CN113596439B - 基于图像模糊评价的摄像头模组局部解析力失效检测方法 - Google Patents

Abstract

本发明公开了一种基于图像模糊评价的摄像头模组局部解析力失效检测方法，包括：使用待检测摄像头模组拍摄预设的测试图卡，并将拍摄的图片分割为多个矩形测试区域；对每个矩形测试区域的图像进行清晰度评价，得到所述摄像头模组的局部清晰度指标；根据所述局部清晰度指标绘制可视化热图，直观展示所述摄像头模组清晰度从中心位置到边缘位置的变化过程。本发明方法能够对任意摄像头模组区域的解析力进行检测，并能直观判断解析力局部失效的位置和程度。

Description

基于图像模糊评价的摄像头模组局部解析力失效检测方法

技术领域

本发明涉及摄像头解析力评价技术领域，特别涉及一种基于图像模糊评价的摄像头模组局部解析力失效检测方法。

背景技术

随着人工智能的发展，视频和图像已经大量的应用在生产制造中，例如：工业制造中对材料的识别分类、缺陷检测，各种零器件的缺陷检测，加工质量监控等。同时随着智能手机和数码相机的发展，使用图像和视频记录生活成为人们的常态。无论是工业制造中还是日常生活中，用户对拍照设备的成像能力关注度越来越高，对镜头质量要求也越来越高。为了保证成像的质量，对摄像头模组在出厂前的清晰度检测以及使用过程中的清晰度失效检测是十分有必要的。目前许多相机生产厂家对解析力的检测主要有三种方法即TVline检测，MTF检测，和SFR检测。当前也有许多测试标准，例如ISO/TC42摄影技术委员会在2017年发布了ISO12233:2017规定了适用于单色和彩色相机的测量相机分辨率和SFR的方法。BOG/CAG在2016年发布了P1858(CPIQ)，它定义了一套用于测量照相手机图像质量属性的标准的客观和主观测试方法。

除了相机自身性能外，相机传感器和镜头在制造和组装过程中以及使用过程中会产生不同的损伤。在生产过程中，镜片玻璃可能存在含有气泡、涂层不均匀等问题；在使用过程中，镜片可能会出现划痕、雾化、发霉、脱膜等损伤，同时可能会有灰尘、镜片清洁过多出现磨损和涂层损失，这些损伤都会影响摄像头的整体成像质量或者局部成像质量。

相机镜头的解析力和清晰度，在相机组装完成的时候就已经确定了，其中日本主要以判断数字轴线的解析力变现为主，美国主要利用SFR计算标准来测定。因为考虑到生产效率的问题，大多数的解析力测试不会划分过多测试区域，通常情况下会分为5个区域：左上、左下、右上、右下和中心，分别对这5个区域进行水平和垂直解析力测试，通过这5个重点位置的解析力代表整体水平，通常边缘位置的解析力相对于中心位置会下降。但是当摄像头局部解析力出现问题时，采用当前的5个区域的检测方法，很难及时发现问题，因此找到可以直观判断摄像头整体解析力水平已及局部解析力是否出现失效的方法是十分有意义的。

发明内容

本发明的目的在于提供一种基于图像模糊评价的摄像头模组局部解析力失效检测方法，能够对任意摄像头模组区域的解析力进行检测，并能直观判断解析力局部失效的位置和程度。

为解决上述技术问题，本发明的实施例提供如下方案：

一种基于图像模糊评价的摄像头模组局部解析力失效检测方法，包括以下步骤：

S1、使用待检测摄像头模组拍摄预设的测试图卡，并将拍摄的图片分割为多个矩形测试区域；

S2、对每个矩形测试区域的图像进行清晰度评价，得到所述摄像头模组的局部清晰度指标；

S3、根据所述局部清晰度指标绘制可视化热图，直观展示所述摄像头模组清晰度从中心位置到边缘位置的变化过程。

优选地，所述测试图卡包括多个均匀分布且相切的圆形，每个圆形占16个像素以上；在拍摄时，选取的待检测区域包含至少一个圆形。

优选地，所述步骤S2中，对每个矩形测试区域的图像进行清晰度评价具体包括：

评价标准分为三个部分：像素强度、一阶梯度和8邻域二阶梯度；

第一步，计算待检测区域像素的均值：

其中MN为待检测区域的宽和高，f(x,y)为(x,y)位置的像素值，则待检测区域像素值的标准差为：

第二步，计算一阶梯度：

该梯度向量相对于x轴的角度为：

因为圆的边缘具有一定的弧度，因此在计算一阶总导数值时，对于水平梯度

和垂直梯度值

根据梯度向量的角度，采取加权相加的方法:

其中L＝N₈(p)代表与像素点(x,y)相邻的8邻域；

当梯度向量的角度

或

时0.5＜k≤1，当

时0≤k≤0.5；

第三步，计算8邻域二阶梯度，分为水平垂直邻域和对角邻域两部分；

水平垂直4邻域，计算方法为：

对角4邻域，计算方法为：

将上述三个部分组合，同时考虑不同部分的像素标准差，得到待检测区域MN的清晰度为：

其中，C₁,C₂,C₃为常数，L＝N₈(x,y)代表像素点(x,y)的8邻域，L1＝N₄(x,y)代表与像素点(x,y)相邻的水平和垂直的4邻域，L2＝N_D(x,y)代表与像素点(x,y)相邻的对角位置的4邻域，σ_L为L邻域内的像素标准差。

优选地，所述步骤S3中，绘制可视化热图的方法为：

根据步骤S2依次计算所有矩形测试区域的清晰度；

根据计算结果绘制可视化热图，其中不同的清晰度采用不同的颜色表示。

优选地，所述方法还包括：

采用无模糊点的图片作为标准图片，对所述标准图片进行分区域清晰度检测并绘制标准可视化热图；

采用预置模糊点的图片作为验证图片，对所述验证图片进行分区域清晰度检测并绘制可视化热图；

将所述验证图片的可视化热图与所述标准可视化热图进行对比，验证方法的有效性。

本发明实施例提供的技术方案带来的有益效果至少包括：

本发明针对摄像头模组在生产和使用中可能会出现局部解析力失效，以及在出产测试时无法对任意位置的解析力进行评价的问题，通过对拍摄的测试图卡图像进行图像清晰度评价并绘制可视化热图，从而直观展示出摄像头模组局部解析能力的大小。本发明方法可以对摄像头模组任意位置的解析力进行计算，对于局部解析力有问题的镜头可以定位到缺陷位置并且可以直观看到解析力从中心位置到边缘位置的变化。并且，所述方法对测试环境要求低且不受光照强度影响，适用范围广。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是本发明实施例提供的基于图像模糊评价的摄像头模组局部解析力失效检测方法的流程图；

图2是本发明实施例提供的检测摄像头局部解析力失效的测试图卡的示意图；

图3是本发明实施例提供的摄像头局部解析力测试结果可视化热图；

图4是本发明实施例提供的预置模糊点的摄像头局部解析力测试结果可视化热图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明的实施例提供了一种基于图像模糊评价的摄像头模组局部解析力失效检测方法，如图1所示，所述方法包括以下步骤：

S1、使用待检测摄像头模组拍摄预设的测试图卡，并将拍摄的图片分割为多个矩形测试区域；

S2、对每个矩形测试区域的图像进行清晰度评价，得到所述摄像头模组的局部清晰度指标；

S3、根据所述局部清晰度指标绘制可视化热图，直观展示所述摄像头模组清晰度从中心位置到边缘位置的变化过程。

图2是本发明实施例提供的一种测试图卡的示意图。所述测试图卡包括多个均匀分布且相切的圆形，因为圆形自身的特性，只要测试区域的边长大于圆的直径，在测试区域内便会有圆的边缘轮廓，而且当测试区域大小相同时，在不考虑图像畸变的情况下，无论测试区域在图像的哪个位置，所包含的圆的边长是近似相同的。在拍摄时，只要保证每个圆形占16个像素以上且选取的测试区域包含至少一个圆形即可。

进一步地，所述步骤S2中，对每个矩形测试区域的图像进行清晰度评价具体包括：

评价标准分为三个部分：像素强度、一阶梯度和8邻域二阶梯度；

第一步，计算待检测区域像素的均值：

其中MN为待检测区域的宽和高，f(x,y)为(x,y)位置的像素值，则待检测区域像素值的标准差为：

第二步，计算一阶梯度：

该梯度向量相对于x轴的角度为：

因为圆的边缘具有一定的弧度，因此在计算一阶总导数值时，对于水平梯度

和垂直梯度值

根据梯度向量的角度，采取加权相加的方法:

其中L＝N₈(p)代表与像素点(x,y)相邻的8邻域；

当梯度向量的角度

或

时0.5＜k≤1，当

时0≤k≤0.5；

第三步，计算8邻域二阶梯度，分为水平垂直邻域和对角邻域两部分；

水平垂直4邻域，计算方法为：

对角4邻域，计算方法为：

将上述三个部分组合，同时考虑不同部分的像素标准差，得到待检测区域MN的清晰度为：

其中，C₁,C₂,C₃为常数，L＝N₈(x,y)代表像素点(x,y)的8邻域，L1＝N₄(x,y)代表与像素点(x,y)相邻的水平和垂直的4邻域，L2＝N_D(x,y)代表与像素点(x,y)相邻的对角位置的4邻域，σ_L为L邻域内的像素标准差。

进一步地，所述步骤S3中，绘制可视化热图的方法为：

根据步骤S2依次计算所有矩形测试区域的清晰度；

根据计算结果绘制可视化热图，其中不同的清晰度采用不同的颜色表示。

进一步地，所述方法还包括：

采用无模糊点的图片作为标准图片，对所述标准图片进行分区域清晰度检测并绘制标准可视化热图；

采用预置模糊点的图片作为验证图片，对所述验证图片进行分区域清晰度检测并绘制可视化热图；

将所述验证图片的可视化热图与所述标准可视化热图进行对比，验证方法的有效性。

在一个具体的实施例中，使用三脚架固定相机(相机包含摄像头模组)，调节为专业拍摄Raw图自动对焦模式，IOS为100，曝光为1/4，拍摄图片尺寸为4:3(1600万像素)，图像分辨率为4624*3472。为了判断算法是否能检测到模糊位置，采用Gaussian模糊方式对Raw图预置五个模糊点。选取图像对角线位置，坐标为A(782，567)，B(1731,1200)，C(1200,2239)，D(3345,692)，E(2843,2045)。宽高均为300。

然后将图像分为80*60个感兴趣区域，每个感兴趣区域为62*58的矩形。对每个矩形测试区域进行清晰度评价。

以其中一个矩形测试区域为例，第一步，计算待检测区域像素的均值：

其中MN为待检测区域的宽和高，f(x,y)为(x,y)位置的像素值，则该待检测区域像素值的标准差为：

第二步，计算一阶梯度，对于该区域的每个像素的8邻域：

该梯度向量相对于x轴的角度为：

将该区域的所有的像素的8邻域的一节梯度相加后取平均。

第三步，计算二阶梯度，分为水平垂直邻域和对角邻域两部分，水平垂直4邻域，计算方法为：

对角4邻域，计算方法为：

将该区域的所有的像素的8邻域的二节梯度相加后取平均。

最终将三个部分组合得到局部清晰度测量标准，同时考虑不同部分的像素标准差，得到待检测区域MN的清晰度为：

依次计算所有待检测区域的清晰度，根据结果画出可视化热图，如图2所示。将预置模糊点的图像也分区域进行清晰度检测后画出可视化热图，如图3所示。可以看出，本发明所述方法可以反应摄像头模组在不同位置相较于中心点的解析力退化程度。通过对图像预置模糊点的方法可以看出本发明方法在一定程度上能够反应清晰度的变化，当摄像头出现局部解析力失效时，可以从可视化热图上直观的判断出失效位置以及程度。

综上所述，本发明针对摄像头模组在生产和使用中可能会出现局部解析力失效，以及在出产测试时无法对任意位置的解析力进行评价的问题，通过对拍摄的测试图卡图像进行图像清晰度评价并绘制可视化热图，从而直观展示出摄像头模组局部解析能力的大小。本发明方法可以对摄像头模组任意位置的解析力进行计算，对于局部解析力有问题的镜头可以定位到缺陷位置并且可以直观看到解析力从中心位置到边缘位置的变化。并且，所述方法对测试环境要求低且不受光照强度影响，适用范围广。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于图像模糊评价的摄像头模组局部解析力失效检测方法，其特征在于，包括以下步骤：

S1、使用待检测摄像头模组拍摄预设的测试图卡，并将拍摄的图片分割为多个矩形测试区域；

所述测试图卡包括多个均匀分布且相切的圆形，每个圆形占16个像素以上；在拍摄时，选取的矩形测试区域包含至少一个圆形；

S2、对每个矩形测试区域的图像进行清晰度评价，得到所述摄像头模组的局部清晰度指标；

所述步骤S2中，对每个矩形测试区域的图像进行清晰度评价具体包括：

评价标准分为三个部分：像素强度、一阶梯度和8邻域二阶梯度；

第一步，计算矩形测试区域像素的均值：

其中M和N分别为矩形测试区域的宽和高，f(x,y)为(x,y)位置的像素值，则矩形测试区域像素值的标准差为：

第二步，计算一阶梯度：

该梯度相对于x轴的角度为：

因为圆的边缘具有一定的弧度，因此在计算一阶总导数值时，对于水平梯度值▽_L(H)和垂直梯度值▽_L(V)，根据梯度的角度，采取加权相加的方法:

其中

当梯度的角度0°≤|α|＜45°或135°＜|α|＜180°时0.5＜k≤1，当45°≤|α|≤135°时0≤k≤0.5；

第三步，计算8邻域二阶梯度，分为水平垂直邻域和对角邻域两部分；

水平垂直4邻域，计算方法为：

对角4邻域，计算方法为：

将上述三个部分组合，同时考虑不同部分的像素标准差，得到矩形测试区域MN的清晰度为：

其中，C₁,C₂,C₃为常数，L＝N₈(x,y)代表像素点(x,y)的8邻域，L1＝N₄(x,y)代表与像素点(x,y)相邻的水平和垂直的4邻域，L2＝N_D(x,y)代表与像素点(x,y)相邻的对角位置的4邻域，σ_L为L邻域内的像素标准差；

S3、根据所述局部清晰度指标绘制可视化热图，直观展示所述摄像头模组清晰度从中心位置到边缘位置的变化过程；

所述步骤S3中，绘制可视化热图的方法为：

根据步骤S2依次计算所有矩形测试区域的清晰度；

根据计算结果绘制可视化热图，其中不同的清晰度采用不同的颜色表示。

2.根据权利要求1所述的基于图像模糊评价的摄像头模组局部解析力失效检测方法，其特征在于，所述方法还包括：

采用无模糊点的图片作为标准图片，对所述标准图片进行分区域清晰度检测并绘制标准可视化热图；

采用预置模糊点的图片作为验证图片，对所述验证图片进行分区域清晰度检测并绘制可视化热图；

将所述验证图片的可视化热图与所述标准可视化热图进行对比，验证方法的有效性。

Images