CN109741307B - 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 - Google Patents
摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 Download PDFInfo
- Publication number
- CN109741307B CN109741307B CN201811611889.1A CN201811611889A CN109741307B CN 109741307 B CN109741307 B CN 109741307B CN 201811611889 A CN201811611889 A CN 201811611889A CN 109741307 B CN109741307 B CN 109741307B
- Authority
- CN
- China
- Prior art keywords
- image
- light
- camera module
- light source
- spot
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种摄像模组的杂光检测方法,包括以下步骤:接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;确定灰度图像中光斑位置以及光斑尺寸;抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。该公开了一种摄像模组的杂光检测装置,以及一种摄像模组的杂光检测系统,该该杂光检测方法、杂光检测装置以及杂光检测系统能够快速准确地检测待检测摄像模组是否为杂光摄像模组。
Description
技术领域
本发明属于摄像模组检测领域,具体涉及一种摄像模组的杂光检测方法,摄像模组的杂光检测装置以及摄像模组的杂光检测检测系统。
背景技术
随着数字技术和手机行业的发展,手机摄像模组作为手机的主要部件也得到了很重要的研究。由于手机摄像模组的性能直接影响整个手机的拍摄效果,因此,手机厂商对手机摄像头的性能要求越来越高。
将镜筒、镜片以及马达摄像模组组装后,由于漏光、透射光学表面的残余反射和镜筒内壁等非光学表面的残余反射,会产生一些杂散光,此外,由于光学表面质量问题也会产生杂散光,将能够产生杂光的摄像模组定义为杂光摄像模组。这些杂散光会增加像面上的噪声,特别是在像面附近出现的杂散光汇聚点会对成像产生严重影响,这些汇聚点就称作“鬼像”。
杂散光也会引起图像的对比度和信噪比降低、清晰度变坏、颜色失真、限制高动态范围成像,因此,对摄像模组的杂散光的检测显得十分非常重要。
现有的杂光检测方法:一种检测方式是在手机摄像头模组没组装前对镜头进行检测。其具体方式是将将镜头固定在特定支架上,使用光源绕镜头360度照射镜头,人眼观察镜头是否有杂光产生。另一种方式是镜头经过组装后,检测镜头是否有杂光,其具体实现方式是在特定的光源下,通过摄像头视频采集板卡获取图像,通过人眼观察获取的图像判断镜头是否有杂光产生。然而,上述方法中通过人眼来主观判定,存在错判,漏失及检测标准不确定性的问题。
申请公布号为CN108924545A的专利申请公开了一种摄像头模组的杂光检测装置,包括背光光源,所述背光光源包括有若干第一形状的光源;摄像头视频采集板卡,至少一待测摄像头模组与摄像头视频采集板卡相连,待测摄像头模组用以拍摄获取开启后的背光光源的图像;以及图像处理系统,摄像头视频采集板卡用以将图像传输到图像处理系统,图像处理系统检测图像的第一形状特征,并判断检测的图像的第一形状特征是否在设定范围内,若是则判断摄像头模组不产生杂光,若否则进一步检测所述图像的第一颜色特征,并判断检测的第一颜色特征是否在设定范围内,若是则判断所述摄像头模组不产生杂光,若否则判断所述摄像头模组产生杂光。该杂光检测装置根据第一形状特征和第一颜色特征能够解决人眼主观判定杂光存在检测标准不确定性的问题,但是检测效率不高。
发明内容
本发明的目的是提供一种摄像模组的杂光检测方法,该杂光检测方法能够快速准确地检测待检测摄像模组是否为杂光摄像模组。
本发明的另一目的是提供了摄像模组的杂光检测装置,该杂光检测装置能够快速准确地检测待检测摄像模组是否为杂光摄像模组。
本发明的再一目的是提供了一种摄像模组的杂光检测系统,该杂光检测系统能够快速准确地检测待检测摄像模组是否为杂光摄像模组。
为实现上述发明目的,本发明提供以下技术方案:
第一方面,一种摄像模组的杂光检测方法,包括以下步骤:
接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
确定灰度图像中光斑位置以及光斑尺寸;
抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
第二方面,一种摄像模组的杂光检测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,所述计算机处理器执行所述计算机程序时实现以下步骤:
接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
确定灰度图像中光斑位置以及光斑尺寸;
抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
第三方面,一种摄像模组的杂光检测装置,包括:
图像接收模块,用于接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
光斑确定模块,用于确定灰度图像中光斑位置以及光斑尺寸;
第一杂光检测模块,用于抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
第四方面,一种摄像模组的杂光检测系统,包括:
光源,所述光源包含若干个至少一种形状的子光源;
待检测摄像模组,所述待检测摄像模组采集所述光源的光源图像;和,
上述的杂光检测装置,所述杂光检测装置与所述待检测摄像模组通信连接,用于检测所述待检测摄像模组采集的光源图像中的杂光,以评定待检测摄像模组是否为杂光摄像模组。
与现有技术相比,本发明具有的有益效果为:
本发明提供的杂光检测方法、杂光检测装置以及杂光检测系统,通过精确确定光源位置和光源尺寸,为后面统计灰度图像的杂光度提供了稳定的数据基础,同时,通过统计灰度图像的杂光度和将该杂光度与杂光度阈值比较,来判断摄像模组是否产生杂光,提升了摄像模组杂光检测的鲁棒性。
附图说明
图1是实施例提供的摄像模组的杂光检测方法的流程图;
图2是实施例提供的采用改进的连通区域标记算法确定光源位置以及光源尺寸的流程图;
图3是实施例提供的另一摄像模组的杂光检测方法的流程图;
图4是实施例提供的再一摄像模组的杂光检测方法的流程图;
图5是实施例提供的对接收的光源图像转化的灰度图像;
图6是对图5所示的灰度图像中的光斑位置定位的结果图;
图7是对图5所示的灰度图像中光斑位置抠除的结果图;
图8是对图5所示的灰度图像进行杂光标记的结果图;
图9是实施例提供的摄像模组的杂光检测装置的结构示意图;
图10是实施例提供的另一摄像模组的杂光检测装置的结构示意图;
图11是实施例提供的另一摄像模组的杂光检测装置的结构示意图;
图12是实施例提供的另一摄像模组的杂光检测装置的结构示意图;
图13是实施例提供的另一摄像模组的杂光检测装置的结构示意图;
图14是实施例提供的摄像模组的杂光检测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,而非以任何方式限制本发明的保护范围。在说明书的全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所有列相目中的一个或多个的任何和全部组合。
应注意,在本说明书中,第一、第二等的表述仅用于将一个特征与另一特征分开来,而不表示对特征的任何限定。因此,在不背离本申请的教导的情况下,下文中讨论的第一杂光检测模块也可被称为第二杂光检测模块。
还应理解的是,用语“包括”、“包括有”、“具有”、“包含”和/或“包含有”,当在本说明书中使用时表示存在所陈述的特征、步骤、整体、操作和/或模块,但不排除存在或附加有一个或多个其它特征、步骤、整体、操作、模块和/或它们的组合。
如在本文中使用的用语“基本上”、“大约”以及类似的用于用作表示近似的用语,而不用作表示程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
除非另有限定,否则本文中使用的所有用语(包括技术用语和科学用语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,用语(例如在常用词典中定义的用语)应被解释为具有与它们在相关技术的上下文中的含义一致的含义,并且将不被以理想化或过度正式意义解释,除非本文中明确如此限定。
需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
以下实施例提供了一种高效率、高准确性低检测摄像模组杂光的杂光检测方法、杂光检测装置以及杂光检测系统。
如图1所示,实施例提供的摄像模组的杂光检测方法包括以下步骤:
S101,接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
S102,确定灰度图像中光斑位置以及光斑尺寸;
S103,抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
对于光源图像的接收格式,可以是BMP(全称Bitmap,Windows操作系统中的标准图像文件格式)图单通道格式,即接收BMP图单通道输出的光源图像数据,也可以是YUV格式图像Y通道格式,即接收Y图格式的光源图像数据;此外,光源图像的格式还可以是RAW图G通道,即所述光源图像来自于摄像模组采集的RAW图G通道。对于表示同一个光源图像的数据来说,采用RAW图G通道接收的光源图像数据,相比于采用BMP图单通道或Y图接收的光源图像数据,数据大小大大降低,据统计,通过RAW图G通道接收的光源图像数据仅为通过BMP图单通道或Y图接收的光源图像数据大小的1/4左右,占用字节大大降低,这样在后面光源图像处理时,处理的数据量大大降低,进而降低了杂光检测的消耗,大大增加了杂光检测效率,此外,采用直接从RAW图G通道获得光源图像,省掉了利用插值算法将RAW图转化为BMP图的时间,这样也能降低插值算法带来的计算消耗。
为了提升杂光的检测效率,在接收光源图像后,缩小光源图像至原来的1/32~1/2。可以理解的是,对光源图像缩放处理的步骤可以在将光源图像转化为灰度图像之前进行,这样能够减少灰度图像转化的处理数据量,以此进一步地提升杂光的检测效率。当然,对光源图像缩放处理的步骤可以在将光源图像转化为灰度图像之后进行,本领域技术人员可以根据实际情况选择光源图像缩放处理步骤的操作时间。
举例说明,将5664*4248的RAW图缩放到原来的1/3,经统计,对该尺寸的光源图像进行杂光检测耗时仅为120ms,消耗内存90M,这大大满足了对摄像模组的杂光检测的实时性要求较高的情况。
为了更快速地确定光源图像中光斑位置和光斑尺寸,在获得光源图像后,将光源图像转化为灰度图像,这里的灰度图像是指亮度值范围为0~255,和/或从单通道或各通道相同的多通道直接获得光源图像,例如通过RAW图G通道采集的光源图像直接就是灰度图像,此时就不再需要将光源图像转化为灰度图像,即在杂光检测方法中,不包含将光源图像转化为灰度图像的步骤,后面直接对光源图像进行光斑位置定位和光斑尺寸确定以及对待检测摄像模组的评定。因此,在实际操作中,将光源图像转化为灰度图像的步骤适光源图像的格式做相应的删除。本实施例中的灰度图像为由亮度值为0~255表示的灰度矩阵,该灰度矩阵中既可以确定像素点位置,还可以确定该像素点的像素值,为后面确定光斑位置和光斑尺寸提供了稳定的数据基础。
在本实施例中,接收的光源图像中包含若干个至少一种形状的光斑,每个光斑与子光源一一对应,若光源为由若干个圆形子光源阵列排布而成,则获得的光源图形中会存在与子光源阵列对应的若干个圆形光斑,在灰度图像中,圆形光斑呈现白色,其他区域呈现其他灰度颜色。若光源为由若干个方形子光源阵列排布而成,则获得的光源图形中会存在与子光源阵列对应的若干个方形光斑,在灰度图像中,方形光斑同样呈现白色,其他区域呈现其他灰度颜色。当然,光源还可以由圆形子光源和方形子光源按照一定的排列规则排布而成,此时获得的光源图像中会同时存在圆形光斑和方形光斑,且圆形光斑和方形光斑的排列方式与光源中圆形子光源和方形子光源的排列方式相同。
其中,所述确定灰度图像中光斑位置以及光斑尺寸包括:
当光源包括圆形子光源时,确定灰度图像中圆形光斑的圆心和半径;或/和,
当光源包括方形子光源时,确定灰度图像中方形光斑的中心、长度以及宽度。
当光源中包含圆形子光源时,灰度图像中光斑包括圆形光斑,确实光斑位置和光斑尺寸即是确定圆形光斑的圆心和半径。当中包含方形子光源时,方形子光源包括长宽不等的长方形光源,和长宽相等的正方形光源,即发射长方形图案的光束和正方形图案的光束,可以理解的是,灰度图像中光斑包括方形光斑,确实光斑位置和光斑尺寸即是确定方形光斑的中心、长度以及宽度,方形光斑的长度和宽度可以相等。
确定光斑位置和光斑尺寸的方式有很多种,针对圆形光斑,可以采用霍夫圆检测算法确定灰度图像中圆形光斑的圆心和半径。霍夫圆检测算法采用的原理是基于圆的极坐标表示方式,即已知圆形的圆心和半径的情况下,则旋转360度由极坐标方程可以得到圆上每个点的坐标,同理,已知图像像素点和圆半径,旋转360度圆中心点处的像素值最强,即可以获得圆形光斑的圆心和半径。
针对方形光斑、圆形光斑等任意形状的光斑,可以采用改进的连通区域标记算法确定光斑位置以及光斑尺寸。连通区域标记算法要求将图像中属于同一连通域的所有像素用唯一的标记值进行标记,同时统计连通域的数目及特征。
本实施例中,首先在需要分割区域找一个种子像素作为生长的种子像素,然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长准则确定)合并到种子像素所在区域中,最后将这些新增的像素点作为新的生长点重复上面的过程。具体过程如图2所示:
S201,将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
S202,从所述种子堆栈中取出随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
S203,对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
S204,重复依次执行S202和S203,直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
S205,改变确定的光斑的像素值为0,重复依次执行S201~S204,直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
在将灰度图像转化为二值图像时,设定一个亮度阈值,将灰度矩阵中低于该亮度阈值的亮度变成0,高于该亮度阈值的亮度变成1,以此来构建二值图像。一般情况想,亮度阈值根据实际应用情况设定,在此不受限制。
S202中,可以遍历所述种子点8邻域的像素点,这样的搜索速度更快,计算效率更高,能够快速地确定光斑位置和光斑尺寸。
采用改进的连通区域标记算法初定位光斑位置和光斑连通区域,然后在光斑连通区域周围对光斑进行精确定位,得到准确光斑位置和光斑尺寸并保存光斑尺寸和位置信息。这样能够准确地确定光斑位置和光斑尺寸,为后面确定光源图像的杂光度提供了准确的数据基础。
其中,所述抠除灰度图像中光斑位置包括:将光斑位置的像素值变成黑色区域亮度值,即将光斑位置变成黑色,以实现抠除灰度图像中的光斑位置。
本实施例中,黑色区域亮度值是一个范围的亮度值,该亮度值范围呈现黑色,举例来说,黑色区域亮度值可以为亮度值为0~50,即亮度值为0~50均表示黑色。当然,黑色区域亮度值也可以是其他亮度值范围,根据具体实际情况而定,在此不受限制。
具体地,所述计算灰度图像中抠除光斑位置剩下区域的杂光度包括:
在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度。
在灰度图像中抠除光斑位置剩下区域中像素值大于黑色区域亮度值的像素点均表示存在光亮,该光亮被认为是杂光,即统计像素值大于黑色区域亮度值的像素点个数,即统计灰度图像中的杂光面积,将杂光面积和预设的杂光度阈值进行比较,当杂光面积大于预设的杂光度阈值时,则认为摄像模组产生杂光,当杂光面积小于等于预设的杂光度阈值时,则认为摄像模组不产生杂光。需要注意的是,本实施例中的杂光度阈值根据实际的生产需求设定,当要求摄像模组的质量很高时,可以设置杂光度阈值为较小的数值,以实现对摄像模组高质量的筛选,相反,当需求摄像模组的质量一般时,可以设置杂光度阈值为较大的数值。因此,本实施例不限制杂光度阈值的具体取值。
本实施例中,通过比较全视场中杂光面积和杂光度阈值的大小,能够大大提升摄像模组杂光检测的鲁棒性。
如图3所示,还提供了摄像模组的杂光检测方法的另一实施例,包括以下步骤:
S301,接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
S302,确定灰度图像中光斑位置以及光斑尺寸;
S303,若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则判断评定待检测摄像模组为杂光摄像模组。
基于上述,灰度图像中的每个光斑都会存在一个子光源与其对应,即光斑和子光源是一一对应关系,将确定的单光斑的光斑尺寸与对应子光源真实尺寸进行比较,若单光斑的光斑尺寸大于对应光源的真实尺寸,则表明摄像模组产生杂光,否则摄像模组不产生杂光。当单光斑为圆形光斑时,则比较的是圆形光斑的半径和对应的圆形光源的真实半径。当单光斑为方形光斑时,则比较的是方形光斑的长宽和对应的方形光源的真实长宽。
如图4所示,还提供了摄像模组的杂光检测方法的另一实施例,包括以下步骤:
S401,接收摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
S402,确定灰度图像中光斑位置以及光斑尺寸;
S403,比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
在该实施例中,在获得每个光斑的光斑尺寸与对应光源的真实尺寸的比对结果后,还可以统计光斑尺寸大于对应光源的真实尺寸的总个数,将该总个数与预设的个数阈值进行比较,当总个数大于预设的个数阈值,则表明摄像模组产生杂光,否则,则认为摄像模组不产生杂光。该方法考虑了全视场的杂光情况,来判断摄像模组是否产生杂光,这样大大提升了摄像模组杂光检测的鲁棒性。
上述杂光检测方法还包括:输出标记有杂光光斑的光源图像以显示。即根据设定的杂光度阈值和个数阈值,对灰度图像中具有杂光的光斑进行标记并输出。具体地,在统计像素值大于黑色区域亮度值的像素点个数时,将每个光斑周围的像素值大于黑色区域亮度值的像素点个数大于一定阈值的光斑标记为杂光光斑,还可以将单光斑的光斑尺寸大于对应光源的真实尺寸的单光斑标记为杂光光斑。当标记有杂光光斑的光源图像输出显示时,外界工作人员根据经验对输出的光源图像进行再一次的判断,辅助提升摄像模组杂光检测的准确性。
举例说明上述摄像模组的杂光检测方法的过程和检测效果。
摄像模组拍摄的光源图像转化的灰度图像如图5所示,该灰度图像中,光斑为圆形光斑,且成规则排列。采用上述方法确定图5中圆形光斑的圆心和半径,且圆心位置被标记,如图6所示;在确定圆形光斑的圆心和半径后,即确定光斑位置后,抠除图5中的光斑位置,获得如图7所示的图像;然后,采用上述方法确定杂光光斑,并输出标记有杂光光斑的灰度图像,如图8所示。
实施例还提供了一种摄像模组的杂光检测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机处理器执行所述计算机程序时实现以下步骤:
接收摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
确定灰度图像中光斑位置以及光斑尺寸;
抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则判断摄像模组产生杂光。
在该摄像模组的杂光检测装置中,接收的光源图像可以是BMP图单通道格式,即接收BMP图单通道输出的光源图像数据,也可以是YUV格式图像Y通道格式,即接收Y图格式的光源图像数据;此外,光源图像的格式还可以是RAW图G通道,即所述光源图像来自于摄像模组采集的RAW图G通道。
对于表示同一个光源图像的数据来说,采用RAW图G通道接收的光源图像数据,相比于采用BMP图单通道或Y图接收的光源图像数据,数据大小大大降低,据统计,通过RAW图G通道接收的光源图像数据仅为通过BMP图单通道或Y图接收的光源图像数据大小的1/4左右,占用字节大大降低,这样在后面光源图像处理时,处理的数据量大大降低,进而降低了杂光检测的消耗,大大增加了杂光检测效率。
为了提升杂光的检测效率,在接收光源图像后,缩小光源图像至原来的1/32~1/2。可以理解的是,对光源图像缩放处理的步骤可以在将光源图像转化为灰度图像之前进行,这样能够减少灰度图像转化的处理数据量,以此进一步地提升杂光的检测效率。当然,对光源图像缩放处理的步骤可以在将光源图像转化为灰度图像之后进行,本领域技术人员可以根据实际情况选择光源图像缩放处理步骤的操作时间。
为了更快速地确定光源图像中光斑位置和光斑尺寸,在获得光源图像后,将光源图像转化为灰度图像,这里的灰度图像是指亮度值范围为0~255,和/或从单通道或各通道相同的多通道直接获得光源图像,例如通过RAW图G通道采集的光源图像直接就是灰度图像,此时就不再需要将光源图像转化为灰度图像,即在杂光检测方法中,不包含将光源图像转化为灰度图像的步骤,后面直接对光源图像进行光斑位置定位和光斑尺寸确定以及对待检测摄像模组的评定。因此,在实际操作中,将光源图像转化为灰度图像的步骤适光源图像的格式做相应的删除。本实施例中的灰度图像为由亮度值为0~255表示的灰度矩阵,该灰度矩阵中既可以确定像素点位置,还可以确定该像素点的像素值,为后面确定光斑位置和光斑尺寸提供了稳定的数据基础。
在本实施例中,接收的光源图像中包含若干个至少一种形状的光斑,每个光斑与子光源一一对应,光源图形可以包含若干个圆形光斑,还可以包含若干个方形光斑,当然,光源图像还可以同时包含圆形光斑和方形光斑。
在该摄像模组的杂光检测装置中,所述确定灰度图像中光斑位置以及光斑尺寸包括:
当光源包括圆形子光源时,确定灰度图像中圆形光斑的圆心和半径;或/和,
当光源包括方形子光源时,确定灰度图像中方形光斑的中心、长度以及宽度。
当光源中包含圆形子光源时,灰度图像中光斑包括圆形光斑,确实光斑位置和光斑尺寸即是确定圆形光斑的圆心和半径。当中包含方形子光源时,方形子光源包括长宽不等的长方形光源,和长宽相等的正方形光源,即发射长方形图案的光束和正方形图案的光束,可以理解的是,灰度图像中光斑包括方形光斑,确实光斑位置和光斑尺寸即是确定方形光斑的中心、长度以及宽度,方形光斑的长度和宽度可以相等。
具体地,针对圆形光斑,可以采用霍夫圆检测算法确定灰度图像中圆形光斑的圆心和半径。
针对方形光斑、圆形光斑等任意形状的光斑,可以采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中取出随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
采用改进的连通区域标记算法初定位光斑位置和光斑连通区域,然后在光斑连通区域周围对光斑进行精确定位,得到准确光斑位置和光斑尺寸并保存光斑尺寸和位置信息。这样能够准确地确定光斑位置和光斑尺寸,为后面确定光源图像的杂光度提供了准确的数据基础。
在该摄像模组的杂光检测装置中,所述抠除灰度图像中光斑位置包括:将光斑位置的像素值变成黑色区域亮度值,即将光斑位置变成黑色,以实现抠除灰度图像中的光斑位置。
同时,所述计算灰度图像中抠除光斑位置剩下区域的杂光度包括:
在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度。
在灰度图像中抠除光斑位置剩下区域中像素值大于黑色区域亮度值的像素点均表示存在光亮,该光亮被认为是杂光,即统计像素值大于黑色区域亮度值的像素点个数,即统计灰度图像中的杂光面积,将杂光面积和预设的杂光度阈值进行比较,当杂光面积大于预设的杂光度阈值时,则认为摄像模组产生杂光,当杂光面积小于等于预设的杂光度阈值时,则认为摄像模组不产生杂光。需要注意的是,本实施例中的杂光度阈值根据实际的生产需求设定,当要求摄像模组的质量很高时,可以设置杂光度阈值为较小的数值,以实现对摄像模组高质量的筛选,相反,当需求摄像模组的质量一般时,可以设置杂光度阈值为较大的数值。因此,本实施例不限制杂光度阈值的具体取值。
在该摄像模组的杂光检测装置中,所述计算机处理器执行所述计算机程序时还包括实现以下步骤:
若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则评定待检测摄像模组为杂光摄像模组;
比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
基于上述,灰度图像中的每个光斑都会存在一个子光源与其对应,即光斑和子光源是一一对应关系,将确定的单光斑的光斑尺寸与对应子光源真实尺寸进行比较,若单光斑的光斑尺寸大于对应光源的真实尺寸,则表明摄像模组产生杂光,否则摄像模组不产生杂光。
在获得每个光斑的光斑尺寸与对应光源的真实尺寸的比对结果后,还可以统计光斑尺寸大于对应光源的真实尺寸的总个数,将该总个数与预设的个数阈值进行比较,当总个数大于预设的个数阈值,则表明摄像模组产生杂光,否则,则认为摄像模组不产生杂光。该方法考虑了全视场的杂光情况,来判断摄像模组是否产生杂光,这样大大提升了摄像模组杂光检测的鲁棒性。
此外,所述杂光检测装置输出标记有杂光光斑的光源图像以显示。即根据设定的杂光度阈值和个数阈值,对灰度图像中具有杂光的光斑进行标记并输出。具体地,在统计像素值大于黑色区域亮度值的像素点个数时,将每个光斑周围的像素值大于黑色区域亮度值的像素点个数大于一定阈值的光斑标记为杂光光斑,还可以将单光斑的光斑尺寸大于对应光源的真实尺寸的单光斑标记为杂光光斑。当标记有杂光光斑的光源图像输出显示时,外界工作人员根据经验对输出的光源图像进行再一次的判断,辅助提升摄像模组杂光检测的准确性。
如图9所示,实施例还提供了一种摄像模组的杂光检测装置,其特征在于,包括:
图像接收模块901,用于接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
光斑确定模块902,用于确定灰度图像中光斑位置以及光斑尺寸;
第一杂光检测模块903,用于抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
其中,所述图像接收模块901包括:
图像接收子模块9011,用于接收来自摄像模组采集的RAW图G通道的光源图像;
图像预处理模块9012,用于将接收的光源图像转化为灰度图像,还用于将光源图像缩小至原来的1/32~1/2。
所述光斑确定模块902包括:
圆形光斑确定模块9021,用于确定灰度图像中圆形光斑的圆心和半径;或/和,
方形光斑确定模块9022,用于确定灰度图像中方形光斑的中心、长度以及宽度。
光斑确定模块902中,采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中取出随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
其中,所述第一杂光检测模块903包括:
杂光度确定模块9031,用于在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度;
判断模块9032,用于比较杂光度和预设的杂光度阈值,当杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
如图10~11所示,在另外实施例中,所述杂光检测装置还包括:
第二杂光检测模块904,用于若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则评定待检测摄像模组为杂光摄像模组。
如图12~13所示,在另外实施例中,所述杂光检测装置还包括:
第三杂光检测模块905,用于比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
图9~图13所示的摄像模组的杂光检测装置中检测杂光的所有步骤均与上述的摄像模组的杂光检测方法相同,此处不再赘述。
图9~图13所示的摄像模组的杂光检测装置通过精确确定光源位置和光源尺寸,为后面统计灰度图像的杂光度提供了稳定的数据基础,同时,通过统计灰度图像的杂光度和将该杂光度与杂光度阈值比较,来判断摄像模组是否产生杂光,提升了摄像模组杂光检测的鲁棒性。
如图14所示,提供了一种摄像模组的杂光检测系统,包括:
光源1401,所述光源包含若干个至少一种形状的子光源;
待检测摄像模组1402,所述待检测摄像模组1402采集所述光源1401的光源图像;和,
杂光检测装置1403,杂光检测装置1403为上述的任意一种摄像模组的杂光检测装置,该杂光检测装置中能够实现上述摄像模组的杂光检测方法,所述杂光检测装置1403与所述待检测摄像模组1402通信连接,用于检测所述待检测摄像模组1402采集的光源图像中的杂光,以评定待检测摄像模组是否为杂光摄像模组。
具体而言,光源1401可以包括圆形的子光源,也可以包括方形子光源,还可以同时包括圆形子光源和方形子光源,多个子光源按照一定的排布规则排列形成光源1401,该光源1401能够出射多个光束,该光束被待检测摄像模组1402接收,形成光源图像。
待检测摄像模组是一个成型的模组,具有成像能力,能够采集场景图像。
该杂光检测系统,通过精确确定光源位置和光源尺寸,为后面统计灰度图像的杂光度提供了稳定的数据基础,同时,通过统计灰度图像的杂光度和将该杂光度与杂光度阈值比较,来判断摄像模组是否产生杂光,提升了摄像模组杂光检测的鲁棒性。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (26)
1.一种摄像模组的杂光检测方法,包括以下步骤:
接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
确定灰度图像中光斑位置以及光斑尺寸;
抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组;
所述计算灰度图像中抠除光斑位置剩下区域的杂光度包括:
在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度。
2.如权利要求1所述摄像模组的杂光检测方法,其特征在于,所述确定灰度图像中光斑位置以及光斑尺寸包括:
当光源包括圆形子光源时,确定灰度图像中圆形光斑的圆心和半径;或/和,
当光源包括方形子光源时,确定灰度图像中方形光斑的中心、长度以及宽度。
3.如权利要求2所述摄像模组的杂光检测方法,其特征在于,采用霍夫圆检测算法确定灰度图像中圆形光斑的圆心和半径。
4.如权利要求1所述摄像模组的杂光检测方法,其特征在于,采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
5.如权利要求2所述摄像模组的杂光检测方法,其特征在于,采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
6.如权利要求1项所述摄像模组的杂光检测方法,其特征在于,所述抠除灰度图像中光斑位置包括:将光斑位置的像素值变成黑色区域亮度值,即将光斑位置变成黑色,以实现抠除灰度图像中的光斑位置。
7.如权利要求1所述摄像模组的杂光检测方法,其特征在于,所述杂光检测方法还包括:
若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则评定待检测摄像模组为杂光摄像模组。
8.如权利要求1所述摄像模组的杂光检测方法,其特征在于,所述杂光检测方法还包括:
比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
9.如权利要求1所述摄像模组的杂光检测方法,其特征在于,所述光源图像来自于摄像模组采集的RAW图G通道;在接收光源图像后,缩小光源图像至原来的1/32~1/2。
10.如权利要求1~9任一项所述摄像模组的杂光检测方法,其特征在于,所述杂光检测方法还包括:
输出标记有杂光光斑的光源图像以显示。
11.一种摄像模组的杂光检测装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机处理器执行所述计算机程序时实现以下步骤:
接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
确定灰度图像中光斑位置以及光斑尺寸;
抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组;
所述计算灰度图像中抠除光斑位置剩下区域的杂光度包括:
在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度。
12.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,所述确定灰度图像中光斑位置以及光斑尺寸包括:
当光源包括圆形子光源时,确定灰度图像中圆形光斑的圆心和半径;
或/和,
当光源包括方形子光源时,确定灰度图像中方形光斑的中心、长度以及宽度。
13.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,采用霍夫圆检测算法确定灰度图像中圆形光斑的圆心和半径。
14.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
15.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,所述计算机处理器执行所述计算机程序时还包括实现以下步骤:
若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则评定待检测摄像模组为杂光摄像模组。
16.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,所述计算机处理器执行所述计算机程序时还包括实现以下步骤:
比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
17.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,所述光源图像来自于摄像模组采集的RAW图G通道;在接收光源图像后,缩小光源图像至原来的1/32~1/2。
18.如权利要求11所述的摄像模组的杂光检测装置,其特征在于,所述杂光检测装置输出标记有杂光光斑的光源图像以显示。
19.一种摄像模组的杂光检测装置,其特征在于,包括:
图像接收模块,用于接收待检测摄像模组拍摄的光源图像,并将光源图像转化为灰度图像;
光斑确定模块,用于确定灰度图像中光斑位置以及光斑尺寸;
第一杂光检测模块,用于抠除灰度图像中光斑位置,计算灰度图像中抠除光斑位置剩下区域的杂光度,若所述杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组,其中,在灰度图像中抠除光斑位置剩下区域中,统计像素值大于黑色区域亮度值的像素点个数,以所述像素点个数作为灰度图像的杂光度。
20.如权利要求19所述的摄像模组的杂光检测装置,其特征在于,所述光斑确定模块包括:
圆形光斑确定模块,用于确定灰度图像中圆形光斑的圆心和半径;或/和,
方形光斑确定模块,用于确定灰度图像中方形光斑的中心、长度以及宽度。
21.如权利要求19或20所述的摄像模组的杂光检测装置,其特征在于,光斑确定模块中,采用改进的连通区域标记算法确定光斑位置以及光斑尺寸,具体过程为:
(a)将灰度图像转化为二值图像,在二值图像中随机选取1个像素值为1的像素点为标记种子点,将所述标记种子点放到种子堆栈中;
(b)从所述种子堆栈中随机取出一个种子点,并以所述种子点为中心,在二值图像中遍历所述种子点的至少4邻域的像素点;
(c)对于不在种子堆栈中的遍历像素点,若遍历像素点满足与所述种子点的相似性,即将遍历像素点作为种子点放到种子堆栈中;
(d)重复依次执行步骤(b)和(c),直到种子堆栈为空为止,此时,从堆栈中取出的所有种子点所在的位置即为以标记种子点为标记的光斑位置,同时根据所有种子点确定光斑尺寸;
(e)改变确定的光斑的像素值为0,重复依次执行步骤(a)~(d),直到找不到标记种子点为止,获得所有光斑位置和每个光斑的光斑尺寸。
22.如权利要求19所述的摄像模组的杂光检测装置,其特征在于,所述第一杂光检测模块包括:
判断模块,用于比较杂光度和预设的杂光度阈值,当杂光度大于预设的杂光度阈值,则评定待检测摄像模组为杂光摄像模组。
23.如权利要求19所述的摄像模组的杂光检测装置,其特征在于,所述杂光检测装置还包括:
第二杂光检测模块,用于若灰度图像中单光斑的光斑尺寸大于对应光源的真实尺寸,则评定待检测摄像模组为杂光摄像模组。
24.如权利要求19所述的摄像模组的杂光检测装置,其特征在于,所述杂光检测装置还包括:
第三杂光检测模块,用于比较灰度图像中每个光斑的光斑尺寸与对应光源的真实尺寸,统计灰度图像中光斑尺寸大于对应光源的真实尺寸的总个数,若所述总个数大于预设的个数阈值,则评定待检测摄像模组为杂光摄像模组。
25.如权利要求19所述的摄像模组的杂光检测装置,其特征在于,所述图像接收模块包括:
图像接收子模块,用于接收来自摄像模组采集的RAW图G通道的光源图像;
图像预处理模块,用于将接收的光源图像转化为灰度图像,还用于将光源图像缩小至原来的1/32~1/2。
26.一种摄像模组的杂光检测系统,其特征在于,包括:
光源,所述光源包含若干个至少一种形状的子光源;
待检测摄像模组,所述待检测摄像模组采集所述光源的光源图像;和,
权利要求11~25任一项所述的杂光检测装置,所述杂光检测装置与所述待检测摄像模组通信连接,用于检测所述待检测摄像模组采集的光源图像中的杂光,以评定待检测摄像模组是否为杂光摄像模组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811611889.1A CN109741307B (zh) | 2018-12-27 | 2018-12-27 | 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811611889.1A CN109741307B (zh) | 2018-12-27 | 2018-12-27 | 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741307A CN109741307A (zh) | 2019-05-10 |
CN109741307B true CN109741307B (zh) | 2021-04-13 |
Family
ID=66360140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811611889.1A Active CN109741307B (zh) | 2018-12-27 | 2018-12-27 | 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741307B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108924545A (zh) * | 2018-07-02 | 2018-11-30 | 昆山丘钛微电子科技有限公司 | 摄像头模组的杂光检测装置及检测方法 |
CN110415226A (zh) * | 2019-07-23 | 2019-11-05 | Oppo广东移动通信有限公司 | 杂散光的测定方法、装置、电子设备及存储介质 |
CN111862195B (zh) * | 2020-08-26 | 2024-04-09 | Oppo广东移动通信有限公司 | 光斑检测方法和装置、终端和存储介质 |
CN112218070B (zh) * | 2020-10-10 | 2023-06-02 | Oppo(重庆)智能科技有限公司 | 杂光检测方法、装置、存储介质与电子设备 |
CN113573045B (zh) * | 2021-06-18 | 2022-06-10 | 荣耀终端有限公司 | 杂光检测方法及杂光检测装置 |
CN114841874B (zh) * | 2022-04-20 | 2024-05-31 | 福思(杭州)智能科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN117237334B (zh) * | 2023-11-09 | 2024-03-26 | 江西联益光学有限公司 | 一种基于深度学习的手机镜头杂光检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8208043B2 (en) * | 2008-05-09 | 2012-06-26 | Aptina Imaging Corporation | Lens cleaning warning system and method |
US9253373B2 (en) * | 2012-06-06 | 2016-02-02 | Apple Inc. | Flare detection and mitigation in panoramic images |
CN103983433A (zh) * | 2014-03-26 | 2014-08-13 | 歌尔声学股份有限公司 | 摄像镜头杂散光测试工装及测试方法 |
CN106773515B (zh) * | 2017-02-22 | 2022-10-11 | 昆山丘钛微电子科技股份有限公司 | 杂光自动拍摄机器 |
-
2018
- 2018-12-27 CN CN201811611889.1A patent/CN109741307B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109741307A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741307B (zh) | 摄像模组的杂光检测方法、杂光检测装置及杂光检测系统 | |
WO2019105154A1 (en) | Image processing method, apparatus and device | |
KR102346522B1 (ko) | 영상 처리 장치 및 그것의 자동 화이트 밸런싱 방법 | |
CN111612757B (zh) | 一种屏幕裂纹的检测方法、装置、设备及存储介质 | |
JP6553624B2 (ja) | 計測機器、及びシステム | |
CN111862195A (zh) | 光斑检测方法和装置、终端和存储介质 | |
CN1960439A (zh) | 图像信号处理的方法和装置 | |
US20120133781A1 (en) | System and method for identifying discrepancy of image of object | |
WO2010050412A1 (ja) | 校正指標決定装置、校正装置、校正性能評価装置、システム、方法、及びプログラム | |
CN113516939B (zh) | 亮度校正方法、装置、显示设备、计算设备及存储介质 | |
CN111325717A (zh) | 手机缺陷位置识别方法及设备 | |
CN111008563A (zh) | 一种暗光场景种子发芽检测方法、装置及可读存储介质 | |
CN115602093A (zh) | 基于白色画面进行Demura补偿的方法、系统和设备 | |
US8803998B2 (en) | Image optimization system and method for optimizing images | |
CN116862810A (zh) | 亮度调节方法和装置 | |
AU2013264673A1 (en) | Pattern processing apparatus, pattern processing method, and pattern processing program | |
WO2023040431A1 (zh) | 一种色调映射方法、设备及系统 | |
CN116249015A (zh) | 摄像头遮挡检测方法、装置、摄像头设备及存储介质 | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别系统 | |
CN112734719B (zh) | 一种图像传感器的坏点检测方法、存储介质以及拍摄装置 | |
CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
CN114998418A (zh) | 一种基于fpga的最大连通域中心位置的判断方法 | |
TW202223836A (zh) | 校正異常點雲資料之方法 | |
CN110672631A (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 | |
CN112183158A (zh) | 一种谷物烹饪设备的谷物种类识别方法和谷物烹饪设备 |
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 |