CN111524153B - 图像解析力确定方法、装置及计算机存储介质 - Google Patents
图像解析力确定方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111524153B CN111524153B CN202010601851.7A CN202010601851A CN111524153B CN 111524153 B CN111524153 B CN 111524153B CN 202010601851 A CN202010601851 A CN 202010601851A CN 111524153 B CN111524153 B CN 111524153B
- Authority
- CN
- China
- Prior art keywords
- test
- image
- target
- determining
- frame
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 594
- 239000003086 colorant Substances 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 19
- 230000004304 visual acuity Effects 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004949 mass spectrometry Methods 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 235000005121 Sorbus torminalis Nutrition 0.000 description 2
- 244000152100 Sorbus torminalis Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 101000651041 Homo sapiens Swi5-dependent recombination DNA repair protein 1 homolog Proteins 0.000 description 1
- 101150020421 SFR2 gene Proteins 0.000 description 1
- 102100027777 Swi5-dependent recombination DNA repair protein 1 homolog Human genes 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像解析力确定方法、装置及计算机存储介质,该方法包括:获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像解析力确定方法、装置及计算机存储介质。
背景技术
图像解析力是衡量摄像头模组成像质量的关键指标,反应摄像头模组再现被拍摄物体细节的能力,图像解析力越高,则拍摄的图形越清晰。目前对于摄像头模组常见的图像解析力包括SFR(spatial frequency response,空间频率响应),SFR主要是用于测量随着空间频率的线条增加对单一影像的所造成影响。在进行SFR测试时,通过摄像头模组拍摄棋盘格测试卡,获得测试图像。在确定视场点处的图像解析力时,通过计算测试图像中离视场点最近的一个测试框的图像解析力,将该测试框的图像解析力作为这个视场点对应的解析力。
由于摄像头模组拍摄的每帧图像之间有细小差异,如果视场点正好落在黑白交界边,附近就可能出现跳框的现象。例如:针对棋盘格测试卡连续拍摄2帧图像,在第一帧图像中离目标测试视场点最近的测试框位于第一位置,而在第二帧图像中离目标测试视场点最近的测试框位于与第一位置不同的第二位置。这样,不同位置处的测试框计算出来的图像解析力可能差异很大,所以现有技术中的方式不能准确反映出视场点位置的图像解析力。
发明内容
本发明提供了一种图像解析力确定方法、装置及计算机存储介质,用于提供一种准确确定视场点图像解析力的方式。
第一方面,本发明提供了一种图像解析力确定方法,包括:
获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
可选的,所述基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力,包括:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
可选的,所述基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,包括:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;
获得所述M个倒数值的总和值;
针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
可选的,所述在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,包括:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框。
可选的,所述提取出所述棋盘格测试图像中所包含的黑块,包括:
对所述棋盘格测试图像进行高斯模糊的降噪处理;
对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;
对所述二值图像进行膨胀处理,分离出黑块;
对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
可选的,针对每个黑块,确定出与之对应的多个候选测试框,包括:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
可选的,所述目标测试方向包括横向方向或纵向方向,在所述目标测试方向为横向方向时,所述M个测试框中每个测试框包括竖向排列的两种颜色区域,在所述目标测试方向为竖向方向时,所述M个测试框中每个测试框包括横向排列的两种颜色区域。
第二方面,本发明提供了一种图像解析力确定装置,包括:
获取单元,用户获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
第一确定单元,用于在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
第二确定单元,用于基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
可选的,所述第二确定单元具体用于:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
可选的,所述第二确定单元具体用于:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;
获得所述M个倒数值的总和值;
针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
可选的,所述第一确定单元具体用于:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框。
可选的,所述第一确定单元具体用于:
对所述棋盘格测试图像进行高斯模糊的降噪处理;
对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;
对所述二值图像进行膨胀处理,分离出黑块;
对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
可选的,所述第一确定单元具体用于:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
可选的,所述目标测试方向包括横向方向或纵向方向,在所述目标测试方向为横向方向时,所述M个测试框中每个测试框包括竖向排列的两种颜色区域,在所述目标测试方向为竖向方向时,所述M个测试框中每个测试框包括横向排列的两种颜色区域。
第三方面,本发明提供一种图像解析力确定装置,所述图像解析力确定装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前述第一方面中所述图像解析力确定方法的步骤。
第四方面,本发明提供了一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述第一方面中所述的图像解析力确定方法的步骤。
本申请中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
在本发明的技术方案中,首先获得摄像头模组拍摄的棋盘格测试图像,在棋盘格测试图像中,基于目标测试视场点的位置,确定出与该目标测试视场点最近的在目标测试方向上的多个测试框,每个测试框位于棋盘格测试图像中对应棋盘格的边缘,所以,每个测试框中包含了2种颜色对应的部分棋盘格,满足图像解析力SFR的测试要求,所以,可以通过选中的多个测试框各自对应的图像解析力SFR值,综合确定出目标测试视场点位置处的图像解析力。通过这样的方式,即使摄像头模组拍摄的每一帧图像有细小的差异,由于综合了离视场点最近的多个测试框的图像解析力值,针对不同帧的棋盘格测试图像,同一视场点位置处的图像解析力值差异不会很大,所以,采用本发明的方法,能够准确地衡量出摄像头模组在目标测试视场点处的图像解析力。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明第一实施例中的一种图像解析力确定方法的流程图;
图2为本发明第一实施例中的二值化处理棋盘格测试图后的示意图;
图3为本发明第一实施例中的膨胀处理棋盘格测试图后的示意图;
图4为本发明第一实施例中的黑块对应的4个测试框的示意图;
图5为本发明第二实施例中的一种图像解析力确定装置的示意图;
图6为本发明第三实施例中的一种图像解析力确定装置的示意图。
具体实施方式
本发明实施例提供了一种图像解析力确定方法、装置及计算机存储介质,该方法包括:获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例
请参考图1,为本发明第一实施例中图像解析力确定方法的流程图,该方法包括如下步骤:
S101:获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
S102:在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
S103:基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
具体的,本实施例中的图像解析力确定方法可以应用于一些测试设备,如电脑等设备,当然还可以是其它电子设备,在此,本申请不做限制。
首先,通过步骤S101,获得摄像头模组拍摄的棋盘格测试图像,摄像头模组通过拍摄SFR测试卡,该SFR测试卡中包括交错排列的大小均等的两种颜色的棋盘格,如黑白棋盘格,每个棋盘格为正方形,这样,摄像头模组拍摄该SFR测试卡后即可获得棋盘格测试图像,棋盘格测试图像包括交错排列的两种颜色的棋盘格。
进而,通过步骤S102,在棋盘格测试图像中,基于目标测试视场点的位置,确定出与目标测试视场点最近的在目标测试方向上的M个的测试框,M为大于1的整数。
具体的,在本实施例中,首先对视场点进行说明,视场点是棋盘格测试图像中的指定的位置,在确定摄像头模组的图像解析力时,通常会测试多个不同视场点位置处的图像解析力。本实施例中,基于中心视场点来定义其他视场点,视场点具体定义如下:
中心视场点:摄像头模组拍摄棋盘格测试图得到的照片的对角线中心点即为,中心视场点。
0.3视场点:以中心视场点为圆心,以1/2对角线长度的3/10为半径画圆,在此圆弧上的点即为0.3视场点。
0.7视场点:以中心视场点为圆心,以1/2对角线长度的7/10为半径画圆,在此圆弧上的点即为0.3视场点。
以此类推,可确定出其他视场点,在此,本实施例不做赘述,本实施例中的目标测试视场点可以根据上述方式来指定。
在确定出目标测试视场点后,即可确定出与该视场点距离最近的M个测试框,在确定M个测试框时,可通过如下方式实现:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框。
其中,所述提取出所述棋盘格测试图像中所包含的黑块,包括:
对所述棋盘格测试图像进行高斯模糊的降噪处理;对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;对所述二值图像进行膨胀处理,分离出黑块;对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
其中,针对每个黑块,确定出与之对应的多个候选测试框,包括:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
具体的,在本实施例中,针对摄像头模组拍摄的棋盘格测试图像,需要对其进行图像处理,提取出棋盘格图像中的黑块,该黑块就是棋盘格测试图中颜色较深的棋盘格。具体的,先采用高斯模糊的降噪处理原始的棋盘格测试图,然后对处理后的棋盘格测试图像进行二值化处理,获得二值图像,如图2所示。接着,对二值图像进行膨胀处理,分离出黑块,如图3所示,最后,对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为该棋盘格测试图像中所包含的黑块。具体的,预设条件包括轮廓的面积大于预设面积,这样,能有效筛选出有效的黑块,避免了图像中噪点的干扰。由于棋盘格测试图卡中的棋盘格均为正方形,预设条件还包括轮廓的长宽间的差值小于预设数值。所以,这样,确保筛选出的黑块为真实的棋盘格对应的方形黑块。在具体实施过程中,预设条件可根据实际需要进行设定,在此,本实施例不做限制。
进而,针对提取出的每个黑块,可确定出位于每条边上的候选测试框,具体的,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置,每个候选测试框为方形框,框的大小预先配置好,这样,就可以确定出每个黑块对应的4个候选测试框。每个黑块对应的4个候选测试框如图4所示,左右两个候选测试为横向方向的候选测试框41,上下两个候选测试为竖向方向的候选测试框42,每个候选测试框的中心都是位于黑块40对应边的中心,这样,每个候选测试框中均包括两种颜色区域,满足SFR的测试需求。可预先记录每个候选测试框中心的位置,以及每个候选测试框对应的测试方向。
当然,还可根据测试需求来确定不同测试方向的候选测试框。测试方向包括横向方向和竖向方向,如果本实施例中的方法中的目标测试方向为横向方向,针对每个黑块,仅需要确定出在横向方向的两个候选测试框,仅将黑块的中心分别向左右平移半个轮廓宽度后所在的2个位置,该黑块对应的2个横向方向候选测试框的中心分别位于这2个位置。同理,如果本实施例中的方法中的目标测试方向为竖向方向,针对每个黑块,仅需要确定出在竖向方向的两个候选测试框,仅将黑块的中心分别向上下平移半个轮廓宽度后所在的2个位置,该黑块对应的2个竖向方向候选测试框的中心分别位于这2个位置。通过这样的方式,即可确定出棋盘格测试图中的候选测试框。
由于预先记录了每个候选测试框中心所在的位置,这样,针对目标测试视场点,即可快速从所有的候选测试框中确定出与该目标测试视场点最接近的目标测试方向的M个测试框,在本实施例中,M为大于1的整数,即,需要选取多个测试框来确定目标测试视场点处的图像解析力。由于测试方向包括横向方向和竖向方向,如果目标测试方向为横向方向,选取的M个测试框中中每个测试框包括竖向排列的两种颜色区域,在目标测试方向为竖向方向时,选取的M个测试框中每个测试框包括横向排列的两种颜色区域。
进而针对目标测试视场点,通过步骤S103,基于M个测试框中每个测试框的图像解析力值,确定摄像头模组在所述目标测试视场点处的与目标测试方向对应的图像解析力。
具体的,在本实施例中,SFR测试主要是计算棋盘格测试图像中两种颜色(如:黑白)棋盘格交界位置处的图像解析力SFR值。本实施例通过前述步骤确定出的M个测试框中每个测试框均处于两种颜色棋盘格交界位置处,满足SFR测试要求。针对M个测试框中每个测试框,计算对应的图像解析力SFR值。SFR值的确定方式可通过标准文档ISO12233中的国际标准SFR算法来计算获得。
具体的,SFR图像解析力计算可通过如下方式进行,将测试框对应的原始Raw格式图像插值成彩色图,再进行交接边的边缘定位,作多条等间距的平行于交接边的平行线。然后,进行多倍(如:四倍)超采样,再按等分距离范围取像素的灰度平均值得到边缘扩展函数ESF(Edge Spread Function)曲线,ESF其实是一条由白变黑(黑变白)的线。再通过卷积做微分,并滤波得到线扩展函数LSF(LineSpread Function)曲线,最后进行频谱变换的快速傅里叶变换FFT (fast Fourier transform),并对0频归一化。输出指定空间频率对应数值即为该测试框对应的在目标测试方向上的图像解析力SFR值。
通过这样的方式,针对M个测试框,可计算得到每个测试框的图像解析力SFR值,进而,基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力,具体可通过如下步骤实现:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
具体的,在本实施例中,需要根据M个测试框中每个测试框与年目标测试视场点的距离来确定该测试框对应的解析力权重,距离越近,越能代表目标测试视场点处的图像解析力,解析力权重越大。
具体的,基于与目标测试视场点距离确定解析力权重的方式可分为以下几种:
第一种:静态配置。
预先配置不同个数测试框对应的解析力权重,例如:M=2时,解析力权重包括0.6和0.4,则距离最近的测试框对应的解析力权重为0.6,另一个测试框对应的解析力权重为0.4。又如:M=3时,解析力权重包括0.5、0.3和0.2,则距离最近的测试框对应的解析力权重为0.5,距离中间的测试框对应的解析力权重为0.3,距离最远的测试框对应的解析力权重为0.2。在具体实施例中,可根据实际情况配置不同M对应的解析力权重,在此,本实施例不做限制。
第二种:动态配置。
第一种动态配置方式:将解析力权重与测试框与目标测试视场点间距离动态关联,比如:假设M=3,包括测试框1、测试框2和测试框3,测试框1与目标测试视场点的距离(改成距离的倒数)为L1,测试框2与目标测试视场点的距离为L2,测试框3与目标测试视场点的距离为L3。测试框1的解析力权重为L1/(L1+L2+L3),测试框2的解析力权重为L2/(L1+L2+L3),测试框3的解析力权重为L3/(L1+L2+L3)。
第二种动态配置方式:将解析力权重与测试框与目标测试视场点间距离以及测试框的个数动态关联,包括如下步骤:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;获得所述M个倒数值的总和值;针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
举例来说,假设M=N=3,包括测试框1、测试框2和测试框3,测试框1与目标测试视场点的距离为L1,测试框2与目标测试视场点的距离为L2,测试框3与目标测试视场点的距离为L3。进一步,获得测试框1对应的倒数值为1/(L1)³,测试框2对应的倒数值为1/(L2)³、测试框3对应的倒数值为1/(L3)³ ,3个倒数值的总和值Weight =1/(L1)³+ 1/(L2)³ + 1/(L3)³。进而,测试框1的解析力权重为1/(L1)³/Weight,测试框2的解析力权重为1/(L2)³/Weight,测试框3的解析力权重为1/(L1)³/Weight。通过这样的定义方式,距离目标测试视场点越近的测试框就越能代表该视场点的图像解析力,并且,N越大,权重受距离影响就越大。N超过4,最近的测试框权重太大,趋近于传统的单框算法,所以N取2到4之间的数值比较合适。
在具体实施过程中,M越大,需要处理的测试框的数量就会越多,计算量越大,距离越远的测试框对测试结果的影响较小,权衡测试时计算的数据量和测试的效果,M选取2、3、4时,能够较快得到较好的测试效果。
进而,在确定出M个测试框中每个测试框对应的解析力权重后,即可通过加权各自对应的图像解析力值的方式来确定出目标测试视场点在目标测试方向上的图像解析力。
举例来说,假设M=3,在目标测试方向上例目标测试视场点最近的3个测试框包括测试框1、测试框2和测试框3,测试框1对应的解析力权重为W1,对应的图像解析力值为SFR1。测试框2对应的解析力权重为W2,对应的图像解析力值为SFR2。测试框3对应的解析力权重为W3,对应的图像解析力值为SFR3。目标测试视场点位置处的图像解析力SFR=W1*SFR1+W2*SFR2+W3*SFR3。
在具体实施过程中,测试框的个数,以及各测试框对应的解析力权重的配置方式,均可根据实际需要进行设定,在此,本实施例不做限制。
通过本实施例中的方法,首先获得摄像头模组拍摄的棋盘格测试图像,在棋盘格测试图像中,基于目标测试视场点的位置,确定出与该目标测试视场点最近的在目标测试方向上的多个测试框,每个测试框位于棋盘格测试图像中对应棋盘格的边缘,所以,每个测试框中包含了2种颜色对应的部分棋盘格,满足图像解析力SFR的测试要求,所以,可以通过选中的多个测试框各自对应的图像解析力SFR值,综合确定出目标测试视场点位置处的图像解析力。通过这样的方式,即使摄像头模组拍摄的每一帧图像有细小的差异,由于综合了离视场点最近的多个测试框的图像解析力值,针对不同帧的棋盘格测试图像,同一视场点位置处的图像解析力值差异不会很大,所以,采用本实施例的方法,能够准确地衡量出摄像头模组在目标测试视场点处的图像解析力。
请参见图5,本发明的第二实施例提供了一种图像解析力确定装置,包括:
获取单元501,用户获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
第一确定单元502,用于在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
第二确定单元503,用于基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
作为一种可选的实施例,所述第二确定单元503具体用于:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
作为一种可选的实施例,所述第二确定单元503具体用于:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;
获得所述M个倒数值的总和值;
针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
作为一种可选的实施例,所述第一确定单元502具体用于:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框。
作为一种可选的实施例,所述第一确定单元502具体用于:
对所述棋盘格测试图像进行高斯模糊的降噪处理;
对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;
对所述二值图像进行膨胀处理,分离出黑块;
对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
作为一种可选的实施例,所述第一确定单元502具体用于:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
作为一种可选的实施例,所述目标测试方向包括横向方向或纵向方向,在所述目标测试方向为横向方向时,所述M个测试框中每个测试框包括竖向排列的两种颜色区域,在所述目标测试方向为竖向方向时,所述M个测试框中每个测试框包括横向排列的两种颜色区域。
具体的,本实施例中图像解析力确定装置进行图像解析力确定的具体实现过程已在前述第一实施例中详细介绍,在此,本实施例不做赘述。
基于与前述实施例中图像解析力确定方法同样的发明构思,本发明第三实施例还提供了一种图像解析力确定装置,请参见图6,图6示出的是与本发明实施例提供的图像解析力确定装置的部分结构的示意图。该图像解析力确定装置包括存储器601,所述存储器601用于存储执行前述第一实施例中的图像解析力确定方法的程序。该图像解析力确定装置还包括处理器602,与所述存储器601连接,所述处理器602被配置为用于执行所述存储器601中存储的程序。
所述处理器602执行所述计算机程序时实现上述第一实施例中图像解析力确定方法中的步骤。或者,所述处理器执行所述计算机程序时实现上述第二实施例中的图像解析力确定装置中各模块/单元的功能。
示例性的,所述计算机程序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中,并由所述处理器执行,以完成本发明。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在所述计算机装置中的执行过程。
所述装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图6仅仅是图像解析力确定装置的功能部件的示例图,并不构成对图像解析力确定装置的限定,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,例如所述图像解析力确定装置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602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)、现成可编程门阵列 (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,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器601可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、一个或多个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据图像解析力确定装置的使用所创建的数据(比如音频数据、视频数据等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital, SD)卡,闪存卡(Flash Card)、一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在本发明实施例中,处理器602具有以下功能:
获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
在本发明实施例中,处理器602具有以下功能:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
在本发明实施例中,处理器602具有以下功能:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;
获得所述M个倒数值的总和值;
针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
在本发明实施例中,处理器602具有以下功能:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框。
在本发明实施例中,处理器602具有以下功能:
对所述棋盘格测试图像进行高斯模糊的降噪处理;
对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;
对所述二值图像进行膨胀处理,分离出黑块;
对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
在本发明实施例中,处理器602具有以下功能:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
在本发明实施例中,所述目标测试方向包括横向方向或纵向方向,在所述目标测试方向为横向方向时,所述M个测试框中每个测试框包括竖向排列的两种颜色区域,在所述目标测试方向为竖向方向时,所述M个测试框中每个测试框包括横向排列的两种颜色区域。
本发明第四实施例提供了一种计算机可读存储介质,其上存储有计算机程序,本发明第二实施例中的所述图像解析力确定装置集成的功能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,本发明实现上述第一实施例的图像解析力确定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、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种图像解析力确定方法,其特征在于,包括:
获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力;
所述在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,包括:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框;
所述基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力,包括:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
2.如权利要求1所述的图像解析力确定方法,其特征在于,所述基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,包括:
针对每个所述测试框,计算该测试框与所述目标测试视场点的距离的N次方的倒数值,共计获得M个倒数值,N大于0;
获得所述M个倒数值的总和值;
针对每个所述测试框,确定该测试框的解析力权重为对应的倒数值与所述总和值的比值。
3.如权利要求1所述的图像解析力确定方法,其特征在于,所述提取出所述棋盘格测试图像中所包含的黑块,包括:
对所述棋盘格测试图像进行高斯模糊的降噪处理;
对处理后的所述棋盘格测试图像进行二值化处理,获得二值图像;
对所述二值图像进行膨胀处理,分离出黑块;
对分离出的黑块进行轮廓检测,将轮廓满足预设条件的黑块作为所述棋盘格测试图像中所包含的黑块。
4.如权利要求1所述的图像解析力确定方法,其特征在于,针对每个黑块,确定出与之对应的多个候选测试框,包括:
针对每个黑块,将该黑块的中心上下左右分别平移半个轮廓宽度后所在的4个位置,该黑块对应的4个候选测试框的中心分别位于所述4个位置。
5.如权利要求1-4中任一权利要求所述的图像解析力确定方法,其特征在于,所述目标测试方向包括横向方向或纵向方向,在所述目标测试方向为横向方向时,所述M个测试框中每个测试框包括竖向排列的两种颜色区域,在所述目标测试方向为竖向方向时,所述M个测试框中每个测试框包括横向排列的两种颜色区域。
6.一种图像解析力确定装置,其特征在于,包括:
获取单元,用户获得摄像头模组拍摄的棋盘格测试图像,所述棋盘格测试图像包括交错排列的两种颜色的棋盘格;
第一确定单元,用于在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,每个所述测试框中包括在所述目标测试方向上的两种颜色对应的部分棋盘格,所述测试框的面积小于所述棋盘格的面积,M为大于1的整数;
第二确定单元,用于基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力;
所述在所述棋盘格测试图像中,基于目标测试视场点的位置,确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框,包括:
提取出所述棋盘格测试图像中所包含的黑块;
针对每个黑块,确定出与之对应的多个候选测试框,每个所述候选测试框中包括黑白两种颜色区域,每个所述候选测试框的中心位于对应黑块的边的中心;
基于所述目标测试视场点的位置,从所有候选测试框中确定出与所述目标测试视场点最近的在目标测试方向上的M个测试框;
所述基于所述M个测试框中每个测试框的图像解析力值,确定所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力,包括:
确定每个所述测试框与所述目标测试视场点的距离;
基于每个所述测试框与所述目标测试视场点的距离,确定所述测试框的解析力权重,其中,与所述目标测试视场点的距离越大,对应测试框的解析力权重越小;
基于所述M个测试框中每个所述测试框的解析力权重与该测试框对应的图像解析力值,加权获得所述摄像头模组在所述目标测试视场点处的与所述目标测试方向对应的图像解析力。
7.一种图像解析力确定装置,其特征在于,包括处理器和存储器:
所述存储器用于存储执行权利要求1-5中任一项所述方法的程序;
所述处理器被配置为用于执行所述存储器中存储的程序。
8.一种计算机存储介质,其特征在于,用于储存权利要求1-5中任一项所述方法所用的计算机软件指令,其包含用于执行为图像解析力确定方法所设计的程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601851.7A CN111524153B (zh) | 2020-06-29 | 2020-06-29 | 图像解析力确定方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601851.7A CN111524153B (zh) | 2020-06-29 | 2020-06-29 | 图像解析力确定方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524153A CN111524153A (zh) | 2020-08-11 |
CN111524153B true CN111524153B (zh) | 2020-10-23 |
Family
ID=71910237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601851.7A Active CN111524153B (zh) | 2020-06-29 | 2020-06-29 | 图像解析力确定方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524153B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113188772A (zh) * | 2021-05-06 | 2021-07-30 | 湖北三赢兴光电科技股份有限公司 | 一种摄像头模组aa制程胶缩测试方法 |
CN113612990A (zh) * | 2021-08-13 | 2021-11-05 | 昆山丘钛微电子科技股份有限公司 | 一种摄像模组的解析力测试方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104168476A (zh) * | 2014-08-19 | 2014-11-26 | 歌尔声学股份有限公司 | 一种测试chart内容抓取方法及系统 |
CN105203302A (zh) * | 2015-09-15 | 2015-12-30 | 歌尔声学股份有限公司 | 用于检测解像力的方法及解像力检测装置 |
CN105791815A (zh) * | 2016-03-16 | 2016-07-20 | 昆山软龙格自动化技术有限公司 | 一种TV line自动判定方法 |
CN107389319A (zh) * | 2017-08-03 | 2017-11-24 | 豪威半导体(上海)有限责任公司 | 模组镜头测试方法及系统 |
-
2020
- 2020-06-29 CN CN202010601851.7A patent/CN111524153B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104168476A (zh) * | 2014-08-19 | 2014-11-26 | 歌尔声学股份有限公司 | 一种测试chart内容抓取方法及系统 |
CN105203302A (zh) * | 2015-09-15 | 2015-12-30 | 歌尔声学股份有限公司 | 用于检测解像力的方法及解像力检测装置 |
CN105791815A (zh) * | 2016-03-16 | 2016-07-20 | 昆山软龙格自动化技术有限公司 | 一种TV line自动判定方法 |
CN107389319A (zh) * | 2017-08-03 | 2017-11-24 | 豪威半导体(上海)有限责任公司 | 模组镜头测试方法及系统 |
Non-Patent Citations (2)
Title |
---|
imatest documentation;2009 Imatest LLC;《https://web.archive.org/web/20170703124004/https://www.imatest.com/docs/Imatest%20Documentation.pdf》;20170703;第150-152页 * |
imatest sfr的结果:多roi(感兴趣区域)图;大丹犬;《https://www.doc88.com/p-3117551641580.html》;20150122;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111524153A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9811899B2 (en) | Method, image processing system and computer-readable recording medium for item defect inspection | |
CN109146855B (zh) | 一种图像摩尔纹检测方法、终端设备及存储介质 | |
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 | |
CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111524153B (zh) | 图像解析力确定方法、装置及计算机存储介质 | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN111951322A (zh) | 摄像模组质量检测方法、装置及计算机存储介质 | |
CN111476750A (zh) | 对成像模组进行污点检测的方法、装置、系统及存储介质 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN114943649A (zh) | 图像去模糊方法、装置及计算机可读存储介质 | |
CN113129298B (zh) | 文本图像的清晰度识别方法 | |
US10217193B2 (en) | Image processing apparatus, image capturing apparatus, and storage medium that stores image processing program | |
CN113496476A (zh) | 花屏图像判断方法、设备及计算机存储介质 | |
CN111179245A (zh) | 图像质量检测方法、装置、电子设备和存储介质 | |
CN111369531A (zh) | 图像清晰度的评分方法、设备及存储装置 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN115018817A (zh) | 划痕检测方法、装置、电子设备和可读存储介质 | |
CN111415365A (zh) | 图像检测方法及装置 | |
CN106846366B (zh) | 使用gpu硬件的tld视频运动目标跟踪方法 | |
WO2021189460A1 (zh) | 图像处理方法、装置及可移动平台 | |
CN109558878B (zh) | 图像识别方法和装置 | |
US10958899B2 (en) | Evaluation of dynamic ranges of imaging devices | |
Rosli et al. | Some technique for an Image of defect in inspection process based on image processing |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: No.3, Taihong Road, Kunshan high tech Industrial Development Zone, Suzhou, Jiangsu Province, 215300 Patentee after: Kunshan Qiuti Microelectronics Technology Co.,Ltd. Address before: No.3, Taihong Road, Kunshan high tech Industrial Development Zone, Suzhou, Jiangsu Province, 215300 Patentee before: KUNSHAN Q TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |