CN110751070A - 一种摄像头成品检测方法 - Google Patents
一种摄像头成品检测方法 Download PDFInfo
- Publication number
- CN110751070A CN110751070A CN201910966041.9A CN201910966041A CN110751070A CN 110751070 A CN110751070 A CN 110751070A CN 201910966041 A CN201910966041 A CN 201910966041A CN 110751070 A CN110751070 A CN 110751070A
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- taint
- center
- pixel
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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]
Abstract
本发明涉及摄像头成品检测技术领域,具体公开了一种摄像头成品检测方法,至少包括清晰度检测步骤、白场环境污点检测步骤。本发明提供的一种摄像头成品检测方法,采用SFR频响曲线中的MTF50P进行清晰度的检测,结果更加准确;采用积分球作为检测光源检测白场污坏点,亮度分布比平面光源更均匀,污坏点检测结果也更加准确;在图卡上设计垂直方向上和水平方向上的标记圆点,FOV检测可覆盖水平和垂直方向;同时还能完成偏心像素、色彩还原性、灰阶、工作电流、黑场环境亮点等检测,基本满足对一个摄像头成品评价参数的检测需求。
Description
技术领域
本发明涉及摄像头成品检测技术领域,尤其涉及一种摄像头成品检测方法。
背景技术
现有车载摄像头成品检测设备检测的项目一般包括清晰度、偏心、污坏点、色彩还原性、灰阶、FOV(视场角)等参数,通过中间和左右共3面LED平面光源照射图卡,然后由摄像头拍照识别图卡的内容进行测试。但在整个测试线中,仍存在下列问题:
1、由于图卡的设计及图像处理算法的差异,检测设备对清晰度的检测仍然不够精准;
2、目前有些设备使用平面光源测试摄像头的污坏点,对于视场角大于180度的摄像头无法实现所有区域进行检测:
3、由于车载摄像头部分是广角镜头,视场角甚至能达到200度以上,中间和左右3个LED光源只能覆盖水平方向视场,而垂直方向视场则完全没有进行测试,这对摄像头成品的检测是存在重大隐患。
发明内容
本发明提供一种摄像头成品检测方法,解决的技术问题是,现有的摄像头成品检测设备还存在清晰度、污坏点检测不够精准,没有检测垂直方向视场的问题。
为解决以上技术问题,本发明提供一种摄像头成品检测方法,至少包括清晰度检测步骤、白场环境污点检测步骤;
所述清晰度检测步骤具体包括步骤:
A1.在获取的第一检测图像上划定中心及四周SFR刀口;
A2.计算每个所述SFR刀口的MTF50P值;
所述白场环境污点检测步骤具体包括步骤:
B1.将镜头放置于积分球内;
B2.在获取的所述镜头拍摄的第二检测图像上标记出污点连通域。
进一步地,所述步骤A1具体包括步骤:
A11.将所述第一检测图像转化为灰度图像;
A12.截取所述第一检测图像上中心及四周共5个感兴趣区域;
A13.对每个所述感兴趣区域进行高斯滤波后,提取所述感兴趣区域中的所有角点像素坐标;
A14.在所述所有角点像素坐标中筛选出中心和上下左右共5个角点坐标;
A15.以中心角点与上下左右角点连接线的中点为中心,按照预设长、宽构建一矩形框,划定初步刀口图像;
A16.对所述初始刀口图像二值化后进行边缘提取得到刀口边缘图像;
A17.利用霍夫函数检测所述刀口边缘图像中的直线,得到所述直线的直线方程;
A18.调整所述矩形框使其中心满足所述直线方程,划定最终刀口图像作为SFR刀口。
进一步地,所述感兴趣区域包括位于中心的第一感兴趣区域和围绕所述第一感兴趣区域均匀分布的第二~第五感兴趣区域,所述第二~第五感兴趣区域中亮块区域为两十字交叉且倾斜放置的三角形,所述第一感兴趣区域中黑块区域为两十字交叉且倾斜放置的菱形。
进一步地,在所述步骤A18中,所述调整所述矩形框使其中心满足所述直线方程,具体为:
将水平方向上的所述矩形框进行上下移动,将垂直方向上的所述矩形框进行左右移动,直至所述矩形框的中点满足所述直线方程,此时划定所述矩形框区域为所述最终刀口图像。
关于步骤A2,
进一步地,所述步骤B2具体包括步骤:
B21.将所述第二检测图像转化为灰度图像后进行二值化,得到黑白图像;
B22.遍历所述黑白图像,根据黑白变化得到所述黑白图像中圆边缘上的像素点;
B23.根据所述圆边缘拟合出一个完整的圆,得到圆图像,并得到所述圆的半径和圆心坐标;
B24.对所述圆图像进行压缩处理后以20*20像素作为一个块,将整副图像分成若干块;
B25.根据所述块内的当前像素值与所述块的平均亮度值确定污点像素,并根据所述污点像素勾勒出污点连通域;
B26.在所述第二检测图像上画出所述污点连通域。
进一步地,所述步骤B25具体包括:
B251.计算4个顶点都在所述圆内的所述块的平均亮度值,并标记所述块内当前像素亮度值与所述平均亮度值的差值大于预设值的像素为污点像素;
B252.对于标记的每个所述污点像素,计算其3*3范围内是否存在其他污点像素,若不存在,则认为这是一个孤立点,不做污点处理,若存在其他污点像素,则计算相连污点像素的连通域作为所述污点连通域,并输出所述污点连通域的中心坐标及面积大小。
本发明提供的一种摄像头成品检测方法,还包括在所述清晰度检测步骤后的偏心像素检测步骤,具体为:
C1.根据所述第一感兴趣区域的交点计算偏心像素。
本发明提供的一种摄像头成品检测方法,还包括在所述偏心像素检测步骤后的色彩还原性、灰阶检测步骤,具体包括步骤:
D1.定位出所述第一检测图像中心12色卡区域中每个单色方块的中心位置;
D2.计算所述12色卡的色彩还原性和灰阶。
本发明提供的一种摄像头成品检测方法,还包括在所述色彩还原性、灰阶检测步骤后的FOV检测步骤、工作电流检测步骤;
所述FOV检测步骤具体包括步骤:
E1.定位出所述第一检测图像中部水平和垂直方向共4个标记圆点;
E2.根据所述标记圆点计算镜头的水平和垂直方向FOV;
所述工作电流检测步骤具体为:
F1.检测所述镜头工作电流的大小。
本发明提供的一种摄像头成品检测方法,在所述工作电流检测步骤后、所述白场环境污点检测步骤前还包括黑场环境亮点检测步骤;
所述黑场环境亮点检测步骤具体包括步骤:
G1.将所述镜头放置于全黑环境中;
G2.在拍取的第三检测图像上标记亮点区域。
本发明提供的一种摄像头成品检测方法,采用SFR频响曲线中的MTF50P进行清晰度的检测,结果更加准确;采用积分球作为检测光源检测白场污坏点,亮度分布比平面光源更均匀,污坏点检测结果也更加准确;在图卡上设计垂直方向上和水平方向上的标记圆点,FOV检测可覆盖水平和垂直方向;同时还能完成偏心像素、色彩还原性、灰阶、工作电流、黑场环境亮点等检测,基本满足对一个摄像头成品评价参数的检测需求。
附图说明
图1是本发明实施例提供的一种摄像头成品检测方法中清晰度检测步骤的流程图;
图2是本发明实施例提供的清晰度检测步骤中所拍取的第一检测图像的示例图;
图3是本发明实施例提供的清晰度检测步骤中感兴趣区域ROI1~ROI5的划分示意图;
图4是本发明实施例提供的清晰度检测步骤中ROI2的角点分布图;
图5是本发明实施例提供的清晰度检测步骤中矩形框的构建示意图;
图6是本发明实施例提供的清晰度检测步骤中初步刀口图像的示例图;
图7是本发明实施例提供的清晰度检测步骤中刀口边缘图像的示例图;
图8是本发明实施例提供的清晰度检测步骤中最终刀口图像的示例图;
图9是本发明实施例提供的白场环境污点检测步骤的流程图;
图10是本发明实施例提供的白场环境污点检测步骤中第二检测图像的示例图;
图11是本发明实施例提供的色彩还原性、灰阶检测步骤中ROI6的划分示意图;
图12是本发明实施例提供的黑场环境亮点检测步骤中第三检测图像的示例图;
图13是本发明实施例提供的一种摄像头成品检测方法的工作流程图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
本发明实施例提供的一种摄像头成品检测方法,在本实施例中,至少包括清晰度检测步骤、白场环境污点检测步骤;
如图1所示,所述清晰度检测步骤具体包括步骤:
A1.在获取的第一检测图像上划定中心及四周SFR刀口;
A2.计算每个所述SFR刀口的MTF50P值。
进一步地,所述步骤A1具体包括步骤:
A11.将所述第一检测图像转化为灰度图像,其中,所述第一检测图像如图2所示(为了中间两排的12色块后续检测色彩还原性和灰阶使用,下文有更具体的描述);
A12.截取所述第一检测图像上中心及四周共5个感兴趣区域ROI1~ROI5,如图3所示;
A13.对每个所述感兴趣区域进行高斯滤波后,提取所述感兴趣区域中的所有角点像素坐标(可以根据图像灰度强度的二阶导数矩阵采用OpenCV现有技术来寻找角点。角点,由Harris提出,其基础是图像灰度强度的二阶导数矩阵。该定义的角点位于图像二阶导数的自相关矩阵中有两个最大特征值的地方,这本质上表示以此点为中心周围存在至少两个不同方向的边缘。一个角点由两个不同方向的边缘相交而成);
A14.在所述所有角点像素坐标中筛选出中心和上下左右共5个角点坐标,如图4所示,以ROI2为例;
A15.以中心角点与上下左右角点连接线的中点为中心,如图5所示,按照预设长、宽构建一矩形框,划定如图6所示的初步刀口图像;
A16.对所述初始刀口图像二值化后进行边缘提取得到如图7所示的刀口边缘图像;
A17.利用霍夫函数检测所述刀口边缘图像中的直线,得到所述直线的直线方程;
A18.调整所述矩形框使其中心满足所述直线方程,划定如图8所示的最终刀口图像作为SFR刀口。
进一步地,再次参见图3,所述感兴趣区域ROI1~ROI5包括位于中心的第一感兴趣区域ROI1和围绕所述第一感兴趣区域ROI1均匀分布的第二~第五感兴趣区域ROI2~ROI5,所述第二~第五感兴趣区域ROI2~ROI5中亮块区域为两十字交叉且倾斜放置的三角形,所述第一感兴趣区域ROI1中黑块区域为两十字交叉且倾斜放置的菱形。
进一步地,在所述步骤A18中,所述调整所述矩形框使其中心满足所述直线方程,具体为:
将水平方向上的所述矩形框进行上下移动,将垂直方向上的所述矩形框进行左右移动,直至所述矩形框的中点满足所述直线方程,此时划定所述矩形框区域为所述最终刀口图像。
关于步骤A2,求取图像的MTF50P值已经是公知常识,本实施例并未作过多描述。
在本实施例中,如图9所示,所述白场环境污点检测步骤具体包括步骤:
B1.将镜头放置于积分球内,该积分球亮度均匀;
B2.在获取的所述镜头拍摄的如图10所示的第二检测图像上标记出污点连通域。
进一步地,所述步骤B2具体包括步骤:
B21.将所述第二检测图像转化为灰度图像后进行二值化,得到黑白图像;
B22.遍历所述黑白图像,根据黑白变化得到所述黑白图像中圆边缘上的像素点;
B23.根据所述圆边缘拟合出一个完整的圆,得到圆图像,并得到所述圆的半径和圆心坐标;
B24.对所述圆图像进行压缩处理(可自由设置4倍、8倍等,以提高计算效率)后以20*20像素作为一个块(block),将整副图像分成若干块(block);
B25.根据所述块(block)内的当前像素值与所述块(block)的平均亮度值确定污点像素,并根据所述污点像素勾勒出污点连通域;
B26.在所述第二检测图像上画出所述污点连通域。
进一步地,所述步骤B25具体包括:
B251.计算4个顶点都在所述圆内的所述块(block)的平均亮度值,并标记所述块(block)内当前像素亮度值与所述平均亮度值的差值大于预设值(由用户设定,常用范围1.5~5.0)的像素为污点像素;
B252.对于标记的每个所述污点像素,计算其3*3范围内是否存在其他污点像素,若不存在,则认为这是一个孤立点,不做污点处理,若存在其他污点像素,则计算相连污点像素的连通域作为所述污点连通域,并输出所述污点连通域的中心坐标及面积大小。
本发明实施例提供的一种摄像头成品检测方法,还包括在所述清晰度检测步骤后的偏心像素检测步骤,具体为:
C1.根据所述第一感兴趣区域ROI1的交点计算偏心像素。
本发明实施例提供的一种摄像头成品检测方法,还包括在所述偏心像素检测步骤后的色彩还原性、灰阶检测步骤,具体包括步骤:
D1.定位出所述第一检测图像中心12色卡区域(如图11标记的ROI6)中每个单色方块的中心位置,在ROI6中,上排6个单色方块为灰度图像,用于测量灰阶,下排6个单色方块为彩色图像,分别是浅蓝、浅紫、浅黄、锈红、果绿、深蓝,用于测量色彩还原性;
D2.计算所述12色卡的色彩还原性和灰阶。
本发明实施例提供的一种摄像头成品检测方法,还包括在所述色彩还原性、灰阶检测步骤后的FOV检测步骤、工作电流检测步骤;
所述FOV检测步骤具体包括步骤:
E1.定位出所述第一检测图像中部水平和垂直方向共4个标记圆点;
E2.根据所述标记圆点计算镜头的水平和垂直方向FOV;
所述工作电流检测步骤具体为:
F1.检测所述镜头工作电流的大小。
本发明实施例提供的一种摄像头成品检测方法,在所述工作电流检测步骤后、所述白场环境污点检测步骤前还包括黑场环境亮点检测步骤;
所述黑场环境亮点检测步骤具体包括步骤:
G1.将所述镜头放置于全黑环境中;
G2.在拍取的如图12所示的第三检测图像上标记亮点区域。
在上述检测步骤中,本申请并未对FOV检测步骤、工作电流检测步骤,色彩还原性、灰阶检测步骤,黑场环境亮点检测步骤,等计算过程作特别说明,基于其已经属于比较成熟的技术。
针对一个摄像头产品,经过如图13所示的检测步骤后,基本可完成清晰度、偏心像素、色彩还原性、灰阶、工作电流、黑场环境亮点、白场环境污点等检测,基本满足检测需求。
本发明实施例提供的一种摄像头成品检测方法,采用SFR频响曲线中的MTF50P进行清晰度的检测,结果更加准确;采用积分球作为检测光源检测白场污坏点,亮度分布比平面光源更均匀,污坏点检测结果也更加准确;在图卡上设计垂直方向上和水平方向上的标记圆点,FOV检测可覆盖水平和垂直方向;同时还能完成偏心像素、色彩还原性、灰阶、工作电流、黑场环境亮点等检测,基本满足对一个摄像头成品评价参数的检测需求。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种摄像头成品检测方法,其特征在于,至少包括清晰度检测步骤、白场环境污点检测步骤;
所述清晰度检测步骤具体包括步骤:
A1.在获取的第一检测图像上划定中心及四周SFR刀口;
A2.计算每个所述SFR刀口的MTF50P值;
所述白场环境污点检测步骤具体包括步骤:
B1.将镜头放置于积分球内;
B2.在获取的所述镜头拍摄的第二检测图像上标记出污点连通域。
2.如权利要求1所述的一种摄像头成品检测方法,其特征在于,所述步骤A1具体包括步骤:
A11.将所述第一检测图像转化为灰度图像;
A12.截取所述第一检测图像上中心及四周共5个感兴趣区域;
A13.对每个所述感兴趣区域进行高斯滤波后,提取所述感兴趣区域中的所有角点像素坐标;
A14.在所述所有角点像素坐标中筛选出中心和上下左右共5个角点坐标;
A15.以中心角点与上下左右角点连接线的中点为中心,按照预设长、宽构建一矩形框,划定初步刀口图像;
A16.对所述初始刀口图像二值化后进行边缘提取得到刀口边缘图像;
A17.利用霍夫函数检测所述刀口边缘图像中的直线,得到所述直线的直线方程;
A18.调整所述矩形框使其中心满足所述直线方程,划定最终刀口图像作为SFR刀口。
3.如权利要求2所述的一种摄像头成品检测方法,其特征在于:所述感兴趣区域包括位于中心的第一感兴趣区域和围绕所述第一感兴趣区域均匀分布的第二~第五感兴趣区域,所述第二~第五感兴趣区域中亮块区域为两十字交叉且倾斜放置的三角形,所述第一感兴趣区域中黑块区域为两十字交叉且倾斜放置的菱形。
4.如权利要求3所述的一种摄像头成品检测方法,其特征在于,在所述步骤A18中,所述调整所述矩形框使其中心满足所述直线方程,具体为:
将水平方向上的所述矩形框进行上下移动,将垂直方向上的所述矩形框进行左右移动,直至所述矩形框的中点满足所述直线方程,此时划定所述矩形框区域为所述最终刀口图像。
5.如权利要求1所述的一种摄像头成品检测方法,其特征在于,所述步骤B2具体包括步骤:
B21.将所述第二检测图像转化为灰度图像后进行二值化,得到黑白图像;
B22.遍历所述黑白图像,根据黑白变化得到所述黑白图像中圆边缘上的像素点;
B23.根据所述圆边缘拟合出一个完整的圆,得到圆图像,并得到所述圆的半径和圆心坐标;
B24.对所述圆图像进行压缩处理后以20*20像素作为一个块,将整副图像分成若干块;
B25.根据所述块内的当前像素值与所述块的平均亮度值确定污点像素,并根据所述污点像素勾勒出污点连通域;
B26.在所述第二检测图像上画出所述污点连通域。
6.如权利要求5所述的一种摄像头成品检测方法,其特征在于,所述步骤B25具体包括:
B251.计算4个顶点都在所述圆内的所述块的平均亮度值,并标记所述块内当前像素亮度值与所述平均亮度值的差值大于预设值的像素为污点像素;
B252.对于标记的每个所述污点像素,计算其3*3范围内是否存在其他污点像素,若不存在,则认为这是一个孤立点,不做污点处理,若存在其他污点像素,则计算相连污点像素的连通域作为所述污点连通域,并输出所述污点连通域的中心坐标及面积大小。
7.如权利要求4所述的一种摄像头成品检测方法,其特征在于,还包括在所述清晰度检测步骤后的偏心像素检测步骤,具体为:
C1.根据所述第一感兴趣区域的交点计算偏心像素。
8.如权利要求7所述的一种摄像头成品检测方法,其特征在于,还包括在所述偏心像素检测步骤后的色彩还原性、灰阶检测步骤,具体包括步骤:
D1.定位出所述第一检测图像中心12色卡区域中每个单色方块的中心位置;
D2.计算所述12色卡的色彩还原性和灰阶。
9.如权利要求8所述的一种摄像头成品检测方法,其特征在于,还包括在所述色彩还原性、灰阶检测步骤后的FOV检测步骤、工作电流检测步骤;
所述FOV检测步骤具体包括步骤:
E1.定位出所述第一检测图像中部水平和垂直方向共4个标记圆点;
E2.根据所述标记圆点计算镜头的水平和垂直方向FOV;
所述工作电流检测步骤具体为:
F1.检测所述镜头工作电流的大小。
10.如权利要求9所述的一种摄像头成品检测方法,其特征在于,在所述工作电流检测步骤后、所述白场环境污点检测步骤前还包括黑场环境亮点检测步骤;
所述黑场环境亮点检测步骤具体包括步骤:
G1.将所述镜头放置于全黑环境中;
G2.在拍取的第三检测图像上标记亮点区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910966041.9A CN110751070A (zh) | 2019-10-12 | 2019-10-12 | 一种摄像头成品检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910966041.9A CN110751070A (zh) | 2019-10-12 | 2019-10-12 | 一种摄像头成品检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110751070A true CN110751070A (zh) | 2020-02-04 |
Family
ID=69278011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910966041.9A Pending CN110751070A (zh) | 2019-10-12 | 2019-10-12 | 一种摄像头成品检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751070A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022028172A1 (zh) * | 2020-08-03 | 2022-02-10 | Oppo广东移动通信有限公司 | 超微距摄像头清晰度检测装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488223A (zh) * | 2016-10-20 | 2017-03-08 | 苏州艾微视图像科技有限公司 | 摄像头主动光轴的调整方法 |
CN106657984A (zh) * | 2016-11-26 | 2017-05-10 | 珠海市运泰利自动化设备有限公司 | 车载摄像头功能自动测试机 |
CN106973290A (zh) * | 2017-05-18 | 2017-07-21 | 信利光电股份有限公司 | 一种摄像模组污点测试方法及装置 |
-
2019
- 2019-10-12 CN CN201910966041.9A patent/CN110751070A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106488223A (zh) * | 2016-10-20 | 2017-03-08 | 苏州艾微视图像科技有限公司 | 摄像头主动光轴的调整方法 |
CN106657984A (zh) * | 2016-11-26 | 2017-05-10 | 珠海市运泰利自动化设备有限公司 | 车载摄像头功能自动测试机 |
CN106973290A (zh) * | 2017-05-18 | 2017-07-21 | 信利光电股份有限公司 | 一种摄像模组污点测试方法及装置 |
Non-Patent Citations (3)
Title |
---|
DYLAN_YOUNG: "《https://blog.csdn.net/weixin_38419133/article/details/100019551》", 22 August 2019 * |
全世红: "摄像模组解析力和脏污检测的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
许向阳 等: "手机拍照图像质量评价方法的研究", 《影像技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022028172A1 (zh) * | 2020-08-03 | 2022-02-10 | Oppo广东移动通信有限公司 | 超微距摄像头清晰度检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
JP3884834B2 (ja) | 欠陥検査方法及びその装置 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
CN115937203B (zh) | 一种基于模板匹配的视觉检测方法、装置、设备及介质 | |
CN111999305B (zh) | 机器视觉硬件系统和轮毂花键结合缝隙视觉检测方法 | |
KR20180115646A (ko) | 비전 카메라를 이용한 비드 인식 장치 및 그 방법 | |
JP4241361B2 (ja) | キャップ天面の検査方法 | |
CN111879789A (zh) | 金属表面缺陷检测方法及系统 | |
CN114581415A (zh) | Pcb缺陷的检测方法、装置、计算机设备及存储介质 | |
CN110751070A (zh) | 一种摄像头成品检测方法 | |
CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
CN113916893A (zh) | 模切产品缺陷的检测方法 | |
CA3132115C (en) | Method and system for defect detection in image data of a target coating | |
US11562505B2 (en) | System and method for representing and displaying color accuracy in pattern matching by a vision system | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN111380474A (zh) | 一种基于双目视觉的孔径检测方法 | |
CN103593667A (zh) | 基于集合连通性原理的图像异物快速识别方法 | |
CN104713887B (zh) | 一种检测平面缺陷的方法 | |
He et al. | A method of detecting the feature of cylindrical pin based on machine vision | |
CN109087289A (zh) | 一种格栅背景下的板材视觉图像检测算法 | |
JP4036048B2 (ja) | 欠陥識別方法 | |
CN115457034B (zh) | 一种类镜面工件表面的缺陷检测方法及装置 | |
CN108460763A (zh) | 一种磁粉探伤图像自动检测识别方法 | |
CN110378403B (zh) | 一种绕线盘分类识别方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200204 |