CN112689100A - 图像检测方法、装置、设备和存储介质 - Google Patents

图像检测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN112689100A
CN112689100A CN202011562961.3A CN202011562961A CN112689100A CN 112689100 A CN112689100 A CN 112689100A CN 202011562961 A CN202011562961 A CN 202011562961A CN 112689100 A CN112689100 A CN 112689100A
Authority
CN
China
Prior art keywords
value
image
gradient
gradient difference
pixel point
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
Application number
CN202011562961.3A
Other languages
English (en)
Other versions
CN112689100B (zh
Inventor
施路平
杨哲宇
赵蓉
何伟
吴臻志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lynxi Technology Co Ltd
Original Assignee
Beijing Lynxi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Lynxi Technology Co Ltd filed Critical Beijing Lynxi Technology Co Ltd
Priority to CN202011562961.3A priority Critical patent/CN112689100B/zh
Publication of CN112689100A publication Critical patent/CN112689100A/zh
Priority to PCT/CN2021/141303 priority patent/WO2022135581A1/zh
Priority to JP2022549709A priority patent/JP7429363B2/ja
Application granted granted Critical
Publication of CN112689100B publication Critical patent/CN112689100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Exposure Control For Cameras (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像检测方法、装置、设备和存储介质，所述方法通过获取第一图像传感器采集的第一图像中每个像素点的像素值，并依据获取的像素值计算第一图像中每个像素点的第一梯度值；获取第二图像传感器采集第二图像中每个像素点的第二梯度值。本发明中，通过第一图像传感器采集第一图像中每个像素点的像素值，并计算得到第一梯度值，通过第二图像传感器采集第二图像中每个像素点的第二梯度值。根据第一梯度值和第二梯度值，上述梯度值能反映图像中像素点的亮度变化，进而基于图像中每一像素点的亮度变化，准确的检测图像真实的曝光状态。

Description

图像检测方法、装置、设备和存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及图像检测方法、装置、设备和存储介质。
背景技术
自动曝光技术已经被广泛应用到数码相机和其他拍摄设备，自动曝光技术中通常将图像的平均亮度与设定的阈值进行比较，以此检测图像是否过曝或欠曝。在图像的平均亮度高于阈值的情况下，确定图像过曝；在图像的平均亮度低于阈值的情况下，确定图像欠曝。
然而，可能存在以下情况，在较为明亮的拍摄环境下，将偏亮但曝光正常的图像定义为过曝；在较为黑暗的拍摄环境下，将偏暗但曝光正常的图像定义为欠曝，难以准确的检测图像真实的曝光状态。
发明内容
本发明实施例的目的在于提供一种图像检测方法、装置、设备和存储介质，解决难以准确的检测图像真实的曝光状态的技术问题。具体技术方案如下：
在本发明实施例的第一方面，首先提供了一种图像检测方法，包括以下步骤：
获取第一图像传感器采集的第一图像中每个像素点的像素值，并依据获取的像素值计算所述第一图像中每个像素点的第一梯度值；
获取第二图像传感器采集第二图像中每个像素点的第二梯度值，所述第一图像和所述第二图像分别为所述第一图像传感器和所述第二图像传感器针对同一目标采集的图像；
根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
在本发明实施例的第二方面，还提供了一种图像检测装置，所述图像检测装置包括：
第一图像传感器，用于采集第一图像中每个像素点的像素值；
第二图像传感器，用于采集第二图像中每个像素点的第二梯度值，所述第一图像和所述第二图像分别为所述第一图像传感器和所述第二图像传感器针对同一目标采集的图像；
第一计算模块，用于依据获取的像素值计算所述第一图像中每个像素点的第一梯度值
第一确定模块，用于根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
在本发明实施例的第三方面，还提供了一种设备，所述设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的指令，当其在计算机上运行时，使得计算机执行上述任一实施例所述的图像检测方法。
在本发明实施例的第四方面，还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中存储有指令，当其在计算机上运行时，使得计算机执行上述任一实施例所述的图像检测方法。
本实施例中，通过第一图像传感器采集第一图像中每个像素点的像素值，并计算得到第一梯度值，通过第二图像传感器采集第二图像中每个像素点的第二梯度值。根据第一梯度值和第二梯度值，上述梯度值能反映图像中像素点的亮度变化，进而基于图像中每一像素点的亮度变化，准确的检测图像真实的曝光状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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。
图1为本发明实施例中图像检测方法的流程图；
图2为本发明实施例中第一图像部分像素点的示意图；
图3为本发明实施例中图像检测装置的结构示意图；
图4为本发明实施例中设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
本发明实施例提供的图像检测方法适用于利用低动态范围图像检测高动态范围图像的应用场景中。
请参阅图1，图1为本发明实施例中图像检测方法的流程图。本发明实施例提供的图像检测方法包括以下步骤：
S101，获取第一图像传感器采集的第一图像中每个像素点的像素值，并依据获取的像素值计算所述第一图像中每个像素点的第一梯度值。
本实施例提供的图像检测方法可以应用在图像检测装置中，其中，图像检测装置可以包括有第一图像传感器，第一图像传感器用于采集第一图像各像素点的像素值，上述第一图像为低动态范围图像。
获取第一图像传感器采集到的多个像素值，并依据获取的像素值计算第一图像中每个像素点的第一梯度值，需要说明的是，一像素点的梯度值又称梯度信息，梯度值能反映该像素点与周围像素点的亮度变化差异。
请参阅图2，如图所示，图中共包括9个小正方形，将每个小正方形定义为一个像素点，按照从上往下，从左至右的顺序，依次对小正方形表示的像素点进行命名，可以得到左上方的小正方形为第一个像素点，右上方的小正方形为第三个像素点，左下方的小正方形为第七个像素点，右下方的小正方形为第九个像素点。小正方形中的数值表示该像素点对应的权重值。
以下，以计算第五个像素点的第一梯度值为例，阐述本实施例中计算第一图像中每个像素点的第一梯度值的技术方案。
假设第一图像传感器采集到图示第一个像素点的像素值为5，第三个像素点的像素值为5，第七个像素点的像素值为2，第九个像素点的像素值为2，第五个像素点的像素值为4；如图所示，第一个像素点、第三个像素点、第七个像素点和第九个像素点的对应的权重值均为-1，第五个像素点对应的权重值为4。将像素点的像素值乘以对应的权重值，再对多个乘积进行累计求和，得到第五个像素点的第一梯度值，即第五个像素点的第一梯度值为(-1x5)+(-1x5)+(-1x2)+(-1x2)+(4x4)，可以得到第五个像素点的第一梯度值为2。
S102，获取第二图像传感器采集第二图像中每个像素点的第二梯度值。
本实施例中，图像检测装置还可以包括有第二图像传感器，第二图像传感器为可以采集像素点亮度变化数值的传感器，第二图像传感器用于采集第二图像中个像素点的第二梯度值。
需要说明的是，第一图像和第二图像分别为第一图像传感器和第二图像传感器针对同一目标采集的图像，也就是说，第一图像和第二图像可以为同一低动态范围图像。
S103，根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
在得到各个像素点的第一梯度值和第二梯度值后，可以对第一梯度值和第二梯度值进行相关的运算，确定第一图像的曝光状态。
具体的根据第一梯度值和第二梯度值，确定第一图像的曝光状态的技术方案，请参阅后续实施例。
本实施例中，通过第一图像传感器采集第一图像中每个像素点的像素值，并计算得到第一梯度值，通过第二图像传感器采集第二图像中每个像素点的第二梯度值。根据第一梯度值和第二梯度值，上述梯度值能反映图像中像素点的亮度变化，进而基于图像中每一像素点的亮度变化，准确的检测图像真实的曝光状态。
可选地，所述根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态包括：
根据所述第一梯度值和所述第二梯度值，确定所述第一图像的梯度差值；基于所述梯度差值和预设参考梯度差值，确定所述第一图像的曝光状态。
本实施例中，对第一梯度值和第二梯度值进行相关运算，得到第一图像的梯度差值，该梯度差值能反图像细节部分。具体的计算方案请参阅后续实施例。
将梯度差值与预设的参考梯度差值比较，确定第一图像的曝光状态，需要说明的是，上述曝光状态包括图像过曝和图像欠曝，在图像过曝的情况下，表示图像的平均亮度较高；在图像欠曝的情况下，表示图像的平均亮度值较低。
可选地，所述根据所述第一梯度值和所述第二梯度值，确定所述第一图像的梯度差值包括：
将所述第二梯度值减去所述第一梯度值，得到所述第一图像中每个像素点的梯度差值；对所述第一图像中每个像素点对应的梯度差值累计求和，得到所述第一图像的梯度差值。
本实施例中，在得到第一梯度值和第二梯度值之后，可以将第一梯度值和第二梯度值输入至预设的梯度差值计算公式中，得到第一图像中每个像素点的梯度差值。
梯度差值计算公式为：
Figure BDA0002860909980000041
其中，D为第一图像的梯度差值，
Figure BDA0002860909980000051
为第i个像素点的第二梯度值，
Figure BDA0002860909980000052
为第i个像素点的第一梯度值，n为第一图像包括的像素点的数量。
将第一图像中每个像素点的梯度差值累计求和，得到第一图像的梯度差值。
可选地，所述基于所述梯度差值和预设参考梯度差值，确定所述第一图像的曝光状态包括：
在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值大于预设亮度值的情况下，确定所述第一图像过曝；在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值不大于预设亮度值的情况下，确定所述第一图像欠曝。
本实施例中，还可以预设有参考梯度差值。将上述公式得到的梯度差值与参考梯度差值比较，在梯度差值大于参考梯度差值的情况下，表示第一图像存在过曝或欠曝现象；在梯度差值不大于参考梯度差值的情况下，表示第一图像不存在过曝或欠曝现象，第一图像的曝光效果较佳。
此外，在梯度差值大于参考梯度差值的情况下，若第一图像的亮度值大于预设亮度值，则可以确定第一图像为过曝图像；若第一图像的亮度值不大于预设亮度值，则可以确定第一图像为欠曝图像。
可选地，所述确定所述第一图像的梯度差值之后，所述方法还包括：确定所述第一图像的最佳曝光时间。其中，第一图像的最佳曝光时间可以是一个或多个。
可选地，确定所述第一图像的最佳曝光时间，包括：
获取所述第一图像的平均亮度值和当前曝光时间；将所述第一图像的平均亮度值和梯度差值输入至预设查找表中进行查询，得到第一权值，所述预设查找表中存储有平均亮度值和梯度差值与第一权值的映射；将所述第一权值与所述当前曝光时间的乘积，确定为所述第一图像传感器的最佳曝光时间。
本实施例中，预设有一查找表，该查找表中存储有平均亮度值和梯度差值与第一权值的映射。将平均亮度值和梯度差值输入至查找表中，得到对应的第一权值。
一种确定第一图像的平均亮度值的实施方式可以为，可以将第一图像中各个像素点的像素值相加，得到第一图像的亮度值，将上述亮度值除以像素点的数量，得到第一图像的平均亮度值。
另一种实施方式可以为，第一图像传感器直接采集第一图像的平均亮度值。
本实施例中，可以将第一权值和第一图像对应的当前曝光时间输入至预设最佳曝光时间计算公式中，确定第一图像传感器对应的最佳曝光时间，其中，将第一图像传感器的曝光时间作为第一图像对应的当前曝光时间。
最佳曝光时间计算公式为：
Topt＝w(D，Icurrent)·Tcurrent
其中，D为梯度差值，Icurrent为平均亮度值，Tcurrent为第一图像传感器对应的当前曝光时间，w(D，Icurrent)为第一权值，Topt为第一图像传感器的最佳曝光时间。
可选地，确定所述第一图像的最佳曝光时间，包括：
所述获取第二图像传感器采集第二图像中每个像素点的第二梯度值之后，将所述第一图像划分为亮部区域和暗部区域；
分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值；
根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，确定所述第一图像传感器的最佳曝光时间。
在一种可能的实现方式中，分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，包括：
将所述亮部区域中每个像素点的第二梯度值减去第一梯度值，得到所述亮部区域中每个像素点的梯度差值；对所述亮部区域中每个像素点的梯度差值累计求和，得到所述亮部区域的第一梯度差值；将所述暗部区域中每个像素点的第二梯度值减去第一梯度值，得到所述暗部区域中每个像素点的梯度差值；对所述暗部区域中每个像素点的梯度差值累计求和，得到所述暗部区域的第二梯度差值；根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值。
本实施例中，将第一图像划分为预设个数的图像区域，将部分图像区域确定为亮部区域，将部分图像区域确定为暗部区域，计算亮部区域对应的第一梯度差值和暗部区域对应的第二梯度差值，根据第一梯度差值和第二梯度差值确定第一图像传感器的最佳曝光时间。
一种划分第一图像的实施方式为，本实施例中预设有参考亮度值，将亮度值高于参考亮度值的图像区域确定为亮部区域，将亮度值不高于参考亮度值的图像区域确定为暗部区域。
另一种实施方式为，计算各个图像区域在一定曝光时间段内的亮度变化值，将亮度变化值高于参考亮度值的图像区域确定为亮部区域，将亮度变化值不高于参考亮度值的图像区域确定为暗部区域。
计算第一图像中亮部区域的梯度差值，将亮部区域的梯度差值称为第一梯度差值，具体的计算梯度差值的方式与上述实施例中提及的计算第一图像的梯度差值的方式一致，本实施例不作过多阐述。
计算第一图像中暗部区域的梯度差值，将暗部区域的梯度差值称为第二梯度差值，具体的计算梯度差值的方式与上述实施例中提及的计算第一图像的梯度差值的方式一致，本实施例不作过多阐述。
可选地，所述根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，确定所述第一图像传感器的最佳曝光时间包括：
将所述亮部区域的第一梯度差值输入至预设优化算法中，确定亮部区域对应的第一曝光值；将所述暗部区域的第一梯度差值输入至预设优化算法中，确定暗部区域对应的第二曝光值；根据所述第一曝光值和第二曝光值，确定所述第一图像传感器的最佳曝光时间。
本实施例中，预设有优化算法，在得到亮部区域的第一梯度差值后，将第一梯度差值作为优化算法的输入，确定亮部区域对应的第一曝光值。需要说明的是，在亮部区域对应的曝光值为第一曝光值的情况下，第一图像的亮部区域具备较佳的曝光效果。
优化算法可以表示为：
Figure BDA0002860909980000071
其中，
Figure BDA0002860909980000072
为第一梯度差值或第二梯度差值，Topt为第一曝光值或第二曝光值。
优化算法的计算原理为，对图像的曝光值进行调整，直至曝光值对应的梯度差值为最小值时，将调整后的曝光值确定为第一曝光值或第二曝光值。
本实施例中计算第一图像的暗部区域的第二曝光值与上述计算第一曝光值的方式一致，本实施例在此不作过多阐述。
本实施例中，若将第一图像划分为2个的图像区域，即将第一图像划分为暗部区域和亮部区域，则第一图像传感器的最佳曝光时间为亮部区域处于第一曝光值下时，第一图像传感器对应的曝光时间；以及，暗部区域处于第二曝光值下时，第一图像传感器对应的曝光时间。也就是说，在这种情况下，第一图像传感器对应有2个最佳曝光时间。
在一种可能的实现方式中，包括M个亮部区域和L个暗部区域，M和L均为正整数；
其中，所述分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，包括：
将M个亮部区域的每个像素点的梯度差值之和确定为所述亮部区域的第一梯度差值，将L个暗部区域的每个像素点的梯度差值之和确定为所述暗部区域的第二梯度差值，或者，
分别确定每个亮部区域的第一梯度差值以及每个暗部区域的第二梯度差值。
举例来说，若将第一图像划分为M个亮部区域和L个暗部区域，可以分别确定每个亮部区域的第一梯度差值以及每个暗部区域的第二梯度差值，即将第一图像划分为(M+L)个图像区域，则第一图像传感器可以对应有(M+L)个最佳曝光时间。
或者，将M个亮部区域的每个像素点的梯度差值之和确定为所述亮部区域的第一梯度差值，将L个暗部区域的每个像素点的梯度差值之和确定为所述暗部区域的第二梯度差值。例如，针对M个亮部区域，确定M个亮部区域处于第一曝光值下时对应的第一图像传感器的曝光时间为最佳曝光时间；针对L个暗部区域，确定L个暗部区域处于第二曝光值下时对应的第一图像传感器的曝光时间也为最佳曝光时间，这种情况下，第一图像传感器对应有2个最佳曝光时间.
可选地，所述方法还包括：
根据所述第一图像传感器的N个最佳曝光时间，采集N帧待处理图像，其中，所述待处理图像为所述第一图像传感器采集的图像，N为正整数；
根据所述N帧待处理图像，生成目标图像。
其中，所述待处理图像为所述第一图像传感器采集的图像，不同的最佳曝光时间对应不同的曝光等级，也即N帧待处理图像对应N个曝光等级；
可以分别根据N个最佳曝光时间，采集N帧待处理图像，并将N帧待处理图像，生成目标图像。
在一种可能的实现方式中，根据所述N帧待处理图像，生成目标图像，包括：
获取每个像素点在各待处理图像中的辐射值和梯度差值；
将所述辐射值和所述梯度差值输入至预设查找表中进行查询，得到每个像素点在各待处理图像中的第二权值，所述预设查找表中存储有辐射值和梯度差值与第二权值的映射；
根据每个像素点在N帧待处理图像中的第二权值和所述辐射值，确定所述目标图像中每个像素的辐射值；
根据所述目标图像每个像素的辐射值生成所述目标图像。
举例来说，可以获取所述待处理图像中每个像素点的辐射值和梯度差值；将所述辐射值和所述梯度差值输入至预设查找表中进行查询，得到每个像素点在不同曝光等级下的第二权值，也即每个像素点在各待处理图像中的第二权值，所述预设查找表中存储有辐射值和梯度差值与第二权值的映射；根据每个像素点在N帧待处理图像中的第二权值和所述辐射值，确定所述目标图像中每个像素的辐射值可以是将所述第二权值和所述辐射值输入至预设辐射值计算公式中，确定所述目标图像中每个像素的辐射值；根据所述目标图像每个像素的辐射值生成所述目标图像。
需要说明的是，不同帧的图像对应的曝光等级不同，而图像的曝光等级与图像的曝光时间相关。具体而言，图像的曝光等级与图像传感器的光圈大小、曝光时间和感光度等参数相关。存在这样一种情况，将图像传感器除曝光时间外的其他参数设置为固定值，将图像传感器的曝光时间设置为最佳曝光时间，那么，可以将图像传感器在最佳曝光时间下得到的N帧图像作为待处理图像，且每帧待处理图像的曝光等级均不同。
本实施例中预设的查找表还存储有辐射值和梯度差值与第二权值的映射。其中，像素点的辐射值与亮度值相关，可以通过第一图像传感器采集每帧待处理图像中每个像素点的辐射值。其中，可以使用上述实施例中提及的计算梯度差值的方式，计算每帧待处理图像中每个像素点的梯度差值。将辐射值和梯度差值输入至查找表中，得到每个像素点在不同曝光等级下的第二权值。
本实施例中，还预设有辐射值计算公式，将第二权值和辐射值输入至预设辐射值计算公式中，输出目标图像中每个像素的辐射值。
辐射值计算公式为：
Figure BDA0002860909980000091
其中，Lij为目标图像在像素点(i，j)的辐射值，w(Dijk,Xijk)为待处理图像像素点(i，j)在曝光等级为k的情况下对应的第二权值，Xijk为待处理图像像素点(i，j)在曝光等级为k的情况下的辐射值，N为所述待处理图像的帧数，k为所述待处理图像的曝光等级。
使用N帧低动态范围图像合成一帧高动态范围图像，且高动态范围图像中各个像素点的辐射值可以根据上述公式计算得到。
如图3所示，本发明实施例还提供了一种图像检测装置200，包括：
第一图像传感器201，用于采集第一图像中每个像素点的像素值；
第二图像传感器202，用于采集第二图像中每个像素点的第二梯度值；
第一计算模块203，用于依据获取的像素值计算所述第一图像中每个像素点的第一梯度值；
第一确定模块204，用于根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
可选地，所述第一确定模块204还包括：
第一确定单元，用于根据所述第一梯度值和所述第二梯度值，确定所述第一图像的梯度差值；
第二确定单元，用于基于所述梯度差值和预设参考梯度差值，确定所述第一图像的曝光状态。
可选地，所述第一确定单元具体用于：
将所述第二梯度值减去所述第一梯度值，得到所述第一图像中每个像素点的梯度差值；
对所述第一图像中每个像素点对应的梯度差值累计求和，得到所述第一图像的梯度差值。
可选地，所述第二确定单元具体用于：
在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值大于预设亮度值的情况下，确定所述第一图像过曝；
在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值不大于预设亮度值的情况下，确定所述第一图像欠曝。
可选地，所述图像检测装置200还包括：
第一获取模块，用于获取所述第一图像的平均亮度值和当前曝光时间；
第一查询模块，用于将所述第一图像的平均亮度值和梯度差值输入至预设查找表中进行查询，得到第一权值，所述预设查找表中存储有平均亮度值和梯度差值与第一权值的映射；
第二确定模块，用于将所述第一权值与所述当前曝光时间的乘积，确定为所述第一图像传感器的最佳曝光时间。
可选地，所述图像检测装置200还包括：
划分模块，用于将所述第一图像划分为亮部区域和暗部区域；
第一计算模块，用于分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值；
第二计算模块，用于根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，确定所述第一图像传感器的最佳曝光时间。
可选地，所述第一计算模块用于：
将所述亮部区域中每个像素点的第二梯度值减去第一梯度值，得到所述亮部区域中每个像素点的梯度差值；
对所述亮部区域中每个像素点的梯度差值累计求和，得到所述亮部区域的第一梯度差值；
将所述暗部区域中每个像素点的第二梯度值减去第一梯度值，得到所述暗部区域中每个像素点的梯度差值；
对所述暗部区域中每个像素点的梯度差值累计求和，得到所述暗部区域的第二梯度差值。
可选地，包括M个亮部区域和L个暗部区域，M和L均为正整数；
所述第一计算模块用于：
将M个亮部区域的每个像素点的梯度差值之和确定为所述亮部区域的第一梯度差值，将L个暗部区域的每个像素点的梯度差值之和确定为所述暗部区域的第二梯度差值，或者，
分别确定每个亮部区域的第一梯度差值以及每个暗部区域的第二梯度差值。
可选地，第二计算模块，具体用于：
将所述亮部区域的第一梯度差值输入至预设优化算法中，确定亮部区域对应的第一曝光值；
将所述暗部区域的第一梯度差值输入至预设优化算法中，确定暗部区域对应的第二曝光值；
根据所述第一曝光值和第二曝光值，确定所述第一图像传感器的最佳曝光时间。
可选地，所述图像检测装置200，还包括：
待处理图像采集模块，用于根据所述第一图像传感器的N个最佳曝光时间，采集N帧待处理图像，其中，所述待处理图像为所述第一图像传感器采集的图像，N为正整数；
目标图像生成模块，用于根据所述N帧待处理图像，生成目标图像。
可选地，目标图像生成模块，用于：
获取每个像素点在各待处理图像中的辐射值和梯度差值；
将所述辐射值和所述梯度差值输入至预设查找表中进行查询，得到每个像素点在各待处理图像中的第二权值，所述预设查找表中存储有辐射值和梯度差值与第二权值的映射；
根据每个像素点在N帧待处理图像中的第二权值和所述辐射值，确定所述目标图像中每个像素的辐射值；
根据所述目标图像每个像素的辐射值生成所述目标图像
本发明实施例还提供了一种设备，如图4所示，包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信；
存储器303，用于存放计算机程序；
处理器301，用于执行存储器303上所存放的程序；
所述计算机程序被处理器执行时，所述计算机程序被所述处理器301执行上述实施例中任一实施例所述的图像检测方法。
上述设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的图像检测方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的图像检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种图像检测方法，其特征在于，包括以下步骤：
获取第一图像传感器采集的第一图像中每个像素点的像素值，并依据获取的像素值计算所述第一图像中每个像素点的第一梯度值；
获取第二图像传感器采集第二图像中每个像素点的第二梯度值，所述第一图像和所述第二图像分别为所述第一图像传感器和所述第二图像传感器针对同一目标采集的图像；
根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态包括：
根据所述第一梯度值和所述第二梯度值，确定所述第一图像的梯度差值；
基于所述梯度差值和预设参考梯度差值，确定所述第一图像的曝光状态。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一梯度值和所述第二梯度值，确定所述第一图像的梯度差值包括：
将所述第二梯度值减去所述第一梯度值，得到所述第一图像中每个像素点的梯度差值；
对所述第一图像中每个像素点对应的梯度差值累计求和，得到所述第一图像的梯度差值。
4.根据权利要求2所述的方法，其特征在于，所述基于所述梯度差值和预设参考梯度差值，确定所述第一图像的曝光状态包括：
在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值大于预设亮度值的情况下，确定所述第一图像过曝；
在所述梯度差值大于预设参考梯度差值，且所述第一图像的亮度值不大于预设亮度值的情况下，确定所述第一图像欠曝。
5.根据权利要求2所述的方法，其特征在于，所述确定所述第一图像的梯度差值之后，所述方法还包括：
获取所述第一图像的平均亮度值和当前曝光时间；
将所述第一图像的平均亮度值和梯度差值输入至预设查找表中进行查询，得到第一权值，所述预设查找表中存储有平均亮度值和梯度差值与第一权值的映射；
将所述第一权值与所述当前曝光时间的乘积，确定为所述第一图像传感器的最佳曝光时间。
6.根据权利要求1所述的方法，其特征在于，所述获取第二图像传感器采集第二图像中每个像素点的第二梯度值之后，所述方法还包括：
将所述第一图像划分为亮部区域和暗部区域；
分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值；
根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，确定所述第一图像传感器的最佳曝光时间。
7.根据权利要求6所述的方法，其特征在于，所述分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，包括：
将所述亮部区域中每个像素点的第二梯度值减去第一梯度值，得到所述亮部区域中每个像素点的梯度差值；
对所述亮部区域中每个像素点的梯度差值累计求和，得到所述亮部区域的第一梯度差值；
将所述暗部区域中每个像素点的第二梯度值减去第一梯度值，得到所述暗部区域中每个像素点的梯度差值；
对所述暗部区域中每个像素点的梯度差值累计求和，得到所述暗部区域的第二梯度差值。
8.根据权利要求6所述的方法，其特征在于，包括M个亮部区域和L个暗部区域，M和L均为正整数；
其中，所述分别确定所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，包括：
将M个亮部区域的每个像素点的梯度差值之和确定为所述亮部区域的第一梯度差值，将L个暗部区域的每个像素点的梯度差值之和确定为所述暗部区域的第二梯度差值，或者，
分别确定每个亮部区域的第一梯度差值以及每个暗部区域的第二梯度差值，其中，每个像素点的梯度差值为每个像素点第二梯度值与第一梯度值之差。
9.根据权利要求6所述的方法，其特征在于，所述根据所述亮部区域的第一梯度差值和所述暗部区域的第二梯度差值，确定所述第一图像传感器的最佳曝光时间包括：
将所述亮部区域的第一梯度差值输入至预设优化算法中，确定亮部区域对应的第一曝光值；
将所述暗部区域的第一梯度差值输入至预设优化算法中，确定暗部区域对应的第二曝光值；
根据所述第一曝光值和第二曝光值，确定所述第一图像传感器的最佳曝光时间。
10.根据权利要求6-9中任一项所述的方法，其特征在于，所述方法还包括：
根据所述第一图像传感器的N个最佳曝光时间，采集N帧待处理图像，其中，所述待处理图像为所述第一图像传感器采集的图像，N为正整数；
根据所述N帧待处理图像，生成目标图像。
11.根据权利要求10所述的方法，其特征在于，根据所述N帧待处理图像，生成目标图像，包括：
获取每个像素点在各待处理图像中的辐射值和梯度差值；
将所述辐射值和所述梯度差值输入至预设查找表中进行查询，得到每个像素点在各待处理图像中的第二权值，所述预设查找表中存储有辐射值和梯度差值与第二权值的映射；
根据每个像素点在N帧待处理图像中的第二权值和所述辐射值，确定所述目标图像中每个像素的辐射值；
根据所述目标图像每个像素的辐射值生成所述目标图像。
12.一种图像检测装置，其特征在于，包括：
第一图像传感器，用于采集第一图像中每个像素点的像素值；
第二图像传感器，用于采集第二图像中每个像素点的第二梯度值，所述第一图像和所述第二图像分别为所述第一图像传感器和所述第二图像传感器针对同一目标采集的图像；
第一计算模块，用于依据获取的像素值计算所述第一图像中每个像素点的第一梯度值；
第一确定模块，用于根据所述第一梯度值和所述第二梯度值，确定所述第一图像的曝光状态。
13.一种设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-11中任一项所述的图像检测方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如权利要求1-11中任一项所述的图像检测方法。
CN202011562961.3A 2020-12-25 2020-12-25 图像检测方法、装置、设备和存储介质 Active CN112689100B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011562961.3A CN112689100B (zh) 2020-12-25 2020-12-25 图像检测方法、装置、设备和存储介质
PCT/CN2021/141303 WO2022135581A1 (zh) 2020-12-25 2021-12-24 图像检测方法、装置、系统、设备和存储介质
JP2022549709A JP7429363B2 (ja) 2020-12-25 2021-12-24 画像検出方法、装置、システム、デバイス及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011562961.3A CN112689100B (zh) 2020-12-25 2020-12-25 图像检测方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN112689100A true CN112689100A (zh) 2021-04-20
CN112689100B CN112689100B (zh) 2022-08-02

Family

ID=75451687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011562961.3A Active CN112689100B (zh) 2020-12-25 2020-12-25 图像检测方法、装置、设备和存储介质

Country Status (3)

Country Link
JP (1) JP7429363B2 (zh)
CN (1) CN112689100B (zh)
WO (1) WO2022135581A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538680A (zh) * 2021-06-10 2021-10-22 无锡中车时代智能装备有限公司 基于双目光度立体视觉的三维测量方法及设备
CN113660413A (zh) * 2021-07-26 2021-11-16 中国科学院西安光学精密机械研究所 一种应用于飞行器的大口径大视场相机自动曝光方法
WO2022135581A1 (zh) * 2020-12-25 2022-06-30 北京灵汐科技有限公司 图像检测方法、装置、系统、设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117061710B (zh) * 2023-10-11 2024-02-27 深圳市蓝鲸智联科技股份有限公司 一种远程查看车内情况的系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090174808A1 (en) * 2007-12-26 2009-07-09 Denso Corporation Exposure control apparatus and exposure control program for vehicle-mounted electronic camera
CN104301636A (zh) * 2014-10-30 2015-01-21 西安电子科技大学 低复杂度高效高动态数字图像的合成方法
CN104715478A (zh) * 2015-03-05 2015-06-17 深圳市安健科技有限公司 一种检测影像图片中曝光区域的方法及系统
CN107569248A (zh) * 2017-08-07 2018-01-12 沈阳东软医疗系统有限公司 一种乳腺机设备的曝光方法及乳腺机设备
CN109345491A (zh) * 2018-09-26 2019-02-15 中国科学院西安光学精密机械研究所 一种融合梯度和灰度信息的遥感图像增强方法
CN110493524A (zh) * 2019-08-28 2019-11-22 深圳市道通智能航空技术有限公司 一种测光调整方法、装置、设备和存储介质
CN110830789A (zh) * 2018-08-07 2020-02-21 杭州海康威视数字技术股份有限公司 一种过曝检测方法、装置及一种过曝抑制方法、装置
CN111212241A (zh) * 2020-01-13 2020-05-29 禾多科技（北京）有限公司 基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7995137B2 (en) 2006-05-01 2011-08-09 Himax Technologies, Limited Exposure compensation method for digital image
WO2012029301A1 (ja) 2010-08-31 2012-03-08 パナソニック株式会社 撮影装置、再生装置、および画像処理方法
JP2015082287A (ja) * 2013-10-24 2015-04-27 日本電気株式会社 画像処理装置、画像処理方法および画像処理プログラム
KR102321110B1 (ko) 2015-04-17 2021-11-03 엘지전자 주식회사 촬영 장치 및 촬영 장치의 제어 방법
CN110418081B (zh) * 2018-04-27 2021-12-24 北京紫光展锐通信技术有限公司 高动态范围图像全分辨率重建方法、装置及电子设备
CN110493539B (zh) * 2019-08-19 2021-03-23 Oppo广东移动通信有限公司 自动曝光处理方法、处理装置和电子设备
CN112689100B (zh) * 2020-12-25 2022-08-02 北京灵汐科技有限公司 图像检测方法、装置、设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090174808A1 (en) * 2007-12-26 2009-07-09 Denso Corporation Exposure control apparatus and exposure control program for vehicle-mounted electronic camera
CN104301636A (zh) * 2014-10-30 2015-01-21 西安电子科技大学 低复杂度高效高动态数字图像的合成方法
CN104715478A (zh) * 2015-03-05 2015-06-17 深圳市安健科技有限公司 一种检测影像图片中曝光区域的方法及系统
CN107569248A (zh) * 2017-08-07 2018-01-12 沈阳东软医疗系统有限公司 一种乳腺机设备的曝光方法及乳腺机设备
CN110830789A (zh) * 2018-08-07 2020-02-21 杭州海康威视数字技术股份有限公司 一种过曝检测方法、装置及一种过曝抑制方法、装置
CN109345491A (zh) * 2018-09-26 2019-02-15 中国科学院西安光学精密机械研究所 一种融合梯度和灰度信息的遥感图像增强方法
CN110493524A (zh) * 2019-08-28 2019-11-22 深圳市道通智能航空技术有限公司 一种测光调整方法、装置、设备和存储介质
CN111212241A (zh) * 2020-01-13 2020-05-29 禾多科技（北京）有限公司 基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022135581A1 (zh) * 2020-12-25 2022-06-30 北京灵汐科技有限公司 图像检测方法、装置、系统、设备和存储介质
CN113538680A (zh) * 2021-06-10 2021-10-22 无锡中车时代智能装备有限公司 基于双目光度立体视觉的三维测量方法及设备
CN113660413A (zh) * 2021-07-26 2021-11-16 中国科学院西安光学精密机械研究所 一种应用于飞行器的大口径大视场相机自动曝光方法
CN113660413B (zh) * 2021-07-26 2022-05-10 中国科学院西安光学精密机械研究所 一种应用于飞行器的大口径大视场相机自动曝光方法

Also Published As

Publication number Publication date
JP2023521541A (ja) 2023-05-25
CN112689100B (zh) 2022-08-02
WO2022135581A1 (zh) 2022-06-30
JP7429363B2 (ja) 2024-02-08

Similar Documents

Publication Publication Date Title
CN112689100B (zh) 图像检测方法、装置、设备和存储介质
CN105812675B (zh) 基于亮度分布和运动之间的折中生成场景的hdr图像的方法
CN111337142A (zh) 体温修正方法、装置及电子设备
CN105611185B (zh) 图像生成方法、装置及终端设备
CN108600736B (zh) 终端光感校准方法、装置、终端及存储介质
CN112070682B (zh) 图像亮度补偿的方法和装置
US10972676B2 (en) Image processing method and electronic device capable of optimizing hdr image by using depth information
CN103888667A (zh) 摄像设备及其控制方法
CN112393804B (zh) 一种图像校正的方法及装置
CN110753178A (zh) 一种曝光时间调整方法及装置、摄像机
CN112598610B (zh) 一种深度图像获得方法、装置、电子设备及存储介质
CN113038026B (zh) 图像处理方法和电子设备
CN113905194A (zh) 一种曝光比处理方法、终端设备及计算机存储介质
CN107454388B (zh) 图像处理方法以及使用该方法的装置
CN110581989A (zh) 快速曝光时间检测方法、装置、电子设备、介质及系统
CN110933304B (zh) 待虚化区域的确定方法、装置、存储介质与终端设备
CN110830728A (zh) 曝光调整方法及装置
CN115760653B (zh) 图像校正方法、装置、设备及可读存储介质
CN113422893B (zh) 图像采集方法、装置、存储介质及移动终端
CN114845052A (zh) 一种拍摄参数调整方法、装置、摄像机及目标设备
CN116665432A (zh) 一种曝光值更新方法、装置、电子设备及存储介质
JP7417426B2 (ja) 異常検知装置、および異常検知方法
CN110868549B (zh) 一种曝光控制方法、装置及电子设备
CN115665557B (zh) 一种图像处理方法、装置及图像采集设备
JPH066796A (ja) 監視装置

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