一种测试方法、装置及终端
技术领域
本发明涉及计算机技术领域,尤其涉及一种测试方法、装置及终端。
背景技术
自动曝光技术是根据不同拍摄场景中物体反光强度的差异性对相机曝光时间和增益等进行调节,以达到目标物体在拍摄图像中的亮度值接近目标亮度值,该曝光参数的调节方法也可以称为自动曝光算法。具体的,该调节过程可以包括以下步骤:确定当前拍摄图像的亮度指标,将该亮度指标与期望的亮度指标比较,如果当前的亮度指标高于期望的亮度指标,则指示控制电路缩短曝光时间或者减小模拟数字增益值,反之则延长曝光时间或者增大模拟数字增益值。
其中,该自动曝光算法的优劣须涵盖到几乎所有的应用场景才有可能证明该自动曝光算法的实际应用效果。因此,自动曝光算法在开发过程中,需要在各种场景中进行大量的在线测试才能具体确定其性能。然而,这些实地测试会耗费大量的时间和精力,严重影响自动曝光算法的开发及优化效率。
发明内容
本发明实施例提供一种测试方法、装置及终端,可以对曝光算法进行离线测试,从而改善曝光算法的开发及优化效率。
一方面,本发明实施例提供一种测试方法,该测试方法可以包括:
从测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
另一方面,本发明实施例还提供一种测试装置,该测试装置可以包括:
读取模块,用于从测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
获取模块,用于获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
确定模块,用于根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
显示模块,用于显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
又一方面,本发明实施例还提供一种终端,该终端可以包括处理器、存储器以及显示装置,其中:
所述存储器,用于存储测试数据集;
所述处理器,用于从所述存储器存储的测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
所述处理器,还用于获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
所述处理器,还用于根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
所述显示装置,用于显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
又一方面,本发明实施例还提供了一种计算机存储介质,用于储存计算机软件指令,其包括用于执行上述方面所设计的程序。
可见,本发明实施例可以基于测试数据集,根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。因此,本发明实施例可以对曝光算法进行离线测试,并可以以目标图像的显示效果来评估曝光算法的性能,从而可以避免对曝光算法进行在线测试所耗费的巨大资源,从而,有利于改善曝光算法的开发及优化效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的一种测试系统的结构示意图;
图2是本发明实施例提供的一种测试方法的流程示意图;
图3是本发明实施例提供的另一种测试方法的流程示意图;
图4是本发明实施例提供的一种测试装置的结构示意图;
图5是本发明实施例提供的一种终端的结构示意图。
具体实施方式
本发明的实施方式部分使用的术语仅用于对本发明的具体实施例进行解释,而非旨在限定本发明。
本发明实施例提供的一种测试方法、装置及终端,能够对曝光算法进行离线测试,从而改善曝光算法的开发及优化效率。例如,该测试方法可以应用于室内或室外动态场景中相机自动曝光算法的离线测试,可以解决图像采集系统中,曝光算法需要经过大量的在线测试。例如,曝光系统需要实时与相关环境进行交互,才能确定其具体性能,严重影响曝光算法开发和优化效率的问题。
其中,采用该测试方法的系统也可以称为测试系统、离线测试系统或者自动曝光算法的离线测试系统,下文采用测试系统进行阐述。
为了更好的理解本发明实施例,这里解释下自动曝光技术的概念。自动曝光技术是针对不同场景中物体反光强度的差异性来对相机曝光时间和增益等曝光参数进行调节,以达到目标物体在图像中的亮度保持在期望值附近,或者达到期望值。而曝光算法就是根据传感器采集的拍摄场景中的亮度值与期望的亮度值进行比较,计算相机所应调节的曝光参数,例如相机的增益和/或曝光时间等。
为了实现离线测试曝光算法的优劣,本发明实施例提供了一种测试系统,请参阅图1,图1是本发明实施例提供的一种测试系统的结构示意图,该测试系统可以包括测试数据集模块、曝光算法模块、测试模块以及算法评估模块等四个模块。其中,测试数据集模块主要用于各类应用场景图像数据的采集,所采集的应用场景可以包括动态场景和静态场景,动态场景中采集的图像数据可以对适应于动态场景的自动曝光算法进行测试,静态场景中采集的图像数据可以对适应于静态场景的自动曝光算法进行测试,本发明实施例不做限定。其中,测试模块用于从测试数据集中读取测试图像,并将图像输入给曝光算法模块。其中,曝光算法模块用于获取测试图像的图像参数,基于图像参数和被测曝光算法来确定测试图像的期望曝光参数。其中,算法评估模块用于显示测试图像基于曝光算法模块确定的期望曝光参数进行模拟曝光后的目标图像,以便于以该目标图像为参考对被测曝光算法进行性能评估。例如,用户可以采用肉眼观察算法评估模块显示的图像。再例如,算法评估模块还可以通过一些算法评估指标来相对客观的判定算法的性能。
其中,测试系统对适应于动态场景的自动曝光算法进行测试时,测试模块会读取测试数据集中的图像,将该图像输入给曝光算法模块,曝光算法模块可以输出期望曝光参数,算法评估模块对图像整体进行处理,还原出曝光算法的调节效果,例如,显示测试图像基于该期望曝光参数模拟曝光后的目标图像;算法评估模块统计目标图像的图像参数,来评判曝光算法的稳定性和性能的优劣等。
另外,为了模拟基于不同期望曝光参数曝光后的目标图像,该测试系统还包括传感器特性曲线确定模块,该传感器特性曲线确定模块用于对图像传感器成像特性曲线的校准,也就是获得采集测试数据集中的图像数据的相机的成像特性曲线,并将相机采集的非线性图像转换为线性图像。
例如,假设相机的成像特性曲线为f,其反函数为g=f-1,R为相机的传感器采集到的亮度,I为最终获取的相机图像,则R与I存在如下关系:
I=f(R),R=g(I).(1)
为了获得函数f和函数g,传感器特性曲线确定模块在采集测试数据集的相机处于固定位置且拍摄固定场景时,采集N个不同曝光时间对应的N张图片,所述N为大于等于1的正整数;根据所述N张图片的亮度值和曝光时间,获取所述相机的图像传感器成像特性曲线。
例如,N个不同的曝光时间分别为{t1,t2,…,tn},采集的N张图片分别以图片的亮度值I来表示,即分别为{I1,I2,…,In},则相机的传感器成像特性曲线的反函数g可通过优化下列函数得到,其中‖ ‖2表示欧拉距离:
为了简化采集的图像数据的恢复过程,即根据测试数据集中的图像利用上述传感器成像特性曲线恢复出对应的传感器采集的亮度R,测试数据集模块设置采集测试数据集的相机的拍摄参数,所述拍摄参数包括增益为0以及曝光时间为最短曝光时间,所述最短曝光时间为使所述相机采集的测试图像中每个像素都不出现过曝时的曝光时间;获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像;利用所述测试图像创建测试数据集。其中,采集过程中要严格按照实际应用场景在移动速度和当时的场景光线等方面尽量保持一致,同一场景最好在不同光线条件情况下分别创建测试数据集,为测试系统提供动态数据。
例如,测试数据集模块可以获取所述相机在设定速度下移动时拍摄M种光线条件下的测试场景而获得的测试图像,所述M为大于等于1的正整数;所述利用所述测试图像创建测试数据集,包括:根据所述M种光线条件的测试图像分别创建每种光线条件下的测试数据集。
本发明实施例中,测试模块可以从测试数据集模块中读取测试图像,假设当前的系统时间为t,测试数据集模块读取的测试图像为
采集该测试图片时的曝光时间为
则曝光算法模块根据测试图像的图像参数,如
以及被测曝光算法确定该测试图像的期望曝光参数为期望曝光时间为T
t,增益设置为
则该测试图像基于期望曝光参数进行模拟曝光后的目标图像I
t为:
也就是说,曝光算法模块将确定的期望曝光参数发送给测试模块,测试模块可以基于该期望曝光参数获得该测试图像模拟曝光后的目标图像It。
在一些实施方式中,若该测试图像为采集的一系列动态场景中的图像,则将所述测试图像的传感器采集数据以及曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数,包括:当所述测试图像为所述测试场景的第一帧图像时,根据所述测试图像的传感器采集数据以及曝光时间,利用被测曝光算法计算所述测试图像的期望曝光参数;当所述测试图像为所述测试场景的非第一帧图像时,根据所述测试图像的传感器采集数据、曝光时间以及所述测试图像的上一帧图像的期望曝光参数,利用所述被测曝光算法计算所述测试图像的期望曝光参数。例如,将上一帧图像的期望曝光参数
以及上一帧测试图像模拟曝光后的目标图像I
t发送给曝光算法模块来计算测试模块读取的t+1时刻的测试图像的期望曝光参数。
算法评估模块可以从测试模块获取目标图像It,并显示该目标图像,这样,首先,用户可以根据肉眼观看目标图像来初步判定被测曝光算法的稳定性;其次,算法评估模块还可以计算目标图像中目标对象的平均亮度相对预期平均亮度的变化幅度以及目标图像的梯度信息来确定曝光算法的性能。
在一些实施方式中,算法评估模块可以获取所述目标图像中目标对象的平均亮度;计算所述目标对象的平均亮度相对于预期平均亮度的变化幅度,所述变化幅度与所述被测曝光算法的稳定性成正比。
例如,目标对象的平均亮度Li相对预期平均亮度lfixed的变化幅度δ可以根据亮度值在时间序列上的积分获得,例如:
δ2=∫(Li-lfixed)2 (4)
其中,δ越小,稳定性越好。
在一些实施方式中,算法评估模块可以计算所述目标图像的梯度值,所述梯度值与所述被测曝光算法的性能成正比。
例如,目标图像上像素点(x,y)的梯度可以表示为:
其中,箭头用于标识梯度的矢量方向;
则其对应的矢量幅值为:
图像对应的梯度信息可以表示为
G=∑mag(Δf) (7)
其中,G越大,图像信息越大,其对应的性能也越好。
可选的,曝光算法的性能还可以通过即时定位与地图构建(simultaneouslocalization and mapping,SLAM)、视觉里程(Visual odeometer,VO)以及三维重建等算法的稳定性来刻画,这些算法的稳定性和精度可以间接反映曝光算法的稳定性。
可见,该测试系统可以基于测试数据集,对曝光算法进行离线测试,从目标图像的显示效果以及性能指标等方面来评估曝光算法的性能,从而可以避免对曝光算法进行在线测试所耗费的巨大资源,从而,有利于改善曝光算法的开发及优化效率。
以下从方法实施例的角度来阐述该测试方法。
请参见图2,图2是本发明实施例提供的一种测试方法的流程示意图,如图2所示,该测试方法可以应用于服务器、电脑、数字相机等测试终端中,本发明实施例不做限定,但本发明实施例以终端为例对该测试方法进行阐述。如图2所示,该测试方法可以包括以下步骤:
101、终端从测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
本发明实施例中,测试图像可以为针对动态场景所拍摄的一系列图像中的一帧图像,也可以为静态场景所拍摄的一张图像。也就是说,被测曝光算法可以为适应于动态场景的曝光算法,也可以为适应于静态场景的曝光算法。
在一些实施例中,为了简化图像恢复过程,测试数据集在采集时,可以设置采集测试数据集的相机的拍摄参数,所述拍摄参数包括增益为0以及曝光时间为最短曝光时间,所述最短曝光时间为使所述相机采集的测试图像中每个像素都不出现过曝时的曝光时间;获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像;利用所述测试图像创建测试数据集。采用该实施例,可以简化利用测试图像获取传感器采集数据的过程,进而,可以使得被测曝光算法能够简单的根据测试图像的亮度值和曝光时间来确定期望曝光参数,从而实现基于测试数据集就可以模拟每一时刻的动态场景,再现测试场景,来实现被测曝光算法的测试。
一些实施例中,测试数据集可以针对同一测试场景创建不同光线条件下采集的图像。例如,获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像,包括:终端获取所述相机在设定速度下移动时拍摄M种光线条件下的测试场景而获得的测试图像,所述M为大于等于1的正整数;终端利用所述测试图像创建测试数据集,包括:终端根据所述M种光线条件的测试图像分别创建每种光线条件下的测试数据集。
102、终端获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
其中,以平均亮度值还是以最大亮度值的一半作为该测试图像的亮度值是根据被测曝光算法来确定的,相应的,该测试图像所对应的期望亮度值也是根据被测曝光算法来确定的,针对相同的测试图像,不同的曝光算法确定的测试图像的亮度值和期望亮度值也可能不同,相应的,计算的期望曝光参数也可能不同。
103、终端根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
终端执行步骤103之后,还可以基于该期望曝光参数对测试图像进行模拟曝光,获得模拟曝光后的目标图像。
其中,为了获得模拟曝光后的目标图像,终端还需要执行以下步骤:
终端获取采集所述测试数据集的相机的图像传感器成像特性曲线;
相应的,终端根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,包括:终端利用所述图像传感器成像特性曲线计算所述测试图像的亮度值对应的传感器采集数据;将所述测试图像的传感器采集数据以及所述曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数。例如,上述公式(3)所示,基于测试图像的亮度值
以及采集时的曝光时间
可以计算测试图像对应的传感器采集数据为
将该
作为曝光算法的输入,曝光算法可以计算出对应的期望曝光参数,如期望曝光时间T
t,期望增益
其中,终端获取采集测试数据集的相机的图像传感器成像特性曲线,包括:终端在采集测试数据集的相机处于固定位置且拍摄固定场景时,采集N个不同曝光时间对应的N张图片,所述N为大于等于1的正整数;根据所述N张图片的亮度值和曝光时间,获取所述相机的图像传感器成像特性曲线。可选的,例如上述公式(1)和公式(2)所述,这里不再详述。
例如,被测曝光算法针对动态的测试场景进行测试时,终端将所述测试图像的传感器采集数据以及曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数,包括:当所述测试图像为所述测试场景的第一帧图像时,根据所述测试图像的传感器采集数据以及曝光时间,利用被测曝光算法计算所述测试图像的期望曝光参数;当所述测试图像为所述测试场景的非第一帧图像时,根据所述测试图像的传感器采集数据、曝光时间以及所述测试图像的上一帧图像的期望曝光参数,利用所述被测曝光算法计算所述测试图像的期望曝光参数。
104、终端显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
可见,图2所示的测试方法中,终端可以根据测试数据集的测试图像,对被测曝光算法进行测试,并输出曝光模拟后的目标图像,供用户肉眼来观测该被测曝光算法的性能。
请参阅图3,图3是本发明实施例提供的另一种测试方法的流程示意图,其中,图3所示的测试方法与图2所示的测试方法不同之处在于,图3所示的测试方法除了可以显示曝光模拟后的目标图像来供用户初步确定被测曝光算法的性能外,还可以输出评估指标,使得用户根据这些评估指标来客观的确定被测曝光算法的性能。具体的,图3所示的测试方法与图2相比,还可以包括以下步骤:
105、终端获取目标图像中目标对象的平均亮度;
106、终端计算并输出目标对象的平均亮度相对于预期平均亮度的变化幅度以及目标图像的梯度值,所述变化幅度与所述被测曝光算法的稳定性成正比,所述梯度值与所述被测曝光算法的性能成正比。
例如,上述公式(4)至公式(7)的相关内容,本发明实施例不再详述。
可见,图3所示的测试方法,还可以输出目标对象的平均亮度相对于预期平均亮度的变化幅度,该变化幅度越小,说明该被测曝光算法对测试图像调整后的目标图像的亮度值可以基本位于预期平均亮度的附近,因此,该被测曝光算法的稳定性较高。相应的,目标图像的梯度信息越大,说明该目标图像的图像信息越大,因此,也就说明该被测曝光算法的性能也越好。
请参阅图4,图4是本发明实施例提供的一种测试装置的结构示意图,该测试装置可以包括以下模块:
读取模块201,用于从测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
获取模块202,用于获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
其中,获取模块202获取测试图像的图像参数还与被测曝光算法相关,即不同的被测曝光算法所定义的测试图像的图像参数可能不同。
确定模块203,用于根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
显示模块204,用于显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
在一些实施例中,该测试装置中,获取模块202还用于获取采集所述测试数据集的相机的图像传感器成像特性曲线;相应的,确定模块203根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数时,该确定模块可以利用所述图像传感器成像特性曲线计算所述测试图像的亮度值对应的传感器采集数据;将所述测试图像的传感器采集数据以及所述曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数。
在一些实施例中,获取模块202获取采集所述测试数据集的相机的图像传感器成像特性曲线,包括:在采集测试数据集的相机处于固定位置且拍摄固定场景时,采集N个不同曝光时间对应的N张图片,所述N为大于等于1的正整数;根据所述N张图片的亮度值和曝光时间,获取所述相机的图像传感器成像特性曲线。
在一些实施例中,该测试装置中,还可以包括设置模块205,用于设置采集测试数据集的相机的拍摄参数,所述拍摄参数包括增益为0以及曝光时间为最短曝光时间,所述最短曝光时间为使所述相机采集的测试图像中每个像素都不出现过曝时的曝光时间;相应的,获取模块202还用于获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像;该测试装置还包括创建模块206,用于利用所述测试图像创建测试数据集。
其中,获取模块202获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像,包括:获取所述相机在设定速度下移动时拍摄M种光线条件下的测试场景而获得的测试图像,所述M为大于等于1的正整数;相应的,创建模块206利用所述测试图像创建测试数据集,具体为:创建模块206根据所述M种光线条件的测试图像分别创建每种光线条件下的测试数据集。
在一些实施例中,该测试装置的获取模块202还用于获取所述目标图像中目标对象的平均亮度;相应的,该测试装置还可以包括计算模块207,该计算模块207用于计算所述目标对象的平均亮度相对于预期平均亮度的变化幅度,所述变化幅度与所述被测曝光算法的稳定性成正比。
在一些实施例中,该测试装置的计算模块207还用于计算所述目标图像的梯度值,所述梯度值与所述被测曝光算法的性能成正比。
在一些实施例中,该测试装置还可以包括输出模块208,用于输出计算模块207计算的变化幅度和梯度值,从而使得用户根据变化幅度和梯度值确定被测曝光算法的性能。
其中,确定模块203将所述测试图像的传感器采集数据以及曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数,具体为:当所述测试图像为所述测试场景的第一帧图像时,根据所述测试图像的传感器采集数据以及曝光时间,利用被测曝光算法计算所述测试图像的期望曝光参数;当所述测试图像为所述测试场景的非第一帧图像时,根据所述测试图像的传感器采集数据、曝光时间以及所述测试图像的上一帧图像的期望曝光参数,利用所述被测曝光算法计算所述测试图像的期望曝光参数。
可见,该测试装置可以基于创建的测试数据集对被测曝光算法进行测试,输出利用该被测曝光算法调整后的目标图像和性能指标,从而,使得用户根据显示的目标图像和输出的性能指标来确定被测曝光算法的性能,解决了在线测试曝光算法耗费巨大资源,开发和优化效率较低的问题。
请参阅图5,图5是本发明实施例提供的一种终端的结构示意图,该终端可以包括至少一个处理器301,例如CPU;至少一个存储器302,拍摄装置303以及显示装置304。上述处理器301、存储器302、拍摄装置303以及显示装置304通过总线305连接。
其中,拍摄装置303可以用于采集测试图像。
存储器302用于存储指令,处理器301调用存储器302中存储的程序代码。
具体的,处理器301调用存储器302中存储的程序代码,执行以下操作:
从测试数据集中读取测试图像,所述测试数据集中包括拍摄测试场景获得的测试图像;
获取所述测试图像的图像参数,所述图像参数包括所述测试图像的亮度值和曝光时间;
根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,所述期望曝光参数包括期望曝光时间和期望增益;
通过显示装置304显示所述测试图像基于所述期望曝光参数进行模拟曝光后的目标图像,以便于以所述目标图像为参考对所述被测曝光算法进行性能评估。
处理器301调用存储器302中存储的程序代码,还可以执行以下操作:
获取采集所述测试数据集的相机的图像传感器成像特性曲线;
所述根据所述测试图像的图像参数和被测曝光算法,确定所述测试图像的期望曝光参数,包括:
利用所述图像传感器成像特性曲线计算所述测试图像的亮度值对应的传感器采集数据;
将所述测试图像的传感器采集数据以及所述曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数。
其中,处理器301调用存储器302中存储的程序代码,获取采集所述测试数据集的相机的图像传感器成像特性曲线,具体为:
在采集测试数据集的相机处于固定位置且拍摄固定场景时,通过拍摄装置303采集N个不同曝光时间对应的N张图片,所述N为大于等于1的正整数;
根据所述N张图片的亮度值和曝光时间,获取所述相机的图像传感器成像特性曲线。
处理器301调用存储器302中存储的程序代码,还可以执行以下操作:
设置采集测试数据集的相机的拍摄参数,所述拍摄参数包括增益为0以及曝光时间为最短曝光时间,所述最短曝光时间为使所述相机采集的测试图像中每个像素都不出现过曝时的曝光时间;
获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像;
并将该测试图像存储到存储器302中,利用所述测试图像创建测试数据集。
处理器301调用存储器302中存储的程序代码,获取所述相机在设定速度下移动时拍摄测试场景而获得的测试图像,具体为:
通过拍摄装置303获取所述相机在设定速度下移动时拍摄M种光线条件下的测试场景而获得的测试图像,所述M为大于等于1的正整数;
处理器301调用存储器302中存储的程序代码,利用所述测试图像创建测试数据集,具体为:
根据所述M种光线条件的测试图像分别创建每种光线条件下的测试数据集,并将该测试数据集存储到存储器302中。
处理器301调用存储器302中存储的程序代码,还可以执行以下操作:
获取所述目标图像中目标对象的平均亮度;
计算所述目标对象的平均亮度相对于预期平均亮度的变化幅度,所述变化幅度与所述被测曝光算法的稳定性成正比。
处理器301调用存储器302中存储的程序代码,还可以执行以下操作:
计算所述目标图像的梯度值,所述梯度值与所述被测曝光算法的性能成正比。
处理器301调用存储器302中存储的程序代码,将所述测试图像的传感器采集数据以及曝光时间输入到被测曝光算法中,获得所述测试图像的期望曝光参数,具体为:
当所述测试图像为所述测试场景的第一帧图像时,根据所述测试图像的传感器采集数据以及曝光时间,利用被测曝光算法计算所述测试图像的期望曝光参数;
当所述测试图像为所述测试场景的非第一帧图像时,根据所述测试图像的传感器采集数据、曝光时间以及所述测试图像的上一帧图像的期望曝光参数,利用所述被测曝光算法计算所述测试图像的期望曝光参数。
可选地,所述存储器302还用于存储程序指令,所述处理器301可以调用所述程序指令,实现如本申请中图1至图4所对应实施例中所示相关方法。这里不再详述。
可见,该终端可以基于创建的测试数据集对被测曝光算法进行测试,输出利用该被测曝光算法调整后的目标图像和性能指标,从而,使得用户根据显示的目标图像和输出的性能指标来确定被测曝光算法的性能,解决了在线测试曝光算法耗费巨大资源,开发和优化效率较低的问题。
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,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。