CN113838003B - 图像的斑点检测方法、设备、介质及计算机程序产品 - Google Patents
图像的斑点检测方法、设备、介质及计算机程序产品 Download PDFInfo
- Publication number
- CN113838003B CN113838003B CN202111001203.9A CN202111001203A CN113838003B CN 113838003 B CN113838003 B CN 113838003B CN 202111001203 A CN202111001203 A CN 202111001203A CN 113838003 B CN113838003 B CN 113838003B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- pixel value
- value
- test image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000004590 computer program Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 29
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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 Processing (AREA)
Abstract
本申请公开了一种图像的斑点检测方法、设备、介质及计算机程序产品,基于待测产品获取测试图像,并获取测试图像中像素点的像素信息,像素信息包括像素点的第一像素值与像素点在预设像素区域的第二像素值组;基于像素信息中的第一像素值与第二像素值组对测试图像进行斑点检测,得到检测结果;若检测结果为测试图像存在斑点,则基于像素点确定斑点的位置。本申请可准确地判断测试图像是否存在斑点,并在存在斑点时通过像素点确定斑点的位置以确定待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高待测产品拍摄的图像的质量。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像的斑点检测方法、设备、介质及计算机程序产品。
背景技术
如今的电子设备大都具备摄像功能,用于如人脸识别、二维码检测等工作,因此相机的质量对于该类电子产品至关重要。但是,在相机的Camera Sensor(相机图像传感器)生产制造过程中,相机的图像传感器上容易出现异常(例如存在缺陷或异物),使得具有这种相机图像传感器的电子设备所拍摄的图像因具有斑点而导致质量较差,而当前无法准确地确定电子设备的图像传感器中异常点的位置。
发明内容
本申请的主要目的在于提供一种图像的斑点检测方法、设备、介质及计算机程序产品,旨在解决当前无法准确地确定电子设备的图像传感器中异常点的位置的技术问题。
为实现上述目的,本申请实施例提供一种图像的斑点检测方法,所述图像的斑点检测方法包括:
基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;
基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;
若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。
优选地,所述第二像素值组包含多个第三像素值,所述基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果的步骤包括:
计算各所述第二像素值组的像素值均值,得到第三像素值;
将所述第三像素值与所述第一像素值进行预设运算,得到运算结果;
基于所述测试图像确定像素值阈值,基于所述运算结果与所述像素值阈值生成检测结果。
优选地,所述计算各所述第二像素值组的像素值均值,得到第三像素值的步骤包括:
分别计算各所述第二像素值组中各所述第四像素值的中值;
计算各所述中值的均值,得到第三像素值。
优选地,所述基于所述运算结果与所述像素值阈值生成检测结果的步骤包括:
将所述运算结果与所述像素值阈值进行对比,得到对比结果;
若所述对比结果为所述运算结果大于所述像素值阈值,则生成所述测试图像存在斑点的检测结果;
若所述对比结果为所述运算结果小于或等于所述像素值阈值,则生成所述测试图像不存在斑点的检测结果。
优选地,所述获取所述测试图像中像素点的像素信息的步骤包括:
获取所述测试图像中像素点的第一像素值;
获取所述像素点在预设像素区域的第二像素值组;
基于所述第一像素值与所述第二像素值组形成像素信息。
优选地,所述获取所述像素点在预设像素区域的第二像素值组的步骤包括:
若所述第二像素值组不存在,则将所述像素点滤除。
优选地,所述基于所述像素点确定所述斑点的位置的步骤包括:
确定所述像素点中的目标像素点;
基于所述目标像素点与预设图像生成目标图像;
检测所述目标图像中所述目标像素点的边界信息;
基于所述边界信息确定所述斑点的位置。
进一步地,为实现上述目的,本申请还提供一种图像的斑点检测设备,所述图像的斑点检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图像的斑点检测程序,所述图像的斑点检测程序被所述处理器执行时实现上述的图像的斑点检测方法的步骤。
进一步地,为实现上述目的,本申请还提供一种存储介质,所述存储介质上存储有图像的斑点检测程序,所述图像的斑点检测程序被处理器执行时实现上述的图像的斑点检测方法的步骤。
进一步地,为实现上述目的,本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述的图像的斑点检测方法的步骤。
本申请实施例提供一种图像的斑点检测方法、设备、介质及计算机程序产品,基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。本申请可以通过待测产品拍摄的测试图像中像素点的第一像素值与像素点在预设像素区域的第二像素值组准确地判断测试图像是否存在斑点,并在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
附图说明
图1为本申请图像的斑点检测方法实施例方案涉及的硬件运行环境的结构示意图;
图2为本申请图像的斑点检测方法第一实施例的流程示意图;
图3为本申请图像的斑点检测方法第二实施例的流程示意图;
图4为本申请图像的斑点检测方法第三实施例的流程示意图;
图5为本申请图像的斑点检测方法第三实施例的场景示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种图像的斑点检测方法、设备、介质及计算机程序产品,基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。本申请可以通过待测产品拍摄的测试图像中像素点的第一像素值与像素点在预设像素区域的第二像素值组准确地判断测试图像是否存在斑点,并在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
如图1所示,图1是本申请实施例方案涉及的硬件运行环境的图像的斑点检测设备结构示意图。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本申请实施例图像的斑点检测设备可以是PC,也可以是平板电脑、便携计算机等可移动式终端设备。
如图1所示,该图像的斑点检测设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的图像的斑点检测设备结构并不构成对图像的斑点检测设备的限定,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。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像的斑点检测程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的图像的斑点检测程序,并执行以下操作:
基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;
基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;
若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。
进一步地,所述第二像素值组包含多个第三像素值,所述基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果的步骤包括:
计算各所述第二像素值组的像素值均值,得到第三像素值;
将所述第三像素值与所述第一像素值进行预设运算,得到运算结果;
基于所述测试图像确定像素值阈值,基于所述运算结果与所述像素值阈值生成检测结果。
进一步地,所述计算各所述第二像素值组的像素值均值,得到第三像素值的步骤包括:
分别计算各所述第二像素值组中各所述第四像素值的中值;
计算各所述中值的均值,得到第三像素值。
进一步地,所述基于所述运算结果与所述像素值阈值生成检测结果的步骤包括:
将所述运算结果与所述像素值阈值进行对比,得到对比结果;
若所述对比结果为所述运算结果大于所述像素值阈值,则生成所述测试图像存在斑点的检测结果;
若所述对比结果为所述运算结果小于或等于所述像素值阈值,则生成所述测试图像不存在斑点的检测结果。
进一步地,所述获取所述测试图像中像素点的像素信息的步骤包括:
获取所述测试图像中像素点的第一像素值;
获取所述像素点在预设像素区域的第二像素值组;
基于所述第一像素值与所述第二像素值组形成像素信息。
进一步地,所述获取所述像素点在预设像素区域的第二像素值组的步骤包括:
若所述第二像素值组不存在,则将所述像素点滤除。
进一步地,所述基于所述像素点确定所述斑点的位置的步骤包括:
确定所述像素点中的目标像素点;
基于所述目标像素点与预设图像生成目标图像;
检测所述目标图像中所述目标像素点的边界信息;
基于所述边界信息确定所述斑点的位置。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图2,本申请第一实施例提供一种图像的斑点检测方法的流程示意图。该实施例中,所述图像的斑点检测方法包括以下步骤:
步骤S10,基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;
本实施例中图像的斑点检测方法应用于图像的斑点检测系统,图像的斑点检测系统用于检测待测产品拍摄的测试图像中是否存在斑点,以及在测试图像中存在斑点时确定斑点的位置,便于根据斑点的位置确定待测产品的图像传感器中异常点的位置。为方便描述,后续过程将图像的斑点检测系统简称为系统。
可以理解地,如今的电子设备大都具备摄像功能,用于如人脸识别、二维码检测等工作,因此相机的质量对于该类电子产品至关重要。但是,在相机的Camera Sensor生产制造过程中,相机的图像传感器上容易出现异常(例如存在缺陷或异物),导致通过基于该图像传感器制造的电子设备所拍摄的图像质量较差,例如图像中存在Blemish,Blemish即斑点,是指由于Camera Sensor上存在异物或缺陷导致在某些像素位置上产生的亮度异常区域,而当前无法准确地确定电子设备中造成斑点的异常点的位置。因此,需要将未进行测试的电子设备作为待测产品,并通过每一待测产品拍摄测试图像,通过检测测试图像中是否存在斑点来确定待测产品的图像传感器上是否存在异常。在检测到测试图像中存在斑点时,确定待测产品的图像传感器中存在异常点,由于测试图像的斑点与图像传感器的异常点存在对应关系,因此通过确定斑点的位置即可进一步确定出待测产品的图像传感器中异常点的位置。
具体地,系统通过待测产品获取测试图像,可以通过待测产品的相机在特定的测试环境下(照度、色温、温度、测试距离等条件恒定),通过相机模组拍摄图像,得到测试图像,其中相机的相机模组包括镜头、图像传感器、图像处理芯片与软板,拍摄的测试图像可以包含多组图片,并且测试图像为通过相机模组拍摄获得的原始图像,需要说明的是,本实施例在通过相机模组拍摄图像之前,相机模组已经经过调焦操作。可以理解地,在获得的测试图像中,若存在斑点,其在测试图像上表现为一块亮度较暗的斑点。
进一步地,在获取到测试图像后,系统对RGB格式的测试图像进行数据转换,将RGB格式的测试图像转换成灰度图,灰度图上每个像素的灰度值取值范围为1~255,灰度值在视觉上直接反应到亮度,灰度值越高,亮度越高,反之,则越暗;当某个像素为正常时,它与周围像素的关系为:越靠近光学中心,像素值越大,亮度越高;当某个像素为Blemish(即斑点)时,它与周围像素的关系为:该像素值低于周围像素值,即亮度低于周围像素的亮度。其中,RGB代表红、绿、蓝三个通道的颜色。
进一步地,系统对作为灰度图的测试图像进行滤波处理,在一幅图像中,所谓的高频部分是指图像中像素值落差很大的部分,而低频则是指像素值与旁边的像素值相差不大甚至相同,而图像的一些细节的部分往往由高频信息来展现,图像中掺杂的噪声往往也处于高频段,这就造成了一些细节信息被噪声淹没,可以根据不同的噪声类型用不同的滤波器进行处理,本实施例中的滤波处理包含了高通滤波和低通滤波,所使用的滤波器需要根据实际的图像大小进行选择。
进一步地,系统还需要对滤波处理后的测试图像进行直方图均衡化处理,这种方法通常用来增加许多图像的全局对比度,尤其是当图像的有用数据的对比度相当接近的时候,通过这种方法,可以将图像亮度更好地在直方图上分布,可以用于增强局部的对比度而不影响整体的对比度。
可以理解地,在对测试图像进行滤波与均衡化处理后,若测试图像的分辨率较高,系统还可以按顺序对测试图像进行分块,例如将20*20的测试图像分为5*5,分块的大小按具体情况而定(例如10*10、20*20),并使用块内的所有像素值进行计算,获得一个结果,用该结果代表该块的像素值,计算方法可以为取均值、局部最大(小)值、中值等,由此降低测试图像的分辨率,提升图像处理速度,分辨率降低的程度取决于分块的大小。
进一步地,系统获取测试图像中各像素点的像素值作为第一像素值,若测试图像经过分块操作,则将每一分块作为一个像素点,将各分块的所有像素值的计算结果分别作为各分块的第一像素值。进一步地,系统分别获取每一像素点在多个预设像素区域内的多个像素点的像素值形成的第二像素值组,其中多个预设像素区域为以根据精度要求设定的步长为半径,并在该半径的多个角度方向的像素位置及其偏移量所形成的像素区域。由此得到由多个像素点的第一像素值,以及各像素点在预设像素区域的第二像素值组组成的像素信息。可以理解地,每一像素点均包含一个第一像素值以及多个第二像素值组,而第二像素值组中包含像素点在各像素区域对应的多个像素点的像素值。以便后续根据像素信息中的第一像素值与第二像素值组对测试图像进行斑点检测,确定测试图像中是否存在斑点,并在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
步骤S20,基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;
在获取到测试图像中像素点的像素信息后,系统先根据像素信息中各像素点的第一像素值,以及每一像素点分别对应的多个第二像素值组检测测试图像中是否存在斑点。具体地,系统针对每一像素点,先获取该像素点对应的多个第二像素值组的像素值均值作为第三像素值。进一步地,系统将第三像素值与第一像素值进行预设的差值运算,得到像素值差值,同时根据测试图像各像素点的像素值计算出像素值阈值,最后通过将像素值差值与像素值阈值进行比较来确定测试图像中是否存在斑点,得到检测结果,其中检测结果包括测试图像存在斑点以及测试图像不存在斑点。以在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中的异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
步骤S30,若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。
在基于像素信息中的第一像素值与第二像素值组对测试图像进行斑点检测并得到检测结果后,若确定检测结果为测试图像中存在斑点,系统则将测试图像的所有像素点中确定测试图像存在斑点的像素点确定为可疑像素点,并将可疑像素点映射至新生成的二值图像中,形成新的图像。进一步地,系统先确定可疑像素点的边界信息,然后根据边界信息确定边界的外接圆,最后根据外接圆确定斑点的位置,即可根据测试图像与相机中图像传感器的对应关系,通过斑点在测试图像中的位置确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
可以理解地,若确定检测结果为测试图像中不存在斑点,系统则结束当前的图像的斑点检测流程,并确定待测产品为良品。
进一步地,所述基于所述像素点确定所述斑点的位置的步骤包括:
步骤S31,确定所述像素点中的目标像素点;
步骤S32,基于所述目标像素点与预设图像生成目标图像;
步骤S33,检测所述目标图像中所述目标像素点的边界信息;
步骤S34,基于所述边界信息确定所述斑点的位置。
具体地,在步骤S30中,若确定检测结果为测试图像中存在斑点,系统先将测试图像的所有像素点中通过像素值差值与像素值阈值的比较确定测试图像存在斑点的像素点确定为可疑像素点并作为目标像素点。进一步地,系统获取预设图像,并将各目标像素点映射至预设图像中,形成目标图像,其中预设图像为一张新建的二值图像。进一步地,系统对目标图像进行腐蚀、膨胀等操作,并在完成腐蚀与膨胀操作后对作为目标图像的二值图像进行边界检测,获得目标像素点在目标图像中形成的边界并检测该边界的边界信息,最后根据边界信息计算出该边界的最小外接圆,并获取该最小外接圆的圆心,该最小外接圆的圆心即为Blemish(即斑点)的位置,且最小外接圆的直径即为Blemish的直径。以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
本实施例提供一种图像的斑点检测方法、设备、介质及计算机程序产品,基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置。本申请可以通过待测产品拍摄的测试图像中像素点的第一像素值与像素点在预设像素区域的第二像素值组准确地判断测试图像是否存在斑点,并在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
进一步地,参照图3,基于本申请图像的斑点检测方法的第一实施例,提出本申请图像的斑点检测方法的第二实施例,在第二实施例中,所述基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果的步骤包括:
步骤S21,计算各所述第二像素值组的像素值均值,得到第三像素值;
步骤S22,将所述第三像素值与所述第一像素值进行预设运算,得到运算结果;
步骤S23,基于所述测试图像确定像素值阈值,基于所述运算结果与所述像素值阈值生成检测结果。
在获取到测试图像中像素点的像素信息后,系统针对每一像素点,先通过均值计算公式对该像素点的多个第二像素值组的像素值进行均值计算,得到第三像素值,本实施例中计算8个第二像素值组之间的像素值均值。进一步地,系统将计算得到的每一像素点的像素值均值(即第三像素值)分别与对应的像素点的第一像素值进行预设的差值运算,得到差值运算结果。可以理解地,如果一张图像是从现实中获取而来的,那么图像上一定会存在噪声使图像,噪声的不稳定性会使得在同样条件下获得的图像产生差异,因此本申请中Blemish(即斑点)检测的判断标准是差值运算结果是否超过像素值阈值,如果超过像素值阈值则被认定为是Blemish,如果低于像素值阈值则被判断为正常像素点。由于每张图像都存在差异,所以获得的像素值阈值是动态的,本实施例中先获取测试图像中所有像素点的均值,再获取所有像素点之间的标准差,最后将标准差与预设的权重系数进行乘积运算后减去偏置值,即可得到测试图像对应的像素值阈值。进一步地,系统将差值运算的运算结果与获取的像素值阈值进行比较,得到测试图像是否存在斑点的检测结果。以在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
可以理解地,本实施例中在任一像素点的差值运算结果超过像素点阈值时,即可确定测试图像存在斑点,但为了确定出斑点的整体位置及大小,可以对后续的像素点继续进行斑点检测,直至所有像素点均完成差值运算结果与像素点阈值的比较。
进一步地,所述计算各所述第二像素值组的像素值均值,得到第三像素值的步骤包括:
步骤S211,分别计算各所述第二像素值组中各所述第四像素值的中值;
步骤S212,计算各所述中值的均值,得到第三像素值。
具体地,在计算多个第二像素值组的像素值均值时,系统针对每一像素点,先计算当前检测的像素点在其指定区域的像素点及偏移像素点的多个第四像素值的中值,在本实施例中即确定出每一像素位置的像素点及其偏置像素点等三个像素点对应的3个像素值,并确定3个像素值中数值位于中间的像素值,得到多个中值。进一步地,系统通过均值计算公式对多个中值进行均值计算,得到该像素点的第三像素值。以通过第三像素值与该像素点的第一像素值的比较结果准确地确定测试图像是否存在斑点。
进一步地,所述基于所述运算结果与所述像素值阈值生成检测结果的步骤包括:
步骤S231,将所述运算结果与所述像素值阈值进行对比,得到对比结果;
步骤S232,若所述对比结果为所述运算结果大于所述像素值阈值,则生成所述测试图像存在斑点的检测结果;
步骤S233,若所述对比结果为所述运算结果小于或等于所述像素值阈值,则生成所述测试图像不存在斑点的检测结果。
在得到运算结果与像素值阈值之后,系统将差值运算的运算结果与像素值阈值进行对比,具体地,将运算结果与像素值阈值进行数值大小比较,根据运算结果与像素值阈值之间的数值大小关系生成对比结果,其中对比结果包括运算结果大于像素值阈值,以及运算结果小于或等于像素值阈值。进一步地,若对比结果为运算结果大于像素值阈值,则判定该像素点为异常像素点,生成测试图像存在斑点的检测结果。若对比结果为运算结果小于或等于像素值阈值,则判定该像素点为正常像素点,生成测试图像不存在斑点的检测结果。
本实施例通过测试图像中各像素点的第一像素值与第二像素值组的像素值差值准确地确定测试图像是否存在斑点,以在测试图像存在斑点时通过像素点确定斑点所处的位置,使得可以通过斑点的位置进一步准确地确定出待测产品的图像传感器中异常点的位置,便于对待测产品的图像传感器中的异常点进行处理以提高通过待测产品拍摄的图像的质量。
进一步地,参照图4,基于本申请图像的斑点检测方法的第一实施例,提出本申请图像的斑点检测方法的第三实施例,在第三实施例中,所述获取所述测试图像中像素点的像素信息的步骤包括:
步骤S11,获取所述测试图像中像素点的第一像素值;
步骤S12,获取所述像素点在预设像素区域的第二像素值组;
步骤S13,基于所述第一像素值与所述第二像素值组形成像素信息。
可以理解地,由于测试图像是二维的,以长和宽作为x和y即可对图像上所有的像素点进行定位;又由于像素点的大小都是固定的,并且测试图像所包含像素的多少即被称为分辨率(例如1920*1080),所以可将测试图像视为一个矩阵,可以将各像素点的位置设置于矩阵中进行排列。具体地,在获取测试图像中像素点的像素信息时,系统首先根据预设的顺序确定测试图像中各像素点的检测顺序,例如采用从上到下,从左到右的顺序对测试图像的各像素点进行检测,按照测试顺序分别获取各像素点的像素值作为各像素点的第一像素值。进一步地,系统确定一个距离值作为步长,以该步长为半径,分别获取各像素点在以该步长为半径且与坐标轴的x轴之间的角度为0°、45°、90°、135°、180°、225°、270°、315°、360°等八个预设方向的像素位置及其偏移量所形成的像素区域的多个第二像素值组。可以理解地,在确定各像素点在八个预设方向的像素位置后,以八个像素位置为基准,确定一个偏移量,按该偏移量获得范围内的像素值,例如以像素点X为切点,在切线上取点X相邻d个单位的像素点的像素值作为第四像素值,基于多个第四像素值形成第二像素值组。参照图5,图5为本申请图像的斑点检测方法第三实施例的场景示意图,图5中位于图像中心的点(x,y)即为当前检测的像素点,其像素值为第一像素值,并且在以预设的步长为半径,与坐标轴的x轴之间的角度为0°、45°、90°、135°、180°、225°、270°、315°、360°的八个预设方向分别确定多个像素点,例如左上角的三个像素点中315°所指向的像素点及其相邻两个偏移像素点的像素值均为第四像素值,三个像素值的像素值组成第二像素值组。在获取到各像素点的第一像素值以及各像素点在预设像素区域的第二像素值组后,由各像素点的第一像素值以及各像素点在预设像素区域的第二像素值组形成该测试图像中像素点的像素信息。通过获取各像素点的第一像素值以及各像素点在预设像素区域的第二像素值组并形成测试图像中像素点的像素信息,可以提高后续根据像素信息确定测试图像是否存在斑点的检测结果的准确度。
进一步地,所述获取所述像素点在预设像素区域的第二像素值组的步骤包括:
步骤A,若所述第二像素值组不存在,则将所述像素点滤除。
进一步地,为了确保数据的准确性,系统还需要对测试图像中的各像素点进行部分滤除,具体可以通过判断各像素点在八个预设方向上的像素位置的像素点是否越界,若八个预设方向上的像素位置的像素点中存在任一像素点越界,则该像素点的对应的像素值不存在,进一步导致由该像素点及其偏移像素点的像素值组成的第二像素值组不存在,则将该像素位置所对应的中心的像素点滤除,以及任一像素位置的偏移像素点越界,该像素点的对应的像素值亦不存在,进一步也导致由作为偏移像素点的像素点及其他像素点的像素值组成的第二像素值组不存在,该偏移像素点对应的中心的像素点也要滤除,越界即为该像素点及其像素值并不存在于图像中,例如图像左上角第一个像素点在135°、180°、225°、270°、315°、360°等方向上的像素位置并不在图像中。例如若图5中左上角的三个像素点中存在任一像素点越界,则判定像素点(x,y)在预设像素区域的由三个像素点组成的第二像素值组不存在,则将位于八个预设方向中心的像素点(x,y)滤除,以确保图像斑点检测结果的准确性。
本实施例通过获取测试图像的像素点的第一像素值与像素点在预设像素区域的第二像素值组,并对部分像素点进行滤除,可以提高基于测试图像中像素点的像素信息进行的图像斑点检测的检测结果的准确性。
此外,本申请还提供一种介质,所述介质优选为计算机可读存储介质,其上存储有图像的斑点检测程序,所述图像的斑点检测程序被处理器执行时实现上述图像的斑点检测方法各实施例的步骤。
此外,本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述图像的斑点检测方法各实施例的步骤。
在本申请图像的斑点检测设备、计算机可读介质和计算机程序产品的实施例中,包含了上述图像的斑点检测方法各实施例的全部技术特征,说明和解释内容与上述图像的斑点检测方法各实施例基本相同,在此不做赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是固定终端,如物联网智能设备,包括智能空调、智能电灯、智能电源、智能路由器等智能家居;也可以是移动终端,包括智能手机、可穿戴的联网AR/VR装置、智能音箱、自动驾驶汽车等诸多联网设备)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (7)
1.一种图像的斑点检测方法,其特征在于,所述图像的斑点检测方法包括:
基于待测产品获取测试图像,并获取所述测试图像中像素点的像素信息,所述像素信息包括所述像素点的第一像素值与所述像素点在预设像素区域的第二像素值组;
基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果;
若所述检测结果为所述测试图像存在斑点,则基于所述像素点确定所述斑点的位置;
所述基于所述像素信息中的第一像素值与第二像素值组对所述测试图像进行斑点检测,得到检测结果的步骤包括:
计算各所述第二像素值组的像素值均值,得到第三像素值;
将得到的每一像素点的第三像素值分别与对应的像素点的第一像素值进行预设的差值运算,得到运算结果;
基于所述测试图像确定像素值阈值,将所述运算结果与所述像素值阈值进行对比,得到对比结果;
若所述对比结果为所述运算结果大于所述像素值阈值,则生成所述测试图像存在斑点的检测结果;
若所述对比结果为所述运算结果小于或等于所述像素值阈值,则生成所述测试图像不存在斑点的检测结果;
所述基于所述像素点确定所述斑点的位置的步骤包括:
确定所述像素点中的目标像素点;
基于所述目标像素点与预设图像生成目标图像;
检测所述目标图像中所述目标像素点的边界信息;
基于所述边界信息确定所述斑点的位置。
2.如权利要求1所述的图像的斑点检测方法,其特征在于,所述第二像素值组包括多个第四像素值,所述计算各所述第二像素值组的像素值均值,得到第三像素值的步骤包括:
分别计算各所述第二像素值组中各所述第四像素值的中值;
计算各所述中值的均值,得到第三像素值。
3.如权利要求1所述的图像的斑点检测方法,其特征在于,所述获取所述测试图像中像素点的像素信息的步骤包括:
获取所述测试图像中像素点的第一像素值;
获取所述像素点在预设像素区域的第二像素值组;
基于所述第一像素值与所述第二像素值组形成像素信息。
4.如权利要求3所述的图像的斑点检测方法,其特征在于,所述获取所述像素点在预设像素区域的第二像素值组的步骤包括:
若所述第二像素值组不存在,则将所述像素点滤除。
5.一种图像的斑点检测设备,其特征在于,所述图像的斑点检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图像的斑点检测程序,所述图像的斑点检测程序被所述处理器执行时实现如权利要求1-4中任一项所述的图像的斑点检测方法的步骤。
6.一种介质,所述介质为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上存储有图像的斑点检测程序,所述图像的斑点检测程序被处理器执行时实现如权利要求1-4中任一项所述的图像的斑点检测方法的步骤。
7.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的图像的斑点检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111001203.9A CN113838003B (zh) | 2021-08-30 | 2021-08-30 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111001203.9A CN113838003B (zh) | 2021-08-30 | 2021-08-30 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838003A CN113838003A (zh) | 2021-12-24 |
CN113838003B true CN113838003B (zh) | 2024-04-30 |
Family
ID=78961547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111001203.9A Active CN113838003B (zh) | 2021-08-30 | 2021-08-30 | 图像的斑点检测方法、设备、介质及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838003B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596280B (zh) * | 2022-03-08 | 2022-09-09 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳纤维布面生产过程中碎屑纸的检测方法及装置 |
CN116245794A (zh) * | 2022-12-02 | 2023-06-09 | 广州市儒兴科技股份有限公司 | 太阳能电池背场外观测试方法、装置以及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
JP2005332119A (ja) * | 2004-05-19 | 2005-12-02 | Hitachi Software Eng Co Ltd | スポット画像検出方法及びスポット画像検出プログラム |
CN106170087A (zh) * | 2015-05-22 | 2016-11-30 | 特克特朗尼克公司 | 异常像素检测 |
CN106205437A (zh) * | 2015-05-05 | 2016-12-07 | 联想(北京)有限公司 | 一种坏点检测方法、电子设备及装置 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN106971955A (zh) * | 2017-05-18 | 2017-07-21 | 上海华力微电子有限公司 | 晶圆缺陷的检测方法 |
CN107016669A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN111476750A (zh) * | 2019-01-04 | 2020-07-31 | 宁波舜宇光电信息有限公司 | 对成像模组进行污点检测的方法、装置、系统及存储介质 |
CN112950598A (zh) * | 2021-03-09 | 2021-06-11 | 深圳棱镜空间智能科技有限公司 | 工件的瑕疵检测方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009085617A (ja) * | 2007-09-27 | 2009-04-23 | Fujifilm Corp | 欠陥検出装置及び方法 |
-
2021
- 2021-08-30 CN CN202111001203.9A patent/CN113838003B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
JP2005332119A (ja) * | 2004-05-19 | 2005-12-02 | Hitachi Software Eng Co Ltd | スポット画像検出方法及びスポット画像検出プログラム |
CN106205437A (zh) * | 2015-05-05 | 2016-12-07 | 联想(北京)有限公司 | 一种坏点检测方法、电子设备及装置 |
CN106170087A (zh) * | 2015-05-22 | 2016-11-30 | 特克特朗尼克公司 | 异常像素检测 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN107016669A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN106971955A (zh) * | 2017-05-18 | 2017-07-21 | 上海华力微电子有限公司 | 晶圆缺陷的检测方法 |
CN111476750A (zh) * | 2019-01-04 | 2020-07-31 | 宁波舜宇光电信息有限公司 | 对成像模组进行污点检测的方法、装置、系统及存储介质 |
CN112950598A (zh) * | 2021-03-09 | 2021-06-11 | 深圳棱镜空间智能科技有限公司 | 工件的瑕疵检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113838003A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113838003B (zh) | 图像的斑点检测方法、设备、介质及计算机程序产品 | |
KR102346522B1 (ko) | 영상 처리 장치 및 그것의 자동 화이트 밸런싱 방법 | |
EP1434424A2 (en) | Image noise reduction | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
WO2020083307A1 (en) | Method, apparatus, and storage medium for obtaining depth image | |
KR20110015033A (ko) | 타겟 위치 특정 장치 | |
CN109163775B (zh) | 一种基于带式运输机的质量测量方法及装置 | |
US8693783B2 (en) | Processing method for image interpolation | |
CN107305695B (zh) | 一种图像自动坏点校正装置及方法 | |
WO2010050412A1 (ja) | 校正指標決定装置、校正装置、校正性能評価装置、システム、方法、及びプログラム | |
CN110736610A (zh) | 测量光学中心偏移的方法、装置、存储介质及深度相机 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
CN110475115B (zh) | 屏体画面串扰测试方法和装置、存储介质 | |
CN109948630B (zh) | 靶纸图像的识别方法、装置、系统和存储介质 | |
WO2019123554A1 (ja) | 画像処理装置、画像処理方法、及び、記録媒体 | |
WO2020119454A1 (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN113052754A (zh) | 一种图片背景虚化的方法及装置 | |
CN110310239A (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN111161211B (zh) | 一种图像检测方法及装置 | |
CN108921097B (zh) | 人眼视角检测方法、装置及计算机可读存储介质 | |
CN109060831B (zh) | 一种基于底板拟合的自动脏污检测方法 | |
WO2018061430A1 (ja) | 計測装置、計測方法、計測プログラム、及び記録媒体 | |
CN112907704B (zh) | 一种图像融合方法、计算机设备以及装置 | |
CN113706429B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN116912181B (zh) | 一种屏幕均匀度检测方法、系统和可读存储介质 |
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 |