CN113487478A - 图像处理方法、装置、存储介质及电子设备 - Google Patents
图像处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113487478A CN113487478A CN202110742517.8A CN202110742517A CN113487478A CN 113487478 A CN113487478 A CN 113487478A CN 202110742517 A CN202110742517 A CN 202110742517A CN 113487478 A CN113487478 A CN 113487478A
- Authority
- CN
- China
- Prior art keywords
- image
- rectangular
- determining
- outline
- current
- 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.)
- Withdrawn
Links
- 238000012545 processing Methods 0.000 title claims abstract description 84
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 230000003321 amplification Effects 0.000 claims abstract description 60
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004304 visual acuity Effects 0.000 abstract description 16
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 22
- 238000012360 testing method Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000011521 glass Substances 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
- 230000000717 retained effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012546 transfer Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备，所述方法包括：将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像，然后对膨胀图像进行二值化处理，得到二值化图像，再确定二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓，最后基于各第一矩形轮廓以比例放大的方式确定棋盘格图像中各第二黑块的感兴趣区域ROI。采用本申请实施例，可以通过对棋盘格图像进行处理获取各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
Description
技术领域
本申请涉及摄像头测试技术领域，尤其涉及一种图像处理方法、装置、存储介质及电子设备。
背景技术
空间频率响应(spatial frequency response，SFR)测试是一种摄像头解析力的常用测试方法。在进行SFR测试时，将待测摄像头向SFR测试卡进行拍摄，获得SFR测试图像，由于SFR测试卡上具有多个黑色块，那么SFR测试图像中也包括多个黑色块，得到的是一个棋盘格图像。SFR测试软件通过计算SFR测试图像中黑色块的边缘解析力来得到待测摄像头的解析力。
进行SFR测试，需要选取感兴趣区域(Region of Interest，ROI)。当前SFR测试软件一般都是由SFR测试软件自动计算SFR测试图像中某一个固定位置的ROI，比如指定中心视场，0.3视场，0.7视场等固定位置，然后对该指定视场附近的局部图像进行分析，进而抓取ROI。这种选取ROI的方式对SFR测试具有较强的局限性，不能对任意视场下的SFR值进行整体分析。
发明内容
本申请实施例提供了一种图像处理方法、装置、存储介质及电子设备，可以通过对棋盘格图像进行处理获取各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
所述技术方案如下：
第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：
将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
对所述膨胀图像进行二值化处理，得到二值化图像；
确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
通过对棋盘格图像进行处理获取各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
可选的，对所述膨胀图像进行二值化处理，得到二值化图像，包括：
获取所述膨胀图像的灰度直方图；
基于所述灰度直方图确定二值化阈值；
基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
通过所述膨胀图像的灰度直方图确定二值化阈值，利用二值化阈值对膨胀图像进行二值化。
可选的，基于所述灰度直方图确定二值化阈值，包括：
将所述灰度直方图进行曲线拟合，得到灰度曲线；
确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
通过对所述灰度直方图进行曲线拟合得到灰度曲线，采用双峰法确定用于二值化的二值化阈值。
可选的，计算所述二值化图像中各第一黑块的最小外接矩形的四个顶点坐标之前，还包括：
确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块。
通过预设最大面积阈值以及最小面积阈值排除图像中由于噪声亮点产生的错误黑块，保证感兴趣区域ROI的抓取准确度。
可选的，基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，包括：
确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；
以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
所述第一矩形轮廓为原棋盘格图像经过一系列图像处理后的图像中各第一黑块的最小外接矩形，由于一系列的图像处理所述第一黑块可以看作是原棋盘格图像中第二黑块的缩小版，则所述第一矩形轮廓比所述第二黑块要小，而感兴趣区域ROI需要包括所述第二黑块的一条边的内外两部分区域，因此以第一矩形轮廓的各条边的第一中点坐标为中心以第一预设边长为边长构建的第二矩形轮廓不足以形成所述第二黑块的感兴趣区域ROI，则将第二矩形轮廓进行比例放大，以使得比例放大后的第三矩形区域包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
可选的，基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，包括：
对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI。
通过将第一矩形轮廓进行比例放大得到近似于原棋盘格图像中第二黑块的第四矩形轮廓，以第四矩形轮廓的各条边的第二中点坐标为中心以第二预设边长为边长构建的第五矩形轮廓作为所述第二黑块的感兴趣区域ROI。
可选的，对所述第一矩形轮廓进行比例放大得到第四矩形轮廓，包括：
任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；
计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；
基于所述第一距离、所述第二距离，确定放大系数；
基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
进一步的，对所述第一矩形轮廓进行比例放大得到第四矩形轮廓，包括：
对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；
确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；
计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；
基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；
基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；
当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
由于摄像头模组可能存在成像畸变，在棋盘格图像的边缘处两个相邻第二黑块的质心坐标之间的距离与棋盘格图像中心位置处两个相邻第二黑块的质心坐标之间的距离会不同，通过遍历的方式单独确定两相邻黑块质心坐标之间的距离，提高角点坐标的精准度，进一步提高ROI的精确度。
可选的，基于各所述第一矩形轮廓确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI之后，还包括：
基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
通过计算各ROI的SFR，根据SFR和对应ROI的位置，拟合生成SFR曲面，该SFR曲面可以反应摄像头模组是否存在质量问题。
第二方面，本申请实施例提供了一种图像处理装置，所述图像处理装置包括：
图像灰度化模块，用于将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
图像二值化模块，用于对所述膨胀图像进行二值化处理，得到二值化图像；
第一轮廓确定模块，用于确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
ROI确定模块，用于基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
通过对棋盘格图像进行处理获取各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
可选的，图像处理装置还包括：
噪点排除模块，用于确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块。
通过预设最大面积阈值以及最小面积阈值排除图像中由于噪声亮点产生的错误黑块，保证ROI的抓取准确度。
可选的，图像处理装置还包括：
SFR计算模块，用于基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR。
曲面生成模块，用于基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
通过计算各感兴趣区域ROI的空间频率响应SFR，根据空间频率响应SFR和对应感兴趣区域ROI的位置，拟合生成空间频率响应SFR曲面，该空间频率响应SFR曲面可以反应摄像头模组是否存在质量问题。
可选的，图像二值化模块，包括：
直方图获取单元，用于获取所述膨胀图像的灰度直方图；
阈值确定单元，用于基于所述灰度直方图确定二值化阈值；
二值化处理单元，用于基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
通过所述膨胀图像的灰度直方图确定二值化阈值，利用二值化阈值对膨胀图像进行二值化。
可选的，阈值确定单元，具体用于：
将所述灰度直方图进行曲线拟合，得到灰度曲线；
确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
通过对所述灰度直方图进行曲线拟合得到灰度曲线，采用双峰法确定用于二值化的二值化阈值。
可选的，ROI确定模块，包括：
第一中点确定单元，用于确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；
第二轮廓确定单元，用于以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
第一ROI确定单元，用于对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
所述第一矩形轮廓为原棋盘格图像经过一系列图像处理后的图像中各第一黑块的最小外接矩形，由于一系列的图像处理所述第一黑块可以看作是原棋盘格图像中第二黑块的缩小版，则所述第一矩形轮廓比所述第二黑块要小，而感兴趣区域ROI需要包括所述第二黑块的一条边的内外两部分区域，因此以第一矩形轮廓的各条边的第一中点坐标为中心以第一预设边长为边长构建的第二矩形轮廓不足以形成所述第二黑块的感兴趣区域ROI，则将第二矩形轮廓进行比例放大，以使得比例放大后的第三矩形区域包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
可选的，ROI确定模块，包括：
第四轮廓确定单元，用于对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
第二中点确定单元，用于确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
第二ROI确定单元，用于以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI。
通过将第一矩形轮廓进行比例放大得到近似于原棋盘格图像中第二黑块的第四矩形轮廓，以第四矩形轮廓的各条边的第二中点坐标为中心以第二预设边长为边长构建的第五矩形轮廓作为所述第二黑块的感兴趣区域ROI。
可选的，第四轮廓确定单元，具体用于：
任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；
计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；
基于所述第一距离、所述第二距离，确定放大系数；
基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
进一步的，第四轮廓确定单元，具体用于：
对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；
确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；
计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；
基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；
基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；
当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
由于摄像头模组可能存在成像畸变，在棋盘格图像的边缘处两个相邻第二黑块的质心坐标之间的距离与棋盘格图像中心位置处两个相邻第二黑块的质心坐标之间的距离会不同，通过遍历的方式单独确定两相邻黑块质心坐标之间的距离，提高角点坐标的精准度，进一步提高ROI的精确度。
第三方面，本申请实施例提供一种存储介质，所述存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
本申请一些实施例提供的技术方案带来的有益效果至少包括：
在本申请实施例中，可以通过对棋盘格图像进行灰度化处理、膨胀处理以及二值化处理后，获取处理后的图像中各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
附图说明
为了更清楚地说明本申请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，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例提供了一种图像处理方法的流程示意图；
图2为本申请实施例提供了一种棋盘格图像膨胀处理的举例示意图；
图3为本申请实施例提供了一种膨胀图像二值化的举例示意图；
图4为本申请实施例提供了一种图像处理方法的流程示意图；
图5为本申请实施例提供了一种确定ROI的举例示意图；
图6为本申请实施例提供了一种图像处理方法的流程示意图；
图7为本申请实施例提供了一种第一矩形比例放大的举例示意图；
图8为本申请实施例提供了一种确定ROI的举例示意图；
图9为本申请实施例提供了一种图像处理装置的结构示意图；
图10为本申请实施例提供了一种图像二值化模块的结构示意图；
图11为本申请实施例提供了一种ROI确定模块的结构示意图；
图12为本申请实施例提供了一种ROI确定模块的结构示意图；
图13为本申请实施例提供了一种电子设备的结构示意图；
图14为本申请实施例提供了一种操作系统和用户空间的结构示意图；
图15是图13中安卓操作系统的架构图；
图16是图13中IOS操作系统的架构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
为了更清楚的描述本发明实施例的技术方案，在描述之前，对本发明中的一些概念进行详细描述以便更好的理解本方案。
成像系统的解析力一直是摄像头最关键的指标之一，如何评价一个成像系统的解析力也是相关领域研究人员一直在探讨的问题。目前主流的办法主要有TV line检测，调制解调函数(Modulation Transfer Function，MTF)检测，和空间频率响应(spatialfrequency response，SFR)检测等三种。
其中，MTF是指调制度随空间频率变化的函数。在各个摄像头镜头中经常采用MTF描述镜头的MTF曲线，表明镜头的能力，MTF曲线通过理想的测试环境下尽量减少其它系统对镜头的解析力的衰减的情况下测试得出，通过MTF也可以涵盖对整个成像系统的解析力评价。SFR是指成像装置对应于空间频率的振幅响应特性，主要是用于测量随着空间频率的线条增加对单一影像的所造成影响，SFR表示的也是成像系统的解析力。SFR的最终计算是希望得到MTF曲线。
在进行SFR测试和计算时，不需要拍摄不同的空间频率下的线对，只需要一个黑白的斜边即可换算出约略相等于所有空间频率下的MTF。在进行SFR测试和计算前，需要首先确定用于SFR计算的感兴趣区域(Region of Interest，ROI)。所述感兴趣区域ROI是指机器视觉、图像处理中，从被处理的图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，所述感兴趣区域ROI可以是任意几何形状的，例如圆形、矩形、三角形或其他不规则封闭图形。现有技术中，一般是由SFR测试软件自动计算SFR测试图像中某一个固定位置的ROI，通过计算某固定位置的ROI得到SFR值，进而分析成像系统的解析力，具有较强的局限性。
本申请实施例提出了一种图像处理方法，首先将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像，然后对膨胀图像进行二值化处理，得到二值化图像，再确定二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓，最后基于各第一矩形轮廓以比例放大的方式确定棋盘格图像中各第二黑块的感兴趣区域ROI。采用本申请实施例，可以通过对棋盘格图像进行一系列图像处理获取处理后的二值化图像中各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
请参见图1，为本申请实施例提供了一种图像处理方法的流程示意图。如图1所示，所述图像处理方法可以包括以下步骤S101～S104。
S101,将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
所述棋盘格图像是指用于SFR计算的SFR测试图像，棋盘格图像是由摄像头对棋盘格测试卡进行拍摄，并由成像系统解析生成。摄像头拍摄图像的默认格式是RGB格式，所述RGB格式的图像由RGB三个分量(R：Red，G：Green，B：Blue)，即红、绿、蓝三原色来表示真彩色，R分量，G分量，B分量的取值范围均为0～255，图像中最小的图像单元是像素点，图像中每一个像素点的颜色均可以由RGB三个值来表现，例如电脑屏幕中一个红色的像素点的三个分量的值分别为：255，0，0。
所述YUV/YCbCr/YPbPr格式的棋盘格图像。其中Y表示亮度信号(也就是灰度值)，U和V表示色度信号，视颜色系统和格式不同，两种色度信号还被称作Cb和Cr或Pb和Pr。
具体的，将RGB格式的棋盘格图像转化成YUV格式或YCbCr格式或YPbPr格式的棋盘格图像，并只保留Y通道的值，再将所述YUV格式或YCbCr格式或YPbPr格式的棋盘格图像按照预设的膨胀系数进行膨胀处理，得到膨胀图像。
所述膨胀处理是指将图像的高亮部分进行膨胀，使得图像中非高亮的灰色区域范围缩小。在棋盘格图像中即将白色区域扩大，将黑块区域减小。
请一并参见图2，为本申请实施例提供了一种棋盘格图像膨胀处理的举例示意图。
如图2所示，图2左侧为灰度化后的棋盘格灰度图像和膨胀图像，棋盘格图像经过预设的膨胀系数进行膨胀处理得到如图所示的膨胀图像，图2右侧为棋盘格图像和膨胀图像的局部放大区域，由放大图像可以看出棋盘格图像经过预设的膨胀系数进行膨胀处理得到的膨胀图像，所述膨胀图像中高亮部分区域范围扩大，非高亮的灰色区域范围缩小，各黑块之间彼此分割开来，彼此不再相接。
S102,对所述膨胀图像进行二值化处理，得到二值化图像；
所述二值化处理是指将大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个临界灰度值的像素灰度设为灰度极小值，也就是将图像上的像素点的灰度值设置为0或255，使整个图像呈现出明显的只有黑和白的视觉效果。
具体的，获取所述膨胀图像的灰度直方图，然后基于所述灰度直方图确定二值化阈值，再基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
所述二值化阈值即临界灰度值，将灰度值小于所述二值化阈值的像素点的灰度值设置为0，将灰度值大于所述二值化阈值的像素点的灰度值设置为255。
可选的，所述二值化阈值还可以是取中间值127(相当于0～255的中间数)，或所有像素点的灰度值的平均值，即(像素点1灰度值+…+像素点n灰度值)/n＝像素点平均值＝二值化阈值。
请一并参见图3，为本申请实施例提供了一种膨胀图像二值化的举例示意图。
如图3所示，为将膨胀图像进行二值化得到二值化图像的举例示意图，所示二值化图像只有灰度值为0黑块和灰度值为255白色区域，整个图像呈现出明显的只有黑和白的视觉效果。
S103,确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
不难理解，所述二值化图像中的第一黑块由于二值化阈值的选择不同，其形状是不规则的，通过确定各所述第一黑块的最小外接矩形为第一矩形轮廓，将不规则形状的第一黑块转化成规则矩形形状的第一矩形轮廓，方便计算。
S104,基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
可以理解的是，所述第一矩形轮廓为原棋盘格图像经过一系列图像处理后的二值化图像中各第一黑块的最小外接矩形，由于经过一系列的图像处理所述第一黑块可以看作是原棋盘格图像中第二黑块的缩小版，则所述第一矩形轮廓比所述第二黑块要小，而ROI需要包括棋盘格图像中第二黑块的位于黑色区域和白色区域之间的一条斜边，则ROI需要既包括黑色区域又包括白色区域，一般为以所述第二黑块的斜边为中线，两侧黑色区域和白色区域各占ROI的二分之一。因此，基于第一矩形轮廓采用比例放大的方式确定所述棋盘格图像中各所述第二黑块的ROI，以保证确定的ROI满足使用需要。
具体的，确定所述第一矩形轮廓的各条边的第一中点坐标，以所述第一中点坐标为中心以第一预设边长为边长构建第二矩形轮廓，然后对所述第二矩形轮廓进行比例放大得到棋盘格图像中各所述第二黑块的ROI。
在一种可实现的方式中，可以对所述第一矩形轮廓进行比例放大得到第四矩形轮廓，基于第四矩形轮廓的各条边的第二中点坐标为中心以及第二预设边长为边长构建所述棋盘格图像中各所述第二黑块的ROI，所述第四矩形轮廓近似于第二黑块的大小。
在本申请实施例中，通过对棋盘格图像进行灰度化处理、膨胀处理以及二值化处理后，获取处理后的图像中各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析。
请参见图4，为本申请实施例提供了一种图像处理方法的流程示意图。如图4所示，所述图像处理方法可以包括以下步骤S201～S211。
S201,将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
具体的，步骤S201请一并参见另一实施例中步骤S101中描述，在此不一一赘述。
S202，获取所述膨胀图像的灰度直方图；
所述灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将棋盘格图像中的所有像素点，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。
具体的，参见步骤S201中描述，所述膨胀图像为灰度图像，按照灰度值的大小统计所述膨胀图像中所有像素点的各灰度值出现的频率，构建灰度直方图。
S203，基于所述灰度直方图确定二值化阈值；
具体的，将所述灰度直方图进行曲线拟合，得到灰度曲线，然后确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
使用灰度直方图方法(也叫双峰法)来寻找二值化阀值，直方图是图像的重要特质，直方图方法认为图像由前景和背景组成，在灰度直方图上，前景和背景都形成高峰，在双峰之间的最低谷处就是阀值所在。
S204，基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像；
具体的，基于所述二值化阈值对所述膨胀图像中所有像素点进行二值化处理，将灰度值大于所述二值化阈值的像素点确定其灰度值为255，将灰度值小于所述二值化阈值的像素点确定其灰度值为0，得到非黑即白的二值化图像。
S205,确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块；
具体的，预设最大面积阈值以及最小面积阈值，排除所述二值化图像中面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，并将剩余的各黑块确定为第一黑块。
所述确定所述二值化图像中各黑块的面积，可以是先确定各黑块的最小外接矩形，将各最小外接矩形的面积近似为各黑块的面积，或确定各黑块中像素点的数量，基于像素的点的数量确定各黑块的面积，或者其他可实现的面积确定方式，对此本申请实施例不做限定。
所述预设最大面积阈值可以是整个棋盘格图像面积的1/20，所述最小面积阈值可以是整个棋盘格图像面积的1/100，所述预设最大面积阈值和所述最小面积阈值的具体值可根据棋盘格图像的大小以及棋盘格图像中黑块的大小适应性设定，具体值本申请实施例不做限定。
不难理解，在拍摄SFR测试卡获取棋盘格测试图像时，最终可能会产生一些噪声亮点，经过二值化以后可能会产生原本不存在的黑块，通过预设面积阈值的方式可以排除此类噪声亮点的干扰。
S206，确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
具体的，步骤S206请一并参见另一实施例中步骤S103中描述，在此不一一赘述。
S207,确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；
具体的，通过计算第一矩形轮廓的四个角点的第一角点坐标，然后根据所述第一矩形轮廓的一条边两端的两个角点的第一角点坐标，求得这条边的第一中点坐标。例如，若任意第一矩形轮廓ABCD,A点、B点、C点、D点为第一矩形轮廓ABCD的四个角点，通过计算得到A点的第一角点坐标为(1，1)，B点的第一角点坐标为(5，1)，C点的第一角点坐标为(5，4)，D点的第一角点坐标为(1，4)，则AB边的第一中点坐标为[(1+5)/2，(1+1)/2]，即(3，1)。
所述第一角点坐标的计算可以通过在所述二值化图像左下角构建直角坐标系，基于所述直角坐标系确定各第一矩形轮廓的四个第一角点坐标。所述直角坐标系的位置可以在图像中任意其他位置，例如：图像中央、图像右下角、图像右上角等。对直角坐标系的位置在本申请实施例中不做限定。
S208，以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
所述第一预设边长是指第二矩形轮廓的边长，则所述第一预设边长可以包括矩形的长和宽。
不难理解，所述第一中心坐标为第一矩形轮廓的边的中点的坐标，则以所述第一中点坐标为中心以及以第一预设边长为边长构建的第二矩形轮廓位于所述第一矩形轮廓的边上。
S209，对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域；
具体的，将第二矩形轮廓按照与对应第一矩形轮廓的一条边的垂直且背离所述第一矩形轮廓质心的方向进行比例放大得到第三矩形轮廓，所述第三矩形轮廓包括对应的第一矩形轮廓所在的第二黑块之外的白色背景区域。
步骤S207～步骤S209请一并参见图5，为本申请实施例提供了一种确定ROI的举例示意图。
如图5所示，图5中数字表示执行的先后顺序，所示第一矩形轮廓位于所示第二黑块内部，第一步先确定所示第一矩形轮廓由四个第一角点坐标，然后第二步根据所示第一矩形轮廓中任意一条边两端的两个角点的第一角点坐标确定这条边的第一中点坐标，然后第三步以所示第一中点坐标为中心以第一预设边长为边长构建第二矩形轮廓，第四步将第二矩形轮廓沿远离所示第一矩形轮廓质心的方向(如图所示箭头方向)外扩得到第三矩形轮廓，如图所示第三矩形轮廓包含所述第二黑块的一条斜边，以斜边为所述第三矩形轮廓的近似中心分割线，斜边一侧为白色区域，另一侧为黑色区域，所示第三矩形轮廓即作为所示第二黑块的感兴趣区域。
S210，基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
S211，基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
具体的，基于各ROI的位置以及对应的SFR拟合生成整个图像传感器靶面的SFR曲面。
SFR曲面可以直观反应摄像头模组是否存在质量问题，正常摄像头模组的SFR应该是中间高，两边低。
在本申请实施例中，通过将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像，然后对膨胀图像进行二值化处理，得到二值化图像，再确定二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓，最后基于各第一矩形轮廓确定第二矩形轮廓，再将第二矩形轮廓以比例放大的方式确定棋盘格图像中各第二黑块的感兴趣区域ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，提升对摄像头模组和成像系统的检测效果；进一步的，基于棋盘格图像中所有的ROI计算对应的SFR，然后基于各所述SFR生成SFR曲面，通过SFR曲面对棋盘格图像的所有ROI对应的SFR进行整体分析，可以直观判断摄像头模组是否存在质量问题。
请参见图6，为本申请实施例提供了一种图像处理方法的流程示意图。如图6所示，所述图像处理方法可以包括以下步骤S301～S311。
S301,将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
具体的，步骤S301请一并参见另一实施例中步骤S101中描述，在此不一一赘述。
S302，获取所述膨胀图像的灰度直方图；
具体的，步骤S302请一并参见另一实施例中步骤S202中描述，在此不一一赘述。
S303，基于所述灰度直方图确定二值化阈值；
具体的，步骤S303请一并参见另一实施例中步骤S203中描述，在此不一一赘述。
S304，基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像；
具体的，步骤S304请一并参见另一实施例中步骤S204中描述，在此不一一赘述。
S305,确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块；
具体的，步骤S305请一并参见另一实施例中步骤S205中描述，在此不一一赘述。
S306,确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
具体的，步骤S306请一并参见另一实施例中步骤S103中描述，在此不一一赘述。
S307,对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
具体的，任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；基于所述第一距离、所述第二距离，确定放大系数；基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
可选的，由于摄像头模组可能存在成像畸变，在棋盘格图像的边缘处两个相邻第一矩形轮廓的质心坐标之间的距离与棋盘格图像中心位置处两个相邻第一矩形轮廓的质心坐标之间的距离会不同，可以通过另一种可实现的方式确定第一距离，进而确定放大系数，通过放大系数对所述第一矩形轮廓进行外扩。所述可实现的方式包括：对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
所述目标质心坐标与所述第一角点坐标、所述第一中点坐标为相同坐标系下的坐标值。
所述基于所述第一距离、所述第二距离，确定放大系数是指放大系数＝第一距离/(2*第二距离)。所述基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓是指将所述第一矩形轮廓以放大系数为倍数进行外扩，所述第四矩形轮廓边长的长度为所述第一矩形轮廓边长的放大系数倍。
请一并参见图7，为本申请实施例提供了一种第一矩形比例放大的举例示意图。
如图7所示，图7中数字表示执行的先后顺序，图7中为两个质心坐标距离最近的两个第一矩形轮廓，其中一个第一矩形轮廓为目标矩形轮廓，首先第一步确定两个第一矩形轮廓的质心坐标之间的所示第一距离，第二步确定目标矩形轮廓中第一角点坐标与质心坐标之间的所示第二距离，然后基于所示第一距离和所示第二距离确定放大系数(放大系数＝第一距离/(2*第二距离))，第三步将所示第一矩形比例放大外阔系数倍得到所示第四矩形轮廓，所示第四矩形轮廓与所示第二黑块大致重合。
S308，确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
具体的，通过计算第四矩形轮廓的四个角点的第二角点坐标，然后根据所述第四矩形轮廓的一条边两端的两个角点的第二角点坐标，求得这条边的第二中点坐标。
所述二角点坐标的计算可以通过在所述二值化图像左下角构建直角坐标系，基于所述直角坐标系确定各第四矩形轮廓的四个第二角点坐标。所述直角坐标系的位置可以在图像中任意其他位置，例如：图像中央、图像右下角、图像右上角等。对直角坐标系的位置在本申请实施例中不做限定。
S309,以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI；
所述第一预设边长是指第五矩形轮廓的边长，则所述第一预设边长可以包括第五矩形轮廓的长和宽。
不难理解，所述第一中心坐标为第四矩形轮廓的边的中点的坐标，则以所述第一中点坐标为中心以及以第一预设边长为边长构建的第五矩形轮廓位于所述第四矩形轮廓的边上，而所述第四矩形轮廓可近似的看作对应第二黑块的轮廓，则第五矩形轮廓在所述第二黑块边上，且包含一部分黑色区域和所述第二黑块外的白色背景区域。
步骤S308～步骤S309请一并参见图8，为本申请实施例提供了一种确定ROI的举例示意图。
如图8所示，第四矩形轮廓ABCD，第一步首先确定四个第二角点坐标，第二部基于所示第四矩形轮廓的某一条边两端的两个角点的第二角点坐标确定这条边的第二中点坐标，如图所示，通过角点B以及角点C的第二角点坐标确定BC边的第二中点坐标，第三步以所示第二中点坐标为中心、以第二预设边长为边长构建第五矩形轮廓M1M2M3M4，所示第五矩形轮廓M1M2M3M4应满足仅包括第四矩形轮廓的一个边，以及M1M2所在直线不超过B点，M3M4所在直线不超过C点。另，如图，M3M4所在直线与BC所在直线有一交点N，点M4与N点之间的距离不应低于某一预设值，如20个像素，可以通过先计算AB的直线方程与M3M4直线方程的交点N的坐标，然后再计算NM4的长度值，即可判断是否符合要求，满足以上要求，即可将所示第五矩形轮廓确定为所示第二黑块的一条边上的感兴趣区域ROI，同样按照上述步骤也可确定所示第二黑块其余边的感兴趣区域ROI以及其余各第二黑块的感兴趣区域ROI。
S310，基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
S311，基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
具体的，基于各ROI的位置以及对应的SFR拟合生成整个图像传感器靶面的SFR曲面。
在本申请实施例中，通过将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像，然后对膨胀图像进行二值化处理，得到二值化图像，再确定二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓，然后基于各第一矩形轮廓以比例放大的方式确定与第二黑块相重合的第四矩形轮廓，通过确定第四矩形轮廓各条边的第二中点坐标确定棋盘格图像中各第二黑块的ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，提升对摄像头模组和成像系统的检测效果；进一步的，基于棋盘格图像中所有的ROI计算对应的SFR，然后基于各所述SFR生成SFR曲面，通过SFR曲面对棋盘格图像的所有ROI对应的SFR进行整体分析，可以直观判断摄像头模组是否存在质量问题。
请参见图9，为本申请实施例提供了一种图像处理装置的结构示意图。如图9所示，该图像处理装置1可以通过软件、硬件或者两者的结合实现成为终端设备的全部或一部分。根据一些实施例，该图像处理装置1包括，图像灰度化模块11，图像二值化模块12，噪点排除模块13，第一轮廓确定模块14、ROI确定模块15、SFR计算模块16、曲面生成模块17，具体包括：
图像灰度化模块11，用于将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
图像二值化模块12，用于对所述膨胀图像进行二值化处理，得到二值化图像；
噪点排除模块13，用于确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块；
第一轮廓确定模块14，用于确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
ROI确定模块15，用于基于各所述第一矩形轮廓以比例方大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI；
SFR计算模块16，用于基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
曲面生成模块17，用于基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
可选的，如图10所示，为本申请实施例提供了一种图像二值化模块12的结构示意图。
所述图像二值化模块12，包括：
直方图获取单元121，用于获取所述膨胀图像的灰度直方图；
阈值确定单元122，用于基于所述灰度直方图确定二值化阈值；
二值化处理单元123，用于基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
可选的，所述阈值确定单元122，具体用于：
将所述灰度直方图进行曲线拟合，得到灰度曲线；
确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
可选的，如图11所示，为本申请实施例提供了一种ROI确定模块15的结构示意图。
所述ROI确定模块15，包括：
第一中点确定单元151，用于确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；.
第二轮廓确定单元152，用于以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
第一ROI确定单元153，用于对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
可选的，如图12所示，为本申请实施例提供了一种ROI确定模块15的结构示意图。
所述ROI确定模块15，包括：
第四轮廓确定单元154，用于对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
第二中点确定单元155，用于确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
第二ROI确定单元156，用于以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI。
可选的，第四轮廓确定单元154，具体用于：
任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；
计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；
基于所述第一距离、所述第二距离，确定放大系数；
基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
进一步的，第四轮廓确定单元154，具体用于：
对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；
确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；
计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；
基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；
基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；
当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
需要说明的是，上述实施例提供的图像处理装置在执行图像处理方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，可以通过对棋盘格图像进行灰度化处理、膨胀处理以及二值化处理后，获取处理后的图像中各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1～图8所示实施例的所述图像处理方法，具体执行过程可以参见图1～图8所示实施例的具体说明，在此不进行赘述。
本申请还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图1～图8所示实施例的所述图像处理方法，具体执行过程可以参见图1～图8所示实施例的具体说明，在此不进行赘述。
请参考图13，其示出了本申请一个示例性实施例提供的电子设备的结构方框图。本申请中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行电子设备100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digital signal processing，DSP)、现场可编程门阵列(field－programmable gate array，FPGA)、可编程逻辑阵列(programmable logicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(centralprocessing unit，CPU)、图像处理器(graphics processing unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(random Access Memory，RAM)，也可以包括只读存储器(read-only memory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其它系统。存储数据区还可以存储电子设备在使用中所创建的数据比如电话本、音视频数据、聊天记录数据等。
参见图14所示，存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。
为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性的系统资源适配。
以操作系统为Android系统为例，存储器120中存储的程序和数据如图15所示，存储器120中可存储有Linux内核层320、系统运行时库层340、应用框架层360和应用层380，其中，Linux内核层320、系统运行库层340和应用框架层360属于操作系统空间，应用层380属于用户空间。Linux内核层320为电子设备的各种硬件提供了底层的驱动，如显示驱动、音频驱动、摄像头驱动、蓝牙驱动、Wi-Fi驱动、电源管理等。系统运行库层340通过一些C/C++库来为Android系统提供了主要的特性支持。如SQLite库提供了数据库的支持，OpenGL/ES库提供了3D绘图的支持，Webkit库提供了浏览器内核的支持等。在系统运行时库层340中还提供有安卓运行时库(Android runtime)，它主要提供了一些核心库，能够允许开发者使用Java语言来编写Android应用。应用框架层360提供了构建应用程序时可能用到的各种API，开发者也可以通过使用这些API来构建自己的应用程序，比如活动管理、窗口管理、视图管理、通知管理、内容提供者、包管理、通话管理、资源管理、定位管理。应用层380中运行有至少一个应用程序，这些应用程序可以是操作系统自带的原生应用程序，比如联系人程序、短信程序、时钟程序、相机应用等；也可以是第三方开发者所开发的第三方应用程序，比如游戏类应用程序、即时通信程序、相片美化程序、图像处理程序等。
以操作系统为IOS系统为例，存储器120中存储的程序和数据如图16所示，IOS系统包括：核心操作系统层420(Core OS layer)、核心服务层440(Core Services layer)、媒体层460(Media layer)、可触摸层480(Cocoa Touch Layer)。核心操作系统层420包括了操作系统内核、驱动程序以及底层程序框架，这些底层程序框架提供更接近硬件的功能，以供位于核心服务层440的程序框架所使用。核心服务层440提供给应用程序所需要的系统服务和/或程序框架，比如基础(Foundation)框架、账户框架、广告框架、数据存储框架、网络连接框架、地理位置框架、运动框架等等。媒体层460为应用程序提供有关视听方面的接口，如图形图像相关的接口、音频技术相关的接口、视频技术相关的接口、音视频传输技术的无线播放(AirPlay)接口等。可触摸层480为应用程序开发提供了各种常用的界面相关的框架，可触摸层480负责用户在电子设备上的触摸交互操作。比如本地通知服务、远程推送服务、广告框架、游戏工具框架、消息用户界面接口(User Interface，UI)框架、用户界面UIKit框架、地图框架等等。
在图16所示出的框架中，与大部分应用程序有关的框架包括但不限于：核心服务层440中的基础框架和可触摸层480中的UIKit框架。基础框架提供许多基本的对象类和数据类型，为所有应用程序提供最基本的系统服务，和UI无关。而UIKit框架提供的类是基础的UI类库，用于创建基于触摸的用户界面，iOS应用程序可以基于UIKit框架来提供UI，所以它提供了应用程序的基础架构，用于构建用户界面，绘图、处理和用户交互事件，响应手势等等。
其中，在IOS系统中实现第三方应用程序与操作系统数据通信的方式以及原理可参考Android系统，本申请在此不再赘述。
其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏，该触摸显示屏用于接收用户使用手指、触摸笔等任何适合的物体在其上或附近的触摸操作，以及显示各个应用程序的用户界面。触摸显示屏通常设置在电子设备的前面板。触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本申请实施例对此不加以限定。
除此之外，本领域技术人员可以理解，上述附图所示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，电子设备中还包括射频电路、输入单元、传感器、音频电路、无线保真(wireless fidelity，WiFi)模块、电源、蓝牙模块等部件，在此不再赘述。
在本申请实施例中，各步骤的执行主体可以是上文介绍的电子设备。可选地，各步骤的执行主体为电子设备的操作系统。操作系统可以是安卓系统，也可以是IOS系统，或者其它操作系统，本申请实施例对此不作限定。
本申请实施例的电子设备，其上还可以安装有显示设备，显示设备可以是各种能实现显示功能的设备，例如：阴极射线管显示器(cathode ray tubedisplay，简称CR)、发光二极管显示器(light-emitting diode display，简称LED)、电子墨水屏、液晶显示屏(liquid crystal display，简称LCD)、等离子显示面板(plasma display panel，简称PDP)等。用户可以利用电子设备101上的显示设备，来查看显示的文字、图像、视频等信息。所述电子设备可以是智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如电子手表、电子眼镜、电子头盔、电子手链、电子项链、电子衣物等设备。
在图13所示的电子设备中，处理器110可以用于调用存储器120中存储的图像处理程序，并具体执行以下操作：
将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
对所述膨胀图像进行二值化处理，得到二值化图像；
确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
在一个实施例中，所述处理器110在执行所述对所述膨胀图像进行二值化处理，得到二值化图像时，具体执行以下操作：
获取所述膨胀图像的灰度直方图；
基于所述灰度直方图确定二值化阈值；
基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
在一个实施例中，所述处理器110在执行所述基于所述灰度直方图确定二值化阈值时，具体执行以下操作：
将所述灰度直方图进行曲线拟合，得到灰度曲线；
确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
在一个实施例中，所述处理器110在执行所述计算所述确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓之前，还执行以下操作：
确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块。
在一个实施例中，所述处理器110在执行所述基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI时，具体执行以下操作：
确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；
以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
在一个实施例中，所述处理器110在执行所述基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI时，具体执行以下操作：
对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI。
在一个实施例中，所述处理器110在执行所述对所述第一矩形轮廓进行比例放大得到第四矩形轮廓时，具体执行以下操作：
任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；
计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；
基于所述第一距离、所述第二距离，确定放大系数；
基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
在一个实施例中，所述处理器110在执行所述对所述第一矩形轮廓进行比例放大得到第四矩形轮廓时，具体执行以下操作：
对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；
确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；
计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；
基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；
基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；
当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
在一个实施例中，所述处理器110在执行所述基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI之后，还执行以下操作：
基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
在本申请实施例中，可以通过对棋盘格图像进行灰度化处理、膨胀处理以及二值化处理后，获取处理后的图像中各第一黑块的第一矩形轮廓，并采用比例放大的方式确定棋盘格图像中所有ROI，从而可以通过计算所有ROI对应的SFR，实现对任意视场下的摄像头模组的解析力进行分析，更进一步的，可以通过整体分析图像中SFR的分布情况来分析摄像头模组的质量。
本领域的技术人员可以清楚地了解到本申请的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列(Field－ProgrammaBLE GateArray，FPGA)、集成电路(Integrated Circuit，IC)等。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台电子设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (12)
1.一种图像处理方法，其特征在于，所述方法包括：
将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
对所述膨胀图像进行二值化处理，得到二值化图像；
确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
基于各所述第一矩形轮廓以比例方大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
2.根据权利要求1所述的方法，其特征在于，所述对所述膨胀图像二值化处理，得到二值化图像，包括：
获取所述膨胀图像的灰度直方图；
基于所述灰度直方图确定二值化阈值；
基于所述二值化阈值将所述膨胀图像进行二值化处理得到所述二值化图像。
3.根据权利要求2所述的方法，其特征在于，所述基于所述灰度直方图确定二值化阈值，包括：
将所述灰度直方图进行曲线拟合，得到灰度曲线；
确定所述灰度曲线上的极小值点所指向的目标灰度值，将所述目标灰度值作为二值化阈值。
4.根据权利要求1所述的方法，其特征在于，所述确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓之前，还包括：
确定所述二值化图像中的各黑块的面积，排除面积大于预设最大面积阈值或小于预设最小面积阈值的目标黑块，将剩余的各黑块确定为第一黑块。
5.根据权利要求1所述的方法，其特征在于，所述基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，包括：
确定各所述第一矩形轮廓的四个第一角点坐标，基于所述第一角点坐标确定各所述第一矩形轮廓的各条边的第一中点坐标；
以所述第一中点坐标为中心以及以第一预设边长为边长，构建各第二矩形轮廓；
对各所述第二矩形轮廓进行比例放大得到各第三矩形轮廓，确定各所述第三矩形轮廓为所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，所述第三矩形轮廓包括所述第一矩形轮廓所在的第二黑块之外的背景区域。
6.根据权利要求1所述的方法，其特征在于，所述基于各所述第一矩形轮廓确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI，包括：
对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述第四矩形轮廓的四个第二角点坐标，基于所述第二角点坐标确定各所述第四矩形轮廓的各条边的第二中点坐标；
以所述第二中点坐标以及以第二预设边长为边长，构建第五矩形轮廓，确定所述第五矩形轮廓为所述棋盘格图像中所述第二黑块的感兴趣区域ROI。
7.根据权利要求6所述的方法，其特征在于，所述对所述第一矩形轮廓进行比例放大得到第四矩形轮廓，包括：
任取一个所述第一矩形轮廓作为目标矩形轮廓，确定所述目标矩形轮廓的目标质心坐标，遍历除所述目标矩形轮廓之外的所有第一矩形轮廓的质心坐标，确定所述目标质心坐标与距离所述目标质心坐标最近的质心坐标之间的第一距离；
计算各所述目标矩形轮廓中第一角点坐标到质心坐标之间的第二距离；
基于所述第一距离、所述第二距离，确定放大系数；
基于所述放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓。
8.根据权利要求6所述的方法，其特征在于，所述对所述第一矩形轮廓进行比例放大得到第四矩形轮廓，包括：
对各所述第一矩形轮廓进行排列得到轮廓队列，确定所述轮廓队列中第一个所述第一矩形轮廓为当前矩形轮廓；
确定所述当前矩形轮廓的当前质心坐标，遍历除所述当前矩形轮廓之外的所有所述第一矩形轮廓的质心坐标，确定所述当前质心坐标与距离所述当前质心坐标最近的质心坐标之间的当前第一距离；
计算所述当前矩形轮廓中所述第一角点坐标到所述当前质心坐标之间的当前第二距离；
基于所述当前第一距离、所述当前第二距离确定所述当前矩形轮廓的当前放大系数；
基于所述当前放大系数对所述第一矩形轮廓进行比例放大得到第四矩形轮廓；
确定所述轮廓队列中当前矩形轮廓下一个第一矩形轮廓作为当前矩形轮廓，并执行所述确定所述当前矩形轮廓的当前质心坐标的步骤；
当所述轮廓队列中不存在下一个第一矩形轮廓时，结束。
9.根据权利要求1所述的方法，其特征在于，所述基于各所述第一矩形轮廓确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI之后，还包括：
基于所述感兴趣区域ROI计算各感兴趣区域ROI对应的空间频率响应SFR；
基于各所述空间频率响应SFR生成空间频率响应SFR曲面。
10.一种图像处理装置，其特征在于，包括：
图像灰度化模块，用于将棋盘格图像灰度化并按照预设的膨胀系数进行膨胀处理，得到膨胀图像；
图像二值化模块，用于对所述膨胀图像进行二值化处理，得到二值化图像；
第一轮廓确定模块，用于确定所述二值化图像中各第一黑块的最小外接矩形为第一矩形轮廓；
ROI确定模块，用于基于各所述第一矩形轮廓以比例放大的方式确定所述棋盘格图像中各所述第二黑块的感兴趣区域ROI。
11.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～9中任意一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～9中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742517.8A CN113487478A (zh) | 2021-06-30 | 2021-06-30 | 图像处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110742517.8A CN113487478A (zh) | 2021-06-30 | 2021-06-30 | 图像处理方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113487478A true CN113487478A (zh) | 2021-10-08 |
Family
ID=77937356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110742517.8A Withdrawn CN113487478A (zh) | 2021-06-30 | 2021-06-30 | 图像处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113487478A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082503A (zh) * | 2022-07-02 | 2022-09-20 | 哈尔滨理工大学 | 一种胃部病理图像的分割方法及装置 |
| CN116977230A (zh) * | 2023-09-22 | 2023-10-31 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种扫描电子显微镜图像优化增强方法 |
-
2021
- 2021-06-30 CN CN202110742517.8A patent/CN113487478A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082503A (zh) * | 2022-07-02 | 2022-09-20 | 哈尔滨理工大学 | 一种胃部病理图像的分割方法及装置 |
| CN116977230A (zh) * | 2023-09-22 | 2023-10-31 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种扫描电子显微镜图像优化增强方法 |
| CN116977230B (zh) * | 2023-09-22 | 2024-01-02 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种扫描电子显微镜图像优化增强方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109166159B (zh) | 获取图像的主色调的方法、装置及终端 | |
| CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
| CN105046254A (zh) | 字符识别方法及装置 | |
| CN111667800B (zh) | 图像显示参数调节方法、装置、存储介质及终端 | |
| CN113487478A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN112839223B (zh) | 图像压缩方法、装置、存储介质及电子设备 | |
| CN111127469A (zh) | 缩略图显示方法、装置、存储介质以及终端 | |
| US8705847B2 (en) | Method and system of two-dimensional to stereoscopic conversion | |
| US9218679B2 (en) | Reduced bitcount polygon rasterization | |
| CN115330925A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
| EP4207082A1 (en) | Image-based lighting effect processing method and apparatus, and device, and storage medium | |
| CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN108845733B (zh) | 屏幕截图方法、装置、终端及存储介质 | |
| CN114186527A (zh) | 一种不依赖于网格点实现集成电路自动布线的方法及装置 | |
| CN113989396A (zh) | 图片渲染方法、装置、设备、存储介质和程序产品 | |
| CN110321190B (zh) | 一种桌面中图标优化的方法及装置 | |
| CN110059739B (zh) | 图像合成方法、装置、电子设备和计算机可读存储介质 | |
| CN114285936A (zh) | 屏幕亮度调整方法、装置、存储介质以及终端 | |
| CN113625923A (zh) | 基于远程云桌面的鼠标处理方法、装置、存储介质及设备 | |
| CN111107264A (zh) | 图像处理方法、装置、存储介质以及终端 | |
| CN108898169B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN112465692A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN114693780A (zh) | 图像的处理方法、装置、设备、存储介质和程序产品 | |
| CN114693885A (zh) | 三维虚拟对象生成方法、装置、设备、介质和程序产品 | |
| CN114708232A (zh) | 一种图像处理方法、装置、存储介质及电子设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211008 |
|
| WW01 | Invention patent application withdrawn after publication |