CN113284121B - 投影图像中暗带的检测方法及装置 - Google Patents
投影图像中暗带的检测方法及装置 Download PDFInfo
- Publication number
- CN113284121B CN113284121B CN202110602740.2A CN202110602740A CN113284121B CN 113284121 B CN113284121 B CN 113284121B CN 202110602740 A CN202110602740 A CN 202110602740A CN 113284121 B CN113284121 B CN 113284121B
- Authority
- CN
- China
- Prior art keywords
- image
- dark band
- pixel
- detection area
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 256
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了投影图像中暗带的检测方法及装置,该方法包括:获取投影图像,所述投影图像为投影仪投射出的白色图像;截取所述投影图像的边缘部分,得到检测区域图像;根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值;根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带;在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格。
Description
技术领域
本公开实施例涉及投影仪的检测的技术领域,更具体地,本公开实施例涉及一种投影图像中暗带的检测方法及装置。
背景技术
随着投影技术的发展,DLP(Digital Light Processing,数字光处理)技术投影成像的应用越来越广泛。在DLP投影仪的组装过程中,由于安装误差,LED光源组件发出光线会被遮挡,使光线传播路径异常,会造成在投影图像的边缘产生暗带,影响投影成像的效果。
现有技术中,通过人工观察的方式,判定投影图像中的暗带是否符合要求,检测误差较大,不能保证DLP投影仪性能的一致性。
发明内容
本公开实施例的目的在于提供一种投影图像中暗带的检测方法,能够解决通过人工观察的方式判定投影图像中的暗带是否符合要求,检测误差较大的问题。
根据本公开实施例第一方面,提供了一种投影图像中暗带的检测方法,所述方法包括:
获取投影图像,所述投影图像为投影仪投射出的白色图像;
截取所述投影图像的边缘部分,得到检测区域图像;
根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值;
根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带;
在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格。
可选地,所述第一参考比值是所述投影图像中所有像素点的第一比值的平均值。
可选地,所述根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格,包括:
在所述暗带的宽度大于预设的宽度阈值,且所述暗带的浓度大于预设的浓度阈值的情况下,确定所述投影图像中的暗带检测不合格。
可选地,所述检测区域图像包括多个像素组,所述根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带,包括:
根据像素组中所有像素点的色彩偏差值的平均值,确定所述像素组的色彩偏差平均值;
根据多个像素组中每一所述像素组的色彩偏差平均值和所述像素组在所述检测区域图像中的位置,生成第一曲线,所述第一曲线为像素组的色彩偏差平均值与像素组在所述检测区域图像中的位置的关系曲线;
在所述第一曲线存在拐点的情况下,确定所述投影图像中存在暗带;
在所述第一曲线不存在拐点的情况下,确定所述投影图像中不存在暗带。
可选地,所述像素组由所述检测区域图像中的任一行或者任一列的像素点组成。
可选地,在确定所述投影图像中存在暗带之后,所述方法还包括:
将所述检测区域图像中与所述第一曲线的拐点对应的像素组,确定为第一像素组;
将位于所述第一像素组一侧的、且所述像素组的色彩偏差平均值大于第一预设阈值的像素组,确定为第二像素组;
根据所述第二像素组的组数,确定所述暗带的宽度。
可选地,所述第一像素组的色彩偏差平均值为第一平均值,在确定所述投影图像中存在暗带之后,所述方法还包括:
将所述第二像素组中的像素点,确定为暗带像素点;
确定所述检测区域图像中每一所述暗带像素点的色彩偏差值与所述第一平均值的第一差值;
将所述检测区域图像中所有所述暗带像素点的所述第一差值的平均值,作为所述暗带的浓度。
可选地,所述截取所述投影图像的边缘部分,得到检测区域图像,包括:
获取所述投影图像的角点;
基于所述投影图像的角点,截取所述投影图像的边缘部分,得到检测区域图像。
可选地,所述方法在所述获取投影图像之后,还包括:
对所述投影图像进行二值化处理;
对二值化处理后的所述投影图像进行去噪处理。
根据本公开实施例的第二方面,提供了一种投影图像中暗带的检测装置,所述装置包括:
投影图像获取模块,用于获取投影图像,所述投影图像为投影仪投射出的白色图像;
检测区域获取模块,用于截取所述投影图像的边缘部分,得到检测区域图像;
像素点的色彩偏差值确定模块,用于根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值;
暗带确定模块,用于根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带;
检测模块,用于在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格;
或者,
所述装置包括:
存储器,用于存储可执行的计算机程序;
处理器,用于根据所述可执行的计算机程序的控制,执行根据本公开第一方面所述的投影图像中暗带的检测方法。
根据本公开实施例第三方面,提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有可被计算机读取执行的计算机程序,所述计算机程序用于在被所述计算机读取运行时,执行根据本公开第一方面所述的投影图像中暗带的检测方法。
根据本公开实施例,获取投影图像,并截取投影图像的边缘部分,以得到检测区域图像,之后根据检测区域图像中像素点的色彩偏差值,确定投影图像中是否存在暗带,在投影图像中存在暗带的情况下,根据暗带的宽度和所述暗带的浓度,确定投影图像中的暗带检测是否合格,这样,可以实现投影图像中暗带检测的自动化,可以提高检测的准确性,以及保证检测的一致性。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是可用于实现本公开实施例的电子设备的硬件配置示意图;
图2为本公开实施例的一种投影图像中暗带的检测方法的流程示意图;
图3为本公开实施例的一种获取投影图像的示意图;
图4为本公开实施例的一种检测区域图像的示意图;
图5为本公开实施例的一种投影图像中暗带的检测装置的硬件结构示意图;
图6为本公开实施例的另一种投影图像中暗带的检测装置的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现一个实施例的投影图像中暗带的检测方法的电子设备的硬件配置示意图。
在一个实施例中,电子设备1000可以如图1所示,包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。
其中,处理器1100例如可以包括但不限于中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括各种总线接口,例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1400例如能够进行有线或无线通信。显示装置1500例如是液晶显示屏、LED显示屏、触摸显示屏等。输入装置1600例如包括触摸屏、键盘等。
在一个实施例中,该电子设备1000还可以包括摄像头,该摄像头用于获取投影图像。该摄像头例如可以是工业相机。
在本实施例中,电子设备1000的存储器1200用于存储指令,该指令用于控制处理器1100进行操作以实施或者支持实施根据任意实施例的投影图像中暗带的检测方法。技术人员可以根据本说明书所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了电子设备1000的多个装置,但是,本说明书实施例的电子设备1000可以仅涉及其中的部分装置,例如,只涉及处理器1100和存储器1200等。图1所示的电子设备1000仅是解释性的,并且决不是为了要限制本说明书、其应用或用途。
下面,参照附图描述根据本公开的各个实施例和例子。
<方法实施例>
图2示出了根据一个实施例的投影图像中暗带的检测方法,该检测方法例如可以由如图1所示的电子设备1000实施。如图2所示,该投影图像中暗带的检测方法可以包括以下步骤S2100~S2500。
步骤S2100,获取投影图像,所述投影图像为投影仪投射出的白色图像。
在一个实施例中,获取投影图像,包括:通过工业相机拍摄投影仪射出的投影图像。
请参见图3,其是本公开实施例的一种获取投影图像的示意图。具体来讲,投影仪31设置在投影幕布32的一侧,投影仪31的摄像头所在的平面与投影幕布32所在的平面平行,投影仪31可以将图像投影到投影幕布32上。工业相机33安装在工装冶具中,工业相机33的光学部件的光轴与投影幕布32所在的平面相互垂直,该工业相机33用于拍摄投影仪31投影到投影幕布32上的投影画面,以得到投影图像。
在本实施例中,利用工业相机对投影仪投影的图像进行拍摄,并将拍摄得到的投影图像传输至电子设备,以使电子设备对投影图像进行处理,以实现投影图像中的暗带进行检测。
在一个实施例中,投影图像为白色图像。在本实施例中,由于DLP投影仪的安装误差,LED光源组件发出光线会被遮挡或者被反射,影响正常光路,从而在投影图像的边缘产生暗带。在使用存在问题的投影仪投影白色图像时,在投影图像的边缘处的某一颜色分量与正常投影仪的图像的边缘处的某一颜色分量存在差异,例如,由于蓝光光路被影响(蓝光遮挡/被反射),在投影白色图像时,在投影图像的边缘会存在蓝色分量与正常投影仪的图像的蓝色分量存在差异,基于此,结合后续步骤,通过对投影图像进行处理,可以判定投影图像中是否存在暗带,以及判断投影图像中的暗带检测是否合格。
在一个实施例中,所述方法在获取投影图像之后,还可以包括:步骤S3100-S3200。
步骤S3100,对所述投影图像进行二值化处理。
在具体实施时,可以通过计算机是视觉库OpenCV中的自适应二值化处理算法对投影图像进行二值化处理,得到二值化的投影图像。本实施例中,可以基于二值化的投影图像,实现投影图像中的暗带的检测。
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android以及MacOS等操作系统上。OpenCV计算机视觉库提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
步骤S3200,对二值化处理后的所述投影图像进行去噪处理。
在本实施例中,在得到二值化的投影图像之后,进一步可以对二值化的投影图像进行去噪处理,以去除投影图像中的噪点或者异常点,从而避免受到噪点或者异常点的干扰,提高检测的准确性。例如,对二值化的投影图像进行腐蚀膨胀处理。还例如,根据预设参数对投影图像进行过滤。
在步骤S2100之后,执行步骤S2200,截取所述投影图像的边缘部分,得到检测区域图像。
检测区域图像即包括暗带区域的图像。对检测区域图像的像素点的色彩偏差值可以确定检测区域图像是否存在暗带,以及投影图像的暗带检测是否合格。在本实施例中,通常在投影图像的边缘处出现暗带,基于此,截取投影图像的边缘部分,得到检测区域图像。并且,基于检测区域图像进行投影图像的暗带检测,可以减小运算量,提高检测速度。
在一个实施例中,所述截取所述投影图像的边缘部分,得到检测区域图像,可以进一步包括:步骤S2110~S2120。
步骤S2110,获取所述投影图像的角点。
示例性的,获取投影图像的角点,可以是基于Harris角点检测算法,确定投影图像的角点。示例性的,获取投影图像的角点,也可以是通过计算机视觉OpenCV中的角点检测工具,确定投影图像的角点。
步骤S2120,基于所述投影图像的角点,截取所述投影图像的边缘部分,得到检测区域图像。
在本实施例中,由于暗带通常分布在投影区域的边缘处,在确定投影图像的四个角点之后,即确定投影区域的边缘处之后,基于投影区域的边缘,以固定大小进行截取,以获取检测区域图像。
在本实施例中,检测区域图像可以包括一个,也可以包括多个。请参见图4,其是本公开实施例的一种检测区域图像的示意图。具体来讲,对投影图像41进行角点检测,确定投影图像41的四个角点(A、B、C、D),基于投影图像41的四个角点,可以获取六个检测区域图像,即检测区域图像42-1、检测区域图像42-2、检测区域图像42-3、检测区域图像42-4、检测区域图像42-5、检测区域图像42-6。在本实施例中,获取多个检测区域图像,分别对多个检测区域图像进行处理,并且根据多个检测区域图像的检测结果,判断投影图像中是否存在暗带,以及投影图像中的暗带检测是否合格,可以提高检测的准确性。
需要说明的是,获取的检测区域图像的数量和大小可以由本领域人员根据经验进行设置,本公开实施例对此不做限定。
在步骤S2200之后,执行步骤S2300,根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值。
在本实施例中,第一颜色分量可以是检测区域图像中不同像素点的颜色分量变差异较大的颜色分量。第二颜色分量可以是检测区域图像中不同像素点的颜色分量差异较小的颜色分量。
在一个例子中,第一颜色分量和第二颜色分量可以由本领域技术人员根据经验进行设置,例如,由于DLP投影仪的蓝光光路被影响(蓝光遮挡/被反射),在投影白色图像时,投影图像的边缘处的蓝色分量与正常图像的蓝色分量存在差异,因此,人眼感知上,投影图像边缘区域的颜色偏蓝或者偏蓝。基于此,可以设置第一颜色分量为蓝色分量或者绿色分量,第二颜色分量为红色分量。
在另一个例子,在DLP投影仪的生产过程中,每一个DLP投影仪的安装误差可能不同。基于此,确定第一颜色分量和第二颜色分量的步骤可以包括:获取投影仪投射的至少一张测试图像,其中,每一测试图像的图像内容相同,例如,测试图像为白色图像;确定测试图像中每一像素点的三通道颜色信息值;将测试图像中每一像素点的每一单通道的颜色信息值进行比较;将测试图像中变化最大的单通道的颜色信息值确定为第一颜色分量,将测试图像中变化最小的单通道的颜色信息值确定为第二颜色分量。
在本实施例中,第一比值是像素点的第一颜色分量与第二颜色分量的比值。也就是说,第一比值是像素点的第一颜色通道对应的颜色信息值与第二颜色通道对应的颜色信息值的比值。
检测区域图像中像素点的色彩偏差值,可以反映该检测区域图像中像素点的色彩变化的程度。也就是说,将检测区域图像中的像素点的第一比值与第一参考比值进行比较,第一比值与第一参考比值的差值越大,说明投影图像中的该像素点的色彩变化程度越大;第一比值与第一参考比值的差值越小,说明投影图像中的该像素点的色彩变化程度越小。
在一个实施例中,所述第一参考比值是所述投影图像中所有像素点的第一比值的平均值。
下面以第一颜色分量为蓝色分量,第二颜色分量为红色分量为例,说明第一参考比值和像素点的色彩偏差值的确定过程进行说明。
在该例子中,第一参考比值可以通过以下公式(1)获得:
B_R_Avg=B_Avg/R_Avg(1)
其中,B_R_Avg为第一参考比值;B_Avg为投影图像中所有像素点的蓝色分量的平均值;R_Avg为投影图像中所有像素点的红色分量的平均值。
之后,根据第一参考比值,确定检测区域图像中像素点的色彩偏差值。像素点的色彩偏差值可以通过以下公式(2)获得:
Value(x,y)=(B(x,y)/R(x,y)-B_R_Avg-k1)*k2(2)
其中,Value(x,y)为检测区域图像中像素点的色彩偏差值;B(x,y)/R(x,y)为检测区域图像中像素点的蓝色分量与红色分量的比值;B_R_Avg为第一参考比值;k1、k2为系数。
需要说明的是,k1、k2可以由本领域技术人员根据经验进行设置,例如,k1取0.75,k2取100。
在本实施例中,通过以上公式计算第一参考比值和检测区域图像中像素点的色彩偏差值,以方便后续进一步根据色彩偏差值进行暗带检测,检测的准确性更高。
在步骤S2300之后,执行步骤S2400,根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带。
在本实施例中,由于暗带通常分布在投影区域的边缘处,也就是说,在投影图像中存在暗带的情况下,沿投影图像的中心向边缘的方向,检测区域图像的颜色由亮变暗。以图4示出的检测区域图像的示意图为了,对于检测区域图像42-1,上侧颜色较暗,下侧颜色较亮;对于检测区域图像42-3,左侧颜色较暗,右侧颜色较亮;对于检测区域图像42-4,左侧颜色较亮,右侧颜色较暗;对于检测区域图像42-5,上侧颜色较亮,下侧颜色较暗。需要说明的是,这里的“亮”和“暗”不仅是指图像的亮度的变化,还包括图像的色彩变化,即图像中像素点的色调的亮暗。
基于上述描述,根据检测区域图像中像素点的色彩偏差值,确定投影图像中是否存在暗带,可以包括:从检测区域图像中选取多个像素组;确定检测区域图像中是否存在相邻两个像素组的色彩偏差值大于预设的偏差阈值;在检测区域图像中存在相邻两个像素组的色彩偏差值大于预设的偏差阈值的情况下,确定投影图像中存在暗带。更进一步地,确定检测区域图像中是否存在相邻两个像素组的色彩偏差值大于预设的偏差阈值,可以根据像素组中像素点的色彩偏差值与像素组在所述检测区域图像中的位置生成曲线,以判断生成的曲线是否存在拐点,在曲线存在拐点的情况下,确定检测区域图像中存在相邻两个像素组的色彩偏差值大于预设的偏差阈值,即投影图像中存在暗带。也就是说,可以根据检测区域图像中像素行或者像素列的色彩变化程度,确定检测区域图像中色彩变化最大的相邻像素行或者相邻像素列,从而确定投影图像中是否存在暗带。
根据检测区域图像中像素点的色彩偏差值,确定投影图像中是否存在暗带,还可以包括:从检测区域图像中选取目标像素组;确定目标像素组中是否存在相邻两个像素点的色彩偏差值大于预设的偏差阈值;在目标像素组中存在相邻两个像素点的色彩偏差值大于预设的偏差阈值的情况下,确定投影图像中存在暗带。更进一步地,确定目标像素组中是否存在相邻两个像素点的色彩偏差值大于预设的偏差阈值,可以根据目标像素组中像素点的色彩偏差值与像素点在所述检测区域图像中的位置生成曲线,以判断生成的曲线是否存在拐点,在曲线存在拐点的情况下,确定目标像素组中存在相邻两个像素点的色彩偏差值大于预设的偏差阈值,即投影图像中存在暗带。也就是说,可以从检测区域图像中沿检测区域图像的颜色变化的方向排列选取一个目标像素组,确定该目标像素组中色彩变化最大的相邻像素点,从而确定投影图像中是否存在暗带。
下面分别对这两种情况进行说明。
在一个实施例中,所述检测区域图像包括多个像素组所述根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带,可以进一步包括:步骤S4100-S4400。
步骤S4100,根据像素组中所有像素点的色彩偏差值的平均值,确定所述像素组的色彩偏差平均值。
在一个例子中,每一像素组可以由检测区域图像中的任一行或者任一列的像素点组成。像素组的色彩偏差平均值可以反映该像素组的色彩变化的程度,也就是说,像素组的色彩偏差平均值可以反映检测区域图像的某一像素行或者某一像素列的色彩变化程度。
以图4示出的检测区域图像42-1、检测区域图像42-2、检测区域图像42-5和检测区域图像42-6为例,由于这些检测区域图像的颜色沿y方向变化,可以将检测区域图像中的每一像素列作为一个像素组,确定每一像素列的色彩偏差平均值,即计算每一像素列中所有像素点的色彩偏差值的平均值。
以图4示出的检测区域图像42-3和检测区域图像42-4为例,由于这些检测区域图像的颜色沿x方向变化,可以将检测区域图像中的每一像素行作为一个像素组,确定每一像素行的色彩偏差平均值,即计算每一像素行中所有像素点的色彩偏差值的平均值。
在另一个例子中,每一像素组可以包括检测区域图像中的位于同一行的多个像素点,每一像素组也可以包括检测区域图像中的位于同一列的多个像素点。
在又一个例子中,每一像素组可以包括检测区域图像中多个像素行的像素点,每一像素组可以包括检测区域图像中多个像素列的像素点。
需要说明的是,本领域技术人员可以根据实际需要从检测区域图像中选取像素组,本公开实施例对此不做限定。
步骤S4200,根据多个像素组中每一所述像素组的色彩偏差平均值和所述像素组在所述检测区域图像中的位置,生成第一曲线。
所述第一曲线为像素组的色彩偏差平均值与像素组在所述检测区域图像中的位置的关系曲线。像素组在检测区域图像中的位置可以是像素组在检测区域图像中的行数,也可以是像素组在检测区域图像中的列数。也就是说,第一曲线的纵坐标为像素组的色彩偏差平均值,横坐标为像素组在检测区域图像中的行数或者列数。
以图4示出的检测区域图像42-5为例,检测区域图像42-5的上侧颜色较亮,下侧颜色较暗,从检测区域图像42-5的上边缘向下,横坐标依次为第0行、第1行、第2行、……、第n行,纵坐标对应每一像素行的色彩偏差平均值。
以图4示出的检测区域图像42-3为例,检测区域图像42-3的左侧颜色较暗,右侧颜色较亮,从检测区域图像42-5的左侧边缘向右侧边缘,横坐标依次为第0列、第1列、第2列、……、第n列,纵坐标对应每一像素列的色彩偏差平均值。
步骤S4300在所述第一曲线存在拐点的情况下,确定所述投影图像中存在暗带。
步骤S4400在所述第一曲线不存在拐点的情况下,确定所述投影图像中不存在暗带。
第一曲线的曲率可以反映检测区域图像的色彩变化。基于此,可以根据第一曲线的曲率变化,判断投影图像中是否存在暗带,也就是说,如果第一曲线有明显的曲率变化,则认为该投影图像中存在暗带;如果第一曲线没有明显的曲率变化,即第一曲线为直线时,则认为该投影图像中不存在暗带,即该投影图像的暗带检测合格。
在一个更具体的例子中,可以通过确定第一曲线是否存在拐点,以确定投影图像中是否存在暗带。具体实施时,可以通过计算第一曲线的方差,如果第一曲线的方差有两次趋于稳定,则确定第一曲线存在拐点。也就是说,如果第一曲线存在拐点,说明拐点处的色彩变化最大,即拐点处对应的相邻像素行或者像素列的色彩差别最大,则认为该投影图像中存在暗带;如果第一曲线不存在拐点,则认为该投影图像中不存在暗带,即该投影图像的暗带检测合格。
在本实施例中,根据检测区域图像的色彩变化方向,将检测区域图像划分为多个像素组,根据多个像素组的色彩偏差平均值和像素组在检测区域图像中的位置,生成第一曲线,再之后,根据在第一曲线存在拐点的情况下,确定投影图像中存在暗带,在第一曲线不存在拐点的情况下,确定投影图像中不存在暗带。本公开实施例,以像素行或者像素列为单元,确定检测区域图像中是否存在暗带,在提高检测准确性的同时,还可以降低运算量,提高检测速度。
在一个实施例中,根据所述检测区域图像中每一像素点的色彩偏差值,确定所述投影图像中是否存在暗带,可以进一步包括:步骤S5100-S5400。
步骤S5100,从检测区域图像中选取一个目标像素组,该目标像素组中每一像素点沿检测区域图像的颜色变化的方向排列。
该目标像素组可以包括检测区域图像中的任一行或者任一列像素点。以图4示出的检测区域图像42-1为例,该检测区域图像为上侧颜色较暗,下侧颜色较亮的图像,可以将检测区域图像中的任一像素列作为目标像素组。
步骤S5200,根据目标像素组中每一像素点的色彩偏差值和每一像素点在检测区域图像中的位置,生成第二曲线。
所述第二曲线为像素点的色彩偏差值与像素点在所述检测区域图像中的位置的关系曲线。像素点在所述检测区域图像中的位置可以是像素点在所述检测区域图像中的行数,也可以是像素点在所述检测区域图像中的列数。也就是说,第二曲线的纵坐标为像素点的色彩偏差值,横坐标为像素点在检测区域图像中的行数或者列数。
步骤S5300,在所述第二曲线存在拐点的情况下,确定所述投影图像中存在暗带;
步骤S5400,在所述第二曲线不存在拐点的情况下,确定所述投影图像中不存在暗带。
第二曲线的曲率可以反映检测区域图像的色彩变化。基于此,可以根据第二曲线的曲率变化,判断投影图像中是否存在暗带,也就是说,如果第二曲线有明显的曲率变化,即第二曲线存在拐点时,则认为该投影图像中存在暗带;如果第二曲线没有明显的曲率变化,即第二曲线不存在拐点时,则认为该投影图像中不存在暗带,即该投影图像的暗带检测合格。
在本实施例中,根据检测区域图像的色彩变化方向,选取目标像素组,根据目标像素组中每一像素点的色彩偏差值和像素点在检测区域图像中的位置,生成第二曲线,再之后,根据在第二曲线存在拐点的情况下,确定投影图像中存在暗带,在第二曲线不存在拐点的情况下,确定投影图像中不存在暗带。本公开实施例,根据检测区域图像的色彩变化方向,选取目标像素组,基于目标像素组,确定检测区域图像中是否存在暗带,可以降低运算量,进一步提高检测速度。
在本实施例,由于暗带的宽度和浓度直接影响投影图像的效果。基于此,可以根据暗带的宽度和浓度,判断投影图像中的暗带检测是否合格。本公开实施例,还包括确定暗带的宽度和浓度的步骤。
在一个实施例中,在确定所述投影图像中存在暗带之后,所述方法还包括:步骤S6100-S6300。
步骤S6100,将所述检测区域图像中与所述第一曲线的拐点对应的像素组,确定为第一像素组,。
第一曲线的拐点,即第一曲线的曲率变化最大处。也就是说,根据第一曲线的拐点,可以确定检测区域图像中色彩变化最大的位置,从而可以确定暗带起始位置,从而可以确定暗带的宽度。
与第一曲线的拐点对应的像素组,可以是第一曲线的拐点所在的像素组,也可以是与第一曲线的拐点最接近的像素组。
在具体实施时,基于第一曲线,可以确定拐点的横坐标,即拐点对应的行数或者列数,从而将与第一曲线的拐点对应的像素组作为第一像素组。
步骤S6200,将位于所述第一像素组一侧的、且所述像素组的色彩偏差平均值大于第一预设阈值的像素组,确定为第二像素组。
步骤S6300,根据所述第二像素组的组数,确定所述暗带的宽度。
在确定第一曲线的拐点之后,位于拐点一侧的像素组的色彩偏差平均值均小于,位于拐点另一侧的像素组的色彩偏差平均值。选出像素组的色彩偏差平均值大于第一预设阈值的像素组,根据色彩偏差平均值大于第一预设阈值的像素组的组数,确定暗带的宽度。
在一个实施例中,所述第一像素组的色彩偏差平均值为第一平均值,在确定所述投影图像中存在暗带之后,所述方法还包括:步骤S7100-S7300。
步骤S7100,将所述第二像素组中的像素点,确定为暗带像素点。
步骤S7200,确定所述检测区域图像中每一所述暗带像素点的色彩偏差值与所述第一平均值的第一差值。
步骤S7300,将所述检测区域图像中所有所述暗带像素点的所述第一差值的平均值,作为所述暗带的浓度。
示例性的,以图4示出的检测区域图像42-5为例,检测区域图像42-5的上侧颜色较亮,下侧颜色较暗,从检测区域图像42-5的上边缘向下,横坐标依次为第0行、第1行、第2行、……、第n行,纵坐标对应每一像素行的色彩偏差平均值。在第一曲线存在拐点的情况下,确定拐点对应的像素组的行数,拐点右侧的曲线的长度,即为暗带的宽度。将暗带行中每一像素点,即拐点右侧的像素组中每一像素点的色彩偏差值与第一平均值的差值的平均值,作为暗带的浓度。
在本实施例中,在生成第一曲线之后,根据第一曲线可以快速确定暗带的宽度和浓度,从而基于暗带的宽度和浓度,判断投影图像的暗带检测是否合格。
在一个实施例中,在检测区域图像为多个的情况下,在根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带之前,还包括:确定检测区域图像的检测方向;将多个检测区域图像中每一检测区域图像的放置方向调整至检测方向。
以图4示出的检测区域图像为例,确定检测方向为由上至下,可以检测区域图像42-1和检测区域图像42-2旋转180°,将检测区域图像42-3向左旋转90°,将检测区域图像42-4向右旋转90°。
在本实施例中,在根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带之前,将多个检测区域图像中每一检测区域图像的放置方向调整至检测方向,进一步可以采用同样方式判断每一检测区域图像的暗带检测是否合格,从而可以简化处理算法,并且可以保证检测的一致性。
在步骤S2400之后,执行步骤S2500,在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格。
在一个实施例中,所述根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格,包括:在所述暗带的宽度大于预设的宽度阈值,且所述暗带的浓度大于预设的浓度阈值的情况下,确定所述投影图像中的暗带检测不合格。
在一个实施例中,所述根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格,还包括:在所述暗带的宽度大于预设的宽度阈值,且所述暗带的浓度大于预设的浓度阈值之外的情况下,确定所述投影图像中的暗带检测合格。
暗带的宽度大于预设的宽度阈值,且暗带的浓度大于预设的浓度阈值之外的情况,包括:暗带的宽度小于或等于预设的宽度阈值且暗带的浓度大于预设的浓度阈值的情况、暗带的宽度大于预设的宽度阈值且暗带的浓度小于或等于预设的浓度阈值的情况、以及暗带的宽度小于或等于预设的宽度阈值且暗带的浓度小于或等于预设的浓度阈值的情况。
需要说明的是,预设的宽度阈值可以由本领域技术人员根据经验进行设置。预设的浓度阈值可以由本领域技术人员根据经验进行设置。
在本实施例中,暗带的宽度越大,暗带影响的区域越大。暗带的浓度越大,暗带的颜色越深,暗带的浓度越小,暗带的颜色越浅。也就是说,暗带的宽度和浓度同时影响投影图像的效果。基于此,通过设置宽度阈值和浓度阈值,以在暗带的宽度大于预设的宽度阈值且暗带的浓度大于预设的浓度阈值的情况下,判定投影图像中的暗带检测不合格,这样可以提高检测的准确性,并且可以提高检测的一致性。
根据本公开实施例,获取投影图像,并截取投影图像的边缘部分,以得到检测区域图像,之后根据检测区域图像中像素点的色彩偏差值,确定投影图像中是否存在暗带,在投影图像中存在暗带的情况下,根据暗带的宽度和所述暗带的浓度,确定投影图像中的暗带检测是否合格,这样,可以实现投影图像中暗带检测的自动化,可以提高检测的准确性,以及保证检测的一致性。
<装置实施例>
本实施例提供了一种投影图像中暗带的检测装置,如图5所示,该投影图像中暗带的检测装置500可以包括投影图像获取模块510、检测区域获取模块520、像素点的色彩偏差值确定模块530、暗带确定模块540及检测模块550。
该投影图像获取模块510,用于获取投影图像,所述投影图像为投影仪投射出的白色图像。
该检测区域获取模块520,用于截取所述投影图像的边缘部分,得到检测区域图像。
该像素点的色彩偏差值确定模块530,用于根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值。
该暗带确定模块540,用于根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带。
该检测模块550,用于在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格。
在一个实施例中,在根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值时,所述第一参考比值是所述投影图像中所有像素点的第一比值的平均值。
在一个实施例中,该检测模块550,具体用于在所述暗带的宽度大于预设的宽度阈值,且所述暗带的浓度大于预设的浓度阈值的情况下,确定所述投影图像中的暗带检测不合格。
在一个实施例中,所述检测区域图像包括多个像素组,,该暗带确定模块440,包括:像素组的色彩偏差平均值确定单元,用于根据像素组中所有像素点的色彩偏差值的平均值,确定所述像素组的色彩偏差平均值;第一曲线生成单元,用于根据多个像素组中每一所述像素组的色彩偏差平均值和所述像素组在所述检测区域图像中的位置,生成第一曲线,所述第一曲线为像素组的色彩偏差平均值与像素组在所述检测区域图像中的位置的关系曲线;暗带确定单元,用于在所述第一曲线存在拐点的情况下,确定所述投影图像中存在暗带;暗带确定单元,还用于在所述第一曲线不存在拐点的情况下,确定所述投影图像中不存在暗带。
在一个实施例中,所述像素组由所述检测区域图像中的任一行或者任一列的像素点组成,
在一个实施例中,所述装置还包括:第一像素组确定模块,用于将所述检测区域图像中与所述第一曲线的拐点对应的像素组,确定为第一像素组;第二像素组确定模块,用于将位于所述第一像素组一侧的、且所述像素组的色彩偏差平均值大于第一预设阈值的像素组,确定为第二像素组;暗带宽度确定模块,用于根据所述第二像素组的组数,确定所述暗带的宽度。
在一个实施例中,所述装置还包括:暗带像素点确定模块,用于将所述第二像素组中的像素点,确定为暗带像素点;第一差值确定模块,用于确定所述检测区域图像中每一所述暗带像素点的色彩偏差值与所述第一平均值的第一差值;暗带浓度确定模块,用于将所述检测区域图像中所有所述暗带像素点的所述第一差值的平均值,作为所述暗带的浓度。
在一个实施例中,该检测区域获取模块520包括:角点检测单元,用于获取所述投影图像的角点;检测区域图像截取单元,用于基于所述投影图像的角点,截取所述投影图像的边缘部分,得到检测区域图像。
在一个实施例中,所述装置还包括:第一图像处理模块,用于对所述投影图像进行二值化处理;第二图像处理模块,用于对二值化处理后的所述投影图像进行去噪处理。
本实施例还提供了另一种投影图像中暗带的检测装置,如图6所示,该投影图像中暗带的检测装置600包括存储器620和处理器610。存储器620用于存储可执行的计算机程序。处理器610用于根据所述可执行的计算机程序的控制,执行根据本公开方法实施例的投影图像中暗带的检测方法。
该投影图像中暗带的检测装置600可以是如图1所示的电子设备1000,也可以是具备其他硬件结构的设备,在此不做限定。
在一个实施例中,以上投影图像中暗带的检测装置600的各模块可以通过处理器610运行存储器620中存储的计算机指令实现。
<介质实施例>
在本实施例中,还提供一种计算机可读存储介质,该计算机可读存储介质存储有可被计算机读取并运行的计算机程序,所述计算机程序用于在被所述计算机读取运行时,执行如本发明以上任意方法实施例的投影图像中暗带的检测方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分相互参见即可,每个实施例重点说明的都是与其他实施例的不同之处,但本领域技术人员应当清楚的是,上述各实施例可以根据需要单独使用或者相互结合使用。另外,对于装置实施例而言,由于其是与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例的对应部分的说明即可。以上所描述的系统实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“如“语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)网连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (11)
1.一种投影图像中暗带的检测方法,其特征在于,所述方法包括:
获取投影图像,所述投影图像为投影仪投射出的白色图像;
截取所述投影图像的边缘部分,得到检测区域图像;
根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值;
根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带;
在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格;
其中,所述根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带,包括:
从所述检测区域图像中选取多个像素组,在所述多个像素组中存在相邻两个像素组的色彩偏差值大于预设的偏差阈值的情况下,确定所述投影图像中存在暗带;或者
从所述检测区域图像中选取目标像素组,在所述目标像素组中存在相邻两个像素点的色彩偏差值大于预设的偏差阈值的情况下,确定所述投影图像中存在暗带。
2.根据权利要求1所述的方法,其特征在于,所述第一参考比值是所述投影图像中所有像素点的第一比值的平均值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格,包括:
在所述暗带的宽度大于预设的宽度阈值,且所述暗带的浓度大于预设的浓度阈值的情况下,确定所述投影图像中的暗带检测不合格。
4.根据权利要求1所述的方法,其特征在于,所述检测区域图像包括多个像素组,所述根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带,包括:
根据像素组中所有像素点的色彩偏差值的平均值,确定所述像素组的色彩偏差平均值;
根据多个像素组中每一所述像素组的色彩偏差平均值和所述像素组在所述检测区域图像中的位置,生成第一曲线,所述第一曲线为像素组的色彩偏差平均值与像素组在所述检测区域图像中的位置的关系曲线;
在所述第一曲线存在拐点的情况下,确定所述投影图像中存在暗带;
在所述第一曲线不存在拐点的情况下,确定所述投影图像中不存在暗带。
5.根据权利要求4所述的方法,其特征在于,所述像素组由所述检测区域图像中的任一行或者任一列的像素点组成。
6.根据权利要求4所述的方法,其特征在于,在确定所述投影图像中存在暗带之后,所述方法还包括:
将所述检测区域图像中与所述第一曲线的拐点对应的像素组,确定为第一像素组;
将位于所述第一像素组一侧的、且所述像素组的色彩偏差平均值大于第一预设阈值的像素组,确定为第二像素组;
根据所述第二像素组的组数,确定所述暗带的宽度。
7.根据权利要求6所述的方法,其特征在于,所述第一像素组的色彩偏差平均值为第一平均值,在确定所述投影图像中存在暗带之后,所述方法还包括:
将所述第二像素组中的像素点,确定为暗带像素点;
确定所述检测区域图像中每一所述暗带像素点的色彩偏差值与所述第一平均值的第一差值;
将所述检测区域图像中所有所述暗带像素点的所述第一差值的平均值,作为所述暗带的浓度。
8.根据权利要求1所述的方法,其特征在于,所述截取所述投影图像的边缘部分,得到检测区域图像,包括:
获取所述投影图像的角点;
基于所述投影图像的角点,截取所述投影图像的边缘部分,得到检测区域图像。
9.根据权利要求1所述的方法,其特征在于,所述方法在所述获取投影图像之后,还包括:
对所述投影图像进行二值化处理;
对二值化处理后的所述投影图像进行去噪处理。
10.一种投影图像中暗带的检测装置,其特征在于,所述装置包括:
投影图像获取模块,用于获取投影图像,所述投影图像为投影仪投射出的白色图像;
检测区域获取模块,用于截取所述投影图像的边缘部分,得到检测区域图像;
像素点的色彩偏差值确定模块,用于根据所述检测区域图像中像素点的第一比值与第一参考比值的差值,确定所述检测区域图像中像素点的色彩偏差值,其中,所述第一比值是像素点的第一颜色分量与第二颜色分量的比值;
暗带确定模块,用于根据所述检测区域图像中像素点的色彩偏差值,确定所述投影图像中是否存在暗带;其中,所述暗带确定模块,具体用于从所述检测区域图像中选取多个像素组,在所述多个像素组中存在相邻两个像素组的色彩偏差值大于预设的偏差阈值的情况下,确定所述投影图像中存在暗带;或者,从所述检测区域图像中选取目标像素组,在所述目标像素组中存在相邻两个像素点的色彩偏差值大于预设的偏差阈值的情况下,确定所述投影图像中存在暗带;
检测模块,用于在所述投影图像中存在暗带的情况下,根据所述暗带的宽度和所述暗带的浓度,确定所述投影图像中的暗带检测是否合格;
或者,
所述装置包括:
存储器,用于存储可执行的计算机程序;
处理器,用于根据所述可执行的计算机程序的控制,执行根据权利要求1-9中任一项所述的投影图像中暗带的检测方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有可被计算机读取执行的计算机程序,所述计算机程序用于在被所述计算机读取运行时,执行根据权利要求1-9中任一项所述的投影图像中暗带的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602740.2A CN113284121B (zh) | 2021-05-31 | 2021-05-31 | 投影图像中暗带的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602740.2A CN113284121B (zh) | 2021-05-31 | 2021-05-31 | 投影图像中暗带的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113284121A CN113284121A (zh) | 2021-08-20 |
CN113284121B true CN113284121B (zh) | 2022-11-22 |
Family
ID=77282860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110602740.2A Active CN113284121B (zh) | 2021-05-31 | 2021-05-31 | 投影图像中暗带的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284121B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204832759U (zh) * | 2015-07-07 | 2015-12-02 | 广州魅视电子科技有限公司 | 分布式融合系统 |
CN106772914A (zh) * | 2016-12-29 | 2017-05-31 | 利达光电股份有限公司 | 一种偏振分光棱镜胶合工艺 |
CN107917679A (zh) * | 2017-07-20 | 2018-04-17 | 重庆大学 | 一种基于面结构光三维测量中高亮、过暗区域动态检测、补偿的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0616838D0 (en) * | 2006-08-25 | 2006-10-04 | Moir Christopher I | Velocity detector |
JP2009290661A (ja) * | 2008-05-30 | 2009-12-10 | Seiko Epson Corp | 画像処理装置、画像処理方法、画像処理プログラムおよび印刷装置 |
US8094355B2 (en) * | 2009-04-29 | 2012-01-10 | Corning Incorporated | Laser projection system with a spinning polygon for speckle mitigation |
KR101583289B1 (ko) * | 2013-12-09 | 2016-01-07 | 씨제이씨지브이 주식회사 | 영상 중첩 영역의 보정 방법, 기록 매체 및 실행 장치 |
CN110418124B (zh) * | 2019-08-05 | 2021-11-30 | 歌尔光学科技有限公司 | 投影图像检测方法、装置、设备及计算机可读存储介质 |
CN110827288B (zh) * | 2019-10-08 | 2022-08-12 | 歌尔光学科技有限公司 | 投影仪清晰度测试中目标图像的提取方法及装置 |
-
2021
- 2021-05-31 CN CN202110602740.2A patent/CN113284121B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204832759U (zh) * | 2015-07-07 | 2015-12-02 | 广州魅视电子科技有限公司 | 分布式融合系统 |
CN106772914A (zh) * | 2016-12-29 | 2017-05-31 | 利达光电股份有限公司 | 一种偏振分光棱镜胶合工艺 |
CN107917679A (zh) * | 2017-07-20 | 2018-04-17 | 重庆大学 | 一种基于面结构光三维测量中高亮、过暗区域动态检测、补偿的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113284121A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280822B (zh) | 屏幕划痕的检测方法及装置 | |
US9990890B2 (en) | Display device and control method therefor | |
US9564073B2 (en) | Display analysis using scanned images | |
CN110827288B (zh) | 投影仪清晰度测试中目标图像的提取方法及装置 | |
US20150138222A1 (en) | Image processing device and multi-projection system | |
US20190206043A1 (en) | Method and system for detection of in-panel mura based on hough transform and gaussian fitting | |
US11043172B2 (en) | Low-latency high-dynamic range liquid-crystal display device | |
CN108307098B (zh) | 鱼眼相机阴影校正参数确定方法、校正方法及装置、鱼眼相机 | |
CN104618671A (zh) | 一种信息处理方法及电子设备 | |
US9280936B2 (en) | Image display unit, mobile phone and method with image adjustment according to detected ambient light | |
US20130162814A1 (en) | Projector image correction device and method | |
US11297306B2 (en) | Near-eye display and method for adjusting brightness of a near-eye display | |
CN113284121B (zh) | 投影图像中暗带的检测方法及装置 | |
KR20200107359A (ko) | 플레어 검사 장치 | |
US20220207664A1 (en) | Computer apparatus and method for detecting defects in near-eye display | |
CN110809141A (zh) | 梯形校正方法、装置、投影仪及存储介质 | |
US20220262284A1 (en) | Control device, control method, control program, and control system | |
JP2016197377A (ja) | 画像補正用コンピュータプログラム、画像補正装置及び画像補正方法 | |
US9846816B2 (en) | Image segmentation threshold value deciding method, gesture determining method, image sensing system and gesture determining system | |
CN107818584B (zh) | 用户手指位置信息的确定方法及装置、投影仪、投影系统 | |
CN113902815A (zh) | 一种投影图像中暗带的检测方法及装置 | |
CN109644257B (zh) | 显示设备和用于显示图像的方法 | |
EP3467637B1 (en) | Method, apparatus and system for displaying image | |
CN115452325A (zh) | 光学模组鬼影的检测方法、检测装置及介质 | |
CN110062151B (zh) | 平滑图像生成装置、异常判定装置、平滑图像生成方法 |
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 |