CN110910394B - 影像模组的解像力测量方法 - Google Patents

Abstract

一种影像模块的解像能力的量测方法，其中，所述影像模组解像力量测方法包含一图像区块分析的步骤，所述图像区块分析系透过Blob(Binary Large)分析计算法，从对象图像中的像素区块选取至少一图像特征，并以所述图像特征作为一SFR测试框，其特征在于，所述SFR测试框在所述对象图像中具有唯一性与定位精确性，不会产生定位偏差，因此，大幅提高后续SFR解像能力量测的精确性。

Description

影像模组的解像力测量方法

技术领域

本发明涉及一种影像模组的解像力测量方法，其中，所述解像力测量方法运 用Blob(Binary Large Object)分析计算法从测试目标图像中的像素区块选取至少 一图像特征，并以所述图像特征作为一SFR测试框，其中所述SFR测试框在所 述图像中具有唯一性与定位精确性，不会产生定位偏差，因此，大幅提高后续 SFR解像力测量的精确性。

背景技术

随着人们对数位影像模组质量要求的提升，越来越多的场合要求使用空间频 率响应(spatial frequency response；SFR)测试法以测试相机中影像模组的解像力(resolution)。简单来说，空间频率响应测试的原理系指在1毫米(millimeter) 的宽度中，影像模组所能分辨的黑白线对数(linepair)，当空间频率加大时，同一 宽度中的线对数愈多，线条彼此间紧密，如若黑白线条的反差变小至全部皆变成 灰色，亦即代表影像模组在这个空间频率范围已经失去解像力。

传统的空间频率响应测试方式，系使用者先取得一标准的解像力测试图后， 透过相机的影像模组，将该解像力测试图获取多个数位样本图像后，再透过计算 解像力的软件,以标记点匹配的方法对这些数位样本图像内的特定区域，例如， 图像中的斜边(刃口)，界定一相同的测试区域，亦即，“取框”。然而，这样的测 试方法，主要的问题之一在于每次寻找的标记点位置存在偏差，造成后续对该测 试区域，亦即对该“测试框”的SFR计算产生统计上的偏差。换句话说，标记点 匹配的方法让所述“取框”的精准度降低，速度慢，严重影响了模组的测试效率以 及测试良率。

此外，该标记点匹配方法的另一个主要问题在于该方法较不适用相机动态调 焦时所获取的图像。主要原因在于相机的镜头与芯片，在动态调焦过程中，由于 镜头与芯片相对距离发生变化，图像会相应的缩放，因此，使标记点相对位置发 生大幅变化，前后的标记点位置无法精确地互相匹配。

发明内容

本发明的主要目的在于提供一种影像模组的解像力的测量方法，其中,所述 影像模组解像力测量方法包含一图像区块分析的步骤，所述图像区块分析步骤系 将图像分成若干个图像区域，然后提取一个或多个所述图像区域作为SFR测试 框位置区域，因为这些图像区域相对位置不会变动，从而保证所述SFR测试框 提取的准确性。

本发明的另一个目的是提供一种影像模组的解像力的测量方法，其中透过图 像区块分析方法如Blob(Binary Large Object)分析计算法，从测试图像中至少选取 至少一个图像连通的像素区块用以界定至少一图像特征，由于构成所述图像特征 的像素区块与图像上的其他像素区块彼此之间相对位置不变即在通过图像分割 时基本会分割得到相同的像素区块布局，因此，将所述图像特征作为一SFR测 试框时，所述SFR测试框在所述测试图像中具有唯一性与定位精确性，不会产 生定位偏差，大幅度提升后续SFR测试框提取的准确性，增加SFR测量准确性 以及可靠性。

本发明的另一个目的是提供一种影像模组的解像力的测量方法，其中，所述 影像模组得以藉由具有图像特征的SFR测试框，对具有所述图像特征的测试样 本作连续且实时(real-time)的图像取样和SFR数值的测量，另一方面，不同的影 像模组也得以藉由图像特征选取的SFR测试框，对具有所述图像特征的测试样 本作实时的图像取样和SFR数值的测量，以提升影像模组在解像力的测试效率 以及测试良率。

本发明的另一目的是提供一种影像模组的解像力的测量方法，其中，所述测 量方法适合影像模组调焦过程中解像力的动态测量。影像模组在调焦过程中，测 试样本影像会大幅度地缩小或放大，因此，影像模组所获取到的测试样本测试图 像也会呈现放大或缩小的状况，然而，根据本发明，只要所选取的图像特征还存 在所述放大或所小的图像中，经由具有图像特征的SFR测试框便可以随时被精 确地定位出来，以进行解像力SFR数值的测量。

为了实现上述目的,本发明提供一种影像模组的解像力测量方法，包括如下步骤:

(a)所述影像模组拍摄一目标对象并获取一测试图像；

(b)将所述步骤(a)所述测试图像转换成一灰度图像；

(c)根据灰度值分布将所述步骤(b)所述灰度图像进行图像分割；

(d)对所述步骤(c)所述经图像分割后的图像进行图像区块分析，并依据所 述图像区块分析的结果，从中选取至少一图像区域作为一图像特征；

(e)基于所述步骤(d)所述图像特征选取一测试框的选定区域；以及

(f)针对所述步骤(e)所述测试框的所述选定区域位置对应的所述灰度图 像中的区域测量解像力数值以获取所述影像模组的解像力。

根据本发明的一个实施例，其中在所述步骤(b)中，将所述步骤(a)中获取 的图像转换成YUV格式，并提取亮度信号分量Y以得到所述灰度图像。

根据本发明的一个实施例，将所述步骤(a)中图像从RGB格式转换成YUV 格式。

根据本发明的一个实施例，其中在所述步骤(c)中，通过阈值分割法或分 水岭算法进行图像分割。

根据本发明的一个实施例，其中在所述步骤(c)中，挑选合适的阈值将所 述灰度图像进行二值化，在所述步骤(d)中，对阈值分割后中灰度值为0且相 邻的像素点归类为一个像素区块。

根据本发明的一个实施例，其中在所述步骤(e)中，挑选所述图像区域的 选定位置的点，得到以所述选定位置的点作为中心的一个图形，上述图形作为所 述选定区域。

根据本发明的一个实施例，其中在所述步骤(e)中，挑选所述图像区域的 选定位置的点，得到以所述选定位置的点作为中心一个图形，上述图形作为所述 选定区域，其中所述选定位置的点是所述图像区域的边缘的中心点。

根据本发明的一个实施例，其中在所述步骤(e)中，所述图形是以所述选 定位置的点为中心的正方形或长方形。

根据本发明的一个实施例，其中在所述步骤(f)中，所述测试框的所述选 定区域的所述图像特征通过SFR测试方法来相应地获取相应的所述解像力数值。

根据本发明的一个实施例，其中在所述步骤(e)中，根据所述图像特征的 边缘的中心点坐标与预设的长宽大小，从所述步骤(b)所述灰度图像中裁剪出 相对应坐标位置及长宽的图像作为SFR测试框。

附图说明

图1是本发明影像模组解像力测量方法的流程图。

图2是本发明影像模组解像力测量方法之一优选实施例之SFR测量方法的流 程图，其中，所述SFR测量方法中包括一采用Blob计算分析法提取SFR测试框 的流程。

图3系根据上述SFR测量方法由影像模组拍摄一测试样本所获取的测试图像 并将所述测试图像格式转换成YUV且提取所述YUV图像之亮度信号分量(Y) 后的图像。

图4系根据上述SFR测试框提取流程将所述仅具有亮度信号分量Y的图像 进行阈值分割后的二值化黑白图像。

图5系根据上述SFR测试框提取流程将所述二值化黑白图像进行图像区块处 理后的图像。

图6系根据上述SFR测试框提取流程将所述经图像区块处理的图像进行图像 区块分析后的图像，示出每个目标像素区块四条边缘的中心点坐标。

图7示出根据上述SFR测试框提取流程从每个所述目标像素区块边缘中心点 坐标筛选出所需要的SFR测试框中心点坐标。

图8示出根据上述SFR测试框流程以所述SFR测试框中心点坐标所界定出 的SFR测试框。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中 的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以 下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方 案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

如图1所示系本发明影像模组解像力之测量方法的流程图。基于以下描述的 实施方法，本技术领域人员可以理解的是，本发明得以有效大幅地提升数位影像 模组解像力测试的精确度。

所述解像力测量方法的步骤，依序地包括影像模组获取测试样本测试图像、 图像格式转换、图像分割、图像区块分析以及解像力如SFR数值的测量，其中， 所述图像区块分析用以选取一预定的图像特征，并以图像的最小单位，像素，精 确地界定所述预定的图像特征的边界范围，最后，选取所述边界精确界定的图像 特征作为SFR测试框以测量SFR值。所测量到的SFR值用来评估所述影像模组 的解像力。以下为本发明影像模组解像力之测试方法中各步骤的详细说明。

一图像格式转换

利用相机的影像模组拍摄测试样本后，以一图像处理软件获取所述测试图像 后,将所述测试图像的RGB格式转换成YUV格式，其中，Y代表亮度(Luma)信 号分量，U与V则分别代表色度(Chroma)信号分量，而且，所述亮度信号(Y) 和色度(U、V)信号是可分离的，因此，将图像格式转换后，利用所述图像处理 软件获取Y亮度信号分量，将图像转成灰度的图像。

一般来说，RGB色彩空间是我门最常见的色彩系统，R表示红色，G表示绿 色，而B表示蓝色，这三种颜色为色彩的基本三原色。透过三原色的强度组合， 可以搭配出各种的颜色。但是，当需要进将影像做解析处理时，由于三原色色彩 空间是非线性且具有强烈的关联性，对于影像本身以外的变化干扰十分敏感，因 此，为了取得色彩特征辨识的准确性，将所述图像格式从RGB转换成YUV，再 获取Y亮度信号分量使所述图像转成黑白灰图像，以便后续能够透过阈值分割 法进行图像分割。

例如，测试图像中的每个像素的Y、U与V值，当从RGB转换到YUV时， 系依据下列方程式进行线性转换：

Y＝0.299^*R+0.587^*G+0.114^*B

U＝-0.147^*R-0.289^*G+0.436^*B

V＝0.615^*R-0.515^*G-0.100^*B

因此，当R、G、B三原色信号相等时，U和V向量皆为零，因此，仅剩Y 亮度信号分量，测试图像呈现黑白灰阶色彩。

二图像分割

将上述所获取的Y分量后的灰度图像，以合适的方法进行分割从而形成不同 灰度梯度的图像。上述图像分割方法可以是阈值分割法。

更具体地，上述阈值分割法，指的是选取合适的阈值，根据测试图像中每个 像素点大于或小于该阈值来将这些像素点归为预设的区域，从而将图像分割。在 本发明的这个优选实施例中，所述阈值是合适梯度的灰度值，从而将整个图像分 割成具有不同灰度梯度区域的图案。

上述阈值可以是通过人工选定，如通过人眼的观察，应用人对图像的知识， 在分析图像直方图的基础上，人工选择出合理的阈值。也可以在人工选择出阈值 后，根据分割的效果，不断地进行交互操作，从而选择出最佳的阈值。或者通过 自动阈值选择方法，使用灰度直方图来分析图像中灰度值的分布，然后根据灰度 值的分布图来选取最合适的阈值。在本发明的这个优选实施例中，为了提高测试 速率，优选地透过灰度值方图自动选择最佳阈值以进行图像二值化，换句话说， 所述二值化图像呈现黑白二阶色彩。

在另外的实施例中，也有可能采用分水岭算法来进行分割。分水岭算法将一 副图像看成是一个拓扑地图其中灰度值对应的高度图。高灰度值对应着山峰，低 灰度对应着山谷，在灰度图像中找出不同的吸水盆地和分水岭，由这些不同的吸 水盆地和分水岭组成的区域即为要分割的目标。

三图像区块分析

将经过分割后的图像，在本发明的优选实施例中是二值化的黑白图像，进行 图像区块分析以选取一预定或所需要的图像特征。在进行图像区块分析时，Blob 是优选地被考虑使用的分析计算方法，主要是因为这种分析计算法系将相邻的像 素或是属性(特征)相同的像素(例如，灰度值相同)，集合成一像素区块(blob)， 因此，在图像上会呈现多个像素区块，每个像素区块又被称为一连通区域，因此， 分析者得以在所述图像中选取至少一像素区块，并提取部分所述被选取的像素区 块及与所述部份被选取的像素区块相邻的像素区块以界定出一边界(boundary)， 如此一来，所述边界所围绕的图像区域，即为所述选定或所需要的的图像特征， 换句话说，所述图像特征包含部份所述被选取的像素区块以及部份与被选取的像 素区块相邻的像素区块，其中，与被选取的像素区块相邻的像素区块系图像的一 背景区域。

更具体地说，所述被选取的像素区块及与之相邻的像素区块之间在灰度值上 呈现0与1的反差，如此一来，所述图像特征得以被提取作为一SFR测试框以 便后续进行黑白或深浅反差辨识的解像力测试。

在本发明优选实施例中，所述图像特征的提取方法，系将被选取的目标像素 区块的边缘的中心点坐标作为所述图像特征的中心点位置，再由所述图像特征中 心点位置往周围延伸提取部分所述被选取的像素区块及与所述部份被选取的像 素区块相邻的像素区块，以得到所述图像特征。换句话说，所述图像特征在图像 上的中心点坐标即为所述SFR测试框的中心点坐标。

值得一提的是，所述图像特征的边界系由相邻的像素彼此连接而成，而且像 素是数位图像最小的单位，因此，所述边界能够精确地界定其所围绕的图像特征 的区域范围及在图像上的位置，大幅度提升后续解像力测试框(如SFR测试框) 提取的准确性，增加解像力测量(如SFR解像力测量)的准确性以及可靠性。

换句话说，图像上这些像素区块彼此之间相对位置不变，因此，所选取出的 图像特征具有唯一性与定位精确性，大幅度提升后续SFR测试框提取的准确性, 增加SFR测量准确性以及可靠性。

四影像模组解像力测量

设定由Blob分析计算法所取得的所述图像特征作为一测试框的选定区域， 并针对所述测试框的所述选定区域位置对应的所述图像特征测量解像力数值以 获取所述影像模组的解像力。在本发明实施例中，依据所述图像特征在图像上的 坐标位置、长宽大小，从所述YUV图像中裁剪出相对应坐标位置及长宽的图像， 所述被裁剪出来的图像即被设定为一SFR测试框以直接进行黑白或深浅反差辨 识的解像力测试。如图8所示，每个灰色框都代表经由上述步骤所裁剪出来的 SFR测试框。将这些SFR测试框进行SFR测试以便计算出SFR值，并藉由这些 SFR值评估所述影像模组的解像力。

上述步骤中，由所述图像区块分析所取得的图像特征，系通过对整幅图像进 行特征选取以作为SFR测试框，而且，直接以图像最小的单位，像素，界定SFR 测试框的边界的方式，使得所述被选出的SFR测试框在所述测试图像中具有唯 一性与定位精确性，解决了标记点配位方式在进行SFR的二次取样测量时因SFR 测试框位置偏移而造成的SFR数值偏差严重，并可作为对相同测试样本进行重 复取样、测量时之SFR的标准测试框。

值得一提的是，在本发明这个优选实施例中，所述影像模组解像力测试使用 SFR值用来评估所述影像模组的解像力。在另外的实施例中，也可能以其他方法 如CTF，MTF或TVline等方法来评估所述影像模组的解像力。

再者，为了能够更提高影像模组解像力测量的速率，本发明上述所有步骤得 以在影像模组获取图像后，由同一个图像处理软件完成，换句话说，通过影像模 组与图像处理软件之间的自动化链接，在一方面，所述影像模组得以具有图像特 征的SFR测试框，对具有所述图像特征的测试样本作连续且实时(real-time)的图 像取样和SFR数值的测量，另一方面，不同的影像模组也得以具有图像特征的 SFR测试框，对具有所述图像特征的测试样本作实时的图像取样和SFR数值的 测量，以提升影像模组在解像力的测试效率以及测试良率。因此，依据上述本发 明的步骤进行测试，所得出来的多个数值之间偏差小，并提高了测量效率，其中， 每次测试耗时约47毫秒(ms)。

更进一步地，本发明适合影像模组调焦过程中解像力的动态测量。影像模组 在调焦过程中，测试样本影像会大幅度地缩小或放大，因此，影像模组所获取到 的测试样本测试图像也会呈现放大或缩小的状况，如此一来，传统的标记点匹配 法无法将所述放大图像和缩小图像的标记点位置互相精确地匹配,自然无法进行 SFR解像力数值的测量；然而，根据本发明，只要所选取的图像特征还存在所述 放大或缩小的图像中，经由所述图像特征选取的SFR测试框便可以随时被精确 地定位出来，以进行SFR的测量。也就是说，尽管整体测试图像会放大或缩小， 但是经由上述的图像获取、图像转换、阈值分割以及连通区域的提取步骤后，这 些连通区域之间的相对位置不会发生改变，这样，能够保证SFR测试框始终能够提取到图像中相同的位置区域。从而不像现有技术中，标记点的位置会发生变 化，而导致多次测量时SFR测试框不能提取到相同的测试图案区域。

参照本发明的图2，系本发明影像模组解像力测量方法之一优选实施例之 SFR测量方法的流程图，其中，所述SFR测量方法中包括一采用Blob计算分析 法提取SFR测试框的流程。所述SFR测量方法的详细步骤如下：

(a)提取测试图像：使用一影像模组拍摄一目标对象并获取一测试样本 测试图像；

(b)图像格式转换：对步骤(a)所述测试样本测试图像进行格式转换， 将步骤(a)所述测试样本测试图像格式由RGB转换成YUV；

(c)提取图像Y分量：获取步骤(b)所述YUV图像之亮度信号分量(Y) 以便将所述YUV图像转换成一灰度图像，如图3；

(d)图像阈值分割：在本优选实施例中，对步骤(c)所述灰度图像(图1) 根据一预设的灰度值进行图像阈值分割，将所述步骤(c)所述灰度图像二值化 (Binarization)以形成一黑白分明的图像，如图4；

(e)采用Blob分析计算法处理图像：采用Blob分析计算法对所述步骤 (d)的二值化黑白图像(图4)进行图像处理，亦即，对阈值分割后中灰度值为 0且相邻的像素点归类为一个像素区块(blob)，计算出所述二值化黑白图像中所 有的像素区块，如图5所示，共有五个菱形以及四个圆点像素区块，且这些像素 区块呈现不同的灰度；

(f)像素区块分析：采用Blob分析计算法对所述步骤(e)的所述所有像 素区块进行分析，以便选取至少一或多个目标像素区块。在本优选实施例中，如 图6所示，根据像素区块面积与形状挑选出所述步骤(e)所述五个菱形像素区 块10作为目标像素区块，并计算出每个目标像素区块10四条边缘的中心点20 的坐标，相应在这个步骤中得到五个菱形像素区块10的共计20个点的坐标；

(g)选取所需要的SFR测试框中心点坐标：在本优选实施例中，对所述 步骤(f)所述每个目标像素区块边缘中心点坐标进行筛选，如图7所示，其中，所 述被筛选出的边缘中心点坐标即为所需要的SFR测试框中心点坐标，可以理解 的是，在这个实施例中，五个菱形像素区块10中位于中间的菱形像素区块10的 四条边缘的共4个中心点，以及另外四个菱形像素区块10面向中间的菱形像素 区块10的两条边缘的中心点，即2×4＝8个中心点，总共12个中心点作为筛选 目标；其中四个菱形像素区块10面向中间的菱形像素区块10的两条边缘的取2 个中心点，就能在X和Y方向分别进行评估，而步骤(f)中远离中间的菱形像 素区块10的另两条边缘的2个中心点可以舍去；

(h)选取计算解像力SFR值所需要的图像特征：在本优选实施例中，依 据所需要的SFR测试框长度与宽度，从所述步骤(g)每个所述SFR测试框中心 点坐标位置往周围延伸选取一所需要的图像区域作为所述图像特征，值得一提的 是，这里的区域可以是各个以上述中心点20的正方形或长方形，如图8箭头所 标示的每个长方形框30中所涵盖的图像。在上述图像特征选取的步骤后，依据 所述图像特征在图像上的坐标位置、长宽大小，从所述步骤(b)YUV图像中裁 剪出相对应坐标位置及长宽的图像，所述被裁剪出来的图像被设定为一SFR测 试框。

(i)计算解像力SFR值：将所述步骤(h)所述裁剪出来的SFR测试框 进行SFR测试以便计算出SFR值，获取所述影像模组的解像力。值得一提的是， 所述裁剪出来的图像格式为YUV，也就是说，所述SFR测试是在所述测试图像 转换成灰度图像时，进行黑白或深浅的反差辨识以获取所述SFR值。

更具体地说，所述步骤(c)至步骤(h)即上述本发明采用Blob计算分 析法提取SFR测试框的流程，当所述SFR测试框经由所述步骤(c)至步骤(h) 被提取出来后，对于影像模组在进行连续或动态变焦的SFR测试时，都以此所 述被提取的SFR测试框作为标准的SFR测试框，直接在所述影像模组每次获取 相同测试图像后，仅仅只需将所述测试图像作图像格式转换成灰度图像后，即能 快速定位出所述标准的SFR测试框在测试图像中的精确位置以快速完成所述 SFR值的测量，而且在整个测试过程中可以实时提取SFR测试框位置，测试过程中若图像发生偏移，只要SFR测试框还在图像中，都能准确提取当前测试框 位置，提升影像模组在解像力的整体测试效率。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为 举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及 结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式 可以有任何变形或修改。

Claims (16)

1.影像模组的解像力测量方法，其特征在于，包括步骤：

（a）使用一影像模组拍摄一目标对象并获取一测试样本测试图像；

（b）对所述测试样本测试图像进行格式转换，从RGB格式转换成YUV格式；

（c）将所述YUV格式测试样本测试图像转换成一灰度图像；

（d）根据一预设的灰度值进行图像阈值分割，将所述灰度图像二值化以形成一黑白分明的图像；

（e）将阈值分割后中灰度值为0且相邻的像素点归类为一个像素区块，和计算出所述二值化黑白图像中所有的像素区块；

（f）对所述所有的像素区块进行分析，以便选取至少一或多个目标像素区块，并计算出每个目标像素区块四条边缘的中心点的坐标；

（g）对所述每个目标像素区块边缘中心点坐标进行筛选，其中被筛选出的边缘中心点坐标即为所需要的SFR测试框中心点坐标；

（h）从每个所述SFR测试框中心点坐标位置往周围延伸选取一所需要的图像区域作为图像特征，并依据所述图像特征在图像上的坐标位置、长宽大小，从YUV图像中裁剪出相对应坐标位置及长宽的图像，其中被裁剪出来的图像被设定为一SFR测试框；和

（i）对所述裁剪出来的SFR测试框进行SFR测试，以便计算出SFR值，获取所述影像模组的解像力。

2.根据权利要求1所述的解像力测量方法，其特征在于，在所述步骤(b)中，依据下述方程式对所述测试样本测试图像进行格式转换：

Y＝0.299*R+0.587*G+0.114*B；

U＝-0.147*R-0.289*G+0.436*B；

V＝0.615*R-0.515*G-0.100*B，其中R、G、B为三原色信号，Y代表亮度信号分量，U与V则分别代表色度信号分量。

3.根据权利要求1所述的解像力测量方法，其特征在于，在所述步骤(c)中，提取亮度信号分量Y以得到所述灰度图像。

4.根据权利要求1所述的解像力测量方法，其特征在于，在所述步骤(d)中，通过阈值分割法或分水岭算法进行图像分割。

5.根据权利要求1所述的解像力测量方法，其特征在于，在所述步骤(d)中，挑选合适的阈值将所述灰度图像进行二值化。

6.根据权利要求5所述的解像力测量方法，其特征在于，在所述步骤(d)中，使用灰度直方图来分析图像中灰度值的分布，然后根据灰度值的分布图来选取最合适的阈值。

7.根据权利要求5所述的解像力测量方法，其特征在于，在所述步骤(d)中，透过灰度值方图自动选择最佳阈值以进行图像二值化。

8.根据权利要求7所述的解像力测量方法，其特征在于，在所述步骤(h)中，所述图像区域是以选定位置的点为中心的正方形或长方形。

9.影像模组的解像力测量方法，其特征在于，包括步骤：

（a）使用一影像模组拍摄一目标对象并获取一测试样本测试图像；

（b）对所述测试样本测试图像进行格式转换，从RGB格式转换成YUV格式；

（c）将所述YUV格式测试样本测试图像转换成一灰度图像；

（d）根据一预设的灰度值进行图像阈值分割，将所述灰度图像二值化以形成一黑白分明的图像；

（e）将相邻的像素或是属性相同的像素，集合成一像素区块，在所述图像中选取至少一像素区块，并提取部分被选取的像素区块及与所述部分被选取的像素区块相邻的像素区块以界定出一边界，所述边界所围绕的图像区域为选定或所需要的图像特征，所述图像特征得以被提取作为一SFR测试框；和

（f）对所述SFR测试框进行SFR测试，以便计算出SFR值，获取所述影像模组的解像力。

10.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(b)中，依据下述方程式对所述测试样本测试图像进行格式转换：

Y＝0.299*R+0.587*G+0.114*B；

U＝-0.147*R-0.289*G+0.436*B；

V＝0.615*R-0.515*G-0.100*B，其中R、G、B为三原色信号，Y代表亮度信号分量，U与V则分别代表色度信号分量。

11.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(c)中，提取亮度信号分量Y以得到所述灰度图像。

12.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(d)中，通过阈值分割法或分水岭算法进行图像分割。

13.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(d)中，挑选合适的阈值将所述灰度图像进行二值化。

14.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(d)中，使用灰度直方图来分析图像中灰度值的分布，然后根据灰度值的分布图来选取最合适的阈值。

15.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(d)中，透过灰度值方图自动选择最佳阈值以进行图像二值化。

16.根据权利要求9所述的解像力测量方法，其特征在于，在所述步骤(e)中，所述图像区域是以选定位置的点为中心的正方形或长方形。

Images