CN110766679A - 镜头脏污检测方法、装置及终端设备 - Google Patents
镜头脏污检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110766679A CN110766679A CN201911021947.XA CN201911021947A CN110766679A CN 110766679 A CN110766679 A CN 110766679A CN 201911021947 A CN201911021947 A CN 201911021947A CN 110766679 A CN110766679 A CN 110766679A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- dirty
- target
- detected
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请适用于镜头检测技术领域,提供了镜头脏污检测方法、装置及终端设备,包括:获取待测图像;根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域;以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像;根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值;根据所述目标脏污区域得到镜头脏污检测结果。本申请实施例能够准确地实现镜头脏污检测。
Description
技术领域
本申请属于镜头检测技术领域,尤其涉及一种镜头脏污检测方法、装置及终端设备。
背景技术
镜头是摄像设备上由透镜组成的用于在底片或幕布上形成影像的光学装置,被广泛应用于摄像机、照相机、放映机,以及具有摄像功能的智能手机、电脑、监控等电子设备中。
镜头的广泛应用,也对镜头的质量提出了更高的要求。但在实际的镜头生产和装配过程中,不可避免会有灰尘、皮屑等异物附着在镜头上,导致最终产品在成像时出现阴影,称之为脏污。由于镜头上脏污的存在会严重成像质量,因此脏污检测是镜头生产使用过程中的重要评测项目。然而,镜头成像时常存在背景灰度值不均的问题,导致镜头脏污区域难以准确地检测。
发明内容
有鉴于此,本申请实施例提供了镜头脏污检测方法、装置及终端设备,以解决现有技术中如何准确地实现镜头脏污检测的问题。
本申请实施例的第一方面提供了一种镜头脏污检测方法,包括:
获取待测图像;
根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值;
以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像;
根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值;
根据所述目标脏污区域得到镜头脏污检测结果。
本申请实施例的第二方面提供了一种镜头脏污检测装置,包括:
待测图像获取单元,用于获取待测图像;
脏污种子区域确定单元,用于根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值;
感兴趣区域图像获取单元,用于以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像;
目标脏污区域确定单元,用于根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值;
检测结果确定单元,用于根据所述目标脏污区域得到镜头脏污检测结果。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,使得终端设备实现如所述镜头脏污检测方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得终端设备实现如所述镜头脏污检测方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的镜头脏污检测方法。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例中,脏污对应的图像区域通常较暗,即灰度值较小,通过自适应局部阈值分割的方法让每个像素都根据自身所处的局部邻域块确定的局部阈值分别进行阈值分割,能够识别出灰度值低于所处局部邻域块的平均灰度值的像素点,从而确定脏污区域,因此能够避免背景灰度值不均对脏污识别的影响,相对于直接在一整张背景灰度值不均的待测图像进行阈值分割、脏污识别的方式,能够更准确地识别脏污;同时,由于在初步确定脏污种子区域后,还通过确定感兴趣区域并提高局部阈值(即将局部阈值从第一局部阈值变为更大的第二局部阈值)进行自适应局部阈值分割得到区域生长后的脏污区域,使得感兴趣区域中灰度值与所处局部邻域块的平均灰度值较接近的局部较暗像素点也列为目标脏污区域中的像素点,从而使得灰度值与背景灰度值差别不大的微弱脏污区域也能够在区域增长后得到,因此能够更加完整、准确地获取一整个目标脏污区域,得到更准确的镜头脏污检测结果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的第一种镜头脏污检测方法的实现流程示意图;
图2是本申请实施例提供的一个像素点对应的局部邻域块示意图;
图3是本申请实施例提供的第二种镜头脏污检测方法的实现流程示意图;
图4是本申请实施例提供的第三种镜头脏污检测方法的实现流程示意图;
图5是本申请实施例提供的镜头脏污检测装置的示意图;
图6是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”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。
还应当理解,在此本申请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申请。如在本申请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。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“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。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一:
图1示出了本申请实施例提供的第一种镜头脏污检测方法的流程示意图,本申请实施例的执行主体为终端设备,详述如下:
在S101中,获取待测图像。
该待测图像为终端设备从目标摄像设备获取的图像,该目标摄像设备的镜头即为待测的镜头。或者,本申请实施例的执行主体——终端设备即为具有摄像功能、通过待测的镜头进行摄像的目标摄像设备,终端设备获取自身采集的待测图像。可选地,目标摄像设备通过拍摄白色背景的模板,得到待测图像,该白色的背景的模板可以为白板、白纸、白布、白墙等。优选地,通过将目标摄像设备的镜头紧贴目标光屏进行拍摄,得到待测图像,该目标光屏为一个表面平滑的稳定平行光源。通过拍摄目标光屏获取待测图像相较于通过白纸、白布或者白墙等作为拍摄模板的方式,能够排除拍摄模板本身纹理对脏污检测的影响,并能够提高拍摄亮度,从而进一步使得镜头脏污能够更加准确、清晰地呈现在待测图像中。
可选地,在所述步骤S101之前,还包括:指示目标摄像设备采集所述待测图像。即当需要进行镜头脏污检测时,即时地指示目标摄像设备采集待测图像,能够终端设备获取的待测图像能准确地反映当前镜头的脏污情况。
在S102中,根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值。
镜头的脏污对应地在待测图像中的表现为:待测图像中存在着较暗的脏污区域,即该脏污区域的灰度值小于该脏污区域的周围区域的灰度值。然而,由于镜头边缘对成像的影响,使得通过镜头拍摄的待测图像通常存在着中间亮,四周暗的特点,即待测图像中间的灰度值较高,四周的灰度值较低,背景灰度值不均,影响对脏污区域的检测。本申请实施例通过S102的自适应局部阈值分割步骤来解决在背景灰度值不均的待测图像中识别出脏污的问题。
具体地,所述步骤S102包括:
S1021:根据预设的邻域延展大小,为待测图像中的每个像素点确定对应的局部邻域块。可选地,每个像素点对应的局部邻域块可以为以该像素点为中心的矩形、圆形、正多边形或者其它不规则形状,此处不作限定。以局部邻域块为矩形为例,如图2所示,设预设的邻域延展大小为n Pixel(例如50Pixel),像素点A为待测图像中的任意一个像素点,则以像素点A为中心,从上、下、左、右四个方向各延伸nPixel,得到像素点A所处的局部邻域块,该局部领域块的大小为[(2n+1)×(2n+1)]Pixel。
S1022:根据每个像素点所处局部邻域块的平均灰度值,确定每个像素点对应的第一局部阈值,其中每个像素点对应的第一局部阈值小于该像素点所处局部邻域块的平均灰度值。具体地,对于单个像素点来说,求得该像素点所处局部领域块的平均灰度值后,将该平均灰度值减去预设值x(不为0),得到第一局部阈值。例如,设像素点A所处局部邻域块的平均灰度值为u,则像素点A对应的第一局部阈值为u-x。应理解地,每个像素点所处局部邻域块均不一致,因此每个像素点分别对应的第一局部阈值可能均不相同。
S1023:在待测图像中,根据每个像素点对应的局部领域块进行局部阈值分割,确定其中灰度值小于第一局部邻域阈值的像素点,组成待测图像中的脏污种子区域,该脏污种子区域即为与局部背景灰度值差异较大的区域。
由于上述步骤确定的脏污种子区域是严格按照小于局部邻域块的平均灰度值的第一局部阈值来确定的,得到的脏污种子区域是与局部背景灰度值差异较大的区域。而待测图像中的微弱脏污由于灰度值与局部背景灰度值差异较小,因此上述脏污种子区域可能不是完整的脏污区域。本申请实施例中,通过以下的步骤S103和步骤S104进行类区域生长来进一步得到完整的脏污区域。
在S103中,以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像。
以S102中确定的脏污种子区域为中心,进行区域扩张,得到可能存在微弱脏污的感兴趣区域图像。具体地,根据预设的脏污区域大小,进行区域扩张,得到图像大小与预设的脏污区域大小相近或者相同的感兴趣区域图像。该预设的脏污大小具体是提前根据多次实验测试得到的一般脏污区域的大小设置的,例如根据实验测得一般的脏污区域的大小不会超过220pixel,则可以将预设的脏污区域大小设置为220pixel,之后以脏污种子区域为中心扩张得到图像大小接近或者等于220pixel的区域图像作为感兴趣区域图像。
在S104中,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值。
提高局部阈值,即确定比步骤S102中的第一局部阈值大的第二局部阈值作为局部阈值,在感兴趣区域图像中再进行一次或者多次的自适应局部阈值分割,得到区域生长后的目标脏污区域。具体地,感兴趣区域图像中每个像素点对应的第二局部阈值根据该像素点所处局部邻域块的平均灰度值确定,该第二局部阈值小于或者等于该像素点所处局部邻域块的平均灰度值,且大于第一局部阈值。根据确定的第二局部阈值,确定感兴趣区域图像中灰度值小于第二局部阈值的像素点组成的区域为区域生长后的目标脏污区域。由于第二局部阈值大于第一局部阈值,即在感兴趣区域内放宽脏污的判定标准,使得感兴趣区域图像中灰度值与背景灰度值差异较小的微弱脏污也能被分割出来,从而得到区域生长后的目标脏污区域。
具体地,在步骤S102中每个像素点对应的第一局部阈值等于每个所述像素点所处局部邻域块的平均灰度值减去预设值,对应地,所述步骤S104包括:
A1,以所述脏污种子区域作为初始的待定脏污区域;
A2,将所述预设值减去预设步进值得到更新后的预设值,并将感兴趣区域中每个像素点所处局部邻域块的平均灰度值减去更新后的预设值得到每个所述像素点的第二局部阈值,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到更新后的待定脏污区域;
A3,若所述更新后的待定脏污区域相对于历史的待定脏污区域的区域增长率大于增长阈值,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集,否则执行A4;
A4,若每个所述像素点的第二局部阈值等于所述像素点所处局部邻域块的平均灰度,则执行步骤A5,否则返回执行所述A2的步骤;
A5,若所述更新后的待定脏污区域的尺寸大于预设脏污尺寸,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集;否则,以所述更新后的待定脏污区域作为区域生长后的目标脏污区域。
在步骤A1中,将步骤S102中根据第一局部阈值进行自适应阈值分割得到的脏污种子区域作为初始的待定脏污区域,其中每个像素点对应的第一局部阈值等于每个像素点所处局部邻域块的平均灰度值减去预设值。
在步骤A2中,将当前的预设值减去预设步进值得到更新后的预设值,例如设当前的预设值为5,预设步进值为1,则更新后的预设值为4。将感兴趣区域中每个像素点所处局部邻域块的平均灰度值减去更新后的预设值即得到当前的第二局部阈值。由于更新后的预设值小于更新前的预设值,因此根据更新后的预设值确定的第二局部阈值大于上一次确定的局部阈值(若当前为第一轮循环步骤,第一次执行步骤A2,则上一次确定的局部阈值为步骤A1中脏污种子区域对应的第一局部阈值,若当前为非第一轮循环步骤,则上一次确定的局部阈值为上一次执行步骤A2确定的上一轮的第二局部阈值;应理解地,步骤A2中更新后的预设值均小于第一局部阈值对应的预设值,因此第二局部阈值始终大于第一局部阈值)。根据当前的第二局部阈值,确定感兴趣区域图像中灰度值小于第二局部阈值的像素点组成的区域为更新后的待定脏污区域。由于当前的第二局部阈值大于第一局部阈值或者上一轮的步骤A2确定的第二局部阈值,即放宽了脏污灰度值小于局部邻域块灰度值的标准,因此更新后的待定脏污区域大于或者等于上一步骤(A1)或者上一轮(上一轮的步骤A2)确定的待定脏污区域,将上一步骤或者上一轮确定的待定脏污区域称为历史的待定脏污区域。
在步骤A3中,若步骤A2中得到的更新后的待定脏污区域相对于历史的待定脏污区域的区域增长率大于增长阈值(例如60%),则说明当前的待定脏污区域可能是镜头边缘的连续大块的暗黑区域引起的而非实际的镜头脏污引起的图像脏污,此时将该待定脏污区域判定为非脏污区域,确定该目标脏污区域为空集并结束。若更新后的待定脏污区域相对于历史的待定脏污区域的区域增长率小于或者等于增长阈值,则说明当前的待定脏污区域相对于历史的待定脏污区域稳步增长或者趋于稳定不变,该待定脏污区域为可能的脏污区域,进入步骤A4进行下一步判断。
在步骤A4中,若更新后的预设值已经减少到0,当前每个像素点的第二局部阈值等于所述像素点所处局部邻域块的平均灰度值,则说明当前的局部阈值已经提高到极限,不再重新继续进行区域生长,进入步骤A5进行下一步判断。否则,则说明预设值还可以继续减小,局部阈值可以进一步提高,此时返回步骤A2进一步确定新的局部阈值进行区域生长得到新的待定脏污区域。
在步骤A5中,判断每个像素点的第二局部阈值等于所述像素点所处局部邻域块的平均灰度值时,得到的最终的待定脏污区域的尺寸是否大于预设脏污尺寸。该预设脏污尺寸提前设定的一般脏污最大的尺寸值,当最终更新后的待定脏污区域的尺寸大于预设脏污尺寸时,则说明该待定脏污区域不是脏污,而可能是镜头边缘的连续大块的暗黑区域,因此将目标脏污区域确定为空集。当最终更新后的待定脏污区域的尺寸小于或者等于预设脏污尺寸时,即该待定脏污区域既满足增长率小于增长阈值又尺寸大小符合一般脏污的尺寸范围,因此将该待定脏污区域确定为区域生长后的目标脏污区域。
本申请实施例中,在可能存在微弱脏污的感兴趣区域中逐步提高局部阈值进行一次或者多次的自适应局部阈值分割来实现类似区域生长的目的,得到区域面积逐渐增大的待定脏污区域并进行判断,最终得到区域生长后的、完整的目标脏污区域。由于通过该类似区域生长的方法能够准确地得到完整的目标脏污区域,因此能够提高镜头脏污检测的准确性;并且,由于该类似区域生长的方法是通过提高自适应局部阈值分割的局部阈值来实现的,相对于现有的通过比对寻找具有相似图像信息的像素点进行像素融合的区域生长方法,所需的计算量少,因此能够提高镜头脏污检测的效率。
在S105,根据所述目标脏污区域得到镜头脏污检测结果。
根据区域生长后的目标脏污区域,确定镜头脏污检测结果。可选地,若目标脏污区域不为空集,则确定该镜头存在脏污;若目标脏污区域为空集,则确定该镜头不存在脏污。可选地,在所述若目标脏污区域不为空集,则确定该镜头存在脏污之后,根据该目标脏污区域在待测图像中的位置,相应得到镜头中的脏污区域的位置,从而确定镜头实际的镜头脏污区域。
可选地,所述步骤S105包括:
确定所述目标脏污区域的目标最小外接矩形,并根据所述目标最小外接矩形确定所述目标脏污区域的矩形度;
若所述矩形度大于矩形度阈值,则判定所述镜头不存在脏污区域;否则根据所述目标脏污区域得到对应的镜头脏污区域。
在确定的目标脏污区域之后,通过图像处理中的最小外接矩形算法求得目标脏污区域的目标最小外接矩形。之后,根据该最小外接矩形通过图像处理中的矩形度算法求得该目标脏污区域的矩形度。
镜头的脏污通常为附着在镜头的灰尘、皮屑或者指纹等,这些脏污的形状通常为圆形、椭圆形。若求得的目标脏污区域的矩形度大于矩形度阈值,则说明当前的目标脏污区域的形状接近矩形,不符合一般脏污的形状特点,因此判定待测图像中的该目标脏污区域不是镜头的脏污引起的,即判定当前镜头不存在脏污区域。否则,若矩形度小于或者等于矩形度阈值,说明目标脏污区域的形状符合一般脏污的形状特点,则确定当前镜头存在脏污,并可根据待测图像的目标脏污区域对应地确定镜头实际的镜头脏污区域。
本申请实施例中,由于在确定目标脏污区域后,还通过目标脏污区域的矩形度进行二次验证来确定该脏污是否为镜头的脏污引起的,从而进一步提高了镜头脏污检测的准确率。
可选地,所述步骤S105包括:
确定所述目标脏污区域的最小外接矩形区域,并将所述最小外接矩形区域进行扩张得到目标邻域背景区域;
将所述目标脏污区域的平均灰度值与所述目标邻域背景区域的平均灰度值相比,得到局部对比度值;
若所述局部对比度值大于对比度阈值,则判定所述镜头不存在脏污区域;否则,根据所述目标脏污区域得到对应的镜头脏污区域。
通过图像处理中的最小外接矩形算法求得目标脏污区域的最小外接矩形区域。之后,将最小外接矩形区域进行扩张,例如将该最小外接矩形区域扩张至两倍,得到目标邻域背景区域。
分别计算待测图像中的目标脏污区域的平均灰度值μ1和待测图像中的目标邻域背景区域的平均灰度值μ2。之后将目标脏污区域的平均灰度值μ1和目标邻域背景区域的平均灰度值μ2相比,求得局部对比度值k=μ1/μ2。其中,k越小则说明目标脏污区域的灰度值相对于周围的目标邻域背景区域的灰度值更小,该目标脏污区域有极大的可能为镜头脏污引起的脏污区域。
若局部对比度值大于预先设定的对比度阈值(例如0.8),则说明当前的目标脏污区域的灰度值与该目标脏污区域周围的目标邻域背景区域的平均灰度值的差异不大,不构成脏污,因此判定当前的镜头不存在脏污区域。否则,则说明待测图像中的目标脏污区域明显暗于目标邻域背景区域,判定该镜头存在脏污,并根据目标脏污区域在待测图像中的位置,对应地确定镜头上的镜头脏污区域。本申请实施例中,通过局部对比度进行二次验证,进一步提高镜头脏污检测的准确率。
可选地,在所述若所述局部对比度值大于对比度阈值,则判定所述镜头不存在脏污区域;否则,根据所述目标脏污区域得到对应的镜头脏污区域之前,还包括:
根据所述目标脏污区域在所述待测图像中所处的位置信息,确定所述对比度阈值。
可选地,本申请实施例中的对比度阈值根据目标脏污区域在待测图像中所处的位置信息确定。具体地,若检测到目标脏污区域位于待测图像的中心,则确定对比度阈值为第一对比度阈值(例如0.8);若检测到目标脏污区域靠近待测图像的四周边,则确定对比度阈值为第二对比度阈值(例如0.7),该第二对比度阈值小于第一对比度阈值;若检测到目标脏污区域靠近待测图像的四角,则确定对比度阈值为第三对比度阈值(例如0.6),该第三对比度阈值小于第二对比度阈值。本申请实施例中,考虑到待测图像中背景灰度值的分布一般为中心>四周>四角,实际的脏污区域在待测图像在四角的灰度值依次小于脏污区域在四周、中心的灰度值,因此根据目标脏污区域在待测图像中所处的位置来调整对比度阈值,能够进一步提高镜头脏污检测的准确性。
本申请实施例中,脏污对应的图像区域通常较暗,即灰度值较小,通过自适应局部阈值分割的方法让每个像素都根据自身所处的局部邻域块确定的局部阈值分别进行阈值分割,能够识别出灰度值低于所处局部邻域块的平均灰度值的像素点,从而确定脏污区域,因此能够避免背景灰度值不均对脏污识别的影响,相对于直接在一整张背景灰度值不均的待测图像进行阈值分割、脏污识别的方式,能够更准确地识别脏污;同时,由于在初步确定脏污种子区域后,还通过确定感兴趣区域并提高局部阈值进行自适应局部阈值分割得到区域生长后的脏污区域,即使得感兴趣区域中灰度值与所处局部邻域块的平均灰度值较接近的局部较暗像素点也列为目标脏污区域中的像素点,从而使得灰度值与背景灰度值差别不大的微弱脏污区域也能够在区域增长后得到,因此能够更加完整、准确地获取一整个目标脏污区域,得到更准确的镜头脏污检测结果。另外,本申请实施例通过局部阈值化和类区域生长的方法,相对于现有的通过模板匹配进行脏污检测的方法的速度明显提高。
实施例二:
图3示出了本申请实施例提供的第二种镜头脏污检测方法的流程示意图,本申请实施例的执行主体为终端设备,详述如下:
在S301中,获取待测图像。
本实施例中S301与实施例一中的S101相同,具体请参阅实施例一中的S101的相关描述,此处不赘述。
在S302中,若检测到所述待测图像为OSD模式下的图像,则根据所述OSD的区域进行图像掩膜,得到待测图像中的非OSD区域图像。
在获取待测图像的同时,或者,在所述获取待测图像之前或之后的一小段时间内(例如1s内),检测目标摄像设备当前是否打开了屏幕信息显示(On-Screen Display,OSD),该目标摄像设备的镜头为当前待测的镜头。若检测到目标设备打开了OSD,则当前获取的待测图像为OSD模式下的图像,即当前待测图像为存在OSD的区域。本申请实施例所述的OSD为目标摄像设备在拍摄图像时输出显示在图像上的表示时间、地点、通道号等信息的标识,通常为字符。该OSD的区域具有黑白相间灰度特征,例如OSD区域的背景为黑色,标识信息为白色;或者OSD区域的背景为白色,标识信息为黑色。根据该特征,可以识别出待测图像中的OSD的区域,并根据该OSD的区域进行图像掩膜,将OSD区域的每个像素点的值设置为0,非OSD区域的每个像素点的值为设置为1,得到OSD掩膜图像。之后将该OSD掩膜图像与待测图像相与,得到待测图像中的非OSD区域图像。
在S303中,根据所述非OSD区域图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域。
本申请实施例中,具体在待测图像中的非OSD区域图像进行自适应局部阈值分割,确定非OSD区域图像中灰度值小于第一局部阈值的像素点组成的区域为脏污种子区域。
在S304中,以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像。
本实施例中S304与实施例一中的S103相同,具体请参阅实施例一中的S103的相关描述,此处不赘述。
在S305中,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值。
本实施例中S305与实施例一中的S104相同,具体请参阅实施例一中的S104的相关描述,此处不赘述。
在S306中,根据所述目标脏污区域得到镜头脏污检测结果。
本实施例中S306与实施例一中的S105相同,具体请参阅实施例一中的S105的相关描述,此处不赘述。
本申请实施例中,由于考虑到目标摄像设备打开OSD时,待测图像中存在会对脏污检测造成干扰的OSD区域,因此通过图像掩膜来提取待测图像中的非OSD区域进行自适应局部阈值分割以完成脏污检测,能够排除OSD区域对镜头脏污检测的干扰,提高镜头脏污检测的准确性。
实施例三:
图4示出了本申请实施例提供的第三种镜头脏污检测方法的流程示意图,本申请实施例的执行主体为终端设备。
在获取一帧待测图像进行镜头脏污检测时,可能由于目标摄像设备的编码问题,导致在生成该帧待测图像时存在量化参数(Quantizer Parameter,QP)突变的情况,从而使最终生成的待测图像存在黑块,造成对镜头脏污检测的干扰。本申请实施例考虑到该问题,并考虑到编码问题通常是短时性地,即使当前存在编码问题而导致当前的一帧图像存在黑块,在生成下一帧图像时该编码问题通常不会依旧存在,因此通过获取多帧图像进行分别进行检测,综合多帧图像的脏污检测结果,能够避免将编码问题带来的图像黑块误判为镜头脏污引起的图像脏污,即避免编码问题对脏污检测的干扰,详述如下:
在S401中,从采集的图像中获取预设帧数的图像作为目标检测图像。
接收目标摄像设备采集的图像,从所述采集的图像中获取预设帧数(例如3帧)的图像作为目标检测图像。可选地,目标检测图像中每两帧图像的时间间隔大于预设时间阈值,即目标检测图像中的图像是采集的图像中距离一定时间间隔的图像,从而保证每两帧图像中不会同时存在编码问题。
在S402中,获取目标检测图像中的一帧图像作为当前待测图像帧。
具体地,按照每帧图像的时间顺序,从目标检测图像中获取一帧图像作为当前待测图像帧。
在S403中,根据第一局部阈值,将所述当前待测图像帧进行分割,得到当前待测图像帧二值图,其中所述当前图像帧二值图的第一区域对应所述当前待测图像帧中灰度值小于第一局部阈值的像素点组成的区域,所述第一区域的灰度值为目标灰度值,所述当前图像帧中的非第一区域的灰度值为0。
根据第一局部阈值,对当前待测图像帧进行自适应局部阈值分割,得到当前待测图像帧二值图,其中每个像素点对应的第一局部阈值小于该像素点所处局部邻域块的平均灰度值。具体地,将当前图像帧中灰度值小于第一局部阈值的像素点组成的区域设为第一区域,并将该第一区域的灰度值设为目标灰度值(例如255),将当图像帧中的非第一区域的灰度值设置为0。具体地,当所述第一区域为空集时,则说明当前图像帧不存在灰度值小于第一局部阈值的像素点,得到的当前待测图像帧二值图不存在第一区域,只有灰度值为0的非第一区域。
在S404中,若存在历史待测图像帧二值图,则将所述当前待测图像帧二值图与所述历史待测图像帧相与,得到目标二值图,否则直接将所述当前待测图像帧二值图作为目标二值图。
本申请实施例的历史待测图像帧二值图为上一帧进行检测的待测图像帧对应的二值图。若存在历史待测图像帧二值图,则将当前待测图像帧二值图与历史待测图像帧二值图相与,得到目标二值图。若不存在历史待测图像帧二值图,则说明当前待测图像帧为目标检测图像中第一帧进行检测的图像,直接将该当前待测图像帧二值图作为目标二值图。
具体地,若步骤S403中得到的当前待测图像帧二值图不存在第一区域,即当前待测图像帧的所有区域的灰度值全为0,则当前待测图像帧二值图和历史待测图像帧相与得到的目标二值图的灰度值也全为0。
在S405中,根据所述目标二值图,确定所述当前待测图像帧中的脏污种子区域,并将所述目标二值图存储为历史待测图像帧二值图。
目标二值图为当前待测图像帧二值图和历史待测图像帧二值图相与得到的,因此目标二值图为灰度值不为0的区域即确定为当前待测图像帧和历史待测图像帧都识别出的灰度值较小的脏污种子区域。同时,将该目标二值图存储为历史待测图像帧二值图,以便和下一帧待测图像帧二值图相与,确定下一目标二值图。
具体地,若步骤S403中得到的目标二值图的灰度值全为0,即目标二值图中不存在灰度值不为0的区域,则当前的脏污种子区域为空集,之后根据该脏污种子区域扩张、区域生长得到的目标脏污区域也为空集。
在S406中,以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像。
本实施例中S406与实施例一中的S103相同,具体请参阅实施例一中的S103的相关描述,此处不赘述。
在S407中,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值。
本实施例中S407与实施例一中的S104相同,具体请参阅实施例一中的S104的相关描述,此处不赘述。
在S408中,若所述目标脏污区域为空集,则判定所述镜头不存在脏污。
若根据当前得到的目标脏污区域为空集,则说明当前待测图像帧中不存在脏污区域,判定当前镜头不存在脏污并结束,无需进行获取下一帧待测图像帧进行进一步检测。
在S409中,若所述目标脏污区域不为空集,则检测目标检测图像中是否还存在尚未检测的图像。
若目标脏污区域不为空集,则说明当前可能存在脏污,此时判断目标检测图像中是否还存在尚未检测的图像。
在S4010中,若所述目标检测图像中还存在尚未检测的图像,则返回所述获取待测图像的步骤,以获取下一帧待测图像帧进行检测。
若目标脏污区域不为空集,且目标检测图像中还存在尚未检测的图像,则返回步骤S402,继续获取下一帧待测图像帧进行检测,通过多帧图像的检测以进一步确定当前的目标脏污区域是否为脏污。
在S4011中,若所述目标检测图像的每一帧图像都已作为待测图像帧进行检测,则根据所述目标脏污区域得到对应的镜头脏污区域。
若目标脏污区域不为空集,且当前目标检测图像中的每一帧图像都已依次进行检测,则判定该目标脏污区域为由于镜头脏污引起的图像脏污而非编码问题引起的局部黑块,并根据该目标脏污区域对应地确定镜头上的镜头脏污区域,结束检测。
本申请实施例中,由于获取多帧图像进行分别进行检测,综合多帧图像的脏污检测结果,避免编码问题对脏污检测的干扰,进一步提高镜头脏污检测的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例三:
图5示出了本申请实施例提供的一种镜头脏污检测装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分:
该镜头脏污检测装置包括:待测图像获取单元51、脏污种子区域确定单元52、感兴趣区域图像获取单元53、目标脏污区域确定单元54、检测结果确定单元55。其中:
待测图像获取单元51,用于获取待测图像。
脏污种子区域确定单元52,用于根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值。
感兴趣区域图像获取单元53,用于以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像。
目标脏污区域确定单元54,用于根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值。
可选地,所述目标脏污区域确定单元具体用于执行以下步骤:
A1,以所述脏污种子区域作为初始的待定脏污区域;
A2,将所述预设值减去预设步进值得到更新后的预设值,并将感兴趣区域中每个像素点所处局部邻域块的平均灰度值减去更新后的预设值得到每个所述像素点的第二局部阈值,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到更新后的待定脏污区域;
A3,若所述更新后的待定脏污区域相对于历史的待定脏污区域的区域增长率大于增长阈值,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集,否则执行A4;
A4,若每个所述像素点的第二局部阈值等于所述像素点所处局部邻域块的平均灰度,则执行步骤A5,否则返回执行所述A2的步骤;
A5,若所述更新后的待定脏污区域的尺寸大于预设脏污尺寸,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集;否则,以所述更新后的待定脏污区域作为区域生长后的目标脏污区域。
检测结果确定单元55,用于根据所述目标脏污区域得到镜头脏污检测结果。
可选地,所述检测结果确定单元55包括矩形度确定模块及第一判定模块:
矩形度确定模块,用于确定所述目标脏污区域的目标最小外接矩形,并根据所述目标最小外接矩形确定所述目标脏污区域的矩形度;
第一判定模块,用于若所述矩形度大于矩形度阈值,则判定所述镜头不存在脏污区域;否则根据所述目标脏污区域得到对应的镜头脏污区域。
可选地,所述检测结果确定单元55包括目标邻域背景区域确定模块、局部对比度值确定模块及第二判定模块:
目标邻域背景区域确定模块,用于确定所述目标脏污区域的最小外接矩形区域,并将所述最小外接矩形区域进行扩张得到目标邻域背景区域;
局部对比度值确定模块,用于将所述目标脏污区域的平均灰度值与所述目标邻域背景区域的平均灰度值相比,得到局部对比度值;
第二判定模块,用于若所述局部对比度值大于对比度阈值,则判定所述镜头不存在脏污区域;否则,根据所述目标脏污区域得到对应的镜头脏污区域。
可选地,所述第二判定模块还包括:
对比度阈值确定模块,用于根据所述目标脏污区域在所述待测图像中所处的位置信息,确定所述对比度阈值。
可选地,所述镜头脏污检测装置还包括:
OSD模式检测单元,用于若检测到所述待测图像为OSD模式下的图像,则根据所述OSD的区域进行图像掩膜,得到待测图像中的非OSD区域图像;
对应地,所述脏污种子区域确定单元,具体用于根据所述非OSD区域图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域。
可选地,所述镜头脏污检测装置还包括:
目标检测图像获取单元,用于从采集的图像中获取预设帧数的图像作为目标检测图像;
对应地,所述待测图像获取单元,具体用于获取目标检测图像中的一帧图像作为当前待测图像帧;
对应地,所述脏污种子区域确定单元,具体用于根据第一局部阈值,将所述当前待测图像帧进行分割,得到当前待测图像帧二值图,其中所述当前图像帧二值图的第一区域对应所述当前待测图像帧中灰度值小于第一局部阈值的像素点组成的区域,所述第一区域的灰度值为目标灰度值,所述当前图像帧中的非第一区域的灰度值为0;若存在历史待测图像帧二值图,则将所述当前待测图像帧二值图与所述历史待测图像帧相与,得到目标二值图,否则直接将所述当前待测图像帧二值图作为目标二值图;根据所述目标二值图,确定所述当前待测图像帧中的脏污种子区域,并将所述目标二值图存储为历史待测图像帧二值图;
对应地,所述检测结果确定单元55包括第三判定模块和第四判定模块:
第三判定模块,用于若所述目标脏污区域为空集,则判定所述镜头不存在脏污;
第四判定模块,用于若所述目标脏污区域不为空集,则检测目标检测图像中是否还存在尚未检测的图像;若所述目标检测图像中还存在尚未检测的图像,则返回所述获取待测图像的步骤,以获取下一帧待测图像帧进行检测;若所述目标检测图像的每一帧图像都已作为待测图像帧进行检测,则根据所述目标脏污区域得到对应的镜头脏污区域。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例四:
图6是本申请一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62,例如镜头脏污检测程序。所述处理器60执行所述计算机程序62时实现上述各个镜头脏污检测方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示单元51至单元55的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述终端设备6中的执行过程。例如,所述计算机程序62可以被分割成待测图像获取单元、脏污种子区域确定单元、感兴趣区域图像获取单元、目标脏污区域确定单元、检测结果确定单元,各单元具体功能如下:
待测图像获取单元,用于获取待测图像。
脏污种子区域确定单元,用于根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值。
感兴趣区域图像获取单元,用于以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像。
目标脏污区域确定单元,用于根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值。
检测结果确定单元,用于根据所述目标脏污区域得到镜头脏污检测结果。
所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述终端设备6的内部存储单元,例如终端设备6的硬盘或内存。所述存储器61也可以是所述终端设备6的外部存储设备,例如所述终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器61还可以既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种镜头脏污检测方法,其特征在于,包括:
获取待测图像;
根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值;
以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像;
根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值;
根据所述目标脏污区域得到镜头脏污检测结果。
2.如权利要求1所述的镜头脏污检测方法,其特征在于,所述每个像素点对应的第一局部阈值等于每个所述像素点所处局部邻域块的平均灰度值减去预设值,对应地,所述根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,包括:
A1,以所述脏污种子区域作为初始的待定脏污区域;
A2,将所述预设值减去预设步进值得到更新后的预设值,并将感兴趣区域中每个像素点所处局部邻域块的平均灰度值减去更新后的预设值得到每个所述像素点的第二局部阈值,根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到更新后的待定脏污区域;
A3,若所述更新后的待定脏污区域相对于历史的待定脏污区域的区域增长率大于增长阈值,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集,否则执行A4;
A4,若每个所述像素点的第二局部阈值等于所述像素点所处局部邻域块的平均灰度,则执行步骤A5,否则返回执行所述A2的步骤;
A5,若所述更新后的待定脏污区域的尺寸大于预设脏污尺寸,则判定所述待定脏污区域为非脏污区域,确定所述目标脏污区域为空集;否则,以所述更新后的待定脏污区域作为区域生长后的目标脏污区域。
3.如权利要求1所述的镜头脏污检测方法,其特征在于,所述根据所述目标脏污区域得到镜头脏污检测结果,包括:
确定所述目标脏污区域的目标最小外接矩形,并根据所述目标最小外接矩形确定所述目标脏污区域的矩形度;
若所述矩形度大于矩形度阈值,则判定所述镜头不存在脏污区域;否则根据所述目标脏污区域得到对应的镜头脏污区域。
4.如权利要求1所述的镜头脏污检测方法,其特征在于,所述根据所述目标脏污区域得到镜头脏污检测结果,包括:
确定所述目标脏污区域的最小外接矩形区域,并将所述最小外接矩形区域进行扩张得到目标邻域背景区域;
将所述目标脏污区域的平均灰度值与所述目标邻域背景区域的平均灰度值相比,得到局部对比度值;
若所述局部对比度值大于对比度阈值,则判定所述镜头不存在脏污区域;否则,根据所述目标脏污区域得到对应的镜头脏污区域。
5.如权利要求4所述的镜头脏污检测方法,其特征在于,在所述若所述局部对比度值大于对比度阈值,则判定所述镜头不存在脏污区域之前,还包括:
根据所述目标脏污区域在所述待测图像中所处的位置信息,确定所述对比度阈值。
6.如权利要求1所述的镜头脏污检测方法,其特征在于,在所述获取待测图像之后,还包括:
若检测到所述待测图像为OSD模式下的图像,则根据所述OSD的区域进行图像掩膜,得到待测图像中的非OSD区域图像;
对应地,所述根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,包括:
根据所述非OSD区域图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域。
7.如权利要求1所述的镜头脏污检测方法,其特征在于,在所述获取待测图像之前,包括:
从采集的图像中获取预设帧数的图像作为目标检测图像;
对应地,所述获取待测图像,包括:
获取目标检测图像中的一帧图像作为当前待测图像帧;
对应地,所述根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,包括:
根据第一局部阈值,将所述当前待测图像帧进行分割,得到当前待测图像帧二值图,其中所述当前图像帧二值图的第一区域对应所述当前待测图像帧中灰度值小于第一局部阈值的像素点组成的区域,所述第一区域的灰度值为目标灰度值,所述当前图像帧中的非第一区域的灰度值为0;
若存在历史待测图像帧二值图,则将所述当前待测图像帧二值图与所述历史待测图像帧相与,得到目标二值图,否则直接将所述当前待测图像帧二值图作为目标二值图;
根据所述目标二值图,确定所述当前待测图像帧中的脏污种子区域,并将所述目标二值图存储为历史待测图像帧二值图;
对应地,所述根据所述目标脏污区域得到镜头脏污检测结果,包括:
若所述目标脏污区域为空集,则判定所述镜头不存在脏污;
若所述目标脏污区域不为空集,则检测目标检测图像中是否还存在尚未检测的图像;若所述目标检测图像中还存在尚未检测的图像,则返回所述获取待测图像的步骤,以获取下一帧待测图像帧进行检测;若所述目标检测图像的每一帧图像都已作为待测图像帧进行检测,则根据所述目标脏污区域得到对应的镜头脏污区域。
8.一种镜头脏污检测装置,其特征在于,包括:
待测图像获取单元,用于获取待测图像;
脏污种子区域确定单元,用于根据所述待测图像中灰度值小于第一局部阈值的像素点,确定所述待测图像中的脏污种子区域,其中所述待测图像中每个像素点对应的所述第一局部阈值小于所述像素点所处局部邻域块的平均灰度值;
感兴趣区域图像获取单元,用于以所述脏污种子区域为中心进行区域扩张,得到感兴趣区域图像;
目标脏污区域确定单元,用于根据所述感兴趣区域图像中灰度值小于第二局部阈值的像素点,得到区域生长后的目标脏污区域,其中所述感兴趣区域图像中每个像素点对应的所述第二局部阈值大于所述第一局部阈值且小于或者等于所述像素点所处局部邻域块的平均灰度值;
检测结果确定单元,用于根据所述目标脏污区域得到镜头脏污检测结果。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,当所述处理器执行所述计算机程序时,使得终端设备实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时,使得终端设备实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021947.XA CN110766679B (zh) | 2019-10-25 | 2019-10-25 | 镜头脏污检测方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021947.XA CN110766679B (zh) | 2019-10-25 | 2019-10-25 | 镜头脏污检测方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110766679A true CN110766679A (zh) | 2020-02-07 |
CN110766679B CN110766679B (zh) | 2022-09-06 |
Family
ID=69333721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911021947.XA Active CN110766679B (zh) | 2019-10-25 | 2019-10-25 | 镜头脏污检测方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766679B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275704A (zh) * | 2020-02-28 | 2020-06-12 | 昆山国显光电有限公司 | 掩膜板的污渍检测方法和设备 |
CN111405177A (zh) * | 2020-03-09 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、终端及计算机可读存储介质 |
CN111405345A (zh) * | 2020-03-19 | 2020-07-10 | 展讯通信(上海)有限公司 | 图像处理方法、装置、显示设备及可读存储介质 |
CN111678673A (zh) * | 2020-05-25 | 2020-09-18 | 歌尔光学科技有限公司 | 镜片检测方法、装置和可读存储介质 |
CN111739012A (zh) * | 2020-06-30 | 2020-10-02 | 重庆盛泰光电有限公司 | 基于转盘的摄像头模组白斑检测系统 |
CN111882540A (zh) * | 2020-07-28 | 2020-11-03 | 歌尔科技有限公司 | 摄像头保护罩的污迹检测方法、装置以及设备 |
CN112261403A (zh) * | 2020-09-22 | 2021-01-22 | 深圳市豪恩汽车电子装备股份有限公司 | 车载摄像头的脏污物检测装置及方法 |
CN113378797A (zh) * | 2021-07-14 | 2021-09-10 | 江苏邦融微电子有限公司 | 指纹采集头的水滴检测方法 |
CN113554637A (zh) * | 2021-07-30 | 2021-10-26 | 上海集成电路制造创新中心有限公司 | 相机盖板的脏污检测方法及检测装置 |
CN113744200A (zh) * | 2021-08-11 | 2021-12-03 | 深圳市鑫信腾科技股份有限公司 | 一种摄像头脏污检测方法、装置及设备 |
CN113781499A (zh) * | 2021-08-27 | 2021-12-10 | 上海微创医疗机器人(集团)股份有限公司 | 医疗用镜状态检测方法、图像处理方法机器人控制方法及系统 |
CN113962993A (zh) * | 2021-12-21 | 2022-01-21 | 武汉霖杉工贸有限公司 | 基于计算机视觉的纸杯原材料质量检测方法 |
CN113989666A (zh) * | 2021-10-26 | 2022-01-28 | 中科海拓(无锡)科技有限公司 | 一种高铁受电弓异常检测方法 |
CN114663429A (zh) * | 2022-05-17 | 2022-06-24 | 陕西欧卡电子智能科技有限公司 | 镜头污染物检测方法、装置、计算机设备及存储介质 |
CN115416615A (zh) * | 2022-11-04 | 2022-12-02 | 江阴瑞兴塑料玻璃制品有限公司 | 车辆前档玻璃灰尘的监测和清洗系统 |
CN117705754A (zh) * | 2023-11-30 | 2024-03-15 | 浙江大学 | 一种基于高光谱成像的纺织品聚酯纤维含量在线检测方法 |
CN118505680A (zh) * | 2024-07-16 | 2024-08-16 | 广州鲲鹏物联科技有限公司 | 一种基于图像处理的餐具洁净度检测方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
CN104143185A (zh) * | 2014-06-25 | 2014-11-12 | 东软集团股份有限公司 | 一种污点区域检测方法 |
CN104732510A (zh) * | 2013-12-23 | 2015-06-24 | 浙江大华技术股份有限公司 | 一种相机镜头黑斑检测方法及装置 |
US20160165101A1 (en) * | 2013-07-26 | 2016-06-09 | Clarion Co., Ltd. | Lens Dirtiness Detection Apparatus and Lens Dirtiness Detection Method |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN107743224A (zh) * | 2017-09-30 | 2018-02-27 | 奇酷互联网络科技(深圳)有限公司 | 镜头脏污的提醒方法、系统、可读存储介质及移动终端 |
CN107945158A (zh) * | 2017-11-15 | 2018-04-20 | 上海摩软通讯技术有限公司 | 一种检测镜头脏污的方法及装置 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN110246150A (zh) * | 2019-06-14 | 2019-09-17 | 上海联影医疗科技有限公司 | 金属检测方法、装置、设备及存储介质 |
-
2019
- 2019-10-25 CN CN201911021947.XA patent/CN110766679B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710424A (zh) * | 2009-12-22 | 2010-05-19 | 中国矿业大学(北京) | 矿石图像分割方法 |
US20160165101A1 (en) * | 2013-07-26 | 2016-06-09 | Clarion Co., Ltd. | Lens Dirtiness Detection Apparatus and Lens Dirtiness Detection Method |
CN104732510A (zh) * | 2013-12-23 | 2015-06-24 | 浙江大华技术股份有限公司 | 一种相机镜头黑斑检测方法及装置 |
CN104143185A (zh) * | 2014-06-25 | 2014-11-12 | 东软集团股份有限公司 | 一种污点区域检测方法 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN107743224A (zh) * | 2017-09-30 | 2018-02-27 | 奇酷互联网络科技(深圳)有限公司 | 镜头脏污的提醒方法、系统、可读存储介质及移动终端 |
CN107945158A (zh) * | 2017-11-15 | 2018-04-20 | 上海摩软通讯技术有限公司 | 一种检测镜头脏污的方法及装置 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN110246150A (zh) * | 2019-06-14 | 2019-09-17 | 上海联影医疗科技有限公司 | 金属检测方法、装置、设备及存储介质 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275704A (zh) * | 2020-02-28 | 2020-06-12 | 昆山国显光电有限公司 | 掩膜板的污渍检测方法和设备 |
CN111405177B (zh) * | 2020-03-09 | 2021-09-24 | Oppo广东移动通信有限公司 | 图像处理方法、终端及计算机可读存储介质 |
CN111405177A (zh) * | 2020-03-09 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、终端及计算机可读存储介质 |
CN111405345B (zh) * | 2020-03-19 | 2022-03-01 | 展讯通信(上海)有限公司 | 图像处理方法、装置、显示设备及可读存储介质 |
CN111405345A (zh) * | 2020-03-19 | 2020-07-10 | 展讯通信(上海)有限公司 | 图像处理方法、装置、显示设备及可读存储介质 |
CN111678673A (zh) * | 2020-05-25 | 2020-09-18 | 歌尔光学科技有限公司 | 镜片检测方法、装置和可读存储介质 |
CN111739012A (zh) * | 2020-06-30 | 2020-10-02 | 重庆盛泰光电有限公司 | 基于转盘的摄像头模组白斑检测系统 |
CN111882540A (zh) * | 2020-07-28 | 2020-11-03 | 歌尔科技有限公司 | 摄像头保护罩的污迹检测方法、装置以及设备 |
CN112261403A (zh) * | 2020-09-22 | 2021-01-22 | 深圳市豪恩汽车电子装备股份有限公司 | 车载摄像头的脏污物检测装置及方法 |
CN112261403B (zh) * | 2020-09-22 | 2022-06-28 | 深圳市豪恩汽车电子装备股份有限公司 | 车载摄像头的脏污物检测装置及方法 |
CN113378797A (zh) * | 2021-07-14 | 2021-09-10 | 江苏邦融微电子有限公司 | 指纹采集头的水滴检测方法 |
CN113378797B (zh) * | 2021-07-14 | 2024-06-11 | 江苏邦融微电子有限公司 | 指纹采集头的水滴检测方法 |
CN113554637A (zh) * | 2021-07-30 | 2021-10-26 | 上海集成电路制造创新中心有限公司 | 相机盖板的脏污检测方法及检测装置 |
CN113744200A (zh) * | 2021-08-11 | 2021-12-03 | 深圳市鑫信腾科技股份有限公司 | 一种摄像头脏污检测方法、装置及设备 |
CN113744200B (zh) * | 2021-08-11 | 2024-04-05 | 深圳市鑫信腾科技股份有限公司 | 一种摄像头脏污检测方法、装置及设备 |
CN113781499A (zh) * | 2021-08-27 | 2021-12-10 | 上海微创医疗机器人(集团)股份有限公司 | 医疗用镜状态检测方法、图像处理方法机器人控制方法及系统 |
CN113989666B (zh) * | 2021-10-26 | 2023-01-31 | 中科海拓(无锡)科技有限公司 | 一种高铁受电弓异常检测方法 |
CN113989666A (zh) * | 2021-10-26 | 2022-01-28 | 中科海拓(无锡)科技有限公司 | 一种高铁受电弓异常检测方法 |
CN113962993A (zh) * | 2021-12-21 | 2022-01-21 | 武汉霖杉工贸有限公司 | 基于计算机视觉的纸杯原材料质量检测方法 |
CN113962993B (zh) * | 2021-12-21 | 2022-03-15 | 武汉霖杉工贸有限公司 | 基于计算机视觉的纸杯原材料质量检测方法 |
CN114663429A (zh) * | 2022-05-17 | 2022-06-24 | 陕西欧卡电子智能科技有限公司 | 镜头污染物检测方法、装置、计算机设备及存储介质 |
CN115416615A (zh) * | 2022-11-04 | 2022-12-02 | 江阴瑞兴塑料玻璃制品有限公司 | 车辆前档玻璃灰尘的监测和清洗系统 |
CN117705754A (zh) * | 2023-11-30 | 2024-03-15 | 浙江大学 | 一种基于高光谱成像的纺织品聚酯纤维含量在线检测方法 |
CN118505680A (zh) * | 2024-07-16 | 2024-08-16 | 广州鲲鹏物联科技有限公司 | 一种基于图像处理的餐具洁净度检测方法及系统 |
CN118505680B (zh) * | 2024-07-16 | 2024-09-20 | 广州鲲鹏物联科技有限公司 | 一种基于图像处理的餐具洁净度检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110766679B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN113781402B (zh) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN108896278B (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
CN109509200B (zh) | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 | |
CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN109035167B (zh) | 对图像中的多个人脸进行处理的方法、装置、设备和介质 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
CN116883336A (zh) | 图像处理方法、装置、计算机设备及介质 | |
CN113391779A (zh) | 类纸屏幕的参数调节方法、装置及设备 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN114758268A (zh) | 手势识别方法、装置及智能设备 | |
CN112801891A (zh) | 显示屏画面检测方法、显示屏画面检测系统 | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
CN107945186A (zh) | 分割图像的方法、装置、计算机可读存储介质和终端设备 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN111340722A (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN110610178A (zh) | 图像识别方法、装置、终端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 |