CN111951322A - 摄像模组质量检测方法、装置及计算机存储介质 - Google Patents
摄像模组质量检测方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111951322A CN111951322A CN202010683433.7A CN202010683433A CN111951322A CN 111951322 A CN111951322 A CN 111951322A CN 202010683433 A CN202010683433 A CN 202010683433A CN 111951322 A CN111951322 A CN 111951322A
- Authority
- CN
- China
- Prior art keywords
- image
- light source
- preset
- determining
- center position
- 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
- 238000001514 detection method Methods 0.000 title claims description 30
- 238000012360 testing method Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000000877 morphologic effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 239000011295 pitch Substances 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- 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
Abstract
本发明提供了一种摄像模组质量检测方法、装置及计算机存储介质，该方法包括：确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；基于确定出的多个水平间距，确定预设距离阈值；基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；对所述第一图像进行第一预设二值化处理，获得第二图像；基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种摄像模组质量检测方法、装置及计算机存储介质。
背景技术
摄像头模组的镜头结构通常采用多片透镜组成，一定角度的光线入射到透镜上，发生反射和折射，最终在成像芯片上成像，当摄像模组对着光源拍照时，表现为光源附近出现杂散光，也即Flare。在现有技术中，Flare检测通常依靠作业人员的肉眼来判断，这种方法主观性强，且不准确。因此，在出厂前需要对摄像模组进行有效的杂散光质量缺陷的检测。
发明内容
本发明提供了一种摄像模组质量检测方法、装置及计算机存储介质，用于对摄像头模组的杂散光质量缺陷进行有效检测。
第一方面，本发明提供了一种摄像模组质量检测方法，包括：
确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
基于确定出的多个水平间距，确定预设距离阈值；
基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
对所述第一图像进行第一预设二值化处理，获得第二图像；
基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
可选的，所述确定测试图像中每个光源的圆心位置和半径，包括：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
可选的，所述对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，包括：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
可选的，所述基于确定出的多个水平间距，确定预设距离阈值，包括：
确定所述多个水平间距的平均间距为预设距离阈值；或
确定所述多个水平间距中最小间距为预设距离阈值。
可选的，所述基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，包括：
确定所述灰度图像的平均亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；
确定调整亮度后的灰度图像中的最大亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
可选的，所述对所述第一图像进行第一预设二值化处理，获得第二图像，包括：
对所述第一图像进行对比度拉伸；
基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
可选的，所述基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测，包括：
对所述第二图像进行行形态学开运算；
基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；
提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
可选的，所述基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测，包括：
对所述第二图像进行行形态学开运算；
提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
第二方面，本发明提供了一种摄像模组质量检测装置，包括：
第一确定单元，用于确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
第二确定单元，用于基于确定出的多个水平间距，确定预设距离阈值；
第一处理单元，用于基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
第二处理单元，用于对所述第一图像进行第一预设二值化处理，获得第二图像；
质量检测单元，用于基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
可选的，所述第一确定单元具体用于：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
可选的，所述第一确定单元具体用于：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
可选的，所述第二确定单元具体用于：
确定所述多个水平间距的平均间距为预设距离阈值；或
确定所述多个水平间距中最小间距为预设距离阈值。
可选的，所述第一处理单元具体用于：
确定所述灰度图像的平均亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；
确定调整亮度后的灰度图像中的最大亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
可选的，所述第二处理单元具体用于：
对所述第一图像进行对比度拉伸；
基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
可选的，所述质量检测单元具体用于：
对所述第二图像进行行形态学开运算；
基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；
提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
可选的，所述质量检测单元具体用于：
对所述第二图像进行行形态学开运算；
提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
第三方面，本发明实施例提供一种摄像模组质量检测装置，所述摄像模组质量检测装置包括处理器，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实施例中所述的摄像模组质量检测方法的步骤。
第四方面，本发明实施例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实施例中所述的摄像模组质量检测方法的步骤。
本申请实施例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：
在本发明实施例的技术方案中，首先针对摄像模组拍摄点阵光源得到的测试图像进行处理，得到测试图像中每个光源的圆心位置和半径，再基于每个光源的圆心位置，确定相邻两个横向光源的水平间距，进而基于确定出的多个水平间距，确定预设距离阈值。进而，再基于每个光源的圆心位置和半径，将测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，预设亮度为灰度图像中除光源区域的其他区域的最大亮度值，再对第一图像进行第一预设二值化处理，获得第二图像，通过前述图像处理，可以从第二图像中准确提取到杂散光相关的轮廓，进而，基于第二图像中的轮廓与预设距离阈值，对摄像模组质量进行检测，能有效对摄像模组杂散光缺陷进行有效检测。
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摄像模组质量检测方法的流程图；
图2为本发明第一实施例中的测试图像转换为灰度图像的示意图；
图3为本发明第一实施例中的第三图像的示意图；
图4为本发明第一实施例中的第一图像的示意图；
图5为本发明第一实施例中对第一图像进行对比度拉伸后的示意图；
图6为本发明第一实施例中的第二图像的示意图；
图7为本发明第一实施例中对第二图像进行形态学开运算后的示意图；
图8为本发明第一实施例中对第二图像进行光源区域隐藏后的示意图；
图9为本发明第二实施例中的一种摄像模组质量检测装置的示意图；
图10为本发明第三实施例中的一种摄像模组质量检测装置的示意图。
具体实施方式
本发明实施例提供了一种摄像模组质量检测方法、装置及计算机存储介质，该方法包括：确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；基于确定出的多个水平间距，确定预设距离阈值；基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；对所述第一图像进行第一预设二值化处理，获得第二图像；基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
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摄像模组质量检测方法的流程图，该方法包括如下步骤：
S101：确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
S102：基于确定出的多个水平间距，确定预设距离阈值；
S103：基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
S104：对所述第一图像进行第一预设二值化处理，获得第二图像；
S105：基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
具体的，本实施例中的摄像模组质量检测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，获得摄像模组通过拍摄点阵光源获得的图像，然后，确定测试图像中每个光源的圆心位置和半径。具体可通过如下步骤实现：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
其中，所述对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，包括：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
具体的，在本实施例中，针对摄像模组拍摄的BMP位图格式的测试图像，然后将测试图像转换为灰度图，转换公式可以采用公式：Gray＝R*0.229+G*0.587+B*0.114，其中，Gray为灰度值，RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。在具体实施过程中，还可以采用其他灰度转换公式进行灰度转换，在此，本实施例不做限制。在完成灰度转换后，得到如图2的灰度图像。在本实施例中，点阵光源采用的是6*3的LED阵列光源，在具体实施过程中，可根据实际需要进行光源的设置，在此，本实施例不做限制。
进而，对灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像。具体的，可采用全局二值化算法确定出灰度图像的二值化阈值fThreshold，全局二值化算法可以采用OTSU大津自适应二值化算法，当然，还可以采用其他二值化算法，在此，本实施例不做限制。
在基于全局二值化算法确定出灰度图像的二值化阈值fThreshold后，为了减少杂散光影响圆心与光源半径的确定，会对二值化阈值fThreshold进行更新，具体的，更新方式是将原有的二值化阈值按预设亮度值增大，预设亮度值在0-10范围内选取。假设预设亮度值为5，更新后的二值化阈值fThreshold'＝fThreshold+5，利用fThreshold'对前述灰度图像进行二值化处理，针对每轮更新后的二值化阈值进行二值化处理得到的图像，均需要进行轮廓提取，提取到的轮廓坐标存储在容器Contours_start中，遍历每一个轮廓，求取每一个轮廓的最小外接矩形。
进而，对每个轮廓对应的外接矩形的长宽比做判断，当外接矩形的长宽比width/height在预设范围内，比如：1—1.5。如果不在该预设范围内，表示提取到的轮廓除了光源区域，还包括杂散光对应的区域，所以，重新更新二值化阈值，基于更新后的二值化阈值对灰度图像进行二值化处理，继续进行轮廓提取，判断每个轮廓的最小外接矩形长宽比是否在预设范围内，直至所有的轮廓的最小外接矩形的长宽比均在预设范围内，该图像即为第三图像，如图3所示。基于第三图像中每个轮廓的最小外接矩形，确定点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置。
针对第三图像的每个轮廓的最小外接矩形进行长和宽的累加，得到累加值。每个光源的初始半径为累加值除以光源个数(即轮廓数量)，最终光源的半径为初始半径乘以扩张系数，扩张系数可以是大于1的数值，比如：1.2、1.5、1.6等数值，在具体实施过程中，可根据实际需要进行设定，在此，本实施例不做限制。
由于记录了每个光源的圆心位置，可以通过步骤S102，对得到的圆心位置进行排序，得到两个相邻圆心的水平间距，如图3所示的图像，可得到15个水平间距，进而可从确定出的多个水平间距中确定出预设距离阈值。具体的，可确定多个水平间距的平均间距为预设距离阈值。或者，确定多个水平间距中最小间距为预设距离阈值。或者，随机确定一个水平间距为预设距离阈值，在具体实施过程中，预设距离阈值的确定方式可根据实际需要进行设定，在此，本实施例不做限制。
通过这样的方式，能准确根据测试图像获得光源的圆心位置和半径。进而准确确定出光源间的间距，以此来作为判断杂散光是否合格的依据。
接着，进行杂散光轮廓的准确提取，具体的，通过步骤S103来将光源区域和杂散光区域合并。具体的，步骤S103可通过如下步骤实现：确定所述灰度图像的平均亮度值；基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；确定调整亮度后的灰度图像中的最大亮度值；基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
具体的，由于将测试图像转换为灰度图像，可以通过求灰度图像的平均亮度值Smean。基于前述确定出的圆心位置和半径，将灰度图像中圆心位置和半径对应的光源区域的亮度值设置为该平均亮度值Smean，得到第一图像，如图4所示。进而，得到图4中的最大亮度值，将光源区域的亮度值替换为最大亮度值，这样，光源区域和杂散光区域的亮度值就接近一致了。
进而，通过步骤S104，就可以对所述第一图像进行第一预设二值化处理，获得第二图像，具体的，可包括如下步骤实现：对所述第一图像进行对比度拉伸；基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
具体的，在本实施例中，对前述得到的第一图像进行对比度拉伸，拉伸后的像素值与原像素值的公式为Gray(x,y)'＝255*(Gray(x,y)-minVal)/(maxVal-minVal)，其中，Gray(x,y)为原像素值，Gray(x,y)'为拉伸后像素值，minVal为当前图像(即图4)中的最小亮度值，maxVal为当前图像(即图4)中的最大亮度值，对比度拉伸后的图像如图5所示。
进而，基于局部二值化算法对拉伸后的第一图像进行二值化处理，获得第二图像，如附图6所示。局部二值化算法可以采用sauvola算法或者其他算法，在具体实施过程中，可根据实际需要进行设定，在此，本实施例不做限制。
进而，通过步骤S105，基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。具体可通过如下两种方式实现：
第一种：对所述第二图像进行行形态学开运算；基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；如果是，确定所述摄像模组质量不合格。
具体的，在本实施例中，首先对第二图像进行行形态学开运算，以便更好地提取到杂散光相关的轮廓，行形态学开运算得到的图像如图7所示。进而，还是基于前述确定出的圆心位置和半径，将图7中圆心位置和半径对应的光源区域的亮度值设置为0，得到如图8所示的图像，提取该图像中的轮廓，这些轮廓就是杂散光的轮廓，进而，判断每个轮廓的最小外接矩形的最大边是否大于前述确定出的预设距离阈值，如果是，则确定杂散光的区域较大，确定摄像模组质量不合格。当然，在具体实施过程中，还可以设定不合格的轮廓个数达到预设数量才确定摄像模组质量不合格。预设数量可根据实际需要设定为2或3等数值，在此，本实施例不做限制。
第二种：对所述第二图像进行行形态学开运算；提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；如果是，确定所述摄像模组质量不合格。
具体的，在本实施例中，首先对第二图像进行行形态学开运算，以便更好地提取到杂散光相关的轮廓，行形态学开运算得到的图像如图7所示。提取该图像中的轮廓，这些轮廓就是杂散光和圆心连接的轮廓，进而，还是基于前述确定出的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于前述确定出的预设距离阈值，如果是，则确定杂散光的区域较大，确定摄像模组质量不合格。当然，在具体实施过程中，还可以设定不合格的轮廓个数达到预设数量才确定摄像模组质量不合格。预设数量可根据实际需要设定为2或3等数值，在此，本实施例不做限制。
进一步，在本实施例中，还可以将不合格的杂散光轮廓标记在原始的测试图中，以便相关人员观看后对摄像模组进行质量改进。
本实施例中方法，可以准确确定光源的圆心位置和半径，进而准确确定出光源间的间距，还可以将光源附近的Flare全部准确获取到，从而基于光源间的间距和Flare的轮廓来对摄像模组的质量进行准确的检测。
请参见图9，本发明的第二实施例提供了一种摄像模组质量检测装置，包括：
第一确定单元901，用于确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
第二确定单元902，用于基于确定出的多个水平间距，确定预设距离阈值；
第一处理单元903，用于基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
第二处理单元904，用于对所述第一图像进行第一预设二值化处理，获得第二图像；
质量检测单元905，用于基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
可选的，所述第一确定单元901具体用于：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
作为一种可选的实施例，所述第一确定单元901具体用于：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
作为一种可选的实施例，所述第二确定单元902具体用于：
确定所述多个水平间距的平均间距为预设距离阈值；或
确定所述多个水平间距中最小间距为预设距离阈值。
作为一种可选的实施例，所述第一处理单元903具体用于：
确定所述灰度图像的平均亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；
确定调整亮度后的灰度图像中的最大亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
作为一种可选的实施例，所述第二处理单元904具体用于：
对所述第一图像进行对比度拉伸；
基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
作为一种可选的实施例，所述质量检测单元905具体用于：
对所述第二图像进行行形态学开运算；
基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；
提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
作为一种可选的实施例，所述质量检测单元905具体用于：
对所述第二图像进行行形态学开运算；
提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
具体的，本实施例中摄像模组质量检测装置进行检测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摄像模组质量检测方法同样的发明构思，本发明第三实施例还提供了一种摄像模组质量检测装置，请参见图10，
图10示出的是与本发明实施例提供的摄像模组质量检测装置的部分结构的示意图。该摄像模组质量检测装置包括存储器401，所述存储器401用于存储执行前述第一实施例中的摄像模组质量检测方法的程序。该摄像模组质量检测装置还包括处理器402，与所述存储器401连接，所述处理器402被配置为用于执行所述存储器401中存储的程序。
所述处理器402执行所述计算机程序时实现上述第一实施例中摄像模组质量检测方法中的步骤。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摄像模组质量检测装置中各模块/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10仅仅是摄像模组质量检测装置的功能部件的示例图，并不构成对摄像模组质量检测装置的限定，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，例如所述摄像模组质量检测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402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401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摄像模组质量检测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402具有以下功能：
确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
基于确定出的多个水平间距，确定预设距离阈值；
基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
对所述第一图像进行第一预设二值化处理，获得第二图像；
基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
在本发明实施例中，处理器402具有以下功能：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
在本发明实施例中，处理器402具有以下功能：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
在本发明实施例中，处理器402具有以下功能：
确定所述多个水平间距的平均间距为预设距离阈值；或
确定所述多个水平间距中最小间距为预设距离阈值。
在本发明实施例中，处理器402具有以下功能：
确定所述灰度图像的平均亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；
确定调整亮度后的灰度图像中的最大亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
在本发明实施例中，处理器402具有以下功能：
对所述第一图像进行对比度拉伸；
基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
在本发明实施例中，处理器402具有以下功能：
对所述第二图像进行行形态学开运算；
基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；
提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
在本发明实施例中，处理器402具有以下功能：
对所述第二图像进行行形态学开运算；
提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
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摄像模组质量检测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摄像模组质量检测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 (11)
1.一种摄像模组质量检测方法，其特征在于，包括：
确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
基于确定出的多个水平间距，确定预设距离阈值；
基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
对所述第一图像进行第一预设二值化处理，获得第二图像；
基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
2.如权利要求1所述的方法，其特征在于，所述确定测试图像中每个光源的圆心位置和半径，包括：
对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，其中，所述预设条件包括所述第三图像中每个轮廓的最小外接矩形的长宽比在预设范围内；
基于所述第三图像中每个轮廓的最小外接矩形，确定所述点阵光源中每个光源的圆心位置和半径，其中，每个光源的圆心位置为对应最小外接矩形的中心位置，每个光源的半径为初始半径乘以扩张系数，所述初始半径为所述第三图像中所有轮廓的最小外接矩形的长与宽之和除以轮廓的数量的4倍，所述扩张系数为大于1的数值。
3.如权利要求2所述的方法，其特征在于，所述对所述测试图像对应的灰度图像进行第二预设二值化处理，得到满足预设条件的第三图像，包括：
基于全局二值化算法确定出所述灰度图像的二值化阈值；
对所述二值化阈值进行更新，基于更新后的二值化阈值对所述灰度图像进行二值化处理，直至得到满足预设条件的第三图像，其中，更新后的二值化阈值为更新前的二值化阈值加上预设亮度值。
4.如权利要求1所述的方法，其特征在于，所述基于确定出的多个水平间距，确定预设距离阈值，包括：
确定所述多个水平间距的平均间距为预设距离阈值；或
确定所述多个水平间距中最小间距为预设距离阈值。
5.如权利要求1所述的方法，其特征在于，所述基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，包括：
确定所述灰度图像的平均亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述平均亮度；
确定调整亮度后的灰度图像中的最大亮度值；
基于每个所述光源的圆心位置和半径，将所述灰度图像中光源区域的亮度调整为所述最大亮度值，获得第一图像。
6.如权利要求1所述的方法，其特征在于，所述对所述第一图像进行第一预设二值化处理，获得第二图像，包括：
对所述第一图像进行对比度拉伸；
基于局部二值化算法对拉伸后的所述第一图像进行二值化处理，获得第二图像。
7.如权利要求1所述的方法，其特征在于，所述基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测，包括：
对所述第二图像进行行形态学开运算；
基于每个所述光源的圆心位置和半径，将所述第二图像中光源区域的亮度值设为0；
提取所述第二图像中的轮廓，判断每个轮廓的最小外接矩形的最大边是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
8.如权利要求1所述的方法，其特征在于，所述基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测，包括：
对所述第二图像进行行形态学开运算；
提取所述第二图像中的轮廓，基于每个所述光源的圆心位置，判断每个圆心位置至最近的轮廓的最大距离是否大于所述预设距离阈值；
如果是，确定所述摄像模组质量不合格。
9.一种摄像模组质量检测装置，其特征在于，包括：
第一确定单元，用于确定测试图像中每个光源的圆心位置和半径，基于每个所述光源的圆心位置，确定相邻两个横向光源的水平间距，所述测试图像为摄像模组拍摄点阵光源获得的图像；
第二确定单元，用于基于确定出的多个水平间距，确定预设距离阈值；
第一处理单元，用于基于每个所述光源的圆心位置和半径，将所述测试图像对应的灰度图像中每个光源的亮度降低为预设亮度，获得第一图像，其中，所述预设亮度为所述灰度图像中除光源区域的其他区域的最大亮度值；
第二处理单元，用于对所述第一图像进行第一预设二值化处理，获得第二图像；
质量检测单元，用于基于所述第二图像中的轮廓与所述预设距离阈值，对所述摄像模组质量进行检测。
10.一种摄像模组质量检测装置，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1-8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。
11.一种计算机存储介质，其特征在于，用于储存为权利要求1-8中任一项所述方法所用的计算机软件指令，其包含用于执行为摄像模组质量检测方法所设计的程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010683433.7A CN111951322A (zh) | 2020-07-16 | 2020-07-16 | 摄像模组质量检测方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010683433.7A CN111951322A (zh) | 2020-07-16 | 2020-07-16 | 摄像模组质量检测方法、装置及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111951322A true CN111951322A (zh) | 2020-11-17 |
Family
ID=73340606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010683433.7A Pending CN111951322A (zh) | 2020-07-16 | 2020-07-16 | 摄像模组质量检测方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951322A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298762A (zh) * | 2021-05-07 | 2021-08-24 | 威海世高光电子有限公司 | flare检测方法 |
| CN113473110A (zh) * | 2021-03-25 | 2021-10-01 | 广州得尔塔影像技术有限公司 | 一种镜头检测方法、装置及终端设备 |
| CN116523882A (zh) * | 2023-05-05 | 2023-08-01 | 苏州如涵科技有限公司 | 一种基于视觉的光学目标区域准确率检测方法与系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1648630A (zh) * | 2005-02-04 | 2005-08-03 | 沈阳敏像科技有限公司 | 微型摄像模组光学测试方法及装置 |
| WO2010001973A1 (ja) * | 2008-07-02 | 2010-01-07 | シャープ株式会社 | 画像検査処理装置、画像検査処理方法、プログラム、及び、記録媒体 |
| CN108801601A (zh) * | 2018-04-13 | 2018-11-13 | 歌尔科技有限公司 | 菲涅尔透镜杂散光噪声的测试方法、设备及存储介质 |
| CN109819242A (zh) * | 2019-01-09 | 2019-05-28 | 信利光电股份有限公司 | 一种flare测试方法、系统及可读存储介质 |
| CN109922196A (zh) * | 2019-02-22 | 2019-06-21 | 上海龙旗科技股份有限公司 | 检测系统及方法 |
-
2020
- 2020-07-16 CN CN202010683433.7A patent/CN111951322A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1648630A (zh) * | 2005-02-04 | 2005-08-03 | 沈阳敏像科技有限公司 | 微型摄像模组光学测试方法及装置 |
| WO2010001973A1 (ja) * | 2008-07-02 | 2010-01-07 | シャープ株式会社 | 画像検査処理装置、画像検査処理方法、プログラム、及び、記録媒体 |
| CN108801601A (zh) * | 2018-04-13 | 2018-11-13 | 歌尔科技有限公司 | 菲涅尔透镜杂散光噪声的测试方法、设备及存储介质 |
| CN109819242A (zh) * | 2019-01-09 | 2019-05-28 | 信利光电股份有限公司 | 一种flare测试方法、系统及可读存储介质 |
| CN109922196A (zh) * | 2019-02-22 | 2019-06-21 | 上海龙旗科技股份有限公司 | 检测系统及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113473110A (zh) * | 2021-03-25 | 2021-10-01 | 广州得尔塔影像技术有限公司 | 一种镜头检测方法、装置及终端设备 |
| CN113473110B (zh) * | 2021-03-25 | 2024-04-16 | 广州得尔塔影像技术有限公司 | 一种镜头检测方法、装置及终端设备 |
| CN113298762A (zh) * | 2021-05-07 | 2021-08-24 | 威海世高光电子有限公司 | flare检测方法 |
| CN116523882A (zh) * | 2023-05-05 | 2023-08-01 | 苏州如涵科技有限公司 | 一种基于视觉的光学目标区域准确率检测方法与系统 |
| CN116523882B (zh) * | 2023-05-05 | 2023-11-24 | 苏州如涵科技有限公司 | 一种基于视觉的光学目标区域准确率检测方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111951322A (zh) | 摄像模组质量检测方法、装置及计算机存储介质 | |
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| CN109002795B (zh) | 车道线检测方法、装置及电子设备 | |
| CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
| CN101421748B (zh) | 自动检测并校正非红眼闪光缺陷 | |
| CN108764358B (zh) | 一种太赫兹图像识别方法、装置、设备及可读存储介质 | |
| CN111311542A (zh) | 一种产品质量检测方法及装置 | |
| US20170154234A1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| US7333656B2 (en) | Image processing method and image processing apparatus | |
| KR101549495B1 (ko) | 문자 추출 장치 및 그 방법 | |
| CN108109133B (zh) | 一种基于数字图像处理技术的蚕卵自动计数方法 | |
| CN109523527A (zh) | 图像中脏污区域的检测方法、装置和电子设备 | |
| KR102308437B1 (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
| CN103428511A (zh) | 图案处理装置和图案处理方法 | |
| CN114677567B (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
| CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
| CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
| TWI498830B (zh) | 不均勻光線下的車牌辨識方法及系統 | |
| CN111524153B (zh) | 图像解析力确定方法、装置及计算机存储介质 | |
| CN113496476A (zh) | 花屏图像判断方法、设备及计算机存储介质 | |
| CN115564727A (zh) | 一种爆光显影异常缺陷检测方法及系统 | |
| JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
| CN113989307A (zh) | 图像语义分割方法、电子设备及存储介质 | |
| CN113808153A (zh) | 番茄成熟检测方法、装置、计算机设备及存储介质 |
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 |