CN112291553A - 摄像头模组的影像线条检测方法 - Google Patents
摄像头模组的影像线条检测方法 Download PDFInfo
- Publication number
- CN112291553A CN112291553A CN202011141541.8A CN202011141541A CN112291553A CN 112291553 A CN112291553 A CN 112291553A CN 202011141541 A CN202011141541 A CN 202011141541A CN 112291553 A CN112291553 A CN 112291553A
- Authority
- CN
- China
- Prior art keywords
- group
- pixel
- value
- picture
- camera module
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种摄像头模组的影像线条检测方法,所述影像线条检测方法包括:步骤S1,将待检测的摄像头模组抓取至少一张预定景象范围的图片;步骤S2,判断图片中是否存在坏点;步骤S3,判断无坏点图片的每一像素组的差异值是否超过预设差异值。根据本发明的摄像头模组的影像线条检测方法,摄像头模组通过抓取图片并对图片进行坏点补偿,然后通过判断第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差异值是否超过预设差异值,可以检测摄像头模组影像是否存在线条,且涵盖了摄像头模组影像的严重线条不良和轻微线条不良,能够在客户端上机前发现存在影像线条,减少了客诉情况的发生,保证了产品的品质及信誉。
Description
技术领域
本发明涉及摄像头模组质量检测技术领域,尤其是涉及一种摄像头模组的影像线条检测方法。
背景技术
相关技术中指出,摄像头芯片晶元制程中如果有微尘混入硅基中的配线层,嵌入配线层的异物会引起阻值升高,造成“线条不良”。
因线条不良有轻微严重之分,现有摄像头模组黑点影像质量测试技术无法涵盖影像线条测试,而轻微的线条不良则会被当做良品出货,客户端上机之后发现影像线条则需要拆机维修更换,客诉随之发生,严重影响产品的品质及信誉。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明在于提出一种摄像头模组的影像线条检测方法,所述摄像头模组的影像线条检测方法可以准确地检测摄像头模组的影响线条。
根据本发明的摄像头模组的影像线条检测方法,所述影像线条检测方法包括:步骤S1,用待检测的摄像头模组抓取至少一张预定景象范围的图片,其中,所述图片包括多个像素组,每个所述像素组为至少一个像素行或像素列;步骤S2,判断图片中的任一像素点的亮度值与四周像素点的平均亮度值的差值是否大于预定值时,若大于预定值则判定所述像素点为坏点,根据所述坏点四周的像素点的亮度值修复所述坏点,得到无坏点图片;步骤S3,设定多个像素组中的某一个像素组为第N组,与所述第N组相邻i行或i列的像素组为第N±i组,定义一个像素组中所有像素点的亮度值的平均值为所述像素组的像素综合亮度值,判断所述第N组的像素综合亮度值与所述第N±i组的像素综合亮度值之间的差异值是否超过预设差异值,若超过预设差异值,则判定该图片中存在线条,若不超过预设差异值,则判定该图片中不存在线条,其中,N为正整数,i为不大于6的正整数。
根据本发明的摄像头模组的影像线条检测方法,摄像头模组通过抓取图片并对图片进行坏点补偿,然后然后通过判断第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差异值是否超过预设差异值,可以检测摄像头模组影像是否存在线条,且涵盖了摄像头模组影像的严重线条不良和轻微线条不良,能够在客户端上机前发现摄像头模组存在影像线条,减少了客诉情况的发生,保证了产品的品质及信誉。
在一些实施例中,所述步骤S3包括:S31,计算所述无坏点图片的每一像素组的像素综合亮度值;S32,计算所述第N组的像素综合亮度值与所述第N±i组的像素综合亮度值之间的差值,对所述差值取绝对值,记为绝对差值;S33,将第N+i组与第N组之间的绝对差值和第N-i组与第N组之间的绝对差值取平均值,记为所述差异值,S34,依据所述差异值判断图片是否存在线条。这样,简化了步骤S3,便于数值的比较。
在一些实施例中,在所述步骤S33中,所述差异值包括一个或多个第k差异值,所述第k差异值为第N+k组与第N组之间的绝对差值和第N-k组与第N组之间的绝对差值的平均值,其中,k∈(0,i],且k为正整数,当至少一个所述第k差异值大于所述预设差异值时,则判定所述图片中存在线条。
在一些实施例中,所述影像线条检测方法还包括:步骤S0,获取预设差异值,所述步骤S0包括:S01,收集一定数量的良品和不良品的摄像头模组样本,其中良品摄像头模组为拍摄照片中人眼目测不存在线条的摄像头模组,不良品摄像头模组为拍摄的照片中人眼目测存在线条的摄像头模组;S02,用样本中的每一个摄像头模组抓取预定景象范围的图片,记为样本图片,其中,所述样本图片包括多个样本像素组,所述样本像素组为所述样本图片的至少一个像素行或像素列;S03,判断所述样本图片中是否存在坏点,若存在坏点,则根据坏点四周的像素点的亮度值修复所述坏点;S04,设定多个样本像素组中的某一个样本像素组为第M组,与所述第M组相邻的样本像素组为第M±j组,定义一个样本像素组中所有像素点的亮度值的平均值为所述样本像素组的像素综合亮度值,计算每一个不良品摄像头模组所抓取样本图片中的线条所在的第M组样本像素组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为不良品绝对差值,将第M+j组与第M组之间的不良品绝对差值和第M-j组与第M组之间的不良品绝对差值取平均值,记为不良品差异值;获取所有不良品摄像头模组抓取图片中的所有样本像素组的不良品差异值中的最小值a;计算每一个良品摄像头模组所抓取的样本图片中的第M组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为良品绝对差值;将第M+j组与第M组之间的良品绝对差值和第M-j组与第M组之间的良品绝对差值取平均值,记为良品差异值;获取所有良品摄像头模组抓取图片中所有样本像素组中的良品差异值中的最大值b;所述预设差异值c=a-(a-b)/2,其中,a>b。由此,进一步提高了检测的准确性。
进一步地,在所述步骤S1中,所述至少一张预定景象范围图片包括:亮场图片和暗场图片,所述亮场图片为所述摄像头模组在光源照度在1000Lux-3000Lux范围的条件下抓取的图片,所述暗场图片为所述摄像头模组的摄像头被不透光件遮挡时抓取的图片。通过在两种亮度环境中检测摄像头模组,提高了对摄像头模组线条的检测的精确度。
进一步地,在抓取亮场图片之前,所述摄像头模组通过自动曝光将图片亮度调整到预设亮度范围,所述预设亮度范围为所述图片的平均亮度在120cd/m2-130cd/m2的范围内。由此,选择120cd/m2-130cd/m2的图片平均亮度,进一步保证了摄像头模组的质量。
更进一步地,在抓取暗场图片之前,将所述摄像头模组的模组增益调整到预设增益值,其中,所述预设增益值在1倍到16倍范围内。由此,保证了暗场图片的噪声最小、缺陷最突出,便于检测。
更进一步地,在所述步骤S2中,所述坏点包括亮点和黑点,当所述图片中存在亮点或黑点时,获取所述亮点或黑点四周像素点的平均亮度值,用所述平均亮度值补偿于所述亮点或黑点,其中,当某一像素点的亮度值大于四周像素点的平均亮度值的30%时,即判定该像素点为亮点;当某一像素点的亮度值小于四周像素点的平均亮度值的30%时,即判定该像素点为暗点。由此,避免了亮点或黑点影响摄像头模组的检测结果,从而减少了检测误差。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是根据本发明实施例的摄像头模组的影像线条检测方法的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照图1所示详细描述根据本发明实施例的摄像头模组的影像线条检测方法,影像线条检测方法包括:步骤S1,用待检测的摄像头模组抓取至少一张预定景象范围的图片,其中,图片包括多个像素组,每个像素组为至少一个像素行或像素列;步骤S2,判断图片中的任一像素点的亮度值与四周像素点的平均亮度值的差值是否大于预定值时,若大于预定值则判定所述像素点为坏点,根据所述坏点四周的像素点的亮度值修复所述坏点,得到无坏点图片;步骤S3,设定多个像素组中的某一个像素组为第N组,与所述第N组相邻i行或i列的像素组为第N±i组,定义一个像素组中所有像素点的亮度值的平均值为所述像素组的像素综合亮度值,判断第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差异值X是否超过预设差异值c,若超过预设差异值c,则判定该图片中存在线条,若不超过预设差异值c,则判定该图片中不存在线条,其中,N为正整数,i为不大于6的正整数。
具体地,首先将待检测的摄像头模组放置在测试平台上,并将摄像头模组固定在测试平台上,然后抓取至少一张预定景象范围的图片,其中,图片包括多个像素组,像素组为至少一个像素行或像素列,接着判断图片中是否存在坏点,坏点为图片中某一像素点的亮度值与其四周的像素点的平均亮度值的差值大于预定值的像素点,如果图片存在坏点,则根据坏点四周的像素点的亮度值修复坏点,从而得到无坏点图片,然后设定多个像素组中的某一个像素组为第N组,与第N组相邻的像素组为第N±i组,然后定义一个像素组中所有像素点的亮度值的平均值为像素组的像素综合亮度值,接着判断第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差异值X是否超过预设差异值c,如果无坏点图片第N组与第N组相邻的第N±i组的像素综合亮度值的差异值X超过预设差异值c,则判定该无坏点图片中存在线条,如果无坏点图片无坏点图片第N组与第N组相邻的第N±i组的像素综合亮度值的差异值X超过预设差异值c,则判定该无坏点图片中不存在线条。这样,简化了摄像头模组的检测步骤,且判断准确。
根据本发明实施例的摄像头模组的影像线条检测方法,摄像头模组通过抓取图片并对图片进行坏点补偿,然后通过判断第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差异值X是否超过预设差异值c,可以检测摄像头模组影像是否存在线条,且涵盖了摄像头模组影像的严重线条不良和轻微线条不良,能够在客户端上机前发现摄像头模组存在影像线条,减少了客诉情况的发生,保证了产品的品质及信誉。
优选地,i不大于6,i可以为1、2、3、4、5、6。
这里需要说明的是,每个待检测的摄像头模组抓取的预定景象范围的图片,预定景象范围为每个待检测的摄像头模组的焦距、光圈、景深等均相同的情况下,抓取的亮度、对比度、色相、色阶等均相同的预定景象,这样,保证了检测的准确性。
此外,坏点为图片中某一像素点的亮度值与其四周的像素点的平均亮度值的差值大于预定值的像素点,图片中某一像素点的亮度值与其四周的像素点的平均亮度值的差值可以为相对差值,也可以为绝对差值。
进一步地,每个待检测的摄像头模组的快门、快门速度、感光度、色温、白平衡等均相同。
此外,对于测试平台不做过多的限定,测试平台用于放置和固定摄像头模组,且测试平台与摄像头模组之间可以电连接和信号连接,用于向摄像头模组供电和传输摄像头模组的获得的光信号。可选地,测试平台还可以设置有光源装置、遮光板、移动装置等,光源装置和遮光板用于调整摄像头模组抓取图片时的光照度,移动装置用于调整测试平台与预定景象之间的距离,便于摄像头模组调整焦距。
另外,简要说明一下四周的像素点指的是任一像素点四周一定范围内的所有像素点,例如:任一像素点在7x7的像素区域内的所有像素点。
在本发明的一些实施例中,步骤S3包括:S31,计算无坏点图片的每一像素组的像素综合亮度值;S32,计算第N组的像素综合亮度值与第N±i组的像素综合亮度值之间的差值,对差值取绝对值,记为绝对差值;S33,将第N+i组与第N组之间的绝对差值和第N-i组与第N组之间的绝对差值取平均值,记为差异值,S34,依据差异值X判断图片是否存在线条。
也就是说,先计算无坏点图片中每一像素组的像素综合亮度值,然后计算无坏点图片中第N组的像素综合亮度值和第N±i组的像素综合亮度值,并且对第N组的像素综合亮度值和第N±i组的像素综合亮度值取差值,为了便于比较数值,对差值取绝对值,记为绝对差值,接着对第N+i组与第N组之间的绝对差值和第N-i组与第N组之间的绝对差值取平均值,记为差异值X,并根据比较差异值X判定图片中是否存在线条。由此,便于判定图片是否存在线条。
在本发明的一些实施例中,在步骤S33中,差异值包括一个或多个第k差异值,第k差异值为第N+k组与第N组之间的绝对差值和第N-k组与第N组之间的绝对差值的平均值,其中,k∈(0,i],且k为正整数,当至少一个第k差异值大于预设差异值时,则判定图片中存在线条。
当k为1时,差异值X包括第一差异值X1,将第N+1组与第N组之间的绝对差值和第N-1组与第N组之间的绝对差值取平均值,记为第一差异值X1;当第一差异值X1大于预设差异值c时,则判定图片中存在线条。
例如,计算第N组分别与第N+1组、第N-1组的绝对差值K,可得K1=(N-(N+1))、K2=(N-(N-1)),计算第N组第N+1组和第N组第N-1组的第一差异值X1,可得X1=(K1+K2)/2,当X1大于预设差异值c时,即判定图片中存在线条。
当k为2时,差异值X包括第一差异值X1和第二差异值X2,将第N+1组与第N组之间的绝对差值和第N-1组与第N组之间的绝对差值取平均值,记为第一差异值X1,将第N+2组与第N组之间的绝对差值和第N-2组与第N组之间的绝对差值取平均值,记为第二差异值X2;当第一差异值X1和第二差异值X2中的至少一个大于预设差异值c时,则判定图片中存在线条。
例如,计算第N组分别与第N+1组、第N-1组、第N+2组、第N-2组的绝对差值K,可得K1=(N-(N+1))、K2=(N-(N-1))、K3=(N-(N+2))、K4=(N-(N-2)),计算第N组第N+1组和第N组第N-1组的第一差异值X1、第N组第N+2组和第N组第N-2组的第二差异值X2,可得X1=(K1+K2)/2、X2=(K3+K4)/2,当X1和X2中的至少一个大于预设差异值c时,即判定图片中存在线条。
在本发明的一些实施例中,影像线条检测方法还包括:步骤S0,获取预设差异值c,步骤S0包括:S01,收集一定数量的良品和不良品的摄像头模组样本,其中良品摄像头模组为拍摄照片中人眼目测不存在线条的摄像头模组,不良品摄像头模组为拍摄的照片中人眼目测存在线条的摄像头模组;S02,用样本中的每一个摄像头模组抓取预定景象范围的图片,记为样本图片,其中,样本图片包括多个样本像素组,样本像素组为样本图片的至少一个像素行或像素列;S03,判断样本图片中是否存在坏点,若存在坏点,则根据坏点四周的像素点的亮度值修复坏点;
S04,设定多个样本像素组中的某一个样本像素组为第M组,与第M组相邻的样本像素组为第M±j组,定义一个样本像素组中所有像素点的亮度值的平均值为样本像素组的像素综合亮度值;
S05,计算每一个不良品摄像头模组所抓取样本图片中的线条所在的第M组样本像素组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为不良品绝对差值E,将第M+j组与第M组之间的不良品绝对差值E和第M-j组与第M组之间的不良品绝对差值E取平均值,记为不良品差异值F;获取所有不良品摄像头模组抓取图片中的所有样本像素组的不良品差异值F中的最小值a;
计算每一个良品摄像头模组所抓取的样本图片中的第M组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为良品绝对差值P;将第M+j组与第M组之间的良品绝对差值EP和第M-j组与第M组之间的良品绝对差值P取平均值,记为良品差异值Q;获取所有良品摄像头模组抓取图片中所有样本像素组中的良品差异值Q中的最大值b;
S06,预设差异值c=a-(a-b)/2,其中,a>b。
也就是说,先收集一定数量的摄像头模组的样本,其中包括良品摄像头模组和不良品摄像头模组,良品摄像头模组为拍摄照片中人眼目测不存在线条的摄像头模组,不良品摄像头模组为拍摄的照片中人眼目测存在线条的摄像头模组,然后使用每一个摄像头模组样本均抓取预定景象范围的图片为样本图片,接着判断图片中是否存在坏点,如果图片存在坏点,则根据坏点四周的像素点的亮度值修复坏点,从而得到无坏点图片。
然后某一个样本像素组为第M组,与第M组相邻的样本像素组为第M±j组,接着计算每一个良品摄像头模组所抓取的样本图片中的第M组的像素综合亮度值和第M±j组的像素综合亮度值,然后计算第M组和第M±j组的像素综合亮度值的差值,为了便于比较数值,对差值取绝对值,并记为良品绝对差值,进而对第M+j组和第M-j组的良品绝对差值P取平均值,记为良品差异值Q,然后获取良品摄像头模组抓取图片中同一样本像素组中的良品差异值Q的最大值b。
接着计算每一个不良品摄像头模组所抓取的样本图片中的第M组的像素综合亮度值和第M±j组的像素综合亮度值,然后计算第M组和第M±j组的像素综合亮度值的差值,为了便于比较数值,对差值取绝对值,并记为不良品绝对差值E,进而对第M+j组和第M-j组的不良品绝对差值E取平均值,记为不良品差异值F,然后获取不良品摄像头模组抓取图片中同一样本像素组中的不良品差异值F的最小值a。
最后,在不良品差异值F的最小值a大于良品差异值Q的最大值b的情况下,计算预设差异值c=a-(a-b)/2,即计算不良品差异值F的最小值a与良品差异值Q的最大值b的平均值。由此,得到了预设差异值c,提高了摄像头模组检测的准确性,减少了检测误差。
在本发明的一些实施例中,在步骤S1中,至少一张预定景象范围图片包括:亮场图片和暗场图片,亮场图片为摄像头模组在光源照度在1000Lux-3000Lux范围的条件下抓取的图片,暗场图片为摄像头模组的摄像头被不透光件遮挡时抓取的图片。
在本发明的一些实施例中,在抓取亮场图片之前,摄像头模组通过自动曝光将图片亮度调整到预设亮度范围,预设亮度范围为图片的平均亮度在120cd/m2-130cd/m2的范围内,这样,亮度适中,抓取的图片更符合检测标准。
在另一些实施例中,预设亮度范围还可以为图片的平均亮度在150-160的范围内。
在本发明的一些实施例中,在抓取暗场图片之前,将摄像头模组的模组增益调整到预设增益值,其中,预设增益值在1倍到16倍范围内。一般情况下,为了突出图片缺陷模组增益设为16倍,若噪声明显,则降到8倍,当模组增益为1倍时,图片缺陷不明显,此时调大模组增益值。
在本发明的一些实施例中,在步骤S2中,坏点包括亮点和黑点,当图片中存在亮点或黑点时,获取亮点或黑点四周像素点的平均亮度值,用平均亮度值补偿于亮点或黑点。其实质为,摄像头模组的感光芯片由很多独立的感光传感器组成,当某一个传感器坏掉时,跟周围的差异较大,此时,用四周的亮度平均值对此传感器对应的像素组进行补偿修复,从而得到无坏点的图片。
这里需要说明的是,当某一像素点的亮度值大于四周像素点的平均亮度值的30%时,即判定该像素点为亮点;当某一像素点的亮度值小于四周像素点的平均亮度值的30%时,即判定该像素点为暗点。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接,还可以是通信;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种摄像头模组的影像线条检测方法,其特征在于,所述影像线条检测方法包括:
步骤S1,用待检测的摄像头模组抓取至少一张预定景象范围的图片,其中,所述图片包括多个像素组,每个所述像素组为至少一个像素行或像素列;
步骤S2,判断图片中的任一像素点的亮度值与四周像素点的平均亮度值的差值是否大于预定值,若大于预定值则判定所述像素点为坏点,根据所述坏点四周的像素点的亮度值修复所述坏点,得到无坏点图片;
步骤S3,设定当前目标像素组为第N组,与所述第N组相邻i行或i列的像素组为第N±i组,定义一个像素组中所有像素点的亮度值的平均值为所述像素组的像素综合亮度值,
针对每个像素组,判断当前所述第N组的像素综合亮度值与所述第N±i组的像素综合亮度值之间的差异值是否超过预设差异值,
若超过预设差异值,则判定该图片中存在线条,若不超过预设差异值,则判定该图片中不存在线条,其中,N为正整数,i为不大于6的正整数。
2.根据权利要求1所述的摄像头模组的影像线条检测方法,其特征在于,所述步骤S3包括:
S31,计算所述无坏点图片的每一像素组的像素综合亮度值;
S32,计算所述第N组的像素综合亮度值与所述第N±i组的像素综合亮度值之间的差值,对所述差值取绝对值,记为绝对差值,
S33,将第N+i组与第N组之间的绝对差值和第N-i组与第N组之间的绝对差值取平均值,记为所述差异值,
S34,依据所述差异值判断图片是否存在线条。
3.根据权利要求2所述的摄像头模组的影像线条检测方法,其特征在于,在所述步骤S33中,所述差异值包括一个或多个第k差异值,所述第k差异值为第N+k组与第N组之间的绝对差值和第N-k组与第N组之间的绝对差值的平均值,其中,k∈(0,i],且k为正整数,
当至少一个所述第k差异值大于所述预设差异值时,则判定所述图片中存在线条。
4.根据权利要求1-4中任一项所述的摄像头模组的影像线条检测方法,其特征在于,所述影像线条检测方法还包括:步骤S0,获取预设差异值,所述步骤S0包括:
S01,收集一定数量的良品和不良品的摄像头模组样本,其中,良品摄像头模组为拍摄照片中人眼目测不存在线条的摄像头模组,不良品摄像头模组为拍摄的照片中人眼目测存在线条的摄像头模组;
S02,用样本中的每一个摄像头模组抓取预定景象范围的图片,记为样本图片,其中,所述样本图片包括多个样本像素组,所述样本像素组为所述样本图片的至少一个像素行或像素列;
S03,判断所述样本图片中是否存在坏点,若存在坏点,则根据坏点四周的像素点的亮度值修复所述坏点;
S04,设定多个样本像素组中的某一个样本像素组为第M组,与所述第M组相邻的样本像素组为第M±j组,定义一个样本像素组中所有像素点的亮度值的平均值为所述样本像素组的像素综合亮度值;
S05,计算每一个不良品摄像头模组所抓取样本图片中的线条所在的第M组样本像素组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为不良品绝对差值,将第M+j组与第M组之间的不良品绝对差值和第M-j组与第M组之间的不良品绝对差值取平均值,记为不良品差异值;获取所有不良品摄像头模组抓取图片中的所有样本像素组的不良品差异值中的最小值a;
计算每一个良品摄像头模组所抓取的样本图片中的第M组的像素综合亮度值与第M±j组的像素综合亮度值之间的差值,对差值取绝对值,记为良品绝对差值;将第M+j组与第M组之间的良品绝对差值和第M-j组与第M组之间的良品绝对差值取平均值,记为良品差异值;获取所有良品摄像头模组抓取图片中所有样本像素组中的良品差异值中的最大值b;
S06,所述预设差异值c=a-(a-b)/2,其中,a>b。
5.根据权利要求1-4中任一项所述的摄像头模组的影像线条检测方法,其特征在于,在所述步骤S1中,所述至少一张预定景象范围图片包括:亮场图片和暗场图片,所述亮场图片为所述摄像头模组在光源照度在1000Lux-3000Lux范围的条件下抓取的图片,所述暗场图片为所述摄像头模组的摄像头被不透光件遮挡时抓取的图片。
6.根据权利要求5所述的摄像头模组的影像线条检测方法,其特征在于,在抓取亮场图片之前,所述摄像头模组通过自动曝光将图片亮度调整到预设亮度范围,所述预设亮度范围为所述图片的平均亮度在120cd/㎡-130cd/㎡的范围内。
7.根据权利要求5所述的摄像头模组的影像线条检测方法,其特征在于,在抓取暗场图片之前,将所述摄像头模组的模组增益调整到预设增益值,其中,所述预设增益值在1倍到16倍范围内。
8.根据权利要求1所述的摄像头模组的影像线条检测方法,其特征在于,在所述步骤S2中,所述坏点包括亮点和黑点,当所述图片中存在亮点或黑点时,获取所述亮点或黑点四周像素点的平均亮度值,用所述平均亮度值补偿于所述亮点或黑点,
其中,当某一像素点的亮度值大于四周像素点的平均亮度值的30%时,即判定该像素点为亮点;当某一像素点的亮度值小于四周像素点的平均亮度值的30%时,即判定该像素点为暗点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141541.8A CN112291553B (zh) | 2020-10-22 | 2020-10-22 | 摄像头模组的影像线条检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141541.8A CN112291553B (zh) | 2020-10-22 | 2020-10-22 | 摄像头模组的影像线条检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112291553A true CN112291553A (zh) | 2021-01-29 |
CN112291553B CN112291553B (zh) | 2023-03-24 |
Family
ID=74424842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011141541.8A Active CN112291553B (zh) | 2020-10-22 | 2020-10-22 | 摄像头模组的影像线条检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112291553B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313724A (zh) * | 2021-05-27 | 2021-08-27 | 深圳企业云科技股份有限公司 | 一种用于对抗手机摄像头重采样的线条检测处理方法 |
CN114648526A (zh) * | 2022-05-18 | 2022-06-21 | 武汉精立电子技术有限公司 | 一种图像坏点处理方法、存储介质、电子设备及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130293724A1 (en) * | 2012-05-02 | 2013-11-07 | Aptina Imaging Corporation | Imaging systems with signal chain verification circuitry |
CN106205437A (zh) * | 2015-05-05 | 2016-12-07 | 联想(北京)有限公司 | 一种坏点检测方法、电子设备及装置 |
CN106210712A (zh) * | 2016-08-11 | 2016-12-07 | 上海大学 | 一种图像坏点检测及处理方法 |
CN109375470A (zh) * | 2018-12-07 | 2019-02-22 | 歌尔股份有限公司 | 一种广角模组的测试装置、测试系统以及测试方法 |
CN109862351A (zh) * | 2019-03-05 | 2019-06-07 | 横店集团东磁有限公司 | 一种摄像头模组解析度检验方法 |
CN110166769A (zh) * | 2019-06-27 | 2019-08-23 | 信利光电股份有限公司 | 检测摄像模组输出错位的方法、装置、系统及存储介质 |
CN111031307A (zh) * | 2019-12-20 | 2020-04-17 | 昆山丘钛微电子科技有限公司 | 一种摄像模组检测方法、装置、电子设备及介质 |
CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
CN111711814A (zh) * | 2020-06-01 | 2020-09-25 | 深圳市深视创新科技有限公司 | 摄像头模组缺陷检测方法 |
-
2020
- 2020-10-22 CN CN202011141541.8A patent/CN112291553B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130293724A1 (en) * | 2012-05-02 | 2013-11-07 | Aptina Imaging Corporation | Imaging systems with signal chain verification circuitry |
CN106205437A (zh) * | 2015-05-05 | 2016-12-07 | 联想(北京)有限公司 | 一种坏点检测方法、电子设备及装置 |
CN106210712A (zh) * | 2016-08-11 | 2016-12-07 | 上海大学 | 一种图像坏点检测及处理方法 |
CN109375470A (zh) * | 2018-12-07 | 2019-02-22 | 歌尔股份有限公司 | 一种广角模组的测试装置、测试系统以及测试方法 |
CN109862351A (zh) * | 2019-03-05 | 2019-06-07 | 横店集团东磁有限公司 | 一种摄像头模组解析度检验方法 |
CN110166769A (zh) * | 2019-06-27 | 2019-08-23 | 信利光电股份有限公司 | 检测摄像模组输出错位的方法、装置、系统及存储介质 |
CN111031307A (zh) * | 2019-12-20 | 2020-04-17 | 昆山丘钛微电子科技有限公司 | 一种摄像模组检测方法、装置、电子设备及介质 |
CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
CN111711814A (zh) * | 2020-06-01 | 2020-09-25 | 深圳市深视创新科技有限公司 | 摄像头模组缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
张戈: "CMOS摄像模组缺陷的自动检测系统研究", 《光电工程》 * |
张舞杰等: "基于图像处理的摄像头模组金线缺陷检测方法", 《机械设计与制造工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313724A (zh) * | 2021-05-27 | 2021-08-27 | 深圳企业云科技股份有限公司 | 一种用于对抗手机摄像头重采样的线条检测处理方法 |
CN113313724B (zh) * | 2021-05-27 | 2022-04-08 | 深圳企业云科技股份有限公司 | 一种用于对抗手机摄像头重采样的线条检测处理方法 |
CN114648526A (zh) * | 2022-05-18 | 2022-06-21 | 武汉精立电子技术有限公司 | 一种图像坏点处理方法、存储介质、电子设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112291553B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108682365B (zh) | 一种oled色斑检测与修复一体化系统、方法 | |
CN101329281B (zh) | 影像感测晶片污点检测系统及其检测方法 | |
JP3785520B2 (ja) | 電子カメラ | |
US7388609B2 (en) | Dynamic identification and correction of defective pixels | |
CN103018015B (zh) | 检测设备中镜头的光轴偏移的装置和方法 | |
CN112291553B (zh) | 摄像头模组的影像线条检测方法 | |
CN101452199B (zh) | 调制传递函数值的测量方法 | |
JP5549364B2 (ja) | ウェーハ欠陥検査装置及びウェーハ欠陥検査方法 | |
JP2011196685A (ja) | 欠陥検出装置、欠陥修復装置、表示パネル、表示装置、欠陥検出方法、プログラム | |
KR20180118513A (ko) | 시트 검사 장치 및 검사 시스템 | |
CN106303509A (zh) | 相机子组合件灰尘及缺陷检测系统及方法 | |
CN108072664B (zh) | 一种外观检测系统及方法 | |
JP2003298949A (ja) | 点滅欠陥検出方法、映像補正方法及び固体撮像装置 | |
CN108226179B (zh) | 自动光学检测设备的校准方法及自动修复系统 | |
US8717465B2 (en) | Blemish detection sytem and method | |
TWI310084B (en) | Automatic inspecting method for inspecting the polar direction of the polar element | |
CN115790390B (zh) | 电池卷绕检测系统和方法 | |
CN107911694A (zh) | 一种测试摄像机镜头跑焦的方法及系统 | |
CN101843090B (zh) | 白/黑像素校正装置和方法以及成像系统 | |
KR20070121216A (ko) | 카메라 테스트 유닛 및 이를 이용한 카메라 검사 방법 | |
JP4962763B2 (ja) | 欠陥検査装置および欠陥検査方法 | |
US20060279646A1 (en) | Pixel defect detection method for solid-state image pickup device | |
TWI396932B (zh) | 調製傳遞函數值之測量方法 | |
CN114453280B (zh) | 一种显示面板缺陷检测方法 | |
CN108508053A (zh) | 一种系统性极微物理缺陷的检测方法 |
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 |