CN113628228A - 镜头阴影校正数据检测方法及装置 - Google Patents
镜头阴影校正数据检测方法及装置 Download PDFInfo
- Publication number
- CN113628228A CN113628228A CN202110853003.XA CN202110853003A CN113628228A CN 113628228 A CN113628228 A CN 113628228A CN 202110853003 A CN202110853003 A CN 202110853003A CN 113628228 A CN113628228 A CN 113628228A
- Authority
- CN
- China
- Prior art keywords
- data
- data unit
- difference value
- channel
- array
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000012937 correction Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 238000003705 background correction Methods 0.000 claims description 54
- 230000002093 peripheral effect Effects 0.000 claims description 50
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage 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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- 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
-
- 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
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Abstract
本发明公开了一种镜头阴影校正数据检测方法及装置,该镜头阴影校正数据检测方法通过从LSC数据中获取数据阵列,然后,获取数据阵列中预设特征区域内每个特征数据单元与相应参考数据单元之间的差异值,其中,每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定,进而基于所获取的差异值以及第一预设阈值,确定预设特征区域的镜头阴影校正数据是否存在异常。这样能够在摄像模组出厂之前实现对LSC数据的异常检测,有利于减少摄像模组出厂后由于LSC数据异常原因带来的画质问题。
Description
技术领域
本发明涉及产品测试技术领域,尤其涉及一种镜头阴影校正数据检测方法及装置。
背景技术
由于镜头本身的光学特性,容易导致镜头周围出现阴影,从而导致拍摄的图像边角偏暗,表现在图像上的效果就是亮度从图像中心到四周逐渐衰减,且离图像中心越远亮度越暗。为了补偿图像四周的亮度,使得图像达到亮度均匀,需要在摄像模组出厂前进行镜头阴影补偿。
目前,通常是将得到的镜头阴影校正(Lens Shading Correcting,LSC)数据直接烧录到摄像模组中,以应用于对摄像头所采集图像的图像处理中。如若LSC数据存在异常,就会导致最终所呈现的图像出现问题,如画面中有暗斑等,不利于提高产品质量,影响用户体验。
发明内容
本发明提供了一种镜头阴影校正数据检测方法及装置,能够实现对LSC数据的异常检测,有利于减少摄像模组出厂后由于LSC数据异常原因带来的画质问题。
第一方面,本说明书实施例提供了一种镜头阴影校正数据检测方法,所述镜头阴影校正数据检测方法包括:
从镜头阴影校正数据中获取数据阵列;
针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,所述每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定;
基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常。
进一步地,所述获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值之前,还包括:
将所述数据阵列的四周边缘区域确定为所述预设特征区域;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将其他三个数据区域中处于对称位置处的数据单元确定为所述特征数据单元的参考数据单元。
进一步地,获取四周边缘区域中每个特征数据单元与相应参考数据单元之间的差异值,包括:
针对所述每个特征数据单元,获取与第一预设邻域内数据单元之间的平均值,作为第一平均值;
将处于同一对称位置处的特征数据单元的第一平均值求平均,得到第二平均值;
基于所述第一平均值以及所述第二平均值,得到所述四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值。
进一步地,所述获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值之前,还包括:
将所述数据阵列的中间区域确定为所述预设特征区域,所述中间区域位于所述数据阵列中的四周边缘区域以内;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将该特征数据单元的第二预设邻域内的数据单元确定为该特征数据单元的参考数据单元。
进一步地,获取中间区域中每个特征数据单元与相应参考数据单元之间的差异值,包括:
针对所述每个特征数据单元,获取与第二预设邻域内数据单元之间的平均值,作为第三平均值,并基于所述特征数据单元的增益值以及所述第三平均值,得到所述中间区域每个特征数据单元与相应参考数据单元之间的差异值。
进一步地,上述镜头阴影校正数据检测方法还包括:
针对每个数据阵列,获取所述数据阵列中的第一列数据与最后一列数据之间的差异值,若该差异值大于或等于第二预设阈值,则判定相应的镜头阴影校正数据存在异常。
进一步地,所述从镜头阴影校正数据中获取数据阵列,包括:从镜头阴影校正数据中获取每个通道的增益补偿数据,得到每个通道对应的增益值;将每组增益值分别转换成阵列排布,得到每个通道对应的数据阵列。
进一步地,所述通道包括R通道、GR通道、GB通道以及B通道,将所述GR通道对应的数据阵列作为第一数据阵列,将所述GB通道对应的数据阵列作为第二数据阵列,上述镜头阴影校正数据检测方法还包括:
获取所述第一数据阵列与第二阵列数据中同一目标数据单元的数据差异值;
比较所有所述目标数据单元的所述数据差异值,将最大的数据差异值作为所述GR通道与所述GB通道之间的通道差异值;
若所述通道差异值大于或等于第三预设阈值,则判定所述GR通道以及所述GB通道的镜头阴影校正数据存在异常。
进一步地,所述基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常,包括:
通过比较所获取的差异值,确定所述预设特征区域的最大差异值;
若所述最大差异值大于或等于所述第一预设阈值,则判定所述预设特征区域的镜头阴影校正数据存在异常。
第二方面,本说明书实施例提供了一种镜头阴影校正数据检测装置,所述装置包括:
第一获取模块,用于从镜头阴影校正数据中获取数据阵列;;
第二获取模块,用于针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,所述每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定;
确定模块,用于基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常。
本说明书一个实施例提供的镜头阴影校正数据检测方法,通过从LSC数据中获取数据阵列,然后,获取数据阵列中预设特征区域内每个特征数据单元与相应参考数据单元之间的差异值,其中,每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定,进而基于所获取的差异值以及第一预设阈值,确定预设特征区域的镜头阴影校正数据是否存在异常。这样能够在摄像模组出厂之前实现对LSC数据的异常检测,有利于减少摄像模组出厂后由于LSC数据异常原因带来的画质问题。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本说明书的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本说明书实施例第一方面提供的一种镜头阴影校正数据检测方法的流程图;
图2为本说明书实施例提供的一种示例性R通道对应的数据阵列的示意图;
图3为本说明书实施例提供的一种中心行平均处理后的R通道数据阵列的示意图;
图4为本说明书实施例提供的一种示例性R通道数据阵列对应的标号数据阵列的示意图;
图5为本说明书实施例提供的一种示例性四周边缘区域和中间区域的示意图;
图6为本说明书实施例第二方面提供的一种镜头阴影校正数据检测装置的模块框图;
图7为本说明书实施例第三方面提供的一种电子设备的结构示意图。
具体实施方式
为了更好的理解本说明书实施例提供的技术方案,下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明,应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明,而不是对本说明书技术方案的限定,在不冲突的情况下,本说明书实施例以及实施例中的技术特征可以相互组合。
第一方面,本发明实施例提供了一种镜头阴影校正数据检测方法。如图1所示,该镜头阴影校正数据检测方法至少可以包括以下步骤S101至步骤S103。
步骤S101,从镜头阴影校正数据中获取数据阵列。
在采用摄像模组进行拍照时,景物通过镜头生成的光学图像投射到图像传感器表面上,经过光电转换为模拟电信号,消噪声后经过A/D转换后变为数字图像信号,再送到数字信号处理芯片中加工处理。在此过程中,为了改善由于镜头的光学特性带来的拍摄图像边角偏暗的问题,需要对摄像模组进行镜头阴影校正(Lens Shading Correcting,LSC)处理。例如,可以采用外部测试工具在白板下测试生成LSC数据,本实施例不做限定。
LSC数据的数据量与摄像模组的传感芯片有关,根据不同的芯片会产生相应数据量的LSC数据,如2905、2624或1768笔原始数据。为了便于处理,需要将LSC数据转换为数据阵列。
举例来讲,在一种应用场景中,LSC数据中的每个值是相应像素点对应的亮度补偿值,也就是增益补偿值。此时,可以先从LSC数据中获取每个通道的增益补偿数据,得到每个通道对应的增益值;然后再将每组增益值分别转换成阵列排布,从而得到每个通道对应的数据阵列。
可以理解的是,数据阵列的个数由LSC数据对应的通道数量决定。以四通道的LSC数据为例,假设四个通道分别为:R通道,GR通道,GB通道以及B通道,可以从LSC数据中提取出R通道,GR通道,GB通道以及B通道各自对应的增益补偿数据(gain值)。这样就可以得到四组gain值。每组可以包括414个gain值。相应地,就可以转换成四个数据阵列。
数据阵列的行数以及列数可以预先根据实际应用场景确定。需要说明的是,数据阵列需要满足gain值从阵列中心部分向四周各个方向逐渐增大的规律,如图2中的灰度变化,中心部分gain值相对较小,四角部分gain值相对较大。举例来讲,若每组增益值包括414个gain值,可以将414个gain值按照23*18的方式依次排布,得到23*18的数据阵列,如图2所示。若每组增益值包括374个增益值,可以将374个增益值按照22*17的方式依次排布,得到22*17的数据阵列。
分别将每组增益值按照预设的行数以及列数转换成阵列排布,就可以得到每个通道对应的数据阵列。
步骤S102,针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定。
步骤S103,基于所获取的差异值以及第一预设阈值,确定预设特征区域的镜头阴影校正数据是否存在异常。
可以理解的是,镜头阴影会造成图像边角偏暗,就是所谓的暗角;或是中心和四周颜色不一致,体现出来一般为中心或者四周偏色。因此,阴影补偿的目的就是消除这种不一致,使成像阴影均匀。发明人通过研究待校正摄像模组的成像亮度分布以及正常情况下增益值的分布:可以预先选定预设特征区域以及预设特征区域中的特征数据单元,并且将正常情况下,预设特征区域中与特征数据单元增益值相对较为接近的数据单元作为特征数据单元对应的参考数据单元。
举例来讲,如若将数据阵列按照中心行和中心列划分为相互对称的四个数据区域,对于数据阵列的四周边缘区域,四个数据区域中处于对称位置处的数据单元,由于亮度相对较为接近,对应的增益值也较为接近,因此,对于四周边缘区域,可以将四个数据区域中处于对称位置处的数据单元互相作为参考数据单元;而对于数据阵列的中间区域,针对每个数据区域中的数据单元,由于相邻数据单元的亮度相对较为接近,对应的增益值也较为接近,可以将同一数据区域中与该数据单元相邻的数据单元作为该数据单元的参考数据单元。
下面就主要以数据阵列的四周边缘区域以及中间区域为例,对预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值的获取过程进行说明。需要说明的是,中间区域位于数据阵列的四周边缘区域之内。
具体实施时,将四周边缘区域作为预设特征区域时,将数据阵列按照中心行和中心列划分为相互对称的四个数据区域后,可以针对每个数据区域中的每个特征数据单元,将其他三个数据区域中处于对称位置处的数据单元确定为该特征数据单元的参考数据单元。作为一种实施方式,可以将四周边缘区域中,除与中心行和中心列重叠的数据单元以外的每个数据单元,分别作为特征数据单元。
具体实施过程中,为了便于划分数据区域,对于行数为偶数的数据阵列,可以先将中间两行进行平均,作为中心行。例如,若数据阵列的行数为18,可以将第9行和第10行取平均后,将平均值作为新的第9行,也就是中心行,如图3所示。同理,对于列数为偶数的数据阵列,也可以做类似的处理。
此时,对于每个数据区域中的任意一个数据,在其他三个数据区域均存在一个处于对称位置的数据。如图3所示,第1行第1列的数据、第1行第23列、第17行第1列以及第17行第23列处于同一对称位置;第1行第2列、第1行第22列、第17行第2列以及第17行第22列处于同一对称位置。
为了便于说明,可以将图3中的同一对称位置用同样的标号表示。例如,如图4所示,将第1行第1列、第1行第23列、第17行第1列以及第17行第23列的数据单元标号为1,将第1行第2列、第1行第22列、第17行第2列以及第17行第22列的数据单元标号为2,以此类推。在一种实施方式中,可以按照图5所示的方式划分四周边缘区域以及中间区域,也就是说,中间区域可以是数据阵列中除四周边缘区域以外的所有区域,也就是虚线框包围的区域。
在一种可选的实施方式中,获取四周边缘区域中每个特征数据单元与相应参考数据单元之间的差异值的过程可以包括:针对每个特征数据单元,获取与第一预设邻域内数据单元之间的平均值,作为第一平均值;将处于同一对称位置处的特征数据单元的第一平均值求平均,得到第二平均值;基于第一平均值以及第二平均值,得到四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值。
其中,第一预设邻域可以根据实际需要设定,例如,可以为三邻域、五邻域或八邻域等。举例来讲,在如图5所示的示例中,分别将四周边缘区域中标号为1-11、12、23、34、45、56、67以及78的单元作为特征数据单元,假设第一预设邻域为三邻域,对于第1-8行、1-11列的特征数据单元(x1,y1),第一预设邻域可以包括(x1,y1+1)、(x1+1,y1)以及(x1+1,y1+1),其中,x1表示行号,y1表示列号。对于第1-8行、13-23列的特征数据单元(x2,y2),第一预设邻域可以包括(x2,y2-1)、(x2+1,y2)以及(x2-1,y2-1),其中,x2表示行号,y2表示列号。对于第10-17行、1-11列的特征数据单元(x3,y3),第一预设邻域可以包括(x3,y3+1)、(x3-1,y3)以及(x3-1,y3+1),其中,x3表示行号,y3表示列号。对于第10-17行、13-23列的特征数据单元(x4,y4),第一预设邻域可以包括(x4,y4-1)、(x4-1,y4)以及(x4-1,y4-1),其中,x4表示行号,y4表示列号。
以图4中的1号数据单元作为特征数据单元为例,由于第1行第1列、第1行第23列、第17行第1列以及第17行第23列的数据单元处于同一对称位置,将其中任意一个作为特征数据单元,其余三个均作为其参考数据单元。以第一预设邻域为三邻域为例,计算1号数据单元与第一预设邻域内数据单元之间的平均值,可以为分别计算以下四角:
对应的gain值的平均值,得到每个1号数据单元对应的第一平均值,分别用avg_LT、avg_RT、avg_LB以及avg_RB表示。如对于左上角的1号数据单元,avg_LT=(R[1]+R[2]+R[12]+R[13])/4。然后,对这四个平均值取平均值,得到第二平均值avg=(avg_LT+avg_RT+avg_LB+avg_RB)/4。进一步,根据以下公式:
diff_LT=fabs(avg_LT/avg-1)*100%;
diff_RT=fabs(avg_RT/avg-1)*100%;
diff_LB=fabs(avg_LB/avg-1)*100%;
diff_RB=fabs(avg_RB/avg-1)*100%。
每个1号数据单元与对应参考数据单元之间的差异值,分别表示为diff_LT[1]、diff_RT[1]、diff_LB[1]以及diff_RB[1]。其中,fabs函数为取绝对值函数,后缀_LT,_RT,_LB,_RB分别对应表示左上、右上、左上、右下。同理,可以计算每个2号数据单元与对应参考数据单元之间的差异值,分别表示为diff_LT[2]、diff_RT[2]、diff_LB[2]以及diff_RB[2]。以此类推,就可以得到1-11、12、23、34、45、56、67以及78号数据单元与对应参考数据单元之间的差异值。这样就可以得到四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值。
当然,除了上述方式以外,在本发明其他实施例中,也可以采用其他方式获取四周边缘区域中每个特征数据单元与相应参考数据单元之间的差异值。例如,也可以将每个特征数据单元与相应参考数据单元取平均,然后计算每个特征数据单元的gain值与该平均值之间差值的绝对值与该平均值的占比,作为每个特征数据单元与相应参考数据单元之间的差异值。
在一种可选的实施方式中,也可以将四周边缘区域中与中心行和中心列重叠的数据单元作为特征数据单元。作为一种实施方式,可以分别将处于中心行两端点的两个特征数据单元取平均,将处于中心列两端点的两个特征数据单元取平均,然后基于每个特征数据单元的gain值与相应平均值,得到每个特征数据单元与相应参考数据单元的差异值。
如图5中的89和92号数据单元,相应平均值avg_89=(R[89]+R[89])/2,R[89]分别是第一列和最后一列的89号数据单元的gain值,相应平均值avg_92=(R[92]+R[92])/2;这里R[92]分别是第一行和最后一行的92号数据单元。
然后基于以下公式:
diff_89_L=fabs(R[89]/avg_89-1)*100%;
diff_89_R=fabs(R[89]/avg_89-1)*100%;
diff_92_T=fabs(R[92]/avg_92-1)*100%;
diff_92_B=fabs(R[92]/avg_92-1)*100%;
得到四周边缘区域中与中心行和中心列重叠的每个特征数据单元与相应参考数据单元的差异值diff_89_L(第一列89号)、diff_89_R(最后一列89号)、diff_92_T(第一行92号)以及diff_92_B(最后一行92号)。
在得到四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值后,就可以基于所获取的差异值以及四周边缘区域对应的第一预设阈值,确定四周边缘区域中的LSC数据是否存在异常。具体可以包括:通过比较所获取的差异值,确定四周边缘区域的最大差异值;若最大差异值大于或等于四周边缘区域对应的第一预设阈值,则判定四周边缘区域中的LSC数据存在异常。这样能够针对性地实现对四周边缘区域的LSC数据的异常检测,方便查找LSC数据中出现问题的区域。
举例来讲,在上述示例中,可以先确定处于同一对称位置处的每个特征数据单元与对应参考数据单元之间的差异值的最大值,然后再比较不同对称位置处的最大差异值,得到相应数据阵列中四周边缘区域的最大差异值。
以上述1号位置为例,可以通过公式:R_MaxDiff[1]=Max(diff_LT[1],diff_RT[1],diff_LB[1],diff_RB[1])计算1号位置处的最大差异值,同理计算出四周边缘区域其他对称位置处的最大差异值R_MaxDiff[2]-R_MaxDiff[11]、R_MaxDiff[12]、R_MaxDiff[23]、R_MaxDiff[34]、R_MaxDiff[45]、R_MaxDiff[56]、R_MaxDiff[67]、R_MaxDiff[78]、R_MaxDiff[89]以及R_MaxDiff[92]。然后再取这些最大差异值中的最大值,得到R通道对应的数据阵列中,四周边缘区域的最大差异值R_Max_Surround。
同理,得到每个通道对应的数据阵列中,四周边缘区域的最大差异值后,再将不同通道的四周边缘区域的最大差异值进行比较,取最大值作为四周边缘区域的最大差异值,将该最大差异值与四周边缘区域对应的第一预设阈值进行比较。
四周边缘区域对应的第一预设阈值可以根据实际应用场景以及多次试验设置。举例来讲,可以设置为10%,即若四周边缘区域的最大差异值Max_Surround<10%,则判定四周边缘区域中的LSC数据合格,若四周边缘区域的最大差异值Max_Surround≥10%,则判定四周边缘区域中的LSC数据存在异常。
将中间区域作为预设特征区域时,将数据阵列按照中心行和中心列划分为相互对称的四个数据区域后,可以针对每个数据区域中的每个特征数据单元,将该特征数据单元的第二预设邻域内的数据单元确定为该特征数据单元的参考数据单元。作为一种实施方式,可以将中间区域中,除中心行和中心列以外的每个数据单元,分别作为特征数据单元。
在一种可选的实施方式中,获取中间区域中每个特征数据单元与相应参考数据单元之间的差异值的过程可以包括:针对中间区域每个特征数据单元,获取与第二预设邻域内数据单元之间的平均值,作为第三平均值,并基于特征数据单元的增益值以及第三平均值,得到中间区域每个特征数据单元与相应参考数据单元之间的差异值。
具体实施过程中,第二预设邻域可以根据实际需要设定,例如,可以为三邻域、五邻域或八邻域等。举例来讲,假设第二预设邻域为八邻域,对于中间区域的特征数据单元(x5,y5),第二预设邻域可以包括(x5-1,y5-1)、(x5-1,y5)、(x5-1,y5+1)、(x5,y5-1)、(x5,y5+1)、(x5+1,y5-1)、(x5+1,y5)以及(x5+1,y5+1),其中,x5表示行号,y5表示列号。
例如,在如图5所示的示例中,对于上述四个数据区域的13号数据单元,其对应的参考数据单元可以包括相邻的1、2、3、12、14、23、24和25号数据单元,分别计算每个13号数据单元与其参考数据单元的平均值,得到第三平均值avg[13]=(R[1]+R[2]+R[3]+R[12]+R[13]+R[14]+R[23]+R[24]+R[25])/9。从而可以分别计算出以下四个差异值:
diff[13]_LT=fabs(R[13]左上/avg[13]左上-1)*100%;
diff[13]_LB=fabs(R[13]右上/avg[13]右上-1)*100%;
diff[13]_RT=fabs(R[13]左下/avg[13]左下-1)*100%;
diff[13]_RB=fabs(R[13]右下/avg[13]右下-1)*100%。
同理,可以得到剩下的14-88号数据单元中每个数据单元对应的四个差异值。需要说明的是,对于中间区域的中心点,也就是中心行与中心列的交点,可以忽略,也可以作为特征数据单元,按照上述方式计算与周围八邻域的平均值,并计算差异值。
另外,可选的,也可以进一步将中间区域中,中心行和中心列的数据单元也作为特征数据单元。作为一种实施方式,对于中间区域中位于中心行的每个特征数据单元,第二预设邻域可以为中心行中与该特征数据单元相邻的数据单元,如在中心行中的前一个数据单元和后一个数据单元。对于中间区域中位于中心列的每个特征数据单元,第二预设邻域可以为中心列中与该特征数据单元相邻的数据单元,如在中心列中的前一个数据单元和后一个数据单元。
例如,在如图5所示的示例中,对于中心行中的每个90号数据单元,计算其与中心行中左右块的平均值,作为第三平均值avg=(R[89]+R[90]+R[91])/3,从而得到两个90号数据单元与相应参考数据单元的差异值分别为:
diff[90]_L=fabs(R[90]左/avg左-1)*100%;
diff[90]_R=fabs(R[90]右/avg右-1)*100%。
同理,可以得到中心行中91-99号数据单元与相应参考数据单元的差异值。
对于中心列中的每个93号数据单元,计算其与中心列中上下块的平均值,作为第三平均值avg=(R[92]+R[93]+R[94])/3。从而得到两个93号数据单元与相应参考数据单元的差异值分别为:
diff[93]_T=fabs(R[93]上/avg上-1)*100%;
diff[93]_B=fabs(R[93]下/avg下-1)*100%。
同理,可以得到中心列中94-99号数据单元与相应参考数据单元的差异值。
在得到中间区域每个特征数据单元与相应参考数据单元之间的差异值后,就可以基于所获取的差异值以及中间区域对应的第一预设阈值,确定中间区域中的LSC数据是否存在异常。具体可以包括:通过比较所获取的差异值,确定中间区域的最大差异值;若最大差异值大于或等于中间区域对应的第一预设阈值,则判定中间区域中的LSC数据存在异常。这样能够针对性地实现对中间区域的LSC数据的异常检测,方便查找LSC数据中出现问题的区域。
举例来讲,在上述示例中,可以先确定处于同一对称位置处的每个特征数据单元与对应参考数据单元之间的差异值的最大值,然后再比较不同对称位置处的最大差异值,得到相应数据阵列中间区域的最大差异值。
对于中间区域中除中心行和中心列以外的特征数据单元,以上述13号位置为例,可以通过公式:R_MaxDiff[13]=Max(diff[13]_LT,diff[13]_LB,diff[13]_RT,diff[13]_RB)计算13号位置处的最大差异值。同理计算出中间区域其他对称位置处的最大差异值R_MaxDiff[14],…,R_MaxDiff[88]。对于中间区域内位于中心行的特征数据单元,以90号位置为例,可以通过公式R_MaxDiff[90]_LR=Max(diff[90]_L,diff[90]_R)计算90号位置处的最大差异值,并同理计算出中心行中91-99位置处的最大差异值R_MaxDiff[91]_LR,…,R_MaxDiff[99]_LR。对于中间区域内位于中心列的特征数据单元,以93号位置为例,可以通过公式R_MaxDiff[93]_TB=R_Max(diff[93]_T,diff[93]_B)计算93号位置处的最大差异值,并同理计算出中心列中94-99位置处的最大差异值R_MaxDiff[94]_TB,…,R_MaxDiff[99]_TB。
然后再取中间区域中得到的这些最大差异值中的最大值,得到R通道对应的数据阵列中,中间区域的最大差异值R_Max_Inner。
同理,得到每个通道对应的数据阵列中,中间区域的最大差异值后,再将不同通道的中间区域的最大差异值进行比较,取最大值作为中间区域的最大差异值,将该最大差异值与中间区域对应的第一预设阈值进行比较。
中间区域对应的第一预设阈值可以根据实际应用场景以及多次试验设置。举例来讲,可以设置为5%,即若中间区域的最大差异值Max_Inner<5%,则判定中间区域中的LSC数据合格,若中间区域的最大差异值Max_Inner≥5%,则判定中间区域中的LSC数据存在异常。
进一步地,发明人经过长期研究发现,当摄像模组镜头安装角度存在倾斜,导致光心出现偏移时,部分LSC数据也会相应出现异常。具体表现为:正常情况下,在将所得到的LSC数据在转换成数据阵列时,第一列和最后一列的gain值差异会相对较小,而在光心有偏移时,第一列和最后一列的gain值差异就会相对较大。基于此,在一种可选的实施方式中,本实施例提供的镜头阴影校正数据检测方法还可以包括:针对每个数据阵列,获取数据阵列中的第一列数据与最后一列数据之间的差异值,若该差异值大于或等于第二预设阈值,则判定相应的镜头阴影校正数据存在异常。这样能够实现对LSC数据的左右管控,有利于在出厂前实现对摄像模组光心偏移问题的异常检测,其中“左”是指数据阵列的第一列,右是指数据阵列的最后一列。
具体来讲,可以分别对第一列和最后一列取平均,得到第一列的平均值R_Lavr,以及最后一列的平均值R_Ravr。将第一列的平均值R_Lavr与最后一列的平均值R_Ravr之间的差值,即R_LRavr=R_Lavr-R_Ravr作为左右差异值。
这样对于每个通道对应的数据阵列,均可以得到左右差异值,将左右差异值与第二预设阈值进行比较,即可确定相应LSC数据是否存在异常,即上述的由于光心偏移带来的异常。需要说明的是,第二预设阈值可以根据具体待校正的摄像模组设置,模组不同,第二预设阈值的设定值也就不同。实际应用时,根据摄像模组的画面亮度设置,例如,第二预设阈值可以设置为400。
在一种可选的实施方式中,本实施例提供的镜头阴影校正数据检测方法还可以包括:将GR通道对应的数据阵列作为第一数据阵列,将GB通道对应的数据阵列作为第二数据阵列,获取第一数据阵列与第二阵列数据中同一目标数据单元的数据差异值;比较所有目标数据单元的数据差异值,将最大的数据差异值作为GR通道与所述GB通道之间的通道差异值;若通道差异值大于或等于第三预设阈值,则判定GR通道以及GB通道的镜头阴影校正数据存在异常。这样可以实现对LSC数据进行GR通道和GB通道的差异管控,从而检测GR通道和GB通道的LSC数据是否存在异常。可以理解的是,正常情况下,GR通道和GB通道的LSC数据之间的差异,相比于与其他通道之间的差异要小得多。因此,在GR通道和GB通道的差异过大时,则表示GR通道和GB通道的LSC数据存在异常。
另外,考虑到在烧录时,也可能会存在将B通道的LSC数据烧录到了GB通道,或者,将R通道的LSC数据烧录到了GR通道等失误,因此,可以在完成LSC数据烧录后,从完成烧录后的摄像模组获取GR通道和GB通道对应的LSC数据,再分别转换为第一数据阵列和第二数据阵列,进行上述的差异管控。这样有利于对LSC数据进行更全面地异常检测,有利于减少摄像模组出厂后由于LSC数据异常原因带来的画质问题,降低客诉率。
具体实施时,目标数据单元可以根据实际需要确定。举例来讲,可以将暗角区域,也就是位于数据阵列中四个边角的数据单元作为目标数据单元,例如,可以将四个角2*2共16个数据单元作为目标数据单元。获取差异值的方式可以为:先计算第一数据阵列和第二数据阵列中同一目标数据单元的差值的绝对值,再将该绝对值比上第一数据阵列和第二数据阵列中该目标数据单元较小的值,进一步将比值乘以100%。例如,以图5中左上角的1、2、12和13号目标数据单元为例,具体可以根据以下公式:
diff_GrGb_LT[1]=fabs(Gr_LT[1]-Gb_LT[1])/min(Gr_LT[1],Gb_LT[1])*100%;
diff_GrGb_LT[2]=fabs(Gr_LT[2]-Gb_LT[2])/min(Gr_LT[2],Gb_LT[2])*100%;
diff_GrGb_LT[12]=fabs(Gr_LT[12]-Gb_LT[12])/min(Gr_LT[12],Gb_LT[12])*100%;
diff_GrGb_LT[13]=fabs(Gr_LT[13]-Gb_LT[13])/min(Gr_LT[13],Gb_LT[13])*100%;
得到左上角的1、2、12和13号目标数据单元对应的数据差异值。同理,可以分别得到左下角、右上角以及右下角的1、2、12和13号目标数据单元对应的数据差异值。
进一步地,计算所有目标数据单元对应的数据差异值的最大值,即可得到GR通道与GB通道之间的通道差异值Max_GrGb_diff。
本实施例中,第三预设阈值可以根据实际应用场景以及多次试验设置。举例来讲,可以设置为5%,即若通道差异值Max_GrGb_diff<5%,则判定GR通道和GB通道对应的LSC数据合格,若通道差异值Max_GrGb_diff≥5%,则判定GR通道和GB通道对应的LSC数据存在异常。
需要说明的是,在以上的任意一种管控中,如四周边缘区域管控、中间区域管控、左右管控以及GR通道和GB通道管控,如果判定存在异常,可以发起异常警告,如通知相关测试人员对相应的LSC数据进一步进行核验,并检查待校正模组是否存在容易造成相应区域的LSC数据出现异常的问题。例如,左右管控判定异常时,可以检查镜头安装角度是否不当,GR通道和GB通道管控出现异常时,可以进一步验证烧录是否出错,四周边缘区域管控或者是中间区域管控出现异常时,可以进一步核验阴影校正过程是否操作不当,等等。
还需要说明的是,在一种应用场景中,若在确认环境和烧录没有问题后,也可以确认按照该LSC数据进行阴影校正,是否会导致画质问题,若无问题,可以适应性地对相应管控阈值进行修正。
综上所述,本实施例提供的镜头阴影校正数据检测方法,通过将LSC数据转换成数据阵列,通过获取数据阵列中预设特征区域内每个特征数据单元与相应参考数据单元之间的差异值,进而基于所获取的差异值以及第一预设阈值,确定预设特征区域中的镜头阴影校正数据是否存在异常,能够在摄像模组出厂之前实现对LSC数据的异常检测,有利于减少摄像模组出厂后由于LSC数据异常原因带来的画质问题,提高用户体验。
另外,通过针对性地对数据阵列的四周边缘区域进行管控、中间区域进行管控、左右进行管控以及GR通道和GB通道进行管控,这样能够针对性地实现对特定区域的LSC数据的异常检测,方便查找LSC数据中出现问题的区域,有利于分析并及时解决问题,并且,在出现客诉时,也方便追溯产生问题的原因。
第二方面,基于与前述第一方面实施例提供的镜头阴影校正数据检测方法同样的发明构思,本发明实施例还提供了一种镜头阴影校正数据检测装置,如图6所示,该镜头阴影校正数据检测装置60包括:
第一获取模块601,用于从镜头阴影校正数据中获取数据阵列;
第二获取模块602,用于针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,所述每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定;
确定模块603,用于基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常。
在一种可选的实施方式中,上述镜头阴影校正数据检测装置60还包括:第一预处理模块,用于:
将所述数据阵列的四周边缘区域确定为所述预设特征区域;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将其他三个数据区域中处于对称位置处的数据单元确定为所述特征数据单元的参考数据单元。
在一种可选的实施方式中,上述第二获取模块602用于:
针对所述每个特征数据单元,获取与第一预设邻域内数据单元之间的平均值,作为第一平均值;
将处于同一对称位置处的特征数据单元的第一平均值求平均,得到第二平均值;
基于所述第一平均值以及所述第二平均值,得到所述四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值。
在一种可选的实施方式中,上述镜头阴影校正数据检测装置60还包括:第二预处理模块,用于:
将所述数据阵列的中间区域确定为所述预设特征区域,所述中间区域位于所述数据阵列中的四周边缘区域以内;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将该特征数据单元的第二预设邻域内的数据单元确定为该特征数据单元的参考数据单元。
在一种可选的实施方式中,上述第二获取模块602用于:
针对所述每个特征数据单元,获取与第二预设邻域内数据单元之间的平均值,作为第三平均值,并基于所述特征数据单元的增益值以及所述第三平均值,得到所述中间区域每个特征数据单元与相应参考数据单元之间的差异值。
在一种可选的实施方式中,上述镜头阴影校正数据检测装置60还包括:
第一管控模块604,用于针对每个数据阵列,获取所述数据阵列中的第一列数据与最后一列数据之间的差异值,若该差异值大于或等于第二预设阈值,则判定相应的镜头阴影校正数据存在异常。
在一种可选的实施方式中,上述第一获取模块601用于:从镜头阴影校正数据中获取每个通道的增益补偿数据,得到每个通道对应的增益值;将每组增益值分别转换成阵列排布,得到每个通道对应的数据阵列。
在一种可选的实施方式中,所述通道包括R通道、GR通道、GB通道以及B通道,将所述GR通道对应的数据阵列作为第一数据阵列,将所述GB通道对应的数据阵列作为第二数据阵列。上述镜头阴影校正数据检测装置60还包括:第二管控模块605,用于:
获取所述第一数据阵列与第二阵列数据中同一目标数据单元的数据差异值;
比较所有所述目标数据单元的所述数据差异值,将最大的数据差异值作为所述GR通道与所述GB通道之间的通道差异值;
若所述通道差异值大于或等于第三预设阈值,则判定所述GR通道以及所述GB通道的镜头阴影校正数据存在异常。
在一种可选的实施方式中,上述确定模块603包括:
比较子模块,用于通过比较所获取的差异值,确定所述预设特征区域的最大差异值;
判定子模块,用于若所述最大差异值大于或等于所述第一预设阈值,则判定所述预设特征区域的镜头阴影校正数据存在异常。
需要说明的是,以上各模块可以是由软件代码实现,也可以由硬件例如集成电路芯片实现。
还需要说明的是,以上各模块实现各自功能的具体过程,请参见上述方法实施例中描述的具体内容,此处不再赘述。
第三方面,基于与前述实施例提供的镜头阴影校正数据检测方法同样的发明构思,本说明书实施例还提供了一种电子设备。如图7所示,该电子设备包括存储器704、一个或多个处理器702及存储在存储器704上并可在处理器702上运行的计算机程序,处理器702执行该程序时实现前文第一方面提供的镜头阴影校正数据检测方法的任一实施例的步骤。例如,电子设备可以为个人计算机、笔记本电脑或平板电脑等具有数据处理功能的设备。
其中,在图7中,总线架构(用总线700来代表),总线700可以包括任意数量的互联的总线和桥,总线700将包括由处理器702代表的一个或多个处理器和存储器704代表的存储器的各种电路链接在一起。总线700还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口705在总线700和接收器701和发送器703之间提供接口。接收器701和发送器703可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器702负责管理总线700和通常的处理,而存储器704可以被用于存储处理器702在执行操作时所使用的数据。
可以理解,图7所示的结构仅为示意,本发明实施例提供的电子设备还可包括比图7中所示更多或者更少的组件,或者具有与图7所示不同的配置。图7中所示的各组件可以采用硬件、软件或其组合实现。
第四方面,基于与前述实施例中提供的镜头阴影校正数据检测方法同样的发明构思,本说明书实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文第一方面提供的镜头阴影校正数据检测方法任一实施例的步骤。
本说明书是参照根据本说明书实施例的方法、设备、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品,该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“多个”表示两个以上,包括两个或大于两个的情况。符号“*”表示乘法运算符号。
尽管已描述了本说明书的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本说明书范围的所有变更和修改。
显然,本领域的技术人员可以对本说明书进行各种改动和变型而不脱离本说明书的精神和范围。这样,倘若本说明书的这些修改和变型属于本说明书权利要求及其等同技术的范围之内,则本说明书也意图包含这些改动和变型在内。
Claims (10)
1.一种镜头阴影校正数据检测方法,其特征在于,所述镜头阴影校正数据检测方法包括:
从镜头阴影校正数据中获取数据阵列;
针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,所述每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定;
基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常。
2.根据权利要求1所述的镜头阴影校正数据检测方法,其特征在于,所述获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值之前,还包括:
将所述数据阵列的四周边缘区域确定为所述预设特征区域;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将其他三个数据区域中处于对称位置处的数据单元确定为所述特征数据单元的参考数据单元。
3.根据权利要求2所述的镜头阴影校正数据检测方法,其特征在于,获取四周边缘区域中每个特征数据单元与相应参考数据单元之间的差异值,包括:
针对所述每个特征数据单元,获取与第一预设邻域内数据单元之间的平均值,作为第一平均值;
将处于同一对称位置处的特征数据单元的第一平均值求平均,得到第二平均值;
基于所述第一平均值以及所述第二平均值,得到所述四周边缘区域每个特征数据单元与相应参考数据单元之间的差异值。
4.根据权利要求1所述的镜头阴影校正数据检测方法,其特征在于,所述获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值之前,还包括:
将所述数据阵列的中间区域确定为所述预设特征区域,所述中间区域位于所述数据阵列中的四周边缘区域以内;
将所述数据阵列按照中心行以及中心列划分为相互对称的四个数据区域;
针对每个数据区域中的所述每个特征数据单元,将该特征数据单元的第二预设邻域内的数据单元确定为该特征数据单元的参考数据单元。
5.根据权利要求4所述的镜头阴影校正数据检测方法,其特征在于,获取中间区域中每个特征数据单元与相应参考数据单元之间的差异值,包括:
针对所述每个特征数据单元,获取与第二预设邻域内数据单元之间的平均值,作为第三平均值,并基于所述特征数据单元的增益值以及所述第三平均值,得到所述中间区域每个特征数据单元与相应参考数据单元之间的差异值。
6.根据权利要求1-5中任一项所述的镜头阴影校正数据检测方法,其特征在于,所述镜头阴影校正数据检测方法还包括:
针对每个数据阵列,获取所述数据阵列中的第一列数据与最后一列数据之间的差异值,若该差异值大于或等于第二预设阈值,则判定相应的镜头阴影校正数据存在异常。
7.根据权利要求1-5中任一项所述的镜头阴影校正数据检测方法,其特征在于,所述从镜头阴影校正数据中获取数据阵列,包括:
从镜头阴影校正数据中获取每个通道的增益补偿数据,得到每个通道对应的增益值;
将每组增益值分别转换成阵列排布,得到每个通道对应的数据阵列。
8.根据权利要求7所述的镜头阴影校正数据检测方法,其特征在于,所述通道包括R通道、GR通道、GB通道以及B通道,将所述GR通道对应的数据阵列作为第一数据阵列,将所述GB通道对应的数据阵列作为第二数据阵列,所述镜头阴影校正数据检测方法还包括:
获取所述第一数据阵列与第二阵列数据中同一目标数据单元的数据差异值;
比较所有所述目标数据单元的所述数据差异值,将最大的数据差异值作为所述GR通道与所述GB通道之间的通道差异值;
若所述通道差异值大于或等于第三预设阈值,则判定所述GR通道以及所述GB通道的镜头阴影校正数据存在异常。
9.根据权利要求1-5中任一项所述的镜头阴影校正数据检测方法,其特征在于,所述基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常,包括:
通过比较所获取的差异值,确定所述预设特征区域的最大差异值;
若所述最大差异值大于或等于所述第一预设阈值,则判定所述预设特征区域的镜头阴影校正数据存在异常。
10.一种镜头阴影校正数据检测装置,其特征在于,所述装置包括:
第一获取模块,用于从镜头阴影校正数据中获取数据阵列;
第二获取模块,用于针对每个数据阵列,获取预设特征区域中每个特征数据单元与相应参考数据单元之间的差异值,其中,所述每个特征数据单元对应的参考数据单元基于待校正摄像模组的成像亮度分布预先确定;
确定模块,用于基于所获取的差异值以及第一预设阈值,确定所述预设特征区域的镜头阴影校正数据是否存在异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853003.XA CN113628228A (zh) | 2021-07-27 | 2021-07-27 | 镜头阴影校正数据检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853003.XA CN113628228A (zh) | 2021-07-27 | 2021-07-27 | 镜头阴影校正数据检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113628228A true CN113628228A (zh) | 2021-11-09 |
Family
ID=78381199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110853003.XA Pending CN113628228A (zh) | 2021-07-27 | 2021-07-27 | 镜头阴影校正数据检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628228A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107071234A (zh) * | 2017-01-23 | 2017-08-18 | 上海兴芯微电子科技有限公司 | 一种镜头阴影校正方法及装置 |
EP3229106A1 (en) * | 2016-04-06 | 2017-10-11 | Facebook, Inc. | Efficient determination of optical flow between images |
US20190297310A1 (en) * | 2018-03-26 | 2019-09-26 | Shanghai Xiaoyi Technology Co., Ltd. | Device and method for shadow correction verification parameter determination and shadow correction verification |
CN111182293A (zh) * | 2020-01-06 | 2020-05-19 | 昆山丘钛微电子科技有限公司 | 一种镜头阴影校正数据的检测方法及系统 |
CN111711755A (zh) * | 2020-06-28 | 2020-09-25 | Oppo广东移动通信有限公司 | 图像处理方法及装置、终端和计算机可读存储介质 |
CN111818239A (zh) * | 2020-03-12 | 2020-10-23 | 成都微光集电科技有限公司 | 一种图像传感器中镜头阴影校正方法 |
CN113132695A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
-
2021
- 2021-07-27 CN CN202110853003.XA patent/CN113628228A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3229106A1 (en) * | 2016-04-06 | 2017-10-11 | Facebook, Inc. | Efficient determination of optical flow between images |
CN107071234A (zh) * | 2017-01-23 | 2017-08-18 | 上海兴芯微电子科技有限公司 | 一种镜头阴影校正方法及装置 |
US20190297310A1 (en) * | 2018-03-26 | 2019-09-26 | Shanghai Xiaoyi Technology Co., Ltd. | Device and method for shadow correction verification parameter determination and shadow correction verification |
CN111757029A (zh) * | 2018-03-26 | 2020-10-09 | 上海小蚁科技有限公司 | 阴影校正检测参数确定、校正检测方法及装置、存储介质、鱼眼相机 |
CN111182293A (zh) * | 2020-01-06 | 2020-05-19 | 昆山丘钛微电子科技有限公司 | 一种镜头阴影校正数据的检测方法及系统 |
CN111818239A (zh) * | 2020-03-12 | 2020-10-23 | 成都微光集电科技有限公司 | 一种图像传感器中镜头阴影校正方法 |
CN111711755A (zh) * | 2020-06-28 | 2020-09-25 | Oppo广东移动通信有限公司 | 图像处理方法及装置、终端和计算机可读存储介质 |
CN113132695A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3773773B2 (ja) | 画像信号処理装置及び画素欠陥の検出方法 | |
EP1157544B1 (en) | Hi-speed deterministic approach in detecting defective pixels within an image sensor | |
EP1781017B1 (en) | Methods and devices for image signal processing | |
TWI395958B (zh) | 壞點偵測校正設備、系統及偵測校正壞點的方法 | |
US10027907B2 (en) | Image pickup device having unit pixels arranged in two-dimensional matrix form each of which has pixels of different sensitivities, control method therefor, storage medium storing control program therefor, and signal processing device for image pickup device | |
JP6046927B2 (ja) | 画像処理装置及びその制御方法 | |
US20150262360A1 (en) | Pixel value calibration device and method | |
CN105744242A (zh) | 图像处理设备、摄像设备和图像处理方法 | |
JP2010081511A (ja) | 撮像装置、設定値変更方法およびプログラム | |
JP5524133B2 (ja) | 画像処理装置 | |
US8625007B2 (en) | Image pickup apparatus, image combination method, and computer program | |
US20060028233A1 (en) | Pixel testing method, method of correcting output voltage of pixel, defect pixel processing device, defect pixel processing program, defect pixel processing method, and recording medium having program | |
US20150281571A1 (en) | Foreign body information detection device and foreign body information detection method of imaging apparatus | |
CN113628228A (zh) | 镜头阴影校正数据检测方法及装置 | |
JP2015032842A (ja) | 固体撮像素子、撮像装置、および補正方法 | |
US20160227136A1 (en) | Photographing apparatus and method for the light leakage correction | |
JP2009232200A (ja) | 撮像素子の画素欠陥補正方法 | |
US10791289B2 (en) | Image processing apparatus, image processing method, and non-transitory computer readable recording medium | |
US10791290B2 (en) | Image processing apparatus, image processing method, and non-transitory computer readable recording medium | |
US10244179B2 (en) | Image processing apparatus, image capturing apparatus, control method, and recording medium | |
KR20100037339A (ko) | 불량화소 보정 장치 및 방법 | |
US10880508B2 (en) | Image processing apparatus, imaging apparatus, pixel-abnormality detecting method, and computer-readable recording medium | |
TWI528817B (zh) | 數位攝像裝置及其影像處理方法 | |
JP2019186818A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
KR102198748B1 (ko) | 후천적 불량 픽셀의 검출을 위한 열상 카메라의 소프트 불량 픽셀 검출 방법 |
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 |