CN110049319B

CN110049319B - 一种摄像头清晰度检测方法及清晰度检测图卡

Info

Publication number: CN110049319B
Application number: CN201910385474.5A
Authority: CN
Inventors: 王博文
Original assignee: Individual
Current assignee: Individual
Priority date: 2019-05-09
Filing date: 2019-05-09
Publication date: 2020-12-22
Anticipated expiration: 2039-05-09
Also published as: CN110049319A

Abstract

本发明实施例公开了一种摄像头清晰度检测方法及清晰度检测图卡，涉及图像处理技术领域。所述方法利用具有定位块、楔形线簇和清晰度等级标识的清晰度检测图卡对摄像头的清晰度进行检测，所述方法包括：读取摄像头拍摄的清晰度检测图卡的图片；获取所述图片的梯度值，根据所述梯度值对清晰度进行预判；检测所述图片中的定位块；通过所述定位块的位置锁定楔形线的位置；利用楔形线对清晰度进行检测；其中，检测过程包括：像素点分段检测和排除摩尔纹干扰。本发明能够更加准确的检测出摄像头清晰度，以解决现有技术中摄像头清晰度算法精确度不够的问题。

Description

一种摄像头清晰度检测方法及清晰度检测图卡

技术领域

本发明实施例涉及图像处理技术领域，具体涉及一种摄像头清晰度检测方法及清晰度检测图卡。

背景技术

随着生活质量的提高，人们对手机、摄像机等可摄影设备的要求越来越高，为了保证客户体验，摄像头厂家在生产摄像头时需要对摄像头进行对焦检测，使得出厂摄像头的对焦功能可以正常使用，且需要对摄像头的清晰度进行检测，从而保证良好的产品质量。

而传统的摄像头对焦检测方法是通过测试人员人工移动摄像头、手动触发对焦，并肉眼观察对焦后摄像头拍摄所得到的图片是否清晰，以此判断摄像头的对焦是否正常，预判清晰度。然而，人工检测会耗费大量的人力，不利于生产成本的降低。后续出现了采用SFR摄像头清晰度算法来监测摄像头的清晰度，但是SFR摄像头清晰度算法测得的值达不到精度要求，很多摄像头用SFR算法不能精确的测试清晰度的值，而MTF又只能检测一个清晰度的值。由此导致测得的摄像头清晰度不明确。

发明内容

为此，本发明实施例提供一种摄像头清晰度检测方法及清晰度检测图卡，能够更加准确的检测出摄像头清晰度，以解决现有技术中摄像头清晰度算法精确度不够的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，

提供一种摄像头清晰度检测方法，所述方法利用具有定位块、楔形线簇和清晰度等级标识的清晰度检测图卡对摄像头的清晰度进行检测，所述方法包括：读取摄像头拍摄的清晰度检测图卡的图片；获取所述图片的梯度值，根据所述梯度值对清晰度进行预判；检测所述图片中的定位块；通过所述定位块的位置锁定楔形线的位置；利用楔形线对清晰度进行检测；其中，检测过程包括：像素点分段检测和排除摩尔纹干扰。

进一步地，根据所述梯度值对清晰度进行预判时，梯度值与清晰度呈正相关，当梯度值大于门限值时，表示摄像头的清晰度已到达基本值，再利用定位块对清晰度进行精确计算。

进一步地，锁定所述楔形线位置的方法包括：检测到定位块的位置后，利用楔形线与图片背景的色差来确定与每一个定位块相连的楔形线的位置。

进一步地，所述像素点分段检测的方法包括：把每个定位块的楔形线对按照清晰度等级划分成若干等分，其中，每个等分的差值为50，再检测楔形线每个等分区域内梯度值大于150的像素点的个数，若所述梯度值大于150的像素点的个数大于门限值，则表明摄像头的清晰度到达梯度值大于150的像素点所在区域的清晰度等级。

进一步地，所述排除摩尔纹干扰包括：观察相邻的等分区域之间是否有隔断，若有隔断，表明存在摩尔纹区域，则选取排除摩尔纹区域后的清晰度值作为最终精确值。

进一步地，所述清晰度检测方法还包括：选取与清晰度最终精确值相邻的若干等分区域，对清晰度最终精确值所在区域，以及所述若干等分区域内的梯度值大于150的像素点进行求和。

根据本发明实施例的第二方面，

提供一种清晰度检测图卡，用于实现一种摄像头清晰度检测方法，所述清晰度检测图卡包括定位块和楔形线簇，所述定位块包括5个中心定位块和4个四角定位块，所述5个中心定位块为组成对称的“十字”结构，5个中心定位块分别位于“十字”结构的中心和四个顶点，所述4个四角定位块分别位于“十字”结构的外围，并对称分布与四个顶角，所述楔形线簇包括中心楔形线和四角楔形线，位于“十字”结构四个顶点的定位块均通过中心楔形线与位于“十字”结构中心的中心定位块相连，每个四角定位块上连接有两个互相垂直的楔形线，且两个互相垂直的楔形线所形成的直角朝向“十字”结构的中心。

进一步地，所述5个中心定位块均为正方形，所述5个中心定位块均为圆形。

本发明实施例具有如下优点：

(1)本发明实施例采用定位块和楔形线搭配的新型的清晰度测试图卡，读数准确；

(2)本发明先对清晰度进行预判，达到快速调焦的作用，且通过图片整体梯度值来实现快速调节摄像头清晰度值，等调节到快要达到最清晰时切换为检测楔形线达到了多少线对来保证清晰度；

(3)本发明实施例采用排除摩尔纹干扰来增加检测的精确度。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明实施例提供的一种摄像头清晰度检测方法的步骤图；

图2为本发明实施例提供的一种清晰度检测图卡示意图；

图中：中间检测区域A、中心定位块1、四角定位块2、四角楔形线3、中心楔形线4。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参考图1，本发明实施例提供一种摄像头清晰度检测方法，上述方法利用具有定位块、楔形线簇和清晰度等级标识的清晰度检测图卡对摄像头的清晰度进行检测。

参考图2，清晰度检测图卡包括定位块和楔形线簇，上述定位块包括5个中心定位块1和4个四角定位块2，5个中心定位块1为组成对称的“十字”结构，5个中心定位块1分别位于“十字”结构的中心和四个顶点，4个四角定位块2分别位于“十字”结构的外围，并对称分布与四个顶角。楔形线簇包括中心楔形线4和四角楔形线3，位于“十字”结构四个顶点的定位块均通过中心楔形线4与位于“十字”结构中心的中心定位块1相连，每个四角定位块2上连接有两个互相垂直的四角楔形线3，且两个互相垂直的四角楔形线3所形成的直角朝向“十字”结构的中心。楔形线簇上设置有清晰度等级标识，优选地，5个中心定位块1均为正方形，5个中心定位块1均为圆形，且中心定位块1和四角定位块2的颜色为不同的彩色。清晰度检测图卡的大小可根据摄像头的属性自由设定，以使其具有很强的适用性。

摄像头清晰度检测方法主要包括：

S1，读取摄像头拍摄的清晰度检测图卡的图片；

在对摄像头的清晰度进行检测时，利用摄像头对清晰度检测图卡进行拍照，并通过调节摄像头的焦距，观察拍摄的画面清晰度获取较为清晰的清晰度检测图卡的图片。因此，还具有在摄像模组生产过程中对摄像头进行调焦的作用。

S2，获取上述图片的梯度值，根据上述梯度值对清晰度进行预判；

对清晰度进行检测时，主要检测清晰度测试图卡中间检测区域A的梯度值。利用图像处理算法获取图片的梯度值，梯度值与清晰度呈正相关，即梯度值越大图片越清晰，当梯度值大于门限值时，表示摄像头的清晰度已到达基本值，门限值可以依据现有数据库的经验值来决定，再利用定位块对清晰度进行精确计算。

S3，检测上述图片中的定位块；

利用图像处理算法根据定位块的色彩，形状，大小，找到画面中的9个彩色定位块，分别对“十字”结构上的中心定位块1的位置进行识别。

S4，通过上述定位块的位置锁定楔形线的位置；

检测到定位块的位置后，利用楔形线与图片背景的色差来确定与每一个定位块相连的楔形线的位置。其中，清晰度指影像上各细部影纹及其边界的清晰程度。清晰度，摄像机一般使用分解力一词来衡量它"分解被摄景物细节"的能力，单位是TVLine即本申请的楔形线，楔形线簇由多个曲线，一端集聚一端发散，通过观察多个曲线之间是否有空隙来读取其相应的清晰度，且清晰度的单位为100，即若图中的读数为11，则其清晰度为1100。

S5，利用楔形线对清晰度进行检测；检测过程包括：像素点分段检测和排除摩尔纹干扰。

具体地，把每个定位块的楔形线对按照清晰度等级划分成若干等分，其中，每个等分的差值为50，再检测楔形线每个等分区域内梯度值大于150的像素点的个数，若上述梯度值大于150的像素点的个数大于门限值，则表明摄像头的清晰度到达梯度值大于150的像素点所在区域的清晰度等级。比如图片中1000清晰度区域梯度值大于150的点有200个点，大于点数门限，则表明该图片的清晰度值达到1000线对。

上述排除摩尔纹干扰包括：观察相邻的等分区域之间是否有隔断，若有隔断，表明存在摩尔纹区域，则选取排除摩尔纹区域后的清晰度值作为最终精确值，且采用从最高密度线对位置向最低密度线对位置检测，和从最低密度线对位置向最高密度线对位置检测的双向检测方法来排除摩尔纹影响。如1000、1100、1300的区域达到清晰度，但1200的区域没有达到清晰度，就证明1300的区域是摩尔纹，图像清晰度只达到1100。

另外，选取与清晰度最终精确值相邻的若干等分区域，对清晰度最终精确值所在区域，以及上述若干等分区域内的梯度值大于150的像素点进行求和，得到总像素点，利用总像素点和清晰度的值对摄像头的清晰度进行总体测评。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims

1.一种摄像头清晰度检测方法，其特征在于，所述方法利用具有定位块、楔形线簇和清晰度等级标识的清晰度检测图卡对摄像头的清晰度进行检测，所述方法包括：

读取摄像头拍摄的清晰度检测图卡的图片；

获取所述图片的梯度值，根据所述梯度值对清晰度进行预判；

检测所述图片中的定位块；

通过所述定位块的位置锁定楔形线簇的位置，其中，所述通过所述定位块的位置锁定楔形线簇的位置具体包括：利用楔形线簇与图片背景的色差来确定与每一个定位块相连的楔形线簇的位置；

利用楔形线簇对清晰度进行检测，其中，所述利用楔形线簇对清晰度进行检测的检测过程包括：像素点分段检测和排除摩尔纹干扰；

所述像素点分段检测包括：把每个定位块的楔形线簇按照清晰度等级划分成若干等分，其中，相邻等分之间清晰度等级的差值为50，再检测所述图片中对应所述楔形线簇的每个等分区域的梯度值大于150的像素点的个数，若所述梯度值大于150的像素点的个数大于门限值，则表明摄像头的清晰度达到梯度值大于150的像素点所在区域的清晰度等级；

所述排除摩尔纹干扰包括：观察相邻的等分区域之间是否有间隔，若有间隔，表明存在摩尔纹区域，则选取排除摩尔纹区域后的清晰度值作为最终精确值;

所述方法还包括：选取与最终精确值对应的等分区域的相邻若干等分区域，对最终精确值对应的等分区域以及选取的所述相邻若干等分区域内的梯度值大于150的像素点的个数进行求和，利用所述求和的结果和所述最终精确值对摄像头的清晰度进行总体测评。

2.如权利要求1所述的一种摄像头清晰度检测方法，其特征在于，根据所述梯度值对清晰度进行预判时，梯度值与清晰度呈正相关，当梯度值大于门限值时，表示摄像头的清晰度已达到基本值。

3.如权利要求1-2任一项所述的方法，所述清晰度检测图卡包括定位块和楔形线簇，所述定位块包括5个中心定位块和4个四角定位块，所述5个中心定位块组成对称的“十字”结构，5个中心定位块分别位于“十字”结构的中心和四个顶点，所述4个四角定位块分别位于“十字”结构的外围，并对称分布于图卡的四个顶角，所述楔形线簇包括中心楔形线簇和四角楔形线簇，位于“十字”结构四个顶点的定位块均通过中心楔形线簇与位于“十字”结构中心的中心定位块相连，每个四角定位块上连接有两个互相垂直的楔形线簇，且两个互相垂直的楔形线簇所形成的直角朝向“十字”结构的中心。

4.如权利要求3所述的方法，所述5个中心定位块均为正方形，所述4个四角定位块均为圆形。