差异图像;步骤四.过滤掉差异图中的杂点。本发明检测相机模组暗斑的方法运行时间短,缺陷识别率高,且自适应性强。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种检测相机模组暗斑的方法。
背景技术
现有针对镜头模组检测暗斑的算法技术,主要是使用镜头模组对纯白色的拍照物体进行拍摄,从拍照的图像中看有没有暗影区域,从而来判断镜头模组脏污情况。现行的检测暗影区域的算法都是通过先纠正图片的亮度一致性,然后对图像进行平滑处理,对颜色亮度进行拉伸处理。最后对图像暗影区域进行区域分割,去除杂点。
现有的方法存在有一些明显的缺陷:
1、运行时间长,需要对图像亮度矫正的时间比较长。
2、缺陷识别率不高,主要是在做图像亮度一致化步骤时候,对整个图像进行区域亮度归一化,会导致缺陷区域颜色差异变小。
3、不能自适应光照的变化,关照变化就需要改变设置的参数。检测需要依赖人工修改。
故,针对上述现有技术存在的缺陷,有必要进行开发研究,以提供一种运行时间短,缺陷识别率高,且自适应性高的检测相机模组暗斑的方法。
发明内容
为解决现有存在的技术问题,本发明提出一种检测相机模组暗斑的方法,其运行时间短,缺陷识别率高,且自适应性强。
为达到上述目的,本发明的技术方案是这样实现的:
一种检测相机模组暗斑的方法,包括如下步骤:
步骤一.将彩色图转化灰度图;
步骤二.进行图像拟合,得到拟合图像;
步骤三.计算差异图,通过拟合图像和原始图像相减得到差异图像;
步骤四:过滤掉差异图中的杂点。
进一步地,在步骤一中,采用公式Gray = (R*19595 + G*38469 + B*7472) >>16,通过移位操作浮点数的乘法计算灰度值。
进一步地,步骤二中,采用最小二乘法高次多项式进行图像拟合。
进一步地,步骤三中,通过公式:
DstImg[i,j]=PolyBuffer[i,j]-SrcBuffer[i,j]计算差异图,其中,DstImg为差异图;PolyBuffer为拟合后的图像;SrcImg为原始图像。
进一步地,步骤四中,设置阀值,通过一个的窗口去统计窗口中白色点的个数,如果低于某些阈值,则认为是由于图像成像的干扰点去除,否则则保留原始图像的点。
采用本发明检测相机模组暗斑的方法,运行时间短,缺陷识别率高,且自适应性高。
附图说明
图1是本发明检测相机模组暗斑的方法流程图。
图2是本发明检测相机模组暗斑的方法中转化的灰度图效果图。
图3是本发明检测相机模组暗斑的方法中拟合整图的效果图。
图4是本发明检测相机模组暗斑的方法中过滤后最后的效果图。
图5是采用5*5的窗口,窗口阈值为9,过滤小杂点的效果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例和附图,对本发明技术方案进行详细说明。
针对镜头模组上的脏污检测的算法一般都是先去矫正整个图像的亮度,然后再去判断,由于矫正过程中会丢失掉暗斑的图像细节,所以无论后期的识别算法多么优秀都无法弥补暗斑细节的丢失。
在整个背景成像时,如果没有暗斑缺陷,图像成像的一致性比较好,整体图像亮度都是均匀过度,而暗斑脏污出现导致图像成像出现均匀过度的缺失。从而导致观察到图像出现局部暗色,基本背景图像均匀的过度的特性。所以直接对图像背景进行拟合,通过计算出拟合图像尽量表现出背景图像变化,然后用拟合出来的图像直接和原始图像相减法,这样可以把缺陷部分的区域表现出来。尽管这个中间有拟合图像和原始图像之间的波动差别,但是这样的波动差别相对于暗斑出现的误差来说足够小,可以忽略,这样即可有效识别出脏污所产生的暗斑。
如图1所示,本发明检测相机模组暗斑的方法包括如下步骤:
步骤一:将彩色图转化灰度图;
所述彩色图为RGB图像,所述灰度图为黑白图,也可称为深度图,图2所示为转化的灰度图。
具体地,根据公式Gray = R*0.299 + G*0.587 + B*0.114,即灰度值为RGB各分量一定比例的总和。本发明实施例中,通过移位操作浮点数的乘法除法,采用如下公式进行计算灰度值。
Gray = (R*19595 + G*38469 + B*7472) >> 16
通过上述公式,可以大大减少浮点数的乘法除法,节省浮点数的运算的时间,大大缩减了代码耗费的资源,加快运行速度。
步骤二:进行图像拟合,对整个图像拟合;
具体地,通过采集相隔一定距离点的颜色亮度,作为采样点。这样图像中一行点上每一个像素的亮度都是通过这一行采样点所生成的拟合曲线函数计算得到。具体的拟合图像方法是采用最小二乘法高次多项式拟合。
由于图像背景比较单调,拟合曲线函数3次项具体的公式如下:
y=a0+a1*x+a2*x^2+a3*x^3。
其中,脏污的特性在水平和竖直表现基本一致,只需要拟合了水平方向就可以达到效果。但是同样的也可以拟合竖直方向,故不再赘述。
通过最小二乘法拟合出来的图像变现出如图3所示特性,去除了原始图像中噪声显示得平滑,只保留整个图像的水平亮度分布。
步骤三:计算差异图;
通过拟合图像和原始图像相减得到差异图像,具体的公式如下:DstImg[i,j]=PolyBuffer[i,j]-SrcBuffer[i,j]
其中,DstImg为差异图;PolyBuffer为拟合后的图像;SrcImg为原始图像。
由于拟合后的图像在暗斑出现的位置像素都比原始图像同一位置处暗,所以只需要拟合图减去原始图就可以得到差异图。由于暗斑颜色亮度与拟合图像颜色亮度差异比一般图像与拟合图像的差异要大很多,所以图像上加上一个固定差异过虑阈值。本发明实施例中过滤值设置为8,就可以过滤出暗斑大体的位置,具体的效果如图4所示。
步骤四:过滤掉差异图中的杂点;
具体地,设置阀值,通过一个的窗口去统计窗口中白色点的个数,如果低于某些阈值,则认为是由于图像成像的干扰点去除,否则则保留原始图像的点。
图5所示采用的是5*5的窗口,窗口阈值为9.过滤小的杂点。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种检测相机模组暗斑的方法,其特征在于,包括如下步骤:
步骤一.将彩色图转化灰度图;
步骤二.进行图像拟合,得到拟合图像;
步骤三.计算差异图,通过拟合图像和原始图像相减得到差异图像;
步骤四.过滤掉差异图中的杂点。
2.根据权利要求1所述的检测相机模组暗斑的方法,其特征在于,在步骤一中,采用公式Gray = (R*19595 + G*38469 + B*7472) >> 16,通过移位操作浮点数的乘法计算灰度值。
3.根据权利要求1或2所述的检测相机模组暗斑的方法,其特征在于,步骤二中,采用最小二乘法高次多项式进行图像拟合。
4.根据权利要求3所述的检测相机模组暗斑的方法,其特征在于,步骤三中,通过公式DstImg[i,j]=PolyBuffer[i,j]-SrcBuffer[i,j]计算差异图,其中,DstImg为差异图;PolyBuffer为拟合后的图像;SrcImg为原始图像。
5.根据权利要求4所述的检测相机模组暗斑的方法,其特征在于,步骤四中,设置阀值,通过一个的窗口去统计窗口中白色点的个数,如果低于某些阈值,则认为是由于图像成像的干扰点去除,否则,则保留原始图像的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810123354.3A CN108320275A (zh) | 2018-02-07 | 2018-02-07 | 一种检测相机模组暗斑的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810123354.3A CN108320275A (zh) | 2018-02-07 | 2018-02-07 | 一种检测相机模组暗斑的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108320275A true CN108320275A (zh) | 2018-07-24 |
Family
ID=62903081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810123354.3A Pending CN108320275A (zh) | 2018-02-07 | 2018-02-07 | 一种检测相机模组暗斑的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108320275A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
CN112017149A (zh) * | 2019-05-28 | 2020-12-01 | 原相科技股份有限公司 | 脏污程度判断方法以及使用脏污程度判断方法的电子装置 |
CN112785518A (zh) * | 2021-01-11 | 2021-05-11 | 飞燕航空遥感技术有限公司 | 影像中圆形暗斑纠正方法和纠正系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040235206A1 (en) * | 2003-05-19 | 2004-11-25 | Kla-Tencor Technologies Corporation | Apparatus and methods for enabling robust separation between signals of interest and noise |
CN101655614A (zh) * | 2008-08-19 | 2010-02-24 | 京东方科技集团股份有限公司 | 液晶显示面板云纹缺陷的检测方法和检测装置 |
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN105021628A (zh) * | 2015-07-19 | 2015-11-04 | 中北大学 | 一种用于光纤倒像器表面缺陷的检测方法 |
CN106157310A (zh) * | 2016-07-06 | 2016-11-23 | 南京汇川图像视觉技术有限公司 | 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法 |
-
2018
- 2018-02-07 CN CN201810123354.3A patent/CN108320275A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040235206A1 (en) * | 2003-05-19 | 2004-11-25 | Kla-Tencor Technologies Corporation | Apparatus and methods for enabling robust separation between signals of interest and noise |
CN101655614A (zh) * | 2008-08-19 | 2010-02-24 | 京东方科技集团股份有限公司 | 液晶显示面板云纹缺陷的检测方法和检测装置 |
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN105021628A (zh) * | 2015-07-19 | 2015-11-04 | 中北大学 | 一种用于光纤倒像器表面缺陷的检测方法 |
CN106157310A (zh) * | 2016-07-06 | 2016-11-23 | 南京汇川图像视觉技术有限公司 | 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法 |
Non-Patent Citations (4)
Title |
---|
CHEN SHUANG-RUI 等: "Concrete Crack Width Detecting System for Android Platform", 《THE OPEN CIVIL ENGINEERING JOURNAL》 * |
YOU-CHING LEE 等: "LCD Mura Detection Based on Accumulated Differences and Multi-resolution Background Subtraction", 《2009 FIFTH INTERNATIONAL CONFERENCE ON IMAGE AND GRAPHICS》 * |
吴寅: "基于机器视觉的航空显示组件LCD缺陷检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
方黎勇 等: "基于自适应形态学滤波的ICT图像缺陷提取", 《西南交通大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
CN109060831B (zh) * | 2018-08-09 | 2021-01-15 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
CN112017149A (zh) * | 2019-05-28 | 2020-12-01 | 原相科技股份有限公司 | 脏污程度判断方法以及使用脏污程度判断方法的电子装置 |
CN112785518A (zh) * | 2021-01-11 | 2021-05-11 | 飞燕航空遥感技术有限公司 | 影像中圆形暗斑纠正方法和纠正系统 |
CN112785518B (zh) * | 2021-01-11 | 2022-08-30 | 飞燕航空遥感技术有限公司 | 影像中圆形暗斑纠正方法和纠正系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11257194B2 (en) | Method for image dehazing based on adaptively improved linear global atmospheric light of dark channel | |
US8941761B2 (en) | Information processing apparatus and information processing method for blur correction | |
EP3156968B1 (en) | Haze removal device and image generation method | |
CN110163818B (zh) | 一种用于海事无人机的低照度视频图像增强方法 | |
US9147235B2 (en) | Method for processing highlights and saturated regions in a digital image | |
WO2011011445A1 (en) | System and method for random noise estimation in a sequence of images | |
WO2017047494A1 (ja) | 画像処理装置 | |
JP2005228342A (ja) | 走査された書類の区分方法及びシステム | |
CN106101588B (zh) | 全景图像渐晕现象的补偿方法 | |
CN108320275A (zh) | 一种检测相机模组暗斑的方法 | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN112583999B (zh) | 相机模块的镜头脏污检测方法 | |
CN111476732B (zh) | 一种图像融合及去噪的方法及系统 | |
CN112053298B (zh) | 一种图像去雾方法 | |
CN106327437B (zh) | 一种彩色文本图像校正方法及系统 | |
CN115578297A (zh) | 一种自适应色彩补偿与细节优化的广义衰减图像增强方法 | |
CN117274113B (zh) | 基于图像增强的碎硅片清洗效果视觉检测方法 | |
CN107977941B (zh) | 一种明亮区域色彩保真及对比度增强的图像去雾方法 | |
CN110619652A (zh) | 一种基于光流映射重复区域检测的图像配准鬼影消除方法 | |
CN113034379B (zh) | 天候天时自适应的快速图像清晰化处理方法 | |
CN113379631B (zh) | 一种图像去雾的方法及装置 | |
CN112686825A (zh) | 一种基于fpga的地面浓雾场景灰度图像去雾方法 | |
Khan et al. | A vignetting correction algorithm for bright-field microscopic images of activated sludge | |
KR100821939B1 (ko) | 영상 잡음 제거 장치 및 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180724 |
|
RJ01 | Rejection of invention patent application after publication |