CN110430424B - Fov的测试方法、装置、存储介质及电子设备 - Google Patents
Fov的测试方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110430424B CN110430424B CN201910594622.4A CN201910594622A CN110430424B CN 110430424 B CN110430424 B CN 110430424B CN 201910594622 A CN201910594622 A CN 201910594622A CN 110430424 B CN110430424 B CN 110430424B
- Authority
- CN
- China
- Prior art keywords
- hash value
- picture
- pictures
- fov
- test
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本公开提供一种FOV的测试方法、装置、存储介质及电子设备,用以快速准确的确定各摄像装置的FOV是否相同,该FOV的测试方法包括:获取基于同一场景生成的至少两张测试图片;获取每张所述测试图片的特征信息;对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息;根据所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种FOV的测试方法、装置、存储介质及电子设备。
背景技术
随着互联网技术的蓬勃发展,出现了越来越多的拍摄应用程序(APPlicationProgram,APP)。在对拍摄APP质量的测试中,视场角(Field of View,FOV)的测试尤为关键。
相关技术中,在固定拍摄场景下,用不同的摄像装置(例如拍摄APP、相机)或相同摄像装置的不同版本来拍摄图片,并人工主观对比拍摄的图片来判断各摄像装置的FOV是否相同,但人工对比容易出错且耗时较多。
发明内容
本公开提供一种FOV的测试方法、装置、存储介质及电子设备,用以快速准确的确定各摄像装置的FOV是否相同。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种FOV的测试方法,包括:
获取基于同一场景生成的至少两张测试图片;
获取每张所述测试图片的特征信息;
对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息;
根据所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
在一可能的实现方式中,所述两张图片包括:第一摄像装置生成的第一图片以及第二摄像装置生成的第二图片;
所述特征信息包括所述第一图片的特征信息和所述第二图片的特征信息;
所述特征信息包括哈希值;
所述获取每张所述测试图片的特征信息,包括:
采用感知哈希算法确定所述第一图片的第一哈希值以及所述第二图片的第二哈希值。
在一可能的实现方式中,当所述两张图片为所述第一图片和所述第二图片时,所述根据所述两张图片的特征信息,获取所述两张图片之间的差异信息,包括:
根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离。
在一可能的实现方式中,所述根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离,包括:
将所述第一哈希值与所述第二哈希值进行比较,确定所述第一哈希值和所述第二哈希值对应位置上不同字符的数量,并将所述数量作为所述第一哈希值和所述第二哈希值之间的汉明距离。
在一可能的实现方式中,所述根据所述差异信息,判定两个摄像装置的FOV是否相同,包括:
将所述汉明距离与预设阈值进行比较;
若所述汉明距离不大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV相同;
若所述汉明距离大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV不相同。
根据本公开实施例的第二方面,提供一种FOV的测试装置,包括用于执行第一方面或第一方面的任意可能的实现方式中的FOV的测试方法的模块。
根据本公开实施例的第三方面,提供一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现第一方面或第一方面的任意可能的实现方式中的FOV的测试方法的步骤。
根据本公开实施例的第四方面,提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面或第一方面的任意可能的实现方式中的FOV的测试方法的步骤。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现第一方面或第一方面的任意可能的实现方式中的FOV的测试方法的步骤。
本公开的实施例提供的技术方案至少带来以下有益效果:
在FOV的测试过程中,对于至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息,然后根据该差异信息就可以确定分别生成所述两张图片的两个摄像装置的FOV是否相同,相比于相关技术中通过人工主观对比拍摄的图片来判断各摄像装置的FOV是否相同的方式,本公开的实施例提供的技术方案可以快速准确的确定各摄像装置的FOV是否相同。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种FOV的测试方法的流程图;
图2是根据一示例性实施例示出的一种FOV的测试装置的结构示意图;
图3是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种FOV的测试方法的流程图,如图1所示,本公开实施例提供的一种FOV的测试方法用于带图像处理功能的电子设备中,该电子设备可以为手机、计算机、服务器、IPAD等,该方法包括以下步骤:
S101、获取基于同一场景生成的至少两张测试图片。
本公开实施例中,测试图片可以是摄像装置拍摄的图片,也可以为通过摄像装置生成的预览图片。摄像装置可以为相机、摄像头、拍摄APP等。
在一些实施例中,上述至少两张测试图片包括:第一摄像装置生成的第一图片以及第二摄像装置生成的第二图片。
作为一种示例,在根据FOV对摄像装置分类的应用场景中,各测试图片分别通过各个待测试的摄像装置生成,通过判断哪些摄像装置的FOV相同,从而将拥有相同FOV的摄像装置划分为一类。
作为另一种示例,在测试摄像装置的FOV的应用场景中,第一图片可以是FOV为期望值的摄像装置拍摄的图片,第二图片可以是需要测试FOV的摄像装置拍摄的图片。
例如:在测试不同的拍摄APP的FOV的应用场景中,第一摄像装置可以为FOV为期望值的拍摄APP,第二摄像装置为需要测试FOV的拍摄APP。
再例如:在测试相同拍摄APP的不同版本的FOV的应用场景中,第一摄像装置可以为FOV为期望值的一种版本的拍摄APP,第二摄像装置为需要测试FOV的另一版本的拍摄APP。
S102、获取每张所述测试图片的特征信息。
在一些实施例中,上述特征信息包括所述第一图片的特征信息和所述第二图片的特征信息。
本公开实施例中,图片的特征信息用于表征图片的特征,可以包括图片的哈希值。
在一些实施例中,步骤S102中获取每张所述测试图片的特征信息,可以包括:
采用感知哈希算法确定所述第一图片的第一哈希值以及所述第二图片的第二哈希值。
其中,采用感知哈希算法确定图片的哈希值可以包括以下步骤:
步骤一:缩小图片的尺寸。
将图片缩小到8*8的尺寸,总共64个像素,这样可以摒弃不同尺寸、比例带来的图片差异。
步骤二:简化色彩。
将缩小后的图片,转为64级灰度,也就是说,所有像素点总共只有64种颜色。
步骤三:计算平均值。
计算所有(64个)像素的灰度平均值。
步骤四:比较像素的灰度。
将每个像素的灰度与灰度平均值进行比较,大于或等于灰度平均值,记为1,小于灰度平均值,记为0。
步骤五:计算哈希值。
将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹(即图片的指纹为64位的二进制字符串),组合的次序并不重要,只要保证测试的所有图片都采用同样次序就行了(例如,自左到右、自顶向下、big-endian)。
S103、对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息。
本公开实施例中,对于多张测试图片,可以两张图片一组进行测试,直到确定所有摄像装置的FOV的关系,至于图片的组合规则本公开实施例并不进行限定。例如,有4个拍摄APP,分别为第一APP、第二APP、第三APP和第四APP,第一APP生成第一图片,第二APP生成第二图片,第三APP生成第三图片,第四APP生成第四图片,测试时,可以是第一图片分别与第二图片、第三图片、第四图片各组成一组进行测试,第二图片分别与第三图片、第四图片各组成一组进行测试,第三图片与第四图片组成一组进行测试,最终就能确定这4个拍摄APP的FOV的关系。
在一些实施例中,当所述两张图片为所述第一图片和所述第二图片时,步骤S103中根据所述两张图片的特征信息,获取所述两张图片之间的差异信息,可以包括:
根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离。
在一些实施例中,上述根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离,可以包括:
将所述第一哈希值与所述第二哈希值进行比较,确定所述第一哈希值和所述第二哈希值对应位置上不同字符的数量,并将所述数量作为所述第一哈希值和所述第二哈希值之间的汉明距离。
例如:比较第一图片的64位的二进制字符串与第二图片的64位的二进制字符串对应位置上不同字符的数量,将该数量作为第一哈希值与第二哈希值之间的汉明距离。
S104、根据所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
在一些实施例中,步骤S104中根据所述差异信息,判定两个摄像装置的FOV是否相同,可以包括:
将所述汉明距离与预设阈值进行比较;
若所述汉明距离不大于(即小于或等于)所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV相同,否则,所述第一摄像装置的FOV与所述第二摄像装置的FOV不相同,或者说,若所述汉明距离大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV不相同。
本公开实施例中,预设阈值可以为3、4或5。
例如:若汉明距离小于或等于3,则第一摄像装置的FOV与第二摄像装置的FOV相同,若汉明距离大于3,则第一摄像装置的FOV与第二摄像装置的FOV不相同。
本公开实施例提供的技术方案,在判定第一摄像装置的FOV与第二摄像装置的FOV是否相同后,可以根据判定结果进行后续处理,比如在不同的拍摄APP的应用场景中,若该判定结果为两者的FOV相同,则可以确定需要测试FOV的拍摄APP的质量与FOV为期望值的拍摄APP的质量相当,可以相互替代;若该判定结果为两者的FOV不相同,则可以确定需要测试FOV的拍摄APP的质量与FOV为期望值的拍摄APP的质量不同,因此不可以替代。
再比如在相同拍摄APP的不同版本的应用场景中,若该判定结果为两者的FOV相同,则可以确定需要测试FOV的一种版本的拍摄APP与FOV为期望值的另一种版本的拍摄APP的质量相当,因此该版本的拍摄APP质量达标,是可以推出到市场的;若该判定结果为两者的FOV不相同,则可以确定需要测试FOV的一种版本的拍摄APP与FOV为期望值的另一种版本的拍摄APP的质量不同,因此该版本的拍摄APP质量是不达标的,不可以推出到市场。
基于同一发明构思,本公开实施例还提供了一种FOV的测试装置,图2是根据一示例性实施例示出的一种FOV的测试装置框图。参照图2,该FOV的测试装置包括:图片获取模块11、特征信息获取模块12、差异信息确定模块13和测试模块14。
其中,图片获取模块11,被配置为获取基于同一场景生成的至少两张测试图片;
特征信息获取模块12,被配置为获取每张所述测试图片的特征信息;
差异信息确定模块13,被配置为对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息;
测试模块14,被配置为根据差异信息确定模块13确定的所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
在一可能的实现方式中,所述至少两张测试图片包括:第一摄像装置生成的第一图片以及第二摄像装置生成的第二图片;
所述特征信息包括所述第一图片的特征信息和所述第二图片的特征信息;
特征信息包括哈希值;
特征信息获取模块12被配置为:
采用感知哈希算法确定所述第一图片的第一哈希值以及所述第二图片的第二哈希值。
在一可能的实现方式中,差异信息确定模块13被配置为:
当所述两张图片为所述第一图片和所述第二图片时,根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离。
在一可能的实现方式中,差异信息确定模块13被配置为:
将所述第一哈希值与所述第二哈希值进行比较,确定所述第一哈希值和所述第二哈希值对应位置上不同字符的数量,并将所述数量作为所述第一哈希值和所述第二哈希值之间的汉明距离。
在一可能的实现方式中,测试模块14被配置为:
将所述汉明距离与预设阈值进行比较;
若所述汉明距离不大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV相同;
若所述汉明距离大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV不相同。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
基于同一发明构思,本公开实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任意可能的实现方式中的FOV的测试方法的步骤。
可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
基于同一发明构思,本公开实施例还提供了一种计算机程序产品,包括计算机程序,所述程序被处理器执行时实现上述任意可能的实现方式中的FOV的测试方法的步骤。
基于同一发明构思,参见图3,本公开实施例还提供了一种电子设备,包括存储器71(例如非易失性存储器)、处理器72及存储在存储器71上并可在处理器72上运行的计算机程序,处理器72执行所述程序时实现上述任意可能的实现方式中的FOV的测试方法的步骤。该电子设备例如可以为手机、计算机、服务器、IPAD等。
如图3所示,该电子设备一般还可以包括:内存73、网络接口74、以及内部总线75。除了这些部件外,还可以包括其他硬件,对此不再赘述。
需要指出的是,上述FOV的测试装置可以通过软件实现,其作为一个逻辑意义上的装置,是通过其所在的电子设备的处理器72将非易失性存储器中存储的计算机程序指令读取到内存73中运行形成的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现:有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序,即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地,程序指令可以被编码在人工生成的传播信号上,例如机器生成的电、光或电磁信号,该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行,以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行,并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括,例如通用和/或专用微处理器,或任何其他类型的中央处理单元。通常,中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备,例如磁盘、磁光盘或光盘等,或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据,抑或两种情况兼而有之。然而,计算机不是必须具有这样的设备。此外,计算机可以嵌入在另一设备中,例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备,仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备,例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节,但是这些不应被解释为限制任何发明的范围或所要求保护的范围,而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面,在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外,虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除,并且所要求保护的组合可以指向子组合或子组合的变型。
类似地,虽然在附图中以特定顺序描绘了操作,但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离,并且应当理解,所描述的程序组件和系统通常可以一起集成在单个软件产品中,或者封装成多个软件产品。
由此,主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下,权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外,附图中描绘的处理并非必需所示的特定顺序或顺次顺序,以实现期望的结果。在某些实现中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种FOV的测试方法,其特征在于,包括:
获取基于同一场景生成的至少两张测试图片;
获取每张所述测试图片的特征信息,所述获取每张测试图片的特征信息至少包括:采用感知哈希算法确定每张测试图片的哈希值;
对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息;
根据所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
2.根据权利要求1所述的方法,其特征在于,所述两张图片包括:第一摄像装置生成的第一图片以及第二摄像装置生成的第二图片;
所述特征信息包括所述第一图片的特征信息和所述第二图片的特征信息;
所述特征信息包括哈希值;
所述获取每张所述测试图片的特征信息,包括:
采用感知哈希算法确定所述第一图片的第一哈希值以及所述第二图片的第二哈希值。
3.根据权利要求2所述的方法,其特征在于,当所述两张图片为所述第一图片和所述第二图片时,所述根据所述两张图片的特征信息,获取所述两张图片之间的差异信息,包括:
根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离,包括:
将所述第一哈希值与所述第二哈希值进行比较,确定所述第一哈希值和所述第二哈希值对应位置上不同字符的数量,并将所述数量作为所述第一哈希值和所述第二哈希值之间的汉明距离。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述差异信息,判定两个摄像装置的FOV是否相同,包括:
将所述汉明距离与预设阈值进行比较;
若所述汉明距离不大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV相同;
若所述汉明距离大于所述预设阈值,则所述第一摄像装置的FOV与所述第二摄像装置的FOV不相同。
6.一种FOV的测试装置,其特征在于,包括:
图片获取模块,被配置为获取基于同一场景生成的至少两张测试图片;
特征信息获取模块,被配置为获取每张所述测试图片的特征信息,所述获取每张测试图片的特征信息至少包括:采用感知哈希算法确定每张测试图片的哈希值;
差异信息确定模块,被配置为对于所述至少两张测试图片中的任两张图片,根据所述两张图片的特征信息,获取所述两张图片之间的差异信息;
测试模块,被配置为根据所述差异信息确定模块确定的所述差异信息,判定两个摄像装置的FOV是否相同,所述两个摄像装置用于分别生成所述两张图片。
7.根据权利要求6所述的装置,其特征在于,所述两张图片包括:第一摄像装置生成的第一图片以及第二摄像装置生成的第二图片;
所述特征信息包括所述第一图片的特征信息和所述第二图片的特征信息;
所述特征信息包括哈希值;
所述特征信息获取模块被配置为:
采用感知哈希算法确定所述第一图片的第一哈希值以及所述第二图片的第二哈希值。
8.根据权利要求7所述的装置,其特征在于,所述差异信息确定模块被配置为:
当所述两张图片为所述第一图片和所述第二图片时,根据所述第一哈希值和所述第二哈希值,确定所述第一哈希值和所述第二哈希值之间的汉明距离。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-5任一项所述方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594622.4A CN110430424B (zh) | 2019-07-03 | 2019-07-03 | Fov的测试方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594622.4A CN110430424B (zh) | 2019-07-03 | 2019-07-03 | Fov的测试方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110430424A CN110430424A (zh) | 2019-11-08 |
CN110430424B true CN110430424B (zh) | 2020-12-04 |
Family
ID=68410159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910594622.4A Active CN110430424B (zh) | 2019-07-03 | 2019-07-03 | Fov的测试方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110430424B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383703A (zh) * | 2020-10-23 | 2021-02-19 | 马上游科技股份有限公司 | 自动取景拍照的方法及系统 |
CN116860630A (zh) * | 2023-07-05 | 2023-10-10 | 珠海视熙科技有限公司 | 设备测试方法、装置、存储介质及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576896A (zh) * | 2008-05-09 | 2009-11-11 | 鸿富锦精密工业(深圳)有限公司 | 相似图片检索系统及方法 |
CN103377473A (zh) * | 2012-04-19 | 2013-10-30 | 腾讯科技(深圳)有限公司 | 一种图像排重方法和装置 |
CN106572349A (zh) * | 2016-11-18 | 2017-04-19 | 维沃移动通信有限公司 | 一种摄像头清洁度的检测方法及移动终端 |
CN108427729A (zh) * | 2018-02-23 | 2018-08-21 | 浙江工业大学 | 一种基于深度残差网络与哈希编码的大规模图片检索方法 |
-
2019
- 2019-07-03 CN CN201910594622.4A patent/CN110430424B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576896A (zh) * | 2008-05-09 | 2009-11-11 | 鸿富锦精密工业(深圳)有限公司 | 相似图片检索系统及方法 |
CN103377473A (zh) * | 2012-04-19 | 2013-10-30 | 腾讯科技(深圳)有限公司 | 一种图像排重方法和装置 |
CN106572349A (zh) * | 2016-11-18 | 2017-04-19 | 维沃移动通信有限公司 | 一种摄像头清洁度的检测方法及移动终端 |
CN108427729A (zh) * | 2018-02-23 | 2018-08-21 | 浙江工业大学 | 一种基于深度残差网络与哈希编码的大规模图片检索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110430424A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6309111B2 (ja) | 撮像条件を検出するための方法および装置 | |
JP4790022B2 (ja) | グラフィックスプロセッシングユニットの使用方法および装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
US9826208B2 (en) | Method and system for generating weights for use in white balancing an image | |
CN110430424B (zh) | Fov的测试方法、装置、存储介质及电子设备 | |
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
US20230214981A1 (en) | Method for detecting appearance defects of a product and electronic device | |
CN115022675B (zh) | 一种视频播放检测的方法和系统 | |
CN111353965B (zh) | 图像修复方法、装置、终端及存储介质 | |
CN111031359B (zh) | 视频播放方法、装置、电子设备和计算机可读存储介质 | |
CN110213605B (zh) | 图像纠正方法、装置及设备 | |
CN107924471B (zh) | 基于高斯拉普拉斯近似的根据单个图像的散焦估计 | |
CN105791659B (zh) | 图像处理方法和电子设备 | |
CN114095722A (zh) | 清晰度的确定方法、装置及设备 | |
CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN111476056B (zh) | 目标物体的识别方法、装置、终端设备及计算机存储介质 | |
CN113628192B (zh) | 图像模糊检测方法、装置、设备、存储介质及程序产品 | |
US8417019B2 (en) | Image correction system and method | |
US10282633B2 (en) | Cross-asset media analysis and processing | |
JP6187235B2 (ja) | 法線ベクトル抽出装置、法線ベクトル抽出方法及び法線ベクトル抽出プログラム | |
JP2015035070A (ja) | 画像照合装置、画像照合方法及びプログラム | |
KR101904108B1 (ko) | 평면 모델링을 통한 깊이 영상의 가변적 블록 부호화 방법 및 장치 | |
JP2017059049A (ja) | 画像処理装置およびその制御方法 | |
CN112399096B (zh) | 一种视频处理方法、设备及计算机可读存储介质 |
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 |