CN113205478A - 用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法 - Google Patents

用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法 Download PDF

Info

Publication number
CN113205478A
CN113205478A CN202110055888.9A CN202110055888A CN113205478A CN 113205478 A CN113205478 A CN 113205478A CN 202110055888 A CN202110055888 A CN 202110055888A CN 113205478 A CN113205478 A CN 113205478A
Authority
CN
China
Prior art keywords
image
pixels
camera
value
shading
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
CN202110055888.9A
Other languages
English (en)
Other versions
CN113205478B (zh
Inventor
S·V·阿鲁鲁
J·H·岑
D·A·奥辛斯基
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN113205478A publication Critical patent/CN113205478A/zh
Application granted granted Critical
Publication of CN113205478B publication Critical patent/CN113205478B/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
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/703—SSIS architectures incorporating pixels for producing signals other than image signals
    • H04N25/704—Pixels specially adapted for focusing, e.g. phase difference pixel sets
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge 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
    • G06T7/13—Edge detection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • H04N23/811—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation by dust removal, e.g. from surfaces of the image sensor or processing of the image signal output by the electronic image sensor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/63—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to dark current
    • H04N25/633—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to dark current by using optical black pixels
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • 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
    • G06T2207/30236—Traffic on road, railway or crossing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Studio Devices (AREA)

Abstract

一种方法，包括使用摄像机在第一时间处捕获物体的第一图像，并且给第一图像的一部分中的多个像素分配阴影值。物体包括亮部分和比亮部分更暗的暗部分。该方法还包括识别对应于第一图像中物体的亮部分的阴影值的第一模式值，以及识别对应于第一图像中物体的暗部分的阴影值的第二模式值。该方法还包括确定第一和第二模式值之间的差，并基于该差确定第一图像的对比度。

Description

用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法
引言
本节中提供的信息旨在概括介绍本公开的背景。在本节中描述的范围内，当前署名的发明人的工作，以及在提交时在其他方面可能不符合现有技术的描述方面，既不明确也不隐含地被认为是针对本公开的现有技术。
技术领域
本公开涉及用于分析由于镜头磨损导致的摄像机性能劣化的系统和方法。
背景技术
机动车辆通常包括捕获车辆周围环境的图像的摄像机和显示由摄像机捕获的图像的电子显示器。电子显示器定位在车辆驾驶员的视野内，使得驾驶员可在驾驶员操作车辆时识别车辆和/或车道边界附近的物体。当摄像机的镜头变脏时，摄像机捕获的图像品质会劣化，在这种情况下，驾驶员经常通过用他们的手指擦拭镜头来清洁镜头。随着时间的推移，这种动作会在镜头上产生微观磨损，这种微观磨损使摄像机的观看性能和由摄像机捕获图像的对比度劣化。
发明内容
根据本公开的方法的第一示例包括使用摄像机在第一时间处捕获物体的第一图像，并且给第一图像的一部分中的多个像素分配阴影值。物体包括亮部分和比亮部分更暗的暗部分。该方法还包括识别对应于第一图像中物体的亮部分的阴影值的第一模式值，以及识别对应于第一图像中物体的暗部分的阴影值的第二模式值。该方法还包括确定第一和第二模式值之间的差，并基于该差确定第一图像的对比度。
在一个示例中，该方法还包括当差小于预定值时，确定第一图像的对比度是不可接受的。
在一个示例中，亮部分的颜色为白色，暗部分的颜色为黑色，并且阴影值指示灰色阴影。
在一个示例中，阴影值指示灰色阴影，较低的阴影值指示较暗的灰色阴影，并且较高的阴影值指示较亮的灰色阴影。
在一个示例中，第一图像的所述一部分不包括整个第一图像。
在一个示例中，第一图像的所述一部分包括在物体的亮部分和物体的暗部分之间的边缘两侧上的预定数量的像素。
在一个示例中，物体包括第一白色竖直条、第二白色竖直条和设置在第一和第二白色竖直条之间的黑色竖直条，白色竖直条形成物体的亮部分，并且黑色竖直条形成物体的暗部分。
在一个示例中，第一图像的所述一部分包括在第一白色竖直条和黑色竖直条之间的第一竖直边缘两侧上的第一预定数量的像素，以及在黑色竖直条和第二白色竖直条之间的第二竖直边缘两侧上的第二预定数量的像素。
在一个示例中，第一图像的所述一部分包括对于第一图像中所有像素水平行的第一竖直边缘两侧上的第一预定数量的像素，以及对于第一图像中所有像素水平行的第二竖直边缘两侧上的第二预定数量的像素。
在一个示例中，该方法还包括使用摄像机在第二时间处捕获物体的第二图像，给第二图像的一部分中的多个像素分配阴影值，识别对应于第二图像中物体的亮部分的阴影值的第三模式值，识别对应于第二图像中物体的暗部分的阴影值的第四模式值，确定第三和第四模式值之间的差；以及基于（i）第一和第二模式值之间的差和（ii）第三和第四模式值之间的差来确定摄像机的观看性能的劣化。第二时间晚于第一时间。
在一个示例中，该方法还包括在第一时间和第二时间之间的时间段期间，根据预定程序对摄像机的镜头施加磨损。
在一个示例中，该方法还包括相对于第一和第二模式值之间的差来归一化第三和第四模式值之间的差，并且基于归一化的差来确定摄像机的观看性能的劣化。
在一个示例中，该方法还包括当归一化的差小于预定值时，确定摄像机的观看性能的劣化是不可接受的。
根据本公开的方法的第二示例包括使用摄像机在第一时间处捕获物体的第一图像，并且给第一图像的一部分中的多个像素分配阴影值。物体包括亮部分和比亮部分更暗的暗部分。该方法还包括识别对应于第一图像中物体的亮部分的阴影值的第一模式值，识别对应于第一图像中物体的暗部分的阴影值的第二模式值，以及确定第一和第二模式值之间的差。该方法还包括使用摄像机在第二时间处捕获物体的第二图像，并且给第二图像的一部分中的多个像素分配阴影值。第二时间晚于第一时间。该方法还包括识别对应于第二图像中物体的亮部分的阴影值的第三模式值，识别对应于第二图像中物体的暗部分的阴影值的第四模式值，确定第三和第四模式值之间的差，以及基于（i）第一和第二模式值之间的差和（ii）第三和第四模式值之间的差来确定摄像机的观看性能的劣化。
在一个示例中，该方法还包括在第一时间和第二时间之间的时间段期间，根据预定程序对摄像机的镜头施加磨损。
在一个示例中，该方法还包括相对于第一和第二模式值之间的差来归一化第三和第四模式值之间的差，并且基于归一化的差来确定摄像机的观看性能的劣化。
在一个示例中，物体包括第一白色竖直条、第二白色竖直条和设置在第一和第二白色竖直条之间的黑色竖直条，白色竖直条形成物体的亮部分，并且黑色竖直条形成物体的暗部分。
在一个示例中，第一图像的所述一部分和第二图像的所述一部分中的每一者包括在第一白色竖直条和黑色竖直条之间的第一竖直边缘两侧上的第一预定数量的像素，以及在黑色竖直条和第二白色竖直条之间的第二竖直边缘两侧上的第二预定数量的像素。
在一个示例中，第一图像的所述一部分和第二图像的所述一部分中的每一者包括第一图像中所有像素水平行的第一竖直边缘两侧上的第一预定数量的像素，以及第一图像中所有像素水平行的第二竖直边缘两侧上的第二预定数量的像素。
根据本公开的系统的示例包括电子显示器、摄像机、阴影值模块、模式值模块和对比度模块。该摄像机被配置成在第一时间处捕获物体的第一图像，并在第二时间处捕获物体的第二图像。物体包括亮部分和比亮部分更暗的暗部分。第二时间晚于第一时间。阴影值模块被配置成给第一图像的一部分中的多个像素分配阴影值，并给第二图像的一部分中的多个像素分配阴影值。模式值模块被配置成识别对应于第一图像中物体的亮部分的阴影值的第一模式值，识别对应于第一图像中物体的暗部分的阴影值的第二模式值，识别对应于第二图像中物体的亮部分的阴影值的第三模式值，以及识别对应于第二图像中物体的暗部分的阴影值的第四模式值。对比度模块被配置成确定第一和第二模式值之间的差，确定第三和第四模式值之间的差，相对于第一和第二模式值之间的差来归一化第三和第四模式值之间的差，当归一化的差小于预定值时确定摄像机的观看性能的劣化是不可接受的，并且控制电子显示器显示指示摄像机的观看性能的劣化何时是不可接受的消息。
本发明提供了以下技术方案：
1. 一种方法，包括：
使用摄像机在第一时间处捕获物体的第一图像，所述物体包括亮部分和比所述亮部分更暗的暗部分；
给所述第一图像的一部分中的多个像素分配阴影值；
识别对应于所述第一图像中所述物体的所述亮部分的阴影值的第一模式值；
识别对应于所述第一图像中所述物体的所述暗部分的阴影值的第二模式值；
确定所述第一模式值和第二模式值之间的差；和
基于所述差确定所述第一图像的对比度。
2. 根据技术方案1所述的方法，还包括当所述差小于预定值时，确定所述第一图像的对比度是不可接受的。
3. 根据技术方案1所述的方法，其中，所述亮部分的颜色是白色的，所述暗部分的颜色是黑色的，并且所述阴影值指示灰色阴影。
4. 根据技术方案1所述的方法，其中，所述阴影值指示灰色阴影，较低的阴影值指示较暗的灰色阴影，并且较高的阴影值指示较亮的灰色阴影。
5. 根据技术方案1所述的方法，其中，所述第一图像的所述一部分不包括整个第一图像。
6. 根据技术方案1所述的方法，其中，所述第一图像的所述一部分包括在所述物体的亮部分和所述物体的暗部分之间的边缘的两侧上的预定数量的像素。
7. 根据技术方案1所述的方法，其中：
所述物体包括第一白色竖直条、第二白色竖直条和设置在所述第一和第二白色竖直条之间的黑色竖直条；
所述白色竖直条形成所述物体的亮部分；并且
所述黑色竖直条形成所述物体的暗部分。
8. 根据技术方案7所述的方法，其中，所述第一图像的所述一部分包括：
在所述第一白色竖直条和所述黑色竖直条之间的第一竖直边缘两侧上的第一预定数量的像素；和
在所述黑色竖直条和所述第二白色竖直条之间的第二竖直边缘两侧上的第二预定数量的像素。
9. 根据技术方案8所述的方法，其中，所述第一图像的所述一部分包括：
对于所述第一图像中所有像素水平行的第一竖直边缘两侧上的第一预定数量的像素；和
对于所述第一图像中所有像素水平行的第二竖直边缘两侧上的第二预定数量的像素。
10. 根据技术方案1所述的方法，进一步包括：
使用所述摄像机在第二时间处捕获所述物体的第二图像，其中，所述第二时间晚于所述第一时间；
给所述第二图像的一部分中的多个像素分配阴影值；
识别对应于所述第二图像中所述物体的所述亮部分的阴影值的第三模式值；
识别对应于所述第二图像中所述物体的所述暗部分的阴影值的第四模式值；
确定所述第三和第四模式值之间的差；和
基于（i）所述第一和第二模式值之间的差和（ii）所述第三和第四模式值之间的差来确定所述摄像机的观看性能的劣化。
11. 根据技术方案10所述的方法，还包括在所述第一时间和第二时间之间的时间段期间，根据预定程序对所述摄像机的镜头施加磨损。
12. 根据技术方案10所述的方法，进一步包括：
相对于所述第一和第二模式值之间的差，归一化所述第三和第四模式值之间的差；以及
基于归一化的差来确定所述摄像机的观看性能的劣化。
13. 根据技术方案12所述的方法，还包括当所述归一化的差小于预定值时，确定所述摄像机的观看性能的劣化是不可接受的。
14. 一种方法，包括：
使用摄像机在第一时间处捕获物体的第一图像，所述物体包括亮部分和比所述亮部分更暗的暗部分；
给所述第一图像的一部分中的多个像素分配阴影值；
识别对应于所述第一图像中所述物体的所述亮部分的阴影值的第一模式值；
识别对应于所述第一图像中所述物体的所述暗部分的阴影值的第二模式值；
确定所述第一和第二模式值之间的差；
使用所述摄像机在第二时间处捕获所述物体的第二图像，其中，所述第二时间晚于所述第一时间；
给所述第二图像的一部分中的多个像素分配阴影值；
识别对应于所述第二图像中所述物体的所述亮部分的阴影值的第三模式值；
识别对应于所述第二图像中所述物体的所述暗部分的阴影值的第四模式值；
确定所述第三和第四模式值之间的差；以及
基于（i）所述第一和第二模式值之间的差和（ii）所述第三和第四模式值之间的差来确定所述摄像机的观看性能的劣化。
15. 根据技术方案14所述的方法，还包括在所述第一时间和第二时间之间的时间段期间，根据预定程序对所述摄像机的镜头施加磨损。
16. 根据技术方案14所述的方法，进一步包括：
相对于所述第一和第二模式值之间的差，归一化所述第三和第四模式值之间的差；以及
基于归一化的差来确定所述摄像机的观看性能的劣化。
17. 根据技术方案14所述的方法，其中：
所述物体包括第一白色竖直条、第二白色竖直条和设置在所述第一和第二白色竖直条之间的黑色竖直条；
所述白色竖直条形成所述物体的亮部分；并且
所述黑色竖直条形成所述物体的暗部分。
18. 根据技术方案17所述的方法，其中，所述第一图像的所述一部分和所述第二图像的所述一部分中的每一者包括：
在所述第一白色竖直条和黑色竖直条之间的第一竖直边缘两侧上的第一预定数量的像素；和
在所述黑色竖直条和所述第二白色竖直条之间的第二竖直边缘两侧上的第二预定数量的像素。
19. 根据技术方案18所述的方法，其中，所述第一图像的所述一部分和所述第二图像的所述一部分中的每一者包括：
对于所述第一图像中所有像素水平行的第一竖直边缘两侧上的第一预定数量的像素；和
对于所述第一图像中所有像素水平行的第二竖直边缘两侧上的第二预定数量的像素。
20. 一种系统，包括：
电子显示器；
摄像机，其被配置成：
在第一时间处捕获物体的第一图像，其中，所述物体包括亮部分和比所述亮部分更暗的暗部分；和
在第二时间处捕获物体的第二图像，其中，所述第二时间晚于所述第一时间；
阴影值模块，其被配置成：
给所述第一图像的一部分中的多个像素分配阴影值；和
给所述第二图像的一部分中的多个像素分配阴影值；
模式值模块，被配置成：
识别对应于所述第一图像中所述物体的所述亮部分的阴影值的第一模式值；
识别对应于所述第一图像中所述物体的所述暗部分的阴影值的第二模式值；
识别对应于所述第二图像中所述物体的所述亮部分的阴影值的第三模式值；和
识别对应于所述第二图像中所述物体的所述暗部分的阴影值的第四模式值；和
对比度模块，其被配置成：
确定所述第一和第二模式值之间的差；
确定所述第三和第四模式值之间的差；
相对于所述第一和第二模式值之间的差，归一化所述第三和第四模式值之间的差；
当归一化的差小于预定值时，确定所述摄像机的观看性能的劣化是不可接受的；和
控制所述电子显示器显示消息，所述消息指示何时所述摄像机的观看性能的劣化是不可接受的。
从详细描述、权利要求和附图中，本公开的另外的应用领域将变得显而易见。详细描述和具体示例仅旨在说明的目的，并且不旨在限制本公开的范围。
附图说明
从详细描述和随附附图，将会更全面地理解本公开，其中：
图1是根据本公开的包括摄像机和用于分析摄像机的观看性能的系统的示例车辆的透视图；
图2是根据本公开的用于分析摄像机的观看性能的示例系统的功能框图；
图3是图示根据本公开的用于分析摄像机的观看性能的示例方法的流程图；
图4A是由摄像机捕获的示例图像，其示出了根据本公开的测试物体；
图4B是图4A的图像的放大视图；
图5A是在摄像机的镜头经受第一磨损量之后由摄像机捕获的图4A的物体的另一示例图像；
图5B是图5A的图像的放大视图；
图5C是图示对应于各种灰色阴影的图5A的图像中的数个像素的示例图；
图6A是在摄像机的镜头经受大于第一磨损量的第二磨损量之后由摄像机捕获的图4A的物体的另一示例图像；
图6B是图6A的图像的放大视图；
图6C是图示对应于各种灰色阴影的图6A图像中的数个像素的示例图；
图7A是在摄像机的镜头经受大于第二磨损量的第三磨损量之后由摄像机捕获的图4A的物体的另一示例图像；
图7B是图7A的图像的放大视图；
图7C是图示对应于各种灰色阴影的图7A的图像中的数个像素的示例图；
图8示出了在摄像机的镜头经受各种磨损量之后由摄像机捕获的多个示例图像，其中图像示出了车辆后面的环境；和
图9示出了在摄像机的镜头经受与图8中相同的磨损量之后由摄像机捕获的多个示例图像，其中图像示出了测试物体。
在附图中，附图标记可以重复使用来标识相似和/或相同的元件。
具体实施方式
相对于其他摄像机，上述机械清洁动作可对一些摄像机的观看性能有更大的影响。因此，可期望开发一种用于机械清洁动作的标准程序，并评价其对摄像机观看性能的影响。另外，为了确保对每个被测摄像机的观看性能的影响以相同的方式进行评价，可期望量化由于机械清洁动作导致的摄像机观看性能的劣化。
根据本公开的系统和方法使摄像机经受标准化机械清洁动作，并通过分析由摄像机捕获的真实和测试图像来评价其随时间推移对摄像机的观看性能的影响。真实图像是当车辆周围的环境在摄像机的视野中时由摄像机捕获的图像。测试图像是当测试物体在摄像机视野内时由摄像机捕获的图像。测试物体可包括简化的图像，诸如设置在一对白色竖直条之间的黑色竖直条。
在摄像机镜头经受一定量的机械清洁动作之后，摄像机成对捕获真实图像和测试图像。真实图像由测试观众（诸如，车辆的实际或潜在顾客）进行主观评价，以确定摄像机的观看性能何时由于机械清洁动作而变得不可接受。对测试图像进行客观评价，以创建与主观或合格观察值相关的量化指标。在一个示例中，代替评价整个测试图像，该系统和方法仅分析测试图像在其可见边缘处的对比度，以节省处理时间并减少所需的处理器容量。
将测试图像的量化指标与真实图像的合格观察值进行比较，以确定在经受机械清洁动作时摄像机性能的通过/失败标准。一旦建立了通过/失败标准，就不再需要真实图像。相反，该系统和方法简单地将量化的指标与通过/失败标准进行比较，以确定摄像机的观看性能的劣化是否可接受。
根据本公开的系统和方法可被汽车制造商用来评价当摄像机经受标准化机械清洁动作时各种摄像机的恢复性（resiliency）。另外，根据本公开的系统和方法可用于车辆中，以自动检测车辆上的摄像机的性能的劣化何时是不可接受的，并就此通知车辆的驾驶员。
现在参考图1，示例车辆10包括驾驶室12、仪表板14、电子显示器16、货厢18、后挡板20、摄像机22和显示控制模块24。车辆10可以是皮卡，如在另一种类型的车辆（诸如轿车或双座轿车）上所示。电子显示器16可如图所示位于仪表板14中、后视镜（现在示出）中和/或车辆10的驾驶员可见的另一个合适的位置中。电子显示器16可以是触摸屏。
在所示的示例中，摄像机22安装在后挡板20上，并且可操作以捕获车辆10后面的环境的图像。在其他示例中，摄像机22可安装到车辆10的其他部件和/或可捕获车辆10前方、车辆10一侧上或车辆10内部内的环境图像。电子显示器16可操作以显示由摄像机22捕获的图像。当车辆10倒车时，驾驶员可观看在电子显示器16上显示的图像，以识别车道边界和/或位于车辆10后方的物体。
显示控制模块24控制电子显示器16。显示控制模块24接收由摄像机22捕获的图像，并控制电子显示器16显示图像。另外，显示控制模块24分析摄像机22的观看性能，并控制电子显示器16输出分析结果。在一个示例中，显示控制模块24控制电子显示器16，以指示当摄像机22的观看性能不可接受时应维修摄像机22。
显示控制模块24使用测试物体26来分析摄像机22的观看性能。在所示的示例中，测试物体26是装配在摄像机22的镜头上的镜头盖。测试物体26可永久地安装到后挡板20，并且可在测试物体26覆盖摄像机22的镜头的第一位置和测试物体26不覆盖摄像机22的镜头的第二位置之间移动。测试物体26可使用铰链或滑动机构安装到后挡板20，该铰链或滑动机构允许测试物体26在第一和第二位置之间移动。
另外，显示控制模块24可控制车辆10上的机电致动器（例如，马达），以在第一和第二位置之间自动移动测试物体26。例如，当显示控制模块24分析摄像机22的观看性能时，显示控制模块24可控制致动器将测试物体移动到第一位置，显示控制模块24可周期性地这样做。否则，显示控制模块24可控制致动器将测试物体移动到第二位置。在其他示例中，测试物体26可仅在第一位置中临时安装到后挡板，和/或测试物体26可通过手在第一和第二位置之间移动。在仍其他示例中，在摄像机22捕获测试物体26的图像的同时，测试物体26可仅暂时保持在摄像机22的镜头的视野中。
当测试物体26处于第一位置或以其他方式处于摄像机22的视野中时，可在测试物体26的面对摄像机22的镜头的表面上包括或显示诸如图4A所示的图像30的图像。图像30包括一对较亮部分32和设置在较亮部分32之间的较暗部分34。较暗部分34比较亮部分32更暗。在所示的示例中，每个较亮部分32由白色竖直条形成，并且较暗部分34由黑色竖直条形成。
图像30还包括第一竖直边缘36和第二竖直边缘38。如图4A所示，第一竖直边缘36在图像30左侧上设置在图像30的较暗部分34和图像30的较亮部分32之间。如图4A所示，第二竖直边缘38在图像30右侧上设置图像30的较暗部分34和图像30的较亮部分32之间。
当测试物体26被定位成使得图像30在摄像机22的镜头的视野中时，显示控制模块24可使用由摄像机22捕获的图像来分析摄像机22的观看性能。在一个示例中，显示控制模块24为第一竖直边缘36和第二竖直边缘38的每一者的两侧上的预定数量的像素分配阴影值。阴影值指示灰色阴影，其中，较低的阴影值指示较暗的灰色阴影，且较高的阴影值指示较亮的灰色阴影。例如，阴影值0可指示黑色，并且阴影值255可指示白色。
显示控制模块24然后确定对应于图像30的较亮部分32的阴影值的第一（统计）模式和对应于图像30的较暗部分34的阴影值的第二（统计）模式。显示控制模块24然后基于第一模式和第二模式之间的差评估由摄像机22捕获的图像的对比度。如果由摄像机22捕获的图像的对比度是理想的，则第一和第二模式之间的差将等于指示黑色的阴影值和指示白色的阴影值之间的差。然而，第一和第二模式之间的小于黑色阴影值和白色阴影值之间的差的差对于车辆10的驾驶员（和/或乘客）来说仍然是可接受的。
现在参考图2，显示控制模块24的示例实施方式包括边缘检测模块50、阴影值模块52、模式值模块54和对比度模块56。当图4A的图像30在摄像机22的视野中时，边缘检测模块50检测由摄像机22捕获的图像中的第一竖直边缘36和第二竖直边缘38。边缘检测模块50可通过识别由摄像机22捕获的图像中图像亮度急剧变化或具有不连续性所处的点来检测第一竖直边缘36和第二竖直边缘38。边缘检测模块50输出第一竖直边缘36和第二竖直边缘38的位置和/或由摄像机22捕获的图像中对应于第一竖直边缘36和第二竖直边缘38的像素。
阴影值模块52给紧邻第一竖直边缘36左侧的第一数量（例如，6）的像素和紧邻第一竖直边缘36右侧的第二数量（例如，6）的像素分配阴影值。类似地，阴影值模块52给紧邻第二竖直边缘38左侧的第一数量的像素和紧邻第二竖直边缘38右侧的第二数量的像素分配阴影值。第一和第二数量的像素可以预先确定。第二数量的像素可以等于第一数量的像素或者不同于第一数量的像素。
对于由摄像机22捕获的图像中的所有像素水平行，阴影值模块52给紧邻第一竖直边缘36和第二竖直边缘38的左侧和右侧的第一和第二数量的像素分配阴影值。例如，简要参考图4A和图4B，由摄像机22捕获的每个图像包括图4A所示的多个像素水平行40。图4B示出了对于水平行40中的一行紧邻第一竖直边缘36和第二竖直边缘38的左侧和右侧的像素。更具体地，对于水平行40中的一行，图4B的上半部示出了紧邻第一竖直边缘36左侧的第一像素42和紧邻第一竖直边缘36右侧的第二像素44。同时，对于水平行40中的同一行，图4B的下半部分示出了紧邻第二竖直边缘38左侧的第三像素46和紧邻第二竖直边缘38右侧的第四像素48。
如果第一和第二像素数量各自等于1，则阴影值模块52将仅给图像中像素水平行40的每一行的第一、第二、第三和第四像素42、44、46和48分配阴影值。如果第一和第二像素数量大于1，则阴影值模块52将给图像中像素的水平行40的每一行中的更多数量的像素分配阴影值。虽然图4A仅描绘了图像中像素的水平行40中的九行，但是由摄像机22捕获的每个图像可包括显著更多数量（例如，数百）的像素水平行。阴影值模块52输出分配给由摄像机22捕获的图像中的像素的阴影值。
再次参考图2，模式值模块54确定对应于图像30的较亮部分32的阴影值的第一模式值和对应于图像30的较暗部分34的阴影值的第二模式值。换句话说，模式值模块54确定哪个阴影值最常被分配给图像30的较亮部分32中的像素，以及哪个阴影值最常被分配给图像30的较暗部分34中的像素。模式值模块54可基于最高和最低阴影值之间的阴影值范围来确定哪些阴影值对应于较亮部分32，以及哪些阴影值对应于较暗部分34。例如，如果阴影值0指示黑色，并且阴影值255指示白色，则模式值模块54可确定0和127之间的阴影值对应于较暗部分34，并且128和255之间的阴影值对应于较亮部分32。模式值模块54输出第一和第二模式值。
对比度模块56基于第一和第二模式值之间的差来确定由摄像机22捕获的图像的对比度。在一个示例中，当第一和第二值之间的差大于或等于预定值时，对比度模块56确定图像的对比度是可接受的。相反，当第一和第二值之间的差小于预定值时，对比度模块56确定图像的对比度是不可接受的。
对比度模块56可输出指示由摄像机22捕获的图像的对比度是可接受的或是不可接受的信号。附加地或替代地，由对比度模块56输出的信号可向电子显示器16指示显示消息（例如，文本）的指令，该消息指示由摄像机22捕获的图像的对比度是可接受的或是不可接受的。附加地或替代地，当由摄像机22捕获的图像的对比度不可接受时，由对比度模块56输出的信号可向电子显示器16指示显示消息的指令，该消息指示摄像机22应被维修。
现在参考图3，用于分析摄像机22的观看性能的方法开始于60。在图1的摄像机22和图2的模块的背景下描述该方法。然而，该方法可用于分析附接到车辆10的不同位置的摄像机或未附接到车辆的摄像机的观看性能。另外，执行该方法的步骤的特定模块可不同于下面提到的模块，和/或该方法的一个或多个步骤可与图2的模块分开实施。
在62处，摄像机22捕获具有物体的亮部分和暗部分的图像。例如，摄像机22可捕获测试物体26的表面的图像，该图像包括或显示图4A所示的图像30。图5A示出了当图像30在摄像机22的视野中并且摄像机22是新的（例如，摄像机22的镜头已经经受最小磨损或没有磨损）时，由摄像机22在第一时间处捕获的图像100的示例。图像100包括较亮部分102和设置在较亮部分102之间的较暗部分104。另外，如图5A所示，图像100包括在图像100左侧上设置在较暗部分104和较亮部分102之间的第一竖直边缘106。此外，如图5A所示，图像100包括在图像100右侧上设置在较暗部分104和较亮部分102之间的第二竖直边缘108。
图像100的较亮部分102对应于图像30的较亮部分32。图像100的较暗部分104对应于图像30的较暗部分34。图像100的第一竖直边缘106和第二竖直边缘108分别对应于图像30的第一竖直边缘36和第二竖直边缘38。
如当对图4A和图5A进行比较时明显的是，图像100不是图像30的精确复制品。相反，图像100包括比图像30的较亮部分32更暗的较亮部分102，并且图像100包括比图像30的较暗部分34更亮的较暗部分104。更具体地，图像100的较亮部分102在颜色上是浅灰色，而不是图像30的较亮部分32的白色，并且图像100的较暗部分104是比图像30的较暗部分34中的黑色阴影更亮的黑色（或灰色）阴影。这是因为即使当摄像机22是新的时，由摄像机22捕获的图像的对比度也不是完美的（例如，100%）。
现在参考图2和5A，在64处，边缘检测模块50在由摄像机22捕获的图像中裁剪一个或多个感兴趣区域。例如，边缘检测模块50可裁剪图像100中第一竖直边缘106和第二竖直边缘108很可能出现的区域。当图像30在摄像机22的视野中时，这些区域的位置可基于由摄像机22捕获的先前图像来预先确定。
在66处，边缘检测模块50扫描由摄像机22捕获的图像，以识别第一竖直边缘36和第二竖直边缘38。例如，边缘检测模块50可沿着图像100中像素的每个水平行识别图像100的亮度具有不连续性的两个位置，并且确定这些位置位于第一竖直边缘106和第二竖直边缘108上。边缘检测模块50可对图像100中的所有像素水平行重复该过程，以识别从图像顶部到图像底部的第一竖直边缘106和第二竖直边缘108。
在68处，阴影值模块52给第一竖直边缘36和第二竖直边缘38中的每一者的两侧上的预定数量的像素分配阴影值。例如，现在参考图2、图5A和图5B，阴影值模块52可给紧邻第一竖直边缘106和第二竖直边缘108中的每一者的左侧的第一数量的像素分配阴影值。另外，阴影值模块52可给紧邻第一竖直边缘106和第二竖直边缘108中的每一者的右侧的第二数量的像素分配阴影值。
图5B的上半部示出了紧邻第一竖直边缘106的左侧和右侧的像素的示例。更具体地，图5B的上半部示出了第一竖直边缘106左侧的两个像素，以及第一竖直边缘108右侧的三个像素。因此，如果仅给图5B所示的像素分配阴影值，则第一像素数量是二，并且第二像素数量是三。第一竖直边缘106左侧的两个像素包括像素110和像素112。第一竖直边缘106右侧的三个像素包括像素114、像素116和像素118。
图5B的下半部示出了紧邻第二竖直边缘108的左侧和右侧的像素的示例。更具体地，图5B的下半部示出了第二竖直边缘108左侧的两个像素，以及第二竖直边缘108右侧的三个像素。因此，再次，如果仅给图5B所示的像素分配阴影值，则第一像素数量是二，并且第二像素数量是三。第二竖直边缘108左侧的两个像素包括像素120和像素122。第二竖直边缘108右侧的三个像素包括像素124、像素126和像素128。
在70处，模式值模块54为由摄像机22捕获的图像中的每个像素水平行形成阴影值阵列。例如，模式值模块54可形成分配给图5B所示的所有像素110-128的阴影值的阵列，其表示图像100中的单个像素水平行的子集。模式值模块54可对图像100中的所有像素水平行重复该过程，以形成多个阴影值阵列。
在72处，模式值模块54堆叠或组合阴影值阵列以形成直方图。在图5C中以130描绘了这种直方图的示例。直方图130具有表示阴影值的x轴132和表示阴影值的计数或出现的y轴134。在图5C所示的示例中，阴影值0指示黑色，并且阴影值255指示白色。另外，0到255之间的阴影值指示白色和黑色之间的灰色阴影，其中较低的阴影值指示较暗的灰色阴影，且较高的阴影值指示较亮的灰色阴影。
继续参考图2和5C，在74处，模式值模块54识别对应于图像100的较亮部分102的阴影值的第一模式值136。在图5C所示的示例中，第一模式值136近似等于180，并且对应于第一模式值136的计数数量近似等于245。在76处，模式值模块54识别对应于图像100的较暗部分104的阴影值的第二模式值138。在图5C所示的示例中，第二模式值138近似等于55，并且对应于第二模式值138的计数数量近似等于230。
在78处，对比度模块56确定第一模式值136和第二模式值138之间的差140。图5C图示了近似等于125的差140。在80处，对比度模块56确定图像100是否是一组图像中的第一个。例如，如果对比度模块56还没有确定并存储由摄像机22捕获的图像的对比度值，则对比度模块56可确定图像100是一组图像中的第一个。
如果图像100是一组图像中的第一个，则该方法在82处继续。否则，图像100是后续图像（例如，第二图像、第三图像），并且该方法在84处继续。在82处，对比度模块56将第一模式值136和第二模式值138之间的差140存储为第一差。在86处，对比度模块56将图像100（即，第一图像）的对比度设置为100%。
在84处，对比度模块56存储第一模式值136和第二模式值138之间的差140作为后续差。例如，如果图像100是由对比度模块56分析的第二图像，则对比度模块56可将差140存储为第二差。类似地，如果图像100是由对比度模块56分析的第三图像，则对比度模块56可将差140存储为第三差。
在88处，对比度模块56相对于第一差对后续差进行归一化。例如，对比度模块56可将随后的差除以第一差，并将商乘以100，以获得以百分比表示的归一化差。在90处，对比度模块56将图像100（即，后续图像）的对比度设置为等于归一化差，并存储图像100的对比度。
在92处，对比度模块56确定图像100的对比度是否小于预定值。如果图像100的对比度小于预定值，则该方法在94处继续。否则，该方法在96处继续。在94处，对比度模块56确定摄像机22的观看性能的劣化是不可接受的。在96处，对比度模块56确定摄像机22的观看性能的劣化是可接受的。
图6A示出了当图像30在摄像机22的视野中且摄像机22的镜头已经经受第一磨损量时由摄像机22在第二时间处捕获的图像150的示例。第二时间晚于第一时间。因此，图5A的图像100是上面参考图3提到的第一图像的示例，并且图6A的图像150是上面参考图3提到的第二图像的示例。图像150包括较亮部分152和设置在较亮部分152之间的较暗部分154。另外，如图6A所示，图像150包括在图像150左侧上设置在较暗部分154和较亮部分152之间的第一竖直边缘156。此外，如图6A所示，图像150包括在图像150右侧上设置在较暗部分154和较亮部分152之间的第二竖直边缘158。
图像150的较亮部分152是比图像100的较亮部分102更暗的灰色阴影，并且图像150的较暗部分154是比图像100的较暗部分104更亮的黑色（或灰色）阴影。反之，图像150的较亮部分152和图像150的较暗部分154之间的划定不如图像100的较亮部分102和图像100的较暗部分104之间的划定清晰。因此，由于第一磨损量导致摄像机22的镜头磨损，图像150的对比度比图像100的对比度更差。
图6B示出了在图像150中的一个像素水平行中紧邻第一竖直边缘156和第二竖直边缘158的左侧和右侧的像素的示例。图6B的上半部示出了紧邻第一竖直边缘156的左侧和右侧的像素。更具体地，图6B的上半部示出了第一竖直边缘156左侧的两个像素，以及第一竖直边缘158右侧的三个像素。第一竖直边缘156左侧的两个像素包括像素160和像素162。第一竖直边缘156右侧的三个像素包括像素164、像素166和像素168。
图6B的下半部分示出了紧邻第二竖直边缘158的左侧和右侧的像素。更具体地，图6B的下半部示出了第二竖直边缘158左侧的两个像素，以及第二竖直边缘158右侧的三个像素。第二竖直边缘158左侧的两个像素包括像素170和像素172。第二竖直边缘158右侧的三个像素包括像素174、像素176和像素178。
根据图3的方法，模式值模块54可形成分配给图6B所示的所有像素160-178的阴影值阵列。另外，模式值模块54可对图像150中的所有像素水平行重复该过程，以形成多个阴影值阵列。此外，模式值模块54可堆叠阴影值阵列以形成直方图。
在图6C中以180处描述了这种直方图的示例。直方图180具有表示阴影值的x轴182和表示阴影值的计数或出现的y轴184。在图6C所示的示例中，阴影值0指示黑色，并且阴影值255指示白色。另外，0与255之间的阴影值指示白色和黑色之间的灰色阴影，其中，较低的阴影值指示较暗的灰色阴影，并且较高的阴影值指示较亮的灰色阴影。
根据图3的方法，模式值模块54可识别对应于图像150的较亮部分152的阴影值的第一模式值186。在图6C所示的示例中，第一模式值186近似等于160，并且对应于第一模式值186的计数数量近似等于240。另外，根据图3的方法，模式值模块54可识别对应于图像150的较暗部分154的阴影值的第二模式值188。在图6C所示的示例中，第二模式值188近似等于85，并且对应于第二模式值138的计数数量近似等于145。此外，根据图3的方法，对比度模块56可确定第一模式值186和第二模式值188之间的差190。图6C图示了差190，其近似等于75。
图5C的差140和图6C的差190分别是上文参考图3所述的第一差和第二差的示例。因此，对比度模块56可通过相对于差140归一化差190来确定图像150的对比度。换句话说，对比度模块56可将差190除以差140，并将商乘以100，以获得以百分比表示的图像150的对比度。例如，由于差140近似为125，并且差190近似为75，所以对比度模块56可确定图像150的对比度近似为60%。
图7A示出了当图像30在摄像机22的视野中且摄像机22的镜头已经经受大于第一磨损量的第二磨损量时，在第三时间处由摄像机22捕获的图像200的示例。第三时间晚于第二时间。因此，图7A的图像200是上面参考图3提到的第三图像的示例。图像200包括较亮部分202和设置在较亮部分202之间的较暗部分204。另外，如图7A所示，图像200包括在图像200左侧上设置在较暗部分204和较亮部分202之间的第一竖直边缘206。此外，如图7A所示，图像200包括在图像200右侧上设置在较暗部分204和较亮部分202之间的第二竖直边缘208。
图像200的较亮部分202是比图像150的较亮部分152更暗的灰色阴影，并且图像200的较暗部分204是比图像150的较暗部分154更亮的黑色（或灰色）阴影。反之，图像200的较亮部分202和图像200的较暗部分204之间的划定不如图像150的较亮部分152和图像150的较暗部分154之间的划定清晰。因此，由于第二磨损量导致摄像机22的镜头磨损，图像200的对比度比图像150的对比度更差。
图7B示出了在图像200的一个像素水平行中紧邻第一竖直边缘206和第二竖直边缘208的左侧和右侧的像素的示例。图6B的上半部示出了紧邻第一竖直边缘206的左侧和右侧的像素。更具体地，图7B的上半部示出了第一竖直边缘206左侧的两个像素，以及第一竖直边缘208右侧的三个像素。第一竖直边缘206左侧的两个像素包括像素210和像素212。第一竖直边缘206右侧的三个像素包括像素214、像素216和像素218。
图7B的下半部分示出了紧邻第二竖直边缘208的左侧和右侧的像素。更具体地，图7B的下半部示出了第二竖直边缘208左侧的两个像素，以及第二竖直边缘208右侧的三个像素。第二竖直边缘208左侧的两个像素包括像素220和像素222。第二竖直边缘208右侧的三个像素包括像素224、像素226和像素228。
根据图3的方法，模式值模块54可形成分配给图7B所示的所有像素210-228的阴影值阵列。另外，模式值模块54可对图像200中的所有像素水平行重复该过程，以形成多个阴影值阵列。此外，模式值模块54可堆叠阴影值阵列以形成直方图。
在图7C中以230描绘了这种直方图的示例。直方图230具有表示阴影值的x轴232和表示阴影值的计数或出现的y轴234。在图7C所示的示例中，阴影值0指示黑色，并且阴影值255指示白色。另外，0到255之间的阴影值指示白色和黑色之间的灰色阴影，其中，较低的阴影值指示较暗的灰色阴影，并且较高的阴影值指示较亮的灰色阴影。
根据图3的方法，模式值模块54可识别对应于图像200的较亮部分202的阴影值的第一模式值236。在图7C所示的示例中，第一模式值236近似等于160，并且对应于第一模式值236的计数数量近似等于250。另外，根据图3的方法，模式值模块54可识别对应于图像200的较暗部分204的阴影值的第二模式值238。在图7C所示的示例中，第二模式值238近似等于110，并且对应于第二模式值138的计数数量近似等于255。此外，根据图3的方法，对比度模块56可确定第一模式值236和第二模式值238之间的差240。图7C图示了近似等于50的差240。
图6C的差240是上面参考图3提到的第三差的示例。因此，对比度模块56可通过相对于差140归一化差240来确定图像200的对比度。换句话说，对比度模块56可将差240除以差140，并将商乘以100，以获得以百分比表示的图像200的对比度。例如，由于差140近似为125且差240近似为50，所述对比度模块56可确定图像200的对比度近似为40%。
图8和图9图示了用于确定预定值的示例方法，在图3的92处，将由摄像机22捕获的图像的对比度与该预定值进行比较，以评估摄像机22的性能劣化。图8示出了当车辆10后方的环境在摄像机22的视野中时由摄像机22捕获的真实图像。真实图像包括第一真实图像250、第二真实图像252、第三真实图像254、第四真实图像256和第五真实图像256。图9示出了当测试物体26在摄像机22的视野中时由摄像机22捕获的测试图像。测试图像包括第一测试图像260、第二测试图像262、第三测试图像264、第四测试图像266和第五测试图像266。
当摄像机22是新的时，由摄像机22捕获第一真实图像250和第一测试图像260。在摄像机22的镜头已经经受第一磨损量之后，由摄像机22捕获第二真实图像252和第二测试图像262。在摄像机22的镜头已经经受大于第一磨损量的第二磨损量之后，由摄像机22捕获第三真实图像254和第三测试图像264。在摄像机22的镜头已经经受大于第二磨损量的第三磨损量之后，由摄像机22捕获第四真实图像256和第四测试图像266。在摄像机22的镜头已经经受大于第三磨损量的第四磨损量之后，由摄像机22捕获第五真实图像258和第五测试图像268。第一、第二、第三和第四磨损量可使用复制标准化机械清洁动作的预定程序施加到摄像机22的镜头。
真实图像250-258然后由测试观众主观地或定性地进行评价，以确定作为摄像机22的潜在或实际顾客的观众将把车辆10送去维修并更换摄像机22的时间点。例如，测试观众可确定第一、第二和第三真实图像250、252和254的对比度是可接受的，而第四和第五真实图像256和258的对比度是不可接受的。
根据图3的方法确定测试图像260-268的对比度。第一、第二和第三测试图像260、262和264分别与图5A的图像100、图6A的图像150和图7A的图像200相似或相同。因此，上面详细解释了用于确定第一、第二和第三测试图像260、262和264的对比度的方法。另外，第四和第五测试图像66和268的对比度可以以类似的方式确定。此外，在上述示例中，第一、第二和第三测试图像260、262和264的对比度分别为100%、60%和40%。遵循这一趋势，第四和第五测试图像266和268的对比度可分别为30%和25%。
然后将测试图像260-268的对比度与测试观众对真实图像250-258进行的主观或合格观察值进行比较，以确定用于评估摄像机22性能劣化的预定值。例如，如果测试观众确定第三真实图像254的对比度是可接受的而第四真实图像256的对比度是不可接受的，则预定值可被设置为在第三测试图像264的对比度和第四测试图像266的对比度之间的范围内的值（例如，在40%和30%之间的范围内的值）。一旦选择了预定值，就可在不使用真实图像250-258的情况下评估摄像机22的观看性能的劣化。例如，可通过确定测试图像260-268的对比度是否小于预定值来评估摄像机的观看性能的劣化。
前面的描述本质上仅仅是说明性的，并且决不不旨在限制本公开、其应用或用途。本公开的广泛教导可以以各种形式实施。因此，尽管本公开包括特定的示例，但是本公开的真实范围不应受如此限制，因为在研究附图、说明书和下面的权利要求后，其他修改将变得显而易见。应当理解，在不改变本公开的原理的情况下，方法中的一个或多个步骤可以以不同的顺序（或同时）执行。此外，尽管每个实施例在上面被描述为具有某些特征，但是关于本公开的任何实施例描述的那些特征中的任何一个或多个可以在任何其他实施例中实施和/或与任何其他实施例的特征相结合，即使该结合没有被明确描述。换句话说，所描述的实施例不是相互排斥的，并且一个或多个实施例彼此的置换仍在本公开的范围内。
元件之间的空间和功能关系（例如，模块、电路元件、半导体层等之间的关系）使用各种术语来描述，包括“连接”、“接合”、“联接”、“邻近”、“紧挨着”、“在上面”、“在上面”、“在下面”和“安置”。除非明确描述为“直接的”，否则当在上述公开中描述第一和第二元件之间的关系时，该关系可以是在第一和第二元件之间不存在其他介入元件的直接关系，但是也可以是在第一和第二元件之间存在一个或多个介入元件（在空间上抑或功能上）的间接关系。如本文所使用的，短语“A、B和C中的至少一个”应当被解释为使用非排他性逻辑“或”来意指逻辑“A或B或C”，而不应该被解释为“A中的至少一个、B中的至少一个和C中的至少一个”。
在图中，如箭头所指示的箭头方向通常表示图示感兴趣的信息流（如数据或指令）。例如，当元件A和元件B交换各种信息，但是从元件A传输到元件B的信息与图示相关时，箭头可以从元件A指向元件B。这个单向箭头并不意味着没有其他信息从元件B传输到元件A。此外，对于从元件A发送到元件B的信息，元件B可向元件A发送对该信息的请求或接收确认。
在本申请中，包括以下定义，术语“模块”或术语“控制器”可用术语“电路”代替。术语“模块”可以指以下各者、是以下各者一部分或包括以下各者：专用集成电路数字（ASIC）、模拟或混合模拟/数字离散电路；数字、模拟或混合模拟/数字集成电路；组合逻辑电路；现场可编程门阵列（FPGA）；执行代码的处理器电路（共享、专用或组）；存储由处理器电路执行的代码的存储器电路（共享、专用或组）；提供所述功能的其他合适的硬件部件；或上述部分或全部的组合，例如在片上系统中。
该模块可包括一个或多个接口电路。在一些示例中，接口电路可以包括连接到局域网（LAN）、互联网、广域网（WAN）或其组合的有线或无线接口。本公开的任何给定模块的功能可分布在经由接口电路连接的多个模块中。例如，多个模块可允许负载平衡。在另外的示例中，服务器（也称为远程或云）模块可代表客户端模块完成一些功能。
如上所述，术语代码可包括软件、固件和/或微码，并且可指程序、例程、函数、类、数据结构和/或对象。术语共享处理器电路涵盖执行来自多个模块的部分或全部代码的单个处理器电路。术语组处理器电路涵盖与附加处理器电路相结合的处理器电路，其执行来自一个或多个模块的一些或全部代码。对多个处理器电路的引用涵盖分立管芯上的多个处理器电路、单个管芯上的多个处理器电路、单个处理器电路的多个内核、单个处理器电路的多个线程或以上的组合。术语共享存储器电路涵盖存储来自多个模块的部分或全部代码的单个存储器电路。术语组存储器电路涵盖与附加存储器相结合的存储器电路，其存储来自一个或多个模块的部分或全部代码。
术语存储器电路是术语计算机可读介质的子集。如本文使用的术语计算机可读介质不涵盖通过介质（诸如，在载波上）传播的瞬态电信号或电磁信号；因此，术语计算机可读介质可被认为是有形的和非暂时性的。非暂时性有形计算机可读介质的非限制性示例是非易失性存储器电路（诸如闪存电路、可擦除可编程只读存储器电路或屏蔽只读存储器电路）、易失性存储器电路（诸如，静态随机存取存储器电路或动态随机存取存储器电路）、磁存储介质（诸如，模拟或数字磁带或硬盘驱动器）和光存储介质（例如CD、DVD或蓝光光盘）。
本申请中描述的设备和方法可以部分或全部由专用计算机实施，该专用计算机通过配置通用计算机来执行计算机程序中包含的一个或多个特定功能而创建。上面描述的功能块、流程图部件和其他元件用作软件规范，这些软件规范可以由熟练的技术人员或程序员的日常工作翻译成计算机程序。
计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可包括或依赖于存储的数据。计算机程序可涵盖与专用计算机的硬件交互的基本输入/输出系统（BIOS）、与专用计算机的特定装置交互的装置驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
计算机程序可以包括：（1）要解析的描述性文本，诸如HTML（超文本标记语言）、XML（可扩展标记语言）或JSON（JavaScript Object Notification）（2）汇编代码，（3）由编译器从源代码生成的目标代码，（4）由解释器执行的源代码，（5）由实时编译器编译和执行的源代码，等等。仅作为示例，源代码可使用来自包括C、C++、C#、Objective-C、Swift、Haskell、Go、SQL、R、Lisp、Java®、Fortran、Perl、Pascal、Curl、OCaml、Javascript®、HTML5（超文本标记语言第五版）、Ada、ASP（活动服务器页面）、PHP（PHP：超文本预处理器）、Scala、Eiffel、Smalltalk、Erlang、Ruby、Flash®、Visual Basic®、Lua、MATLAB、SIMULINK和Python®在内的语言的语法来编写。

Claims (10)

1.一种方法，包括：
使用摄像机在第一时间处捕获物体的第一图像，所述物体包括亮部分和比所述亮部分更暗的暗部分；
给所述第一图像的一部分中的多个像素分配阴影值；
识别对应于所述第一图像中所述物体的所述亮部分的阴影值的第一模式值；
识别对应于所述第一图像中所述物体的所述暗部分的阴影值的第二模式值；
确定所述第一模式值和第二模式值之间的差；和
基于所述差确定所述第一图像的对比度。
2.根据权利要求1所述的方法，还包括当所述差小于预定值时，确定所述第一图像的对比度是不可接受的。
3.根据权利要求1所述的方法，其中，所述亮部分的颜色是白色的，所述暗部分的颜色是黑色的，并且所述阴影值指示灰色阴影。
4.根据权利要求1所述的方法，其中，所述阴影值指示灰色阴影，较低的阴影值指示较暗的灰色阴影，并且较高的阴影值指示较亮的灰色阴影。
5.根据权利要求1所述的方法，其中，所述第一图像的所述一部分不包括整个第一图像。
6.根据权利要求1所述的方法，其中，所述第一图像的所述一部分包括在所述物体的亮部分和所述物体的暗部分之间的边缘的两侧上的预定数量的像素。
7.根据权利要求1所述的方法，其中：
所述物体包括第一白色竖直条、第二白色竖直条和设置在所述第一和第二白色竖直条之间的黑色竖直条；
所述白色竖直条形成所述物体的亮部分；并且
所述黑色竖直条形成所述物体的暗部分。
8.根据权利要求7所述的方法，其中，所述第一图像的所述一部分包括：
在所述第一白色竖直条和所述黑色竖直条之间的第一竖直边缘两侧上的第一预定数量的像素；和
在所述黑色竖直条和所述第二白色竖直条之间的第二竖直边缘两侧上的第二预定数量的像素。
9.根据权利要求8所述的方法，其中，所述第一图像的所述一部分包括：
对于所述第一图像中所有像素水平行的第一竖直边缘两侧上的第一预定数量的像素；和
述第一图像中所有像素水平行的第二竖直边缘两侧上的第二预定数量的像素。
10.根据权利要求1所述的方法，进一步包括：
使用所述摄像机在第二时间处捕获所述物体的第二图像，其中，所述第二时间晚于所述第一时间；
给所述第二图像的一部分中的多个像素分配阴影值；
识别对应于所述第二图像中所述物体的所述亮部分的阴影值的第三模式值；
识别对应于所述第二图像中所述物体的所述暗部分的阴影值的第四模式值；
确定所述第三和第四模式值之间的差；和
基于（i）所述第一和第二模式值之间的差和（ii）所述第三和第四模式值之间的差来确定所述摄像机的观看性能的劣化。
CN202110055888.9A 2020-01-16 2021-01-15 用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法 Active CN113205478B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/744942 2020-01-16
US16/744,942 US11418742B2 (en) 2020-01-16 2020-01-16 System and method for analyzing camera performance degradation due to lens abrasion

Publications (2)

Publication Number Publication Date
CN113205478A true CN113205478A (zh) 2021-08-03
CN113205478B CN113205478B (zh) 2023-12-05

Family

ID=76650520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110055888.9A Active CN113205478B (zh) 2020-01-16 2021-01-15 用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法

Country Status (3)

Country Link
US (1) US11418742B2 (zh)
CN (1) CN113205478B (zh)
DE (1) DE102020134215A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11800085B2 (en) * 2021-07-22 2023-10-24 Argo AI, LLC Motorized mounting device for positioning an optical element within a field-of-view of an optical sensor and method of use

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080260284A1 (en) * 2007-04-23 2008-10-23 Xerox Corporation Edge contrast adjustment filter
US20100232698A1 (en) * 2009-02-25 2010-09-16 The Government Of The United States Of America As Represented By The Secretary Of The Navy Computationally Efficient Method for Image Segmentation with Intensity and Texture Discrimination
CN104145276A (zh) * 2012-01-17 2014-11-12 厉动公司 用于通过光学成像进行的对象检测和表征的增强对比度
US20170069068A1 (en) * 2015-09-09 2017-03-09 Realtek Semiconductor Corp. Wide dynamic range imaging method
CN108696746A (zh) * 2017-04-07 2018-10-23 通用汽车环球科技运作有限责任公司 摄像机失准确定方法和系统
CN109961422A (zh) * 2017-12-21 2019-07-02 安讯士有限公司 数字图像的对比度值的确定
US20190278986A1 (en) * 2008-01-18 2019-09-12 Mitek Systems, Inc. Systems and methods for mobile image capture and content processing of driver's licenses
WO2019198570A1 (ja) * 2018-04-11 2019-10-17 日本電信電話株式会社 映像生成装置、映像生成方法、プログラム、およびデータ構造

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8223230B2 (en) * 2009-05-08 2012-07-17 Qualcomm Incorporated Systems, methods, and apparatus for camera tuning and systems, methods, and apparatus for reference pattern generation
JP2013098644A (ja) * 2011-10-28 2013-05-20 Sony Corp ノイズ検出装置、ノイズ検出方法及びプログラム
JP6977425B2 (ja) * 2017-09-14 2021-12-08 セイコーエプソン株式会社 画像処理装置、二値画像生産方法および画像処理プログラム
US11576739B2 (en) * 2018-07-03 2023-02-14 Covidien Lp Systems, methods, and computer-readable media for detecting image degradation during surgical procedures
JP2021050932A (ja) * 2019-09-20 2021-04-01 株式会社デンソーテン 付着物検出装置、および付着物検出方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080260284A1 (en) * 2007-04-23 2008-10-23 Xerox Corporation Edge contrast adjustment filter
US20190278986A1 (en) * 2008-01-18 2019-09-12 Mitek Systems, Inc. Systems and methods for mobile image capture and content processing of driver's licenses
US20100232698A1 (en) * 2009-02-25 2010-09-16 The Government Of The United States Of America As Represented By The Secretary Of The Navy Computationally Efficient Method for Image Segmentation with Intensity and Texture Discrimination
CN104145276A (zh) * 2012-01-17 2014-11-12 厉动公司 用于通过光学成像进行的对象检测和表征的增强对比度
US20170069068A1 (en) * 2015-09-09 2017-03-09 Realtek Semiconductor Corp. Wide dynamic range imaging method
CN108696746A (zh) * 2017-04-07 2018-10-23 通用汽车环球科技运作有限责任公司 摄像机失准确定方法和系统
CN109961422A (zh) * 2017-12-21 2019-07-02 安讯士有限公司 数字图像的对比度值的确定
WO2019198570A1 (ja) * 2018-04-11 2019-10-17 日本電信電話株式会社 映像生成装置、映像生成方法、プログラム、およびデータ構造

Also Published As

Publication number Publication date
DE102020134215A1 (de) 2021-07-22
US20210227160A1 (en) 2021-07-22
CN113205478B (zh) 2023-12-05
US11418742B2 (en) 2022-08-16

Similar Documents

Publication Publication Date Title
CN108683907B (zh) 光学模组像素缺陷检测方法、装置及设备
JP5095290B2 (ja) シャドウ領域補償方法、媒体およびシステム
CN111862228B (zh) 遮挡检测的方法、系统、计算机设备和可读存储介质
US20170109590A1 (en) Detection, identification, and mitigation of lens contamination for vehicle mounted camera systems
KR101640118B1 (ko) 표시 디바이스의 표시 불균일 검출 방법 및 그 장치
US20210012476A1 (en) Abnormality inspection device and abnormality inspection method
KR100805486B1 (ko) 디스플레이의 다각도 계측 시스템 및 방법
KR20110002858A (ko) 앤티 엘리어싱을 위한 필터링 방법 및 장치
KR100730052B1 (ko) 농담 불균일을 검사하는 장치, 그 방법 및 농담 불균일검사용 프로그램을 기록한 기록 매체
KR20140133881A (ko) 표시 디바이스의 표시 불균일 검출 방법 및 그 장치
CN113205478B (zh) 用于分析由于透镜磨损导致的摄像机性能劣化的系统和方法
EP3113107A1 (en) Static soiling detection and correction
CN114066857A (zh) 红外图像质量评价方法、装置、电子设备及可读存储介质
JP4701383B2 (ja) 視界不良評価方法および視界不良評価装置
CN115297267B (zh) 一种用于校准图像采集模组曝光时长的方法以及装置
CN104952059B (zh) 用于将图像检测系统的错误识别自动参数化的方法
US10319083B2 (en) Image artifact detection and correction in scenes obtained from multiple visual images
US9495609B2 (en) System and method for evaluating data
CN110889820A (zh) 图像质量评估
TWI760934B (zh) 顯示面板Mura補償方法、系統、電子裝置及存儲介質
JP2004226272A (ja) シミ欠陥の検出方法及び装置
CN111524088A (zh) 用于图像采集的方法、装置、设备及计算机可读存储介质
JP2004219176A (ja) 画素ムラ欠陥の検出方法及び装置
CN112543950A (zh) 图像处理装置、图像处理方法以及图像处理程序
JP4599136B2 (ja) 画像状態判定装置、画像状態判定方法及び画像状態判定用プログラム

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