CN110611808A - 一种相机的解析力测试方法和装置 - Google Patents
一种相机的解析力测试方法和装置 Download PDFInfo
- Publication number
- CN110611808A CN110611808A CN201910798855.6A CN201910798855A CN110611808A CN 110611808 A CN110611808 A CN 110611808A CN 201910798855 A CN201910798855 A CN 201910798855A CN 110611808 A CN110611808 A CN 110611808A
- Authority
- CN
- China
- Prior art keywords
- area
- wire harness
- wedge
- region
- roi
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明一实施例提供一种相机的解析力测试方法,包括:将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致;分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域;所述线束区域中获取线束的总长度和实际线束长度;根据实际线束长度和线束的总长度之比,计算得到解析力。本发明实施例能够实现各区的楔形线的自动定位、楔形线线束的读取,从而实现相机的解析力测试的自动化。
Description
技术领域
本发明涉及相机性能测试领域,尤其涉及一种相机的解析力测试方法和装置。
背景技术
相机的清晰度,又称为解析力或分辨率,是体现相机质量的重要参数。
TVline作为解析力的测试方式之一,是其中最直观的一种测试方式,以ISO12233作为解析的标准
ISO12233测试卡广泛应用于相机的解析力测试,测试方法是:相机拍摄这张卡,调整相机的位置使整张图像铺满屏,再通过人工读取测试卡上楔形线的读数,能分辨的线束位置的值越大,表示相机的解析力就越高。但是,这种使用人工测试的方法测试的效率不高,并且无法实现自动化。
发明内容
为了解决上述技术问题,本发明提供一种相机的解析力测试方法和装置,以实现对ISO12233测试卡各区的楔形线的自动定位、楔形线线束的读取,从而实现相机的解析力测试的自动化。
本发明一实施例提供一种相机的解析力测试方法,包括:将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致;
分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域;
从所述线束区域中获取线束的总长度和实际线束长度;
根据实际线束长度和线束的总长度之比,计算得到解析力。
进一步地,所述对中间区域的楔形线进行定位,获取线束区域,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
进一步地,所述对任一个十字楔形线进行定位,获取线束区域,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
进一步地,所述从线束区域中获取线束的总长度和实际线束长度,具体的,包括:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
本发明另一实施例还提供一种相机的解析力测试装置,其特征在于,包括:
划分单元,用于将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致;
定位单元,用于分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域;
获取单元,从所述线束区域中获取线束的总长度和实际线束长度;
计算单元,用于根据实际线束长度和线束的总长度之比,计算得到解析力。
进一步地,所述对中间区域的楔形线进行定位,以获取线束区域,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
进一步地,所述对任一个十字楔形线进行定位,获取线束区域,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
进一步地,所述从线束区域中获取线束的总长度和实际线束长度,具体的,包括:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
相比于现有技术,本发明实施例的有益效果在于,本发明实施例能够在没有任何特征标记的ISO12233卡中实现对各区楔形线自动定位,从而能够从线束区域中获得线束的实际长度和线束的总长度,进而能够得到相机的解析力,实现相机的解析力测试的自动化。这种带有自动定位和智能解析线束的功能方便用在相机的自动化测试中,并且留有较大的冗余,降低了对自动化设备的精度要求,保证了测试的过程稳定和结果的有效性
附图说明
图1是ISO12233测试卡的图像。
图2是本发明一实施例提供的一种相机的解析力测试方法的流程图;
图3是本发明另一实施例提供的一种相机的解析力测试装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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作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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
参阅图1-图2,本发明实施例提供一种相机的解析力测试方法,包括:
S1、相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致。
其中,左上区域为第1区、左下区域为第2区、中间区域为第3区,右下区域为第4区,右上区域为第5区。
S2、分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域。
在其中一种实施例中,当对中间区域的楔形线进行定位,获取线束区域时,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
通过以上步骤,中间区域的楔形线就完成了定位
在本实施例中,应当理解的是,因为在测试ISO12233需要保证此测试卡需要满屏的情况下才能读数,所以依据规则获取相机所拍摄的图片后,在图片的中间区域抠出一块比中间的方形大四倍的ROI区域,用于矩形识别。定位中间的矩形ROI转换为灰度图,在设定的阈值范围内按5个阶梯二值化,每次按不同的阈值二值化后执行一次膨胀,让矩形内部实现完全填充,再执行一次腐蚀,使这个矩形和左右两边的楔形线断开连接。将断开和楔形线连接的矩形取轮廓,并做四边形逼近,如果四边形四条边的夹角接近90度则就是需要定位的矩形。再根据中间楔形线和这个矩形的相对位置关系,就可以成功定位实际包含中间区域楔形线的ROI区域,至此获得线束区域,中间区域的中间楔形线也完成了定位。
在其中一种优选的实施例中,当对任一个十字楔形线进行定位,获取线束区域时,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
在本实施例中,应当理解的是,在测试卡满屏的情况下,左右两边的楔形线在相机拍摄到的图片上的位置相对是固定的,截取一个稍微大于十字楔形线的大概位置,接着对这个截取的区域做精细分析。首先使用自适应阈值二值化这个区域,再使用一个合适的腐蚀半径将十字楔形线的线束腐蚀掉。将腐蚀后的二值图使用形态学的特征做轮廓筛选,就可以获得十字楔形线中间区域的中心方形。通过这个中心位置就可以精细的裁剪出不包含中心方形的线束区域。
S3、从所述线束区域中获取线束的总长度和实际线束长度。
具体的,包括以下步骤:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
在本实施例中,应当理解的是,使用自适应二值化线束区域图像,然后执行一次合适的膨胀,就可以得到完整的线束长度。使用形态学特征轮廓筛选,筛选出的轮廓并做最小外接矩形,这获得了此线束的总长度。将线束区域的图像做一次大津法的二值化,并且使用合适的腐蚀参数,去掉能够区分出纹理的线束区域,并将剩下的部分做最小外接矩形,这样获得了此线束的实际线束长度。
S4、根据实际线束长度和线束的总长度之比,计算得到解析力。
本发明实施例能够在在繁杂的特征中,通过一步步由粗到精慢慢逼近目标,从而能够在没有任何特征标记的ISO12233卡中实现对各区楔形线自动定位,从而能够从线束区域中获得线束的实际长度和线束的总长度,进而能够得到相机的解析力,实现相机的解析力测试的自动化。这种带有自动定位和智能解析线束的功能方便用在相机的自动化测试中,并且留有较大的冗余,降低了对自动化设备的精度要求,保证了测试的过程稳定和结果的有效性。
参阅图1,图3,本发明实施例还提供一种相机的解析力测试装置,包括:划分单元1,用于将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致。
定位单元2,用于分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域。
在其中一种实施例中,当对中间区域的楔形线进行定位,获取线束区域时,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
通过以上步骤,中间区域的楔形线就完成了定位
在本实施例中,应当理解的是,因为在测试ISO12233需要保证此测试卡需要满屏的情况下才能读数,所以依据规则获取相机所拍摄的图片后,在图片的中间区域抠出一块比中间的方形大四倍的ROI区域,用于矩形识别。定位中间的矩形ROI转换为灰度图,在设定的阈值范围内按5个阶梯二值化,每次按不同的阈值二值化后执行一次膨胀,让矩形内部实现完全填充,再执行一次腐蚀,使这个矩形和左右两边的楔形线断开连接。将断开和楔形线连接的矩形取轮廓,并做四边形逼近,如果四边形四条边的夹角接近90度则就是需要定位的矩形。再根据中间楔形线和这个矩形的相对位置关系,就可以成功定位实际包含中间区域楔形线的ROI区域,至此获得线束区域,中间区域的中间楔形线也完成了定位。
在其中一种优选的实施例中,当对任一个十字楔形线进行定位,获取线束区域时,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
在本实施例中,应当理解的是,在测试卡满屏的情况下,左右两边的楔形线在相机拍摄到的图片上的位置相对是固定的,截取一个稍微大于十字楔形线的大概位置,接着对这个截取的区域做精细分析。首先使用自适应阈值二值化这个区域,再使用一个合适的腐蚀半径将十字楔形线的线束腐蚀掉。将腐蚀后的二值图使用形态学的特征做轮廓筛选,就是可以获得十字楔形线中间区域的中心方形。通过这个中心位置就可以精细的裁剪出不包含中心方形的线束区域。
获取单元3,用于从所述线束区域中获取线束的总长度和实际线束长度。
具体的,包括以下步骤:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
在本实施例中,应当理解的是,使用自适应二值化线束区域图像,然后执行一次合适的膨胀,就可以得到完整的线束长度。使用形态学特征轮廓筛选,筛选出的轮廓并做最小外接矩形,以获得了此线束的总长度。将线束区域的图像做一次大津法的二值化,并且使用合适的腐蚀参数,去掉能够区分出纹理的线束区域,并将剩下的部分做最小外接矩形,这样就获得了此线束的实际线束长度。
计算单元4,用于根据实际线束长度和线束的总长度之比,计算得到解析力。
本发明实施例能够在在繁杂的特征中,通过一步步由粗到精慢慢逼近目标,从而能够在没有任何特征标记的ISO12233卡中实现对各区楔形线的自动定位,从而能够从线束区域中获得线束的实际长度和线束的总长度,进而能够得到相机的解析力,实现相机的解析力测试的自动化。这种带有自动定位和智能解析线束的功能方便用在相机的自动化测试中,并且留有较大的冗余,降低了对自动化设备的精度要求,保证了测试的过程稳定和结果的有效性。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种相机的解析力测试方法,其特征在于,包括:
将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致;
分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域;
从所述线束区域中获取线束的总长度和实际线束长度;
根据实际线束长度和线束的总长度之比,计算得到解析力。
2.如权利要求1所述的相机的解析力测试方法,其特征在于,所述对中间区域的楔形线进行定位,获取线束区域,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
3.如权利要求1所述的相机的解析力测试方法,其特征在于,所述对任一个十字楔形线进行定位,获取线束区域,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
4.如权利要求1-3任一项所述的相机的解析力测试方法,其特征在于,所述从线束区域中获取线束的总长度和实际线束长度,具体的,包括:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
5.一种相机的解析力测试装置,其特征在于,包括:
划分单元,用于将相机对ISO12233测试卡拍摄得到的铺满屏幕的图像划分左上、左下、右上、右下和中间5个区域;其中,所述图像包括位于中间区域的楔形线和分别位于所述左上、左下、右上、右下区域的十字楔形线,所述左上、左下、右上和右下4个区域的十字楔形线的图案一致;
定位单元,用于分别对所述中间区域的楔形线和任一个所述十字楔形线进行定位,获取对应的线束区域;
获取单元,从所述线束区域中获取线束的总长度和实际线束长度;
计算单元,用于根据实际线束长度和线束的总长度之比,计算得到解析力。
6.如权利要求5所述的相机的解析力测试装置,其特征在于,所述对中间区域的楔形线进行定位,获取线束区域,具体的,包括:
在中间区域自动截取一块比中间的方形大4倍的区域作为ROI区域,用于矩形识别;
将所述ROI区域转换为灰度图;
在设定的阈值范围内按若5个阶梯对所述灰度图进行二值化,在每次按不同的阈值进行二值化后,执行一次膨胀,以使ROI区域内部实现完全填充;
对经过最后一次膨胀后的ROI区域进行腐蚀,以使所述ROI区域与左右两边的楔形线断开连接;
提取腐蚀后的ROI区域的轮廓,并对所述轮廓做四边形逼近,得到第一目标矩形;
根据中间楔形线和所述第一目标矩形的相对位置关系,定位包含中间区域的楔形线的ROI区域,获得线束区域。
7.如权利要求5所述的相机的解析力测试装置,其特征在于,所述对任一个十字楔形线进行定位,获取线束区域,具体的,包括:
在十字楔形线的位置处自动截取一个比所述十字楔形线面积大的区域;
采用自适应阈值二值化所述截取的区域;
对二值化后的截取的区域进行腐蚀,以将十字楔形线的线束腐蚀掉;
使用形态学特征对腐蚀后的区域进行轮廓筛选,获得十字楔形线中间区域的中心方形;
裁剪出不包含所述中心方形的线束区域。
8.如权利要求5-7任一项所述的相机的解析力测试装置,其特征在于,所述从线束区域中获取线束的总长度和实际线束长度,具体的,包括:
采用自适应阈值二值化线束区域;
对二值化后的线束区域进行膨胀,以获得完整的线束长度;
使用形态学特征进行轮廓筛选,并对筛选出的轮廓做最小外接矩形,以获得所述线束的总长度;
采用大津法将线束区域进行二值化,并采用腐蚀参数,去掉能够区分出纹理的线束区域;
将腐蚀后的图像做最小外接矩形,以获得所述线束的实际线束长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910798855.6A CN110611808B (zh) | 2019-08-27 | 2019-08-27 | 一种相机的解析力测试方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910798855.6A CN110611808B (zh) | 2019-08-27 | 2019-08-27 | 一种相机的解析力测试方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110611808A true CN110611808A (zh) | 2019-12-24 |
CN110611808B CN110611808B (zh) | 2021-02-05 |
Family
ID=68890809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910798855.6A Active CN110611808B (zh) | 2019-08-27 | 2019-08-27 | 一种相机的解析力测试方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110611808B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3986326B2 (ja) * | 2002-02-28 | 2007-10-03 | オリンパス株式会社 | 解像度測定装置及び測定方法 |
CN101557537A (zh) * | 2009-04-20 | 2009-10-14 | 欧学平 | 一种自动判定解析度的方法 |
JP4828728B2 (ja) * | 2001-06-21 | 2011-11-30 | オリンパス株式会社 | 解像度測定装置および解像度測定方法 |
CN104517101A (zh) * | 2014-12-19 | 2015-04-15 | 中南大学 | 一种基于像素平方差匹配的游戏扑克牌识别方法 |
CN106846352A (zh) * | 2016-12-30 | 2017-06-13 | 歌尔科技有限公司 | 一种用于镜头解析力测试的刀口图片获取方法和装置 |
CN106842804A (zh) * | 2016-12-28 | 2017-06-13 | 歌尔科技有限公司 | 一种TV Line解析测试图卡及其解析测试方法 |
-
2019
- 2019-08-27 CN CN201910798855.6A patent/CN110611808B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4828728B2 (ja) * | 2001-06-21 | 2011-11-30 | オリンパス株式会社 | 解像度測定装置および解像度測定方法 |
JP3986326B2 (ja) * | 2002-02-28 | 2007-10-03 | オリンパス株式会社 | 解像度測定装置及び測定方法 |
CN101557537A (zh) * | 2009-04-20 | 2009-10-14 | 欧学平 | 一种自动判定解析度的方法 |
CN104517101A (zh) * | 2014-12-19 | 2015-04-15 | 中南大学 | 一种基于像素平方差匹配的游戏扑克牌识别方法 |
CN106842804A (zh) * | 2016-12-28 | 2017-06-13 | 歌尔科技有限公司 | 一种TV Line解析测试图卡及其解析测试方法 |
CN106846352A (zh) * | 2016-12-30 | 2017-06-13 | 歌尔科技有限公司 | 一种用于镜头解析力测试的刀口图片获取方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110611808B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7127107B2 (en) | Land partition data generating method and apparatus | |
CN110705405B (zh) | 目标标注的方法及装置 | |
CN106846352B (zh) | 一种用于镜头解析力测试的刀口图片获取方法和装置 | |
CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
CN110059702B (zh) | 一种物体轮廓识别方法及装置 | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
CN114022403A (zh) | 检测显示面板不良的方法及装置 | |
CN110414341A (zh) | 一种基于无人机技术的露天矿爆堆测量统计方法 | |
CN110490181B (zh) | 一种基于ocr识别技术的表单填写审核方法、装置、设备以及计算机存储介质 | |
CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN111353485B (zh) | 印章识别方法、装置、设备及介质 | |
CN111461100A (zh) | 一种票据识别方法、装置、电子设备和存储介质 | |
CN114897847A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
CN111027343A (zh) | 条形码区域定位方法和装置 | |
CN112581452A (zh) | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 | |
CN110443814B (zh) | 车辆的定损方法、装置、设备和存储介质 | |
CN110611808B (zh) | 一种相机的解析力测试方法和装置 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
CN113705350A (zh) | 变电站的指针仪表读数识别方法、装置、介质和电子设备 | |
CN113111728A (zh) | 面向变电站内电力生产作业风险的智能识别方法及系统 | |
CN116631003A (zh) | 基于p&id图纸的设备识别方法、装置、存储介质及电子设备 | |
CN116778357A (zh) | 利用可见光缺陷识别的电力线路无人机巡检方法和系统 | |
JP2000048120A (ja) | 濃淡画像の文字領域抽出方法及びそのプログラムを記録した記録媒体 | |
CN114627482A (zh) | 基于图像处理与文字识别实现表格数字化处理方法及系统 |
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 |