CN114373196A - 有效采集区域确定方法、程序产品、存储介质及电子设备 - Google Patents

Abstract

本申请涉及图像处理技术领域，提供一种有效采集区域确定方法、程序产品、存储介质及电子设备。其中，有效采集区域确定方法包括：获取由同一图像采集设备采集的多帧待分析图像，多帧待分析图像的画面不完全相同；根据多帧待分析图像获得波动图像，波动图像中每个像素点的像素值表征多帧待分析图像中的对应像素点的像素值的波动性；根据波动图像确定图像采集设备的有效采集区域。该方法可以简单、快速地确定图像采集设备的有效采集区域。

Description

有效采集区域确定方法、程序产品、存储介质及电子设备

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种有效采集区域确定方法、程序产品、存储介质及电子设备。

背景技术

指纹模组是一种采集指纹的装置，指纹模组包括多种类型，例如电容式、光学式、超声波式等等。绝大多数指纹模组都会输出指纹图像作为采集结果，下游算法可以基于指纹图像实现特定的功能，例如指纹识别等。

然而，指纹模组在生产过程中，必然会产生不良品，这些不良品会导致所采集的指纹图像中存在坏点，坏点集中的区域并不适于做指纹识别。若将指纹图像中适于做指纹识别的区域定义为指纹模组的有效采集区域，则指纹识别算法的输入图像可以根据有效采集区域从指纹图像中截取。在现有技术中，还没有能够快速确定有效采集区域的方法。

发明内容

本申请实施例的目的在于提供一种有效采集区域确定方法、程序产品、存储介质及电子设备，以改善上述技术问题。

为实现上述目的，本申请提供如下技术方案：

第一方面，本申请实施例提供一种有效采集区域确定方法，包括：获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；根据所述波动图像确定所述图像采集设备的有效采集区域。

发明人研究发现，图像采集设备(例如，指纹模组)中的异常采集点(例如，坏点)与正常采集点在统计特性上存在区别：例如，多帧待分析图像在异常采集点处的像素值波动极大，但在正常采集点处的像素值波动却比较小。这种波动性的差异通过波动图像得以量化地展现，从而利用波动图像中的像素值就可以有效的区分图像采集设备的正常采集点和异常采集点，进而可以简单、快速地确定图像采集设备的有效采集区域。

需要指出，图像采集设备的有效采集区域可能仅包含正常采集点，也可能包含一定数量的异常采集点，这取决于不同的实现方式和下游算法的容错能力。例如，即使输入图像中包含少量的坏点，指纹识别算法通常也能够得出正确的识别结果，此时可以允许有效采集区域中包含一定数量的坏点。

在第一方面的一种实现方式中，所述根据所述波动图像确定所述图像采集设备的有效采集区域，包括：将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域。

上述实现方式通过将波动图像中的像素值与第一阈值进行比较，实现了有效采集区域的快速确定；其中，第一阈值表征图像采集设备的正常采集点和异常采集点在波动性图像中的波动性分界线。

在第一方面的一种实现方式中，所述将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域，包括：将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果得到二值化图像；其中，若所述波动图像中像素点的像素值小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第一像素值，若所述波动图像中像素点的像素值不小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第二像素值，具有所述第一像素值的像素点为所述二值化图像中的第一类像素点，具有所述第二像素值的像素点为所述二值化图像中的第二类像素点；根据所述二值化图像确定所述图像采集设备的有效采集区域。

在上述实现方式中，由于二值化图像明确地标出了图像采集设备的正常采集点和异常采集点的位置(在二值化图像中，第一类像素点和第二类像素点中的一类表征正常采集点，另一类则表征异常采集点)，从而基于二值化图像，再结合适当的算法可以非常方便地确定图像采集设备的有效采集区域。

在第一方面的一种实现方式中，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：针对所述二值化图像中的所有仅包含第一类像素点的区域，将其中面积最大的区域确定为所述图像采集设备的有效采集区域。

上述实现方式所确定的有效采集区域中仅包含第一类像素点，即全部由正常采集点构成，因此其对于下游算法的执行效果不会产生负面影响，并且该实现方式还尽量选择了面积更大的区域，有利于下游算法的执行。

在第一方面的一种实现方式中，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：确定所述二值化图像中的备选区域；针对每个备选区域，根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数；将计算出的分数最大的备选区域确定为所述图像采集设备的有效采集区域。

上述实现方式允许一定量的第二类像素点被纳入到有效采集区域内，按照备选区域的分数最大这一原则从所有的备选区域中去寻找有效采集区域，因此可能会找到面积更大的有效采集区域(相对于仅允许有效采集区域中包含第一类像素点的情况)。如前所述，很多下游算法具有容错性，少量的异常采集点不会或者几乎不会影响其执行效果，但面积更大的有效采集区域却可能为下游算法带来其他方面的收益。

在第一方面的一种实现方式中，所述根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：根据所述备选区域的面积以及所述备选区域中包含的第二类像素点的数量，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点的数量负相关。

在上述实现方式中，备选区域的面积越大，且其中的第二类像素点的数量越少，则对应的分数越高。但由于区域面积利用乘法(宽×高)计算，因此是影响分数的主要因素，所以上述实现方式会优先选择那些面积更大，哪怕是第二类像素点的数量稍多的备选区域。

在第一方面的一种实现方式中，所述根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：根据所述备选区域的面积、以及所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和负相关。

上述实现方式不仅隐含地考虑了备选区域中第二类像素点的数量(求和运算)，还考虑了第二类像素点所表征的异常采集点的异常程度(波动图像中的像素值越大异常程度越严重)。从而，若某个备选区域中包含了较多的、异常程度较严重的异常采集点，则会导致整个备选区域的分数降低，也就是说按照分数选择备选区域时会尽量避开这类区域，因为较多的、异常程度较严重的异常采集点会影响下游算法的执行效果。该实现方式所确定的有效采集区域不仅面积较大，而且与下游算法的性能需求也更加匹配。

在第一方面的一种实现方式中，所述确定所述二值化图像中的备选区域，包括：针对所述二值化图像中的所有仅包含第一类像素点的区域，获取其中面积最大的区域的面积，该面积为最小候选面积；将所述二值化图像中面积不小于所述最小候选面积的区域确定为所述二值化图像中的备选区域。

若允许将一定量的第二类像素点纳入到有效采集区域内，则所确定的有效采集区域的面积，不会小于仅包含第一类像素点的区域的面积最大值。在上述实现方式中，以该面积最大值作为最小候选面积，将二值化图像中的所有面积不小于最小候选面积的区域均确定为二值化图像中的备选区域，从而有利于减少备选区域的数量，提高确定有效采集区域的效率。

在第一方面的一种实现方式中，所述图像采集设备为指纹模组，所述多帧待分析图像包括：针对同一手指的多次采集得到的图像或者针对不同手指采集得到的图像。

发明人研究发现，在指纹模组采集的待分析图像中，坏点处的像素值波动性较大，而非坏点处的像素值波动性则比较小，从而非常适合采用上面的方法确定其有效采集区域。并且，确定有效采集区域所需的待分析图像非常容易获得，通过单手指或者多手指均可以完成采集，有利于方案的实施。第二方面，本申请实施例提供一种图像处理方法，包括：获取图像采集设备采集的待处理图像以及所述图像采集设备当前的有效采集区域；其中，所述当前的有效采集区域通过第一方面或第一方面的任意一种可能的实现方式提供的方法确定；根据所述当前的有效采集区域从所述待处理图像中截取出有效图像；利用所述有效图像执行图像处理任务。

在上述方法中，先获取有效采集区域再执行图像处理任务，由于待处理图像在当前的有效采集区内的部分是适合执行下游算法的，所以图像处理任务能够取得较好的执行结果。

在第二方面的一种实现方式中，所述方法还包括：保存所述待处理图像，并将所保存的多帧待处理图像作为多帧待分析图像执行第一方面或第一方面的任意一种可能的实现方式提供的方法以确定新的有效采集区域，并利用所述新的有效采集区域对所述当前的有效采集区域进行更新。

在上述实现方式中，可以随着图像采集设备的运行对有效采集区域进行更新，使得有效采集区域能够反映图像采集设备最新的工作状态。

第三方面，本申请实施例提供一种设备质量检测方法，包括：确定图像采集设备的有效采集区域；将所述有效采集区域与图像处理任务所需的图像尺寸进行比较，并根据比较结果确定所述图像采集设备的质量是否合格。

图像采集设备在生产过程中，必然会产生不良品，通过质量检测可以筛选出不良品，这一过程也称为“品控”，然而严格的品控会大幅增加生产成本。发明人研究发现，对于下游算法来说，图像采集设备存在的少量异常采集点几乎不会影响其执行结果，从而，在对图像采集设备进行质量检测的过程中，完全可以适当降低品控的要求，从而降低生产成本。

以这一发现为出发点，上述设备质量检测方法根据有效采集区域和下游算法需求(体现为图像处理任务所需的图像尺寸)的关系判断图像采集设备是否合格，从而使得有更多符合下游算法需求的图像采集设备可以通过质量检测，进而使得图像采集设备的生产成本得到降低，而下游算法的执行结果仍然得到保障。

在第三方面的一种实现方式中，所述确定图像采集设备的有效采集区域，包括：利用第一方面或第一方面的任意一种可能的实现方式提供的方法确定图像采集设备的有效采集区域。

上述实现方式可以简单、快速地确定图像采集设备的有效采集区域，进而可以高效、准确地完成设备质量检测。

第四方面，本申请实施例提供一种异常采集点确定方法，包括：获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；根据所述波动图像确定所述图像采集设备的异常采集点。

上述方法通过像素值的波动性确定图像采集设备的异常采集点，方法简单，检测结果准确性高。

在第四方面的一种实现方式中，所述根据所述波动图像确定所述图像采集设备的异常采集点，包括：将所述波动图像中每个像素点的像素值与第二阈值进行比较，并根据比较结果确定所述图像采集设备的异常采集点。

上述实现方式通过将波动图像中的像素值与第二阈值进行比较，实现了异常采集点的快速检测。

第五方面，本申请实施例提供一种有效采集区域确定装置，包括：第一图像获取模块，用于获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；第一波动性计算模块，用于根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；第一有效采集区域确定模块，用于根据所述波动图像确定所述图像采集设备的有效采集区域。

第六方面，本申请实施例提供一种图像处理装置，包括：数据获取模块，用于获取图像采集设备采集的待处理图像以及所述图像采集设备当前的有效采集区域；其中，所述当前的有效采集区域通过第一方面或第一方面的任意一种可能的实现方式提供的方法确定；图像截取模块，用于根据所述当前的有效采集区域从所述待处理图像中截取出有效图像；图像处理模块，用于利用所述有效图像执行图像处理任务。

第七方面，本申请实施例提供一种设备质量检测装置，包括：第二有效采集区域确定模块，用于确定图像采集设备的有效采集区域；质量检测模块，用于将所述有效采集区域与图像处理任务所需的图像尺寸进行比较，并根据比较结果确定所述图像采集设备的质量是否合格。

第八方面，本申请实施例提供一种异常采集点确定装置，包括：第二图像获取模块，用于获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；第二波动性计算模块，用于根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；异常采集点确定模块，用于根据所述波动图像确定所述图像采集设备的异常采集点。

第九方面，本申请实施例提供一种计算机程序产品，包括计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行第一方面、第二方面、第三方面、第四方面或这四方面的任意一种可能的实现方式提供的方法。

第十方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行第一方面、第二方面、第三方面、第四方面或这四方面的任意一种可能的实现方式提供的方法。

第十一方面，本申请实施例提供一种电子设备，包括：存储器以及处理器，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器读取并运行时，执行第一方面、第二方面、第三方面、第四方面或这四方面的任意一种可能的实现方式提供的方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例提供的一种有效采集区域确定方法的流程；

图2示出了指纹模组采集的12帧指纹图像；

图3(A)示出了根据多帧指纹图像计算出的波动图像；

图3(B)示出了波动图像的第140行的像素值变化曲线；

图4示出根据波动图像计算出的二值化图像；

图5示出了通过三种不同的算法所确定的三个有效采集区域；

图6示出了本申请实施例提供的一种图像处理方法的流程；

图7示出了本申请实施例提供的一种设备质量检测方法的流程；

图8示出了本申请实施例提供的一种异常采集点确定方法的流程；

图9示出了本申请实施例提供的一种电子设备的结构。

具体实施方式

本申请实施例中的有效采集区域确定方法、图像处理方法、设备质量检测方法、异常采集点确定方法、水印检测方法均属于图像处理范畴，这些方法充分利用了图像中像素值的统计特性，解决了不同场景下的技术问题。

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描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

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。

图1示出了本申请实施例提供的一种有效采集区域确定方法的流程。该方法可以但不限于由图9示出的电子设备500执行，关于电子设备500的具体结构可参考后文关于图9的阐述。参照图1，该方法包括：

步骤S110：获取由同一图像采集设备采集的多帧待分析图像。

步骤S110中的图像采集设备泛指能够通过传感器将外部信息转化为图像输出的设备。例如，指纹模组可将用户的指纹信息转换为指纹图像输出，因此指纹模组属于一种图像采集设备；又例如，摄像头可以将周围的环境信息转换为图像输出，因此摄像头也属于一种图像采集设备，等等。

关于上面对图像采集设备的定义需要注意两点：

其一，上述定义中的传感器虽然可以生成图像，但其并不限于图像传感器。在现有技术中，图像传感器一般仅包括光电传感器，例如电荷耦合器件(Charge Coupled Device，简称CCD)传感器、互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，简称CMOS)传感器等，但上述定义中的传感器并不仅仅限于光电传感器，例如，对于指纹模组而言，也可能采用电容传感器(电容式指纹模组)、超声传感器(超声波式指纹模组)等来生成指纹图像。

其二，上述定义中的图像采集设备应理解为一个能够独立产生图像的最小单元。例如，一台三摄像头的手机，应理解为其包含三个图像采集设备，而不应将整台手机视为一个图像采集设备。

待分析图像是指用于确定图像采集设备的有效采集区域的图像。步骤S110中的多帧待分析图像应当由同一图像采集设备所采集，具有相同的尺寸，并且这些图像的画面不能完全相同。其原因在于，若多帧待分析图像的画面完全相同，则多帧待分析图像中任意位置处的像素值都不存在波动，也就无法通过后续步骤确定图像采集设备的有效采集区域。

多帧待分析图像画面不能完全相同这一条件容易满足：例如，在利用指纹模组采集指纹图像的过程中，可以针对用户的同一手指进行多次采集，在采集过程中让用户的手指在采集设备上方的位置和/或角度发生一些变化(比如，要求用户适当晃动手指)，或者也可以针对用户不同的手指进行采集，每采集一定数量的图像之后就换一根手指继续采集，这样得到的多帧指纹图像必然就不会完全相同了；又例如，在利用摄像头采集图像的过程中，使摄像头处于相对运动状态(可以是摄像头自身运动，也可以是摄像头所拍摄的目标运动)，摄像头自然就会拍摄到不同的画面。

步骤S110中并不限定获取多帧待分析图像的方式：假设执行步骤S110的电子设备为设备X，例如，可以是图像采集设备采集到图像后实时将其发送给设备X，此时是设备X直接从图像采集设备处获取图像；又例如，可以是图像采集设备采集到图像后实时将其发送给设备Y，设备X再从设备Y处获取图像，此时是设备X从设备Y处获取图像，等等。

步骤S110中具体要获取多少帧待分析图像不限定，更多的图像计算出的波动性(详见步骤S120)会更精确，但计算量也会增大，从而可以根据实际需求确定所要获取的待分析图像的帧数。例如，可以是10帧、100帧、500帧等。

图像采集设备采集的图像类型不限定，例如，可以是灰度图像，可以是彩色图像，可以是遥感图像，等等。

图2示出了由同一指纹模组采集的12帧指纹图像，每个32×160的长条矩形表示一帧指纹图像，这些指纹图像是灰度图像，通过指纹图像中像素值的变化可以表示指纹的脊线和谷线。

步骤S120：根据多帧待分析图像获得波动图像。

其中，波动图像的尺寸和多帧待分析图像中的任意一帧都相同，且波动图像中每个像素点的像素值表征多帧待分析图像中的对应像素点的像素值的波动性。通过计算多帧待分析图像在同一位置处的像素值的波动性指标可以得到波动图像。例如，获取500帧指纹图像，取其中的每帧图像在坐标(5,5)处的像素值，共500个像素值，计算它们的标准差(也可以是其他波动性指标，例如方差等)，并将该标准差作为波动图像在坐标(5,5)处的像素值，波动图像的其余像素点的像素值都可以用同样的方法计算，不再重复说明。

图3(A)示出了根据多帧指纹图像计算出的波动图像，波动图像中偏白色的像素点为像素值较大的像素点，偏黑色的像素点为像素值较小的像素点。图3(B)则示出了波动图像的第140行(任选的一行，并无特殊含义)的像素值变化曲线，横轴表示波动图像的横坐标，纵轴表示像素值(标准差)大小。

步骤S130：根据波动图像确定图像采集设备的有效采集区域。

在介绍有效采集区域前，先引出图像采集设备的异常采集点和正常采集点的概念：

先以指纹模组为例，由于生产工艺的限制，指纹模组在生产过程中必然会产生不良品，这些不良品会导致所采集的指纹图像中存在坏点，坏点的像素值与非坏点的像素值在表现上有明显的区别，比如图2中，每帧指纹图像的右侧都有一些锯齿状的深色像素点，这些像素点并未正常地显示指纹的纹理，因此属于指纹图像中的坏点。由于指纹图像中的坏点是指纹模组自身的质量问题导致的(例如，传感器的传感单元故障)，所以也可以称为指纹模组的坏点。

再以摄像头为例，摄像头在使用过程中，镜头表面可能沾染一些污物，例如车载摄像头在车辆行驶过程中表面可能被泥土覆盖。这些沾染污物的位置由于光线被遮挡，所以在摄像头采集的图像上呈现出污点(污点的像素值为黑色或接近黑色)，其他位置则正常显示所拍摄到的画面。由于图像中的污点是摄像头自身沾染污物导致的，所以也可以称为摄像头的污点。

总结上面两个例子，在图像采集设备所采集的图像(可以指待分析图像也可以指其他图像)中，若某些像素点无法采集到预期的像素值，则这些像素点称为图像采集设备的异常采集点，比如指纹模组的坏点、摄像头的污点都属于异常采集点。相应的，在图像采集设备所采集的图像中，若某些像素点可以采集到预期的像素值，则这些像素点称为图像采集设备的正常采集点。或者，也可以简单地将图像中除了异常采集点以外的像素点都视为正常采集点。

图像采集设备的有效采集区域可以指所采集的图像中能够供下游算法使用的区域。下游算法可以指得到所采集的图像后，后续要使用该图像以实现特定功能的算法。

例如，对于指纹模组而言，该下游算法可以是指纹识别算法，从而对于指纹模组而言，其有效采集区域就是指纹图像中适合执行指纹识别算法的区域。比如，坏点不利于指纹识别，可以选取指纹图像中一块不包含坏点的区域作为指纹模组的有效采集区域。当然，指纹识别算法在执行时是否需要使用整个有效采集区域内的指纹图像是可选的，可能会全部使用，也能只使用其中的一部分。

又例如，对于摄像头而言，该下游算法可以是目标检测算法，从而对于摄像头而言，其有效采集区域就是图像中适合执行目标检测算法的区域。比如，污点不利于目标检测，可以选取图像中一块不包含污点的区域作为摄像头的有效采集区域。当然，目标检测算法在执行时是否需要使用整个有效采集区域内的图像是可选的，可能会全部使用，也能只使用其中的一部分。

关于图像采集设备的有效采集区域需要说明几点：

其一，下游算法不同，所确定出的有效采集区域也可能不同。例如，对于摄像头所采集的图像，除了目标检测算法以外，还可能在其中执行目标跟踪、图像分割、测距等算法，这些算法可能会对应不同的有效采集区域。

其二，有效采集区域的形状不限，但考虑到图像处理算法的输入大多数为矩形的图像，所以后文中仅考虑有效采集区域为矩形的情况，其他情况可以类似分析。

其三，确定有效采集区域的一般性原则为：在不影响或基本不影响下游算法执行效果的情况下，尽可能选择面积较大的区域，即使下游算法用不到面积这么大的区域，至少也可以方便其从中更灵活地选择所要使用的区域。但注意，该原则并非强制性的。

其四，有效采集区域可能仅包含正常采集点(比如上面两个例子)，也可能包含一定数量的异常采集点，这取决于方案不同的实现方式和下游算法的容错能力。例如，在某种实现方式中，即使输入图像中包含少量的坏点，指纹识别算法通常也能够得出正确的识别结果，此时可以允许有效采集区域中包含一定数量的坏点，以扩大有效采集区域的面积(上述第三点)。不过，应当理解，有效采集区域中坏点的数量不能太多，否则必然会严重影响下游算法的执行效果。

其五，如果图像采集设备的异常采集点过多，很可能所确定出的有效采集区域的面积会很小，无法满足下游算法的需求。因此本申请的方法仅仅是尽量去选择满足下游算法需求的有效采集区域，但并不保证所确定的有效区域一定能够保证下游算法的正常执行。

定义了有效采集区域以后，可以回到步骤S130。发明人研究发现，对于图像采集设备中的异常采集点与正常采集点，其在多帧待分析图像中的像素值的统计特性(波动性)存在明显区别，从而波动图像恰好能够量化地反映这种区别：

例如，发明人研究发现，对于指纹模组采集的多帧指纹图像，在同一坏点处的像素值波动极大(可能在某些帧中会很亮，在另一些帧中却很暗)，但在同一非坏点处的像素值波动却比较小(在各帧中亮度比较一致，很少发生剧烈变化)。

参照图2可知，坏点基本位于指纹图像的右侧，特别是右下角比较严重，非坏点则主要位于图像的左侧。图3(A)中的波动图像所反映的坏点位置和从图2中直观观察到的结果基本一致，偏白色的像素点(像素值较大或者说标准差较大)主要分布在波动图像右侧，并且在右下角最为集中，偏黑色的像素点(像素值较小或者说标准差较小)主要分布在波动图像左侧，即图3(A)的计算结果符合发明人发现的上述规律。

图3(B)中可以看得更清楚一些，波动图像第140行中像素值较小的像素点基本位于框A内，即指纹图像左侧，是非坏点所在的位置。而像素值较大的像素点则主要位于框A和框B之间(框A左边也有少量)，即指纹图像的右侧，是坏点所在的位置。

至于框B，其仅包含一个像素点，实测表明该像素点也是坏点，但其在波动图像中的像素值却很小(例如，每次采集的指纹图像中，该像素点的像素值都很小，导致计算出的标准差很小)，与框A中的非坏点的像素值类似，这不符合发明人发现的上述规律，但实测表明在指纹模组中这样的坏点数量极少，因此本申请的方案暂时忽略这类坏点的影响，比如可以暂时将其当成非坏点处理，后续再通过其他方式将其筛选出来。

又例如，对于摄像头采集的多帧待分析图像，可以观察到，在同一污点处的像素值波动很小(各帧中的像素值均为黑色或接近黑色)，但在同一非污点处的像素值波动却比较大(像素值随着各帧画面变化而正常变化)。从而，在波动图像中，污点对应的像素点像素值会比较小，非污点对应的像素点像素值会比较大。

总结上面两个例子，利用波动图像中的像素值大小就可以有效的区分图像采集设备的正常采集点和异常采集点：比如，在指纹模组的例子中，像素值较大的像素点表征图像采集设备的异常采集点，像素值较小的像素点表征图像采集设备的正常采集点；在摄像头的例子中，像素值较小的像素点表征图像采集设备的异常采集点，像素值较大的像素点表征图像采集设备的正常采集点。所谓“较大”、“较小”可以利用阈值、聚类等方式进行判别。

根据正常采集点和异常采集点的区分结果，再结合适当的算法就可以简单、快速地确定图像采集设备的有效采集区域，下面具体进行介绍。

在一些实现方式中，可以先对波动图像进行二值化，得到对应的二值化图像。具体做法为：将波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果得到二值化图像。其中，二值化图像中的像素点只能取第一像素值(比如，0)或第二像素值(比如，255)，若波动图像中像素点的像素值小于第一阈值，则将二值化图像中的对应像素点的像素值设置为第一像素值，若波动图像中像素点的像素值不小于第一阈值，则将二值化图像中的对应像素点的像素值设置为第二像素值。

不妨将具有第一像素值的像素点称为二值化图像中的第一类像素点，将具有第二像素值的像素点称为二值化图像中的第二类像素点。在二值化图像中，第一类像素点和第二类像素点中的一类表征图像采集设备的正常采集点，另一类则表征图像采集设备的异常采集点，而第一阈值则用于区分正常采集点和异常采集点。

例如，对于指纹模组，第一类像素点表征坏点(因为其在波动图像中对应的像素值较小)，第二类像素点表征非坏点(因为其在波动图像中对应的像素值较大)；对于摄像头，第一类像素点表征非污点(因为其在波动图像中对应的像素值较小)，第二类像素点表征污点(因为其在波动图像中对应的像素值较大)。

上面所谓的“表征”可以这样理解：正常采集点和异常采集点是根据第一阈值进行区分的，根据前面的分析，这样的判别方式虽然有其合理性，但并非绝对精确(例如，图3(B)中的框B内的像素点就可能判别错误)，因此“表征”只表示一种大概率的结果，并不代表绝对意义上的正确。

关于第一阈值的取值，可以是一个固定数值，例如，128、100等；也可以是一个根据波动图像计算出的自适应值，例如，可以利用otsu算法，基于波动图像计算出第一阈值，otsu算法能够最大化类间方差，从而后续利用该第一阈值可以取得较好的二分类效果。

参照图4，图4示出根据图3(A)的波动图像所计算出的二值化图像，其中第一阈值为64.787，采用otsu算法计算，图中黑色的像素点为第一类像素点，白色的像素点为第二类像素点。

由于二值化图像明确地标出了图像采集设备的正常采集点和异常采集点的位置，从而基于二值化图像，再结合适当的算法可以非常方便地确定图像采集设备的有效采集区域，下面主要介绍其中的两类算法。为简单起见，在介绍时均假定二值化图像中的第一类像素点表征图像采集设备的正常采集点，第二类像素点表征图像采集设备的异常采集点。

第一类算法：

针对二值化图像中的所有仅包含第一类像素点的区域，将其中面积最大的区域确定为图像采集设备的有效采集区域。若有多个区域面积相同且均为最大，可以根据某种规则选择其中一个作为有效采集区域：例如，可以任选一个，可以根据下游算法的需求选择一个，可以根据区域的形状选择一个，等等。

在一种简单的做法中，可以先遍历二值化图像中包含的所有区域，得到其中所有仅包含第一类像素点的区域的集合，然后遍历此集合中所有的区域并计算其面积，在遍历完后即可找到面积最大的那个区域。

上述做法虽然逻辑简单，但需要遍历的区域太多，也可以采用一些效率更高的做法。例如，对于二值化图像中包含的所有区域，从面积为1的区域开始遍历，若找到某个面积为1的区域仅包含第一类像素点，则开始遍历面积为2的区域，若找到某个面积为2的区域仅包含第一类像素点，则开始遍历面积为3的区域，以此类推，若找到某个面积为k的区域仅包含第一类像素点，则开始遍历面积为k+s的区域，若不存在仅包含第一类像素点的面积为k+s区域，则结束遍历过程，之前找到的面积为k的区域就是仅包含第一类像素点且面积最大的区域。这里的s为不小于1的整数，之所以s不是1，是因为二值化图像中包含的所有区域的面积不一定是按1递增的。

当然，肯定还存在其他确定仅包含第一类像素点且面积最大的区域的方式，不再逐一列举。

第一类算法所确定的有效采集区域中仅包含第一类像素点，即全部由正常采集点构成，因此其对于下游算法的执行效果不会产生负面影响，并且第一类算法尽量选择了面积更大的区域。

参照图5，图5中的子图(1)就是第一类算法的执行结果，子图(1)的背景是图4中得到的二值化图像，子图(1)中的浅色方框是计算出的有效采集区域的位置。

第二类算法：

步骤1：确定二值化图像中的备选区域。

步骤2：针对每个备选区域，根据备选区域的面积以及备选区域中包含的第二类像素点，计算备选区域的分数。

步骤3：将计算出的分数最大的备选区域确定为图像采集设备的有效采集区域。

步骤1中的备选区域即二值化图像中可能被选为有效采集区域的区域，一种最直接的方案就是将二值化图像中的所有区域都作为备选区域，但此种方案会导致备选区域数量过多，稍后还会介绍其他方案。

需要注意，第二类算法中的备选区域中允许包括第二类像素点，并且步骤2在计算备选区域的分数时也会专门考虑备选区域中的第二类像素点。例如，可以如下公式表示步骤2中的分数计算过程：

score＝w×h+φ(defeat) (a)

其中，score表示备选区域的分数，w和h分别表示备选区域的宽和高，二者相乘就是备选区域的面积，defeat表示备选区域中的第二类像素点，φ(defeat)表示某个和备选区域中的第二类像素点相关的函数，例如统计备选区域中的第二类像素点的数量的函数，等等。通过公式(a)可知，在第二类算法中，备选区域的分数不仅仅取决于其面积，还与备选区域中包含的第二类像素点有关。

进一步的，公式(a)中φ(defeat)的值可以是一个非正数，在备选区域中不包含第二类像素点时，φ(defeat)＝0，在备选区域中包含第二类像素点时，φ(defeat)＜0。φ(defeat)如此取值的原因是，对于两个面积相同的区域，若一个区域不包含任何第二类像素点(即全部由正常采集点构成)，另一个区域包含第二类采集点，前一个区域显然对下游算法更友好，其分数理应更高。

根据公式(a)可以导出一个重要的结论：第一类算法所确定的有效采集区域在第二类算法中未必是分数最大的备选区域。比如，第一类算法所确定的有效采集区域，其分数是score1＝w1×h1，对于任何一个面积与其相同，但包含第二类像素点的区域，由于φ(defeat)＜0，其分数都不可能超过score1，但不排除存在一个宽和高分别是w2和h2的区域，其面积w2×h2＞w1×h1，并且满足w2×h2－w1×h1＞－φ(defeat)，此时score2＝w2×h2+φ(defeat)＞score1。

也就是说，在第一类算法的基础上，若适当放宽条件，允许一定量的第二类像素点被纳入到有效采集区域内，按照备选区域的分数最大这一原则从所有的备选区域中去寻找有效采集区域，可能会找到比第一类算法中面积更大的有效采集区域。表面上看，按照第二类算法所确定的有效采集区域在“质量”上似乎不如第一类算法所确定的有效采集区域，但正如之前提到的，很多下游算法具有容错性，少量的异常采集点不会或者几乎不会影响其执行效果，但面积更大的有效采集区域却可能为下游算法带来其他方面的收益。

应当理解，上述公式(a)的表达式仅仅是符合步骤2描述的一种可能的形式，对于公式(a)可能产生的各种变形，可以类似上面进行分析。

现在回到步骤1，由于公式(a)中的φ(defeat)≤0，所以第二类算法所确定的有效采集区域，其面积至少应该和第一类算法所确定的有效采集区域相同。从而，在步骤1的一种实现方式中，可以先针对二值化图像中的所有仅包含第一类像素点的区域，获取其中面积最大的区域(就是第一类算法所确定的有效采集区域)的面积(方法参考第一类算法)，然后将该面积作为最小候选面积，将二值化图像中的所有面积不小于最小候选面积的区域确定为二值化图像中的备选区域。由于第一类算法所确定的有效采集区域面积通常已经比较大，所以备选区域的数量就大大减少了。当然，除此之外，也不排除还有其他确定备选区域的方法，不再逐一列举。

下面再进一步介绍步骤2的三种可能的实现方式，应当理解步骤2还可以采用其他实现方式：

方式1：

根据备选区域的面积以及备选区域中包含的第二类像素点的数量，计算备选区域的分数。

其中，备选区域的分数与备选区域的面积正相关，且与备选区域中包含的第二类像素点的数量负相关。例如，一个符合方式1描述的分数计算公式为：

score＝w×h－α×defeatNum (b)

其中，score表示备选区域的分数，w和h分别表示备选区域的宽和高，二者相乘就是备选区域的面积，defeatNum表示备选区域中的第二类像素点的数量，α为一个经验系数，该系数可以为大于0的常数(例如，20、30等)，也可能和备选区域的面积有关。不难看出，公式(b)就是前面的公式(a)在φ(defeat)＝－α×defeatNum时的特例，由于defeatNum≥0，所以φ(defeat)≤0，从而前文所作的分析依然成立，比如，按照方式1计算分数，进而所确定的有效采集区域的面积至少不会小于第一类算法所确定的有效采集区域的面积。

根据公式(b)的表达式可知，备选区域的面积越大，且其中的第二类像素点的数量越少，则对应的分数越高。但由于公式(b)中的第一项w×h在增大速度上通常会比第二项α×defeatNum更快，所以按照公式(b)计算出的分数去选择备选区域，会优先选择那些面积更大，哪怕是第二类像素点的数量稍多的备选区域。

应当理解，上述公式(b)的表达式仅仅是符合方式1描述的一种可能形式，对于公式(b)可能产生的各种变形，可以类似上面进行分析。

参照图5，图5中的子图(2)就是第二类算法(步骤2按照方式1实现)的执行结果，子图(2)的背景是图4中得到的二值化图像，子图(2)中的浅色方框是计算出的有效采集区域的位置。不难看出，该浅色方框中包含了少量的第二类像素点(白色)，但面积比子图(1)中的更大。

方式2：

根据备选区域的面积、以及备选区域中包含的第二类像素点在波动图像中的对应像素点的像素值之和，计算备选区域的分数。

其中，备选区域的分数与备选区域的面积正相关，且与备选区域中包含的第二类像素点在波动图像中的对应像素点的像素值之和负相关。例如，一个符合方式2描述的分数计算公式为：

score＝w×h－β×ΣdefeatStd (c)

其中，score表示备选区域的分数，w和h分别表示备选区域的宽和高，二者相乘就是备选区域的面积，defeatStd表示第二类像素点在波动图像中的对应像素点的像素值，ΣdefeatStd表示对备选区域中的所有第二类像素点的defeatStd求和，β为一个经验系数，该系数可以为大于0的常数(例如，0.3、0.4等)，也可能和备选区域的面积有关。不难看出，公式(c)就是前面的公式(a)在φ(defeat)＝－β×ΣdefeatStd时的特例，由于defeatStd≥0，所以φ(defeat)≤0，从而前文所作的分析依然成立，比如，按照方式2计算分数，进而所确定的有效采集区域的面积至少不会小于第一类算法所确定的有效采集区域的面积。

根据公式(c)的表达式可知，备选区域的面积越大，且其中的第二类像素点在波动图像中的对应像素点的像素值之和越小，则对应的分数越高。

对照方式1来分析公式(c)的含义：方式1中仅考虑了异常采集点(第二类像素点)的数量，但未考虑异常采集点的异常程度，然而实际中异常采集点的异常程度是有差别的，异常程度越严重的异常采集点，其对于下游算法的执行效果影响也越严重。

例如，指纹模组的某个坏点，若其统计得到的波动性(表现为波动图像中的像素值)远大于非坏点，则该坏点“坏的程度”比较严重，若其统计得到的波动性仅仅是稍大于非坏点，则该坏点“坏的程度”不那么严重，对于严重的坏点，对指纹识别算法的结果造成负面影响的概率也就越大，对于越不严重的坏点，对指纹识别算法的结果造成负面影响的概率也就越小。

若考虑异常采集点的异常程度，则可以提出如下确定有效采集区域的原则：有效采集区域中即使包含异常采集点，也应尽量不包含或者少包含异常程度比较严重的异常采集点。

方式2正是参照该原则设计的，若某个备选区域中包含了较多的、异常程度较严重的异常采集点，即该备选区域中有较多的第二类像素点在波动图像中的对应像素点的像素值较大，从而公式(c)中的第二项β×ΣdefeatStd也会比较大，进而会导致整个备选区域的分数降低，也就是说按照分数选择备选区域时会尽量避开这类区域。当然，由于公式(c)中的第一项w×h在增大速度上通常会比第二项β×ΣdefeatStd更快，所以按照公式(c)计算出的分数去选择备选区域，仍然是以区域面积更大优先。

另外，由于公式(c)中的第二项包含求和Σ，所以在方式2中实际上也隐含地考虑了defeatNum的因素，即方式2也可以看作是方式1的某种加强，方式2所确定的有效采集区域与下游算法的性能需求更加匹配。不过需要注意，方式2所确定的有效采集区域的面积可能会大于方式1，也可能会小于方式1。

应当理解，上述公式(c)的表达式仅仅是符合方式2描述的一种可能形式，对于公式(c)可能产生的各种变形，可以类似上面进行分析。

参照图5，图5中的子图(3)就是第二类算法(步骤2按照方式2实现)的执行结果，子图(3)的背景是图4中得到的二值化图像，子图(3)中的浅色方框是计算出的有效采集区域的位置。不难看出，该浅色方框中包含了少量的第二类像素点(白色)，但面积比子图(1)中的更大，不过其面积并不一定比子图(2)中的浅色方框更大。

方式3：

方式1和方式2也可能产生结合，得到方式3：根据备选区域的面积、备选区域中包含的第二类像素点的数量、以及备选区域中包含的第二类像素点在波动图像中的对应像素点的像素值之和计算备选区域的分数。

其中，备选区域的分数与备选区域的面积正相关，且与备选区域中包含的第二类像素点的数量负相关，且与备选区域中包含的第二类像素点在波动图像中的对应像素点的像素值之和负相关。例如，一个符合方式3描述的分数计算公式为：

score＝w×h－α×defeatNum－β×ΣdefeatStd (d)

对于方式3可类似方式1、方式2进行分析，不再重复阐述。

上面介绍的算法中，无论是第一类算法还是第二类算法，都会尽量找面积最大的区域作为有效采集区域，但前文也提到过，这一要求并不是强制的。例如，若已经确定指纹模组对应的下游算法为指纹识别算法A，指纹识别算法A的对输入图像的要求是25×80，则在采用第一类算法时，完全可以在找到一块尺寸为25×80、且仅包含第一类像素点的区域后，直接将该区域确定为有效采集区域，不再进一步寻找仅包含第一类像素点的面积更大的区域。

另外，上面介绍的算法都假定了一个前提：二值化图像中的第一类像素点表征图像采集设备的正常采集点，第二类像素点表征图像采集设备的异常采集点。但实际中也有可能是二值化图像中的第一类像素点表征图像采集设备的异常采集点，第二类像素点表征图像采集设备的正常采集点(比如之前提到的摄像头的例子)，只需对上面介绍的算法稍作调整即可：

例如，将第一类算法调整为：针对二值化图像中的所有仅包含第二类像素点的区域，将其中面积最大的区域确定为图像采集设备的有效采集区域。

另外，上面介绍的算法都是基于二值化图像的，但也不排除直接基于波动图像确定有效采集区域的算法。例如，仿照第一类算法，若波动图像中的一个区域内的所有像素点的像素值均大于第一阈值，则将该区域定义为一个备选区域，可以将所有备选区域中的面积最大者确定为图像采集设备的有效采集区域。总结起来就是，可以将波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定图像采集设备的有效采集区域，但并不一定要根据比较结果先形成二值化图像。

关于步骤S130所确定的有效采集区域如何使用，可以参考后文对图6、图7中方法的阐述，但应当指出，有效采集区域也可以用于其他用途，图1中的方法对此并不限定。

图6示出了本申请实施例提供的一种图像处理方法的流程，该方法可以但不限于由图9示出的电子设备500执行，关于电子设备500的具体结构可参考后文关于图9的阐述。参照图6，该方法包括：

步骤S210：获取图像采集设备采集的待处理图像以及图像采集设备当前的有效采集区域。

步骤S210中的图像采集设备和步骤S110中的定义相同，例如可以是指纹模组、摄像头等设备。

图像采集设备当前的有效采集区域在步骤S210执行之前已经计算好，计算方法可以采用图1介绍的有效采集区域确定方法，计算过程不再详细阐述。所谓“当前的”应理解为正在使用中的有效采集区域，根据后文内容可知，有效采集区域可能(但不一定)会被更新。

步骤S210中并不限定获取当前的有效采集区域的方式：假设执行步骤S210的电子设备为设备X，例如，设备Y(可能是设备X也可能不是)在确定出图像采集设备当前的有效采集区域后，将该区域的位置存储在图像采集设备中，执行步骤S210时，设备X从图像采集设备中读取出当前的有效采集区域；又例如，设备Y(可能是设备X也可能不是)在确定出图像采集设备当前的有效采集区域后，将该区域的位置存储在设备X中，执行步骤S210时，设备X直接从本地读取当前的有效采集区域，等等。

图像采集设备采集的待处理图像是执行步骤S230中的图像处理任务所必需的图像，待处理图像可以不是用于确定当前的有效采集区域的多帧待分析图像之一。

步骤S210中并不限定获取待处理图像的方式：假设执行步骤S210的电子设备为设备X，例如，可以是图像采集设备采集到待处理图像后实时将其发送给设备X；又例如，可以是图像采集设备采集到待处理图像后实时将其发送给设备Y，设备X再从设备Y处获取待处理图像，等等。

步骤S220：根据当前的有效采集区域从待处理图像中截取出有效图像。

例如，图像采集设备当前的有效采集区域为一个尺寸为30×120、且具有相应的位置坐标的区域，区域的位置坐标可以用矩形区域的某一顶点或中心点坐标来表示。从而，按照有效采集区域的尺寸和位置可以从待处理图像中截取出有效图像。假设待处理图像在当前的有效采集区域内的部分记为图像I，有效图像可能是整个图像I，也可能只是图像I的一部分，这取决于步骤S230中的图像处理任务。

步骤S230：利用有效图像执行图像处理任务。

图像处理任务即前文提到的下游算法所实现的功能，例如，可以是指纹识别任务，可以是目标检测任务，等等。根据有效采集区域的定义可知，由于待处理图像在当前的有效采集区内的部分是适合执行下游算法的，所以图像处理任务能够取得较好的执行结果。

以指纹模组为例，上述图像处理方法的一个可能的应用场景是，在指纹模组的生产阶段，先确定指纹模组的有效采集区域，然后将其位置存储在指纹模组中，或者安装有指纹模组的手机中，在指纹模组投入使用后，手机可以从指纹模组处获得指纹图像，并从指纹模组处或者手机本地读取其有效采集区域(步骤S210中当前的有效采集区域)，进而根据有效采集区域获得有效图像，然后执行后续的其他步骤以实现指纹识别。

在一些实现方式中，在指纹模组的使用期间，其有效采集区域维持不变。在另一些实现方式中，在指纹模组的使用期间，其有效采集区域可以进行更新，以反映指纹模组当前的最新状态。具体做法为：

每次执行步骤S210后，将待处理图像保存起来，当保存到一定数量的待处理图像后，可以将多帧待处理图像作为步骤S110中提到的多帧待分析图像，执行之前介绍的有效采集区域确定方法重新计算一次有效采集区域，然后用计算出的新的有效采集区域对当前的有效采集区域进行更新，这里所谓的更新，可以是当前的有效采集区域被新的有效采集区域覆盖掉，也可以是当前的有效采集区域不再使用，转而使用新的有效采集区域进行指纹识别。下面两个例子说明了有效采集区域的更新过程：

例如，在指纹模组的生产阶段，所确定的有效采集区域为区域A，在指纹模组使用期间，其采集的第1～100帧指纹图像根据区域A做指纹识别(步骤S220和步骤S230)，然后根据第1～100帧指纹图像计算有效采集区域B，并将A更新为B，其采集的第101～200帧指纹图像根据区域B做指纹识别，然后根据第101～200帧指纹图像计算有效采集区域C，并将B更新为C，其采集的第201～300帧指纹图像根据区域C做指纹识别，依此类推。

又例如，在指纹模组的生产阶段，所确定的有效采集区域为区域S，在指纹模组使用期间，其采集的第1～100帧指纹图像根据区域S做指纹识别，然后根据第1～100帧指纹图像计算有效采集区域P，并将S更新为P，其采集的第101～110帧指纹图像根据区域P做指纹识别，然后根据其采集的第11～110帧指纹图像计算有效采集区域Q，并将P更新为Q，其采集的第21～120帧指纹图像根据区域Q做指纹识别，依此类推。

这两个例子的区别在于：前一个例子中，每次更新有效采集区域所使用的待处理图像没有重叠，比如1～100、101～200；后一个例子中，每次更新有效采集区域所使用的待处理图像有重叠，比如1～100、11～110，重叠程度越高，有效采集区域的更新频率越快，也就越能够反映指纹模组最新的工作状态，但运算量也越大。应当理解，上面虽然以指纹模组为例，但对于其他图像采集设备也是适用的。

图7示出了本申请实施例提供的一种设备质量检测方法的流程，该方法可以但不限于由图9示出的电子设备500执行，关于电子设备500的具体结构可参考后文关于图9的阐述。参照图7，该方法包括：

步骤S310：确定图像采集设备的有效采集区域。

步骤S320：将有效采集区域与图像处理任务所需的图像尺寸进行比较，并根据比较结果确定图像采集设备的质量是否合格。

该设备质量检测方法可以在图像采集设备的生产过程中执行，用于判断图像采集设备的质量是否合格，对于不合格的产品，可以将其丢弃或者进行维修，对于合格的产品可以用于后续的生产或销售。

步骤S310中的有效采集区域可以利用图1中的方法确定，由于图1中的方法可以简单、快速地确定图像采集设备的有效采集区域，进而有利于高效、准确地完成设备质量检测。

当然步骤S310中的有效采集区域也可以利用其他方法确定。例如，对于指纹模组，可以隔着一张白纸按压其表面，理想情况下，此时指纹图像中所有像素点的像素值都应该相同或者基本相同，若某些像素点的像素值明显不同于其他像素点，就可以将其确定为指纹模组的坏点，剩余的像素点就是指纹模组的非坏点，确定了指纹模组的坏点之后，可以进一步确定其有效采集区域(可以参考第一类算法或第二类算法)。

步骤S320中图像处理任务所需的图像尺寸可以是指下游算法所需的输入图像的尺寸，此处“所需的图像尺寸”应理解为输入图像的尺寸所满足的某种规则，而不一定是一个固定的尺寸值，例如可以满足以下规则中的一项或多项的组合：

规则1：图像的宽度等于a，高度等于b；

规则2：图像面积不小于c；

规则3：图像的宽度不小于d，高度不小于e；

规则4：图像面积不小于f，且宽高比为g:h，等等。

上述规则中的字母a～h均为常数，在图像采集设备的有效采集区域确定以后，很容易将其与上述规则进行比较，并根据比较结果确定图像采集设备的质量是否合格，可能是满足其中一项规则即为合格，也可能是满足其中几项规则才算合格。例如，若c＝2000，图像采集设备的有效采集区域尺寸为30×70，图像处理任务所需的图像尺寸满足规则2，则图像采集设备的质量检测结果为合格；又例如，若d＝25，e＝100，图像采集设备的有效采集区域尺寸为25×80，图像处理任务所需的图像尺寸不满足规则3，则图像采集设备的质量检测结果为不合格。

下面以指纹模组为例，简单分析上述设备质量检测方法的优势：指纹模组在生产过程中，由于生产工艺的限制，必然会产生不良品，通过质量检测可以筛选出不良品，这一过程也称为“品控”，然而严格的品控会大幅增加生产成本。

发明人研究发现，对于指纹识别算法来说，指纹模组存在的少量坏点几乎不会影响其识别效果，从而，在对指纹模组进行质量检测的过程中，完全可以适当降低品控的要求，从而达到在不影响指纹识别效果的前提下降低生产成本的目的。

以这一发现为出发点，上述设备质量检测方法摈弃了现有技术中简单粗暴的质量检测方式(例如，直接根据坏点数量和阈值的关系判断指纹模组是否合格)，改为根据有效采集区域和下游算法需求(体现为步骤S320中图像处理任务所需的图像尺寸)的关系判断指纹模组是否合格，使得有更多符合下游算法需求的指纹模组可以通过质量检测，进而使得指纹模组的生产成本得到显著降低，而这些模组的指纹识别效果并未下降。

进一步的，在确定指纹模组的有效采集区域时，还可以将下游算法关心的内容加入考虑(例如，第二类算法)，使得所确定出的有效采集区域更符合下游算法的需求，也使得整个质量检测过程是以最终的算法执行效果为导向的。

应当理解，该设备质量检测方法还可以应用在其他场景中，并不一定要在图像采集设备的生产阶段执行。

图8示出了本申请实施例提供的一种异常采集点确定方法的流程。该方法可以但不限于由图9示出的电子设备600执行，关于电子设备600的具体结构可参考后文关于图9的阐述。参照图8，该方法包括：

步骤S410：获取由同一图像采集设备采集的多帧待分析图像，多帧待分析图像的画面不完全相同。

步骤S420：根据多帧待分析图像获得波动图像，波动图像中每个像素点的像素值表征多帧待分析图像中的对应像素点的像素值的波动性。

以上两个步骤可以参考步骤S110和步骤S120，不再重复阐述。只是需要注意，步骤S410中的待分析图像是指用于确定图像采集设备的异常采集点的图像。

步骤S430：根据波动图像确定图像采集设备的异常采集点。

根据步骤S130，可以将波动图像二值化，二值化图像中的第一类像素点或者第二类像素点(根据具体场景决定是哪一类像素点)就是异常采集点。

不过，由于步骤S430中并不用确定图像采集设备的有效采集区域，所以也可以不进行二值化操作，直接将波动图像中每个像素点的像素值与第二阈值进行比较，并根据比较结果确定图像采集设备的异常采集点。其中，第二阈值可以是预设的值，也可以是自适应的值(例如，通过otsu算法计算)。例如，对于指纹模组，若波动图像中某个像素点的像素值大于第二阈值，则可以将其确定为指纹模组的一个坏点；又例如，对于摄像头，若波动图像中某个像素点的像素值小于第二阈值(该第二阈值可能不同于指纹模组使用的第二阈值)，则可以将其确定为摄像头的一个污点。

此外，也可以通过聚类等方式将波动图像中的像素值离群点确定为图像采集设备的异常采集点，不再详细阐述。

上述方法通过像素值的统计特性(波动性)确定图像采集设备的异常采集点，方法简单，结果准确性高。至于确定了异常采集点以后如何使用异常采集点，该方法并不限定：例如，可以存储异常采集点的位置；又例如，可以根据异常采集点进一步确定有效采集区域；又例如，可以基于异常采集点进行报警：比如，指纹模组的坏点数量大于某个阈值则报警，告知用户指纹模组质量可能存在问题，需要更换或丢弃；又比如，摄像头的污点数量大于某个阈值则报警，告知司机当前存在安全隐患，应尽快洗车，等等。

本申请实施例还提供一种有效采集区域确定装置，包括：

第一图像获取模块，用于获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；

第一波动性计算模块，用于根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；

第一有效采集区域确定模块，用于根据所述波动图像确定所述图像采集设备的有效采集区域。

在所述有效采集区域确定装置的一种实现方式中，所述第一有效采集区域确定模块根据所述波动图像确定所述图像采集设备的有效采集区域，包括：将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域。

在所述有效采集区域确定装置的一种实现方式中，所述第一有效采集区域将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域，包括：将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果得到二值化图像；其中，若所述波动图像中像素点的像素值小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第一像素值，若所述波动图像中像素点的像素值不小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第二像素值，具有所述第一像素值的像素点为所述二值化图像中的第一类像素点，具有所述第二像素值的像素点为所述二值化图像中的第二类像素点；根据所述二值化图像确定所述图像采集设备的有效采集区域。

在所述有效采集区域确定装置的一种实现方式中，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述第一有效采集区域确定模块根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：针对所述二值化图像中的所有仅包含第一类像素点的区域，将其中面积最大的区域确定为所述图像采集设备的有效采集区域。

在所述有效采集区域确定装置的一种实现方式中，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述第一有效采集区域确定模块根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：确定所述二值化图像中的备选区域；针对每个备选区域，根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数；将计算出的分数最大的备选区域确定为所述图像采集设备的有效采集区域。

在所述有效采集区域确定装置的一种实现方式中，所述第一有效采集区域确定模块根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：根据所述备选区域的面积以及所述备选区域中包含的第二类像素点的数量，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点的数量负相关。

在所述有效采集区域确定装置的一种实现方式中，所述第一有效采集区域确定模块根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：根据所述备选区域的面积、以及所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和负相关。

在所述有效采集区域确定装置的一种实现方式中，所述第一有效采集区域确定模块确定所述二值化图像中的备选区域，包括：针对所述二值化图像中的所有仅包含第一类像素点的区域，获取其中面积最大的区域的面积，该面积为最小候选面积；将所述二值化图像中面积不小于所述最小候选面积的区域确定为所述二值化图像中的备选区域。

在所述有效采集区域确定装置的一种实现方式中，所述图像采集设备为指纹模组，所述多帧待分析图像包括：针对同一手指的多次采集得到的图像或者针对不同手指采集得到的图像。

本申请实施例提供的有效采集区域确定装置，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，装置实施例部分未提及之处，可参考方法施例中相应内容。

本申请实施例还提供一种图像处理装置，包括：

数据获取模块，用于获取图像采集设备采集的待处理图像以及所述图像采集设备当前的有效采集区域；其中，所述当前的有效采集区域通过本申请实施例提供的有效采集区域确定方法确定；

图像截取模块，用于根据所述当前的有效采集区域从所述待处理图像中截取出有效图像；

图像处理模块，用于利用所述有效图像执行图像处理任务。

在所述图像处理装置的一种实现方式中，所述图像处理装置还包括：

有效采集区域更新模块，用于保存所述待处理图像，并将所保存的多帧待处理图像作为多帧待分析图像执行本申请实施例提供的有效采集区域确定方法以确定新的有效采集区域，并利用所述新的有效采集区域对所述当前的有效采集区域进行更新。

本申请实施例提供的图像处理装置，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，装置实施例部分未提及之处，可参考方法施例中相应内容。

本申请实施例还提供一种设备质量检测装置，包括：

第二有效采集区域确定模块，用于确定图像采集设备的有效采集区域；

质量检测模块，用于将所述有效采集区域与图像处理任务所需的图像尺寸进行比较，并根据比较结果确定所述图像采集设备的质量是否合格。

在所述设备质量检测装置的一种实现方式中，所述第二有效采集区域确定模块确定图像采集设备的有效采集区域，包括：利用本申请实施例提供的有效采集区域确定方法确定图像采集设备的有效采集区域。

本申请实施例提供的设备质量检测，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，装置实施例部分未提及之处，可参考方法施例中相应内容。

本申请实施例还提供一种异常采集点确定装置，包括：

第二图像获取模块，用于获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；

第二波动性计算模块，用于根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；

异常采集点确定模块，用于根据所述波动图像确定所述图像采集设备的异常采集点。

在所述异常采集点确定装置的一种实现方式中，所述异常采集点确定模块根据所述波动图像确定所述图像采集设备的异常采集点，包括：将所述波动图像中每个像素点的像素值与第二阈值进行比较，并根据比较结果确定所述图像采集设备的异常采集点。

本申请实施例提供的异常采集点确定装置，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，装置实施例部分未提及之处，可参考方法施例中相应内容。

图9示出了本申请实施例提供的电子设备500的结构。参照图9，电子设备500包括：处理器510、存储器520以及通信接口530，这些组件通过通信总线540和/或其他形式的连接机构(未示出)互连并相互通讯。

其中，处理器510包括一个或多个，其可以是一种集成电路芯片，具有信号的处理能力。上述的处理器510可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、微控制单元(Micro Controller Unit，简称MCU)、网络处理器(NetworkProcessor，简称NP)或者其他常规处理器；还可以是专用处理器，包括神经网络处理器(Neural-network Processing Unit，简称NPU)、图形处理器(Graphics Processing Unit，简称GPU)、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuits，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。并且，在处理器510为多个时，其中的一部分可以是通用处理器，另一部分可以是专用处理器。

存储器520包括一个或多个，其可以是，但不限于，随机存取存储器(RandomAccess Memory，简称RAM)，只读存储器(Read Only Memory，简称ROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，电可擦除可编程只读存储器(ElectricErasable Programmable Read-Only Memory，简称EEPROM)等。

处理器510以及其他可能的组件可对存储器520进行访问，读和/或写其中的数据。特别地，在存储器520中可以存储一个或多个计算机程序指令，处理器510可以读取并运行这些计算机程序指令，以实现本申请实施例提供的以下一种或多种方法：有效采集区域确定方法、图像处理方法、设备质量检测方法以及异常采集点确定方法。

通信接口530包括一个或多个，可以用于和其他设备进行直接或间接地通信，以便进行数据的交互。通信接口530可以包括进行有线和/或无线通信的接口。若无需与其他设备通信，则电子设备500可以不设置通信接口530。例如，电子设备500可以利用通信接口530接收其他设备发送的、确定有效采集区域所需的多帧待分析图像。

可以理解，图9所示的结构仅为示意，电子设备500还可以包括比图9中所示更多或者更少的组件，或者具有与图9所示不同的配置，例如，在一些实现方式中，电子设备500还可以包括指纹模组、摄像头等组件。

图9中所示的各组件可以采用硬件、软件或其组合实现。电子设备500可能是实体设备，例如手机、摄像机、PC机、平板电脑、笔记本电脑、服务器、可穿戴设备、机器人等，也可能是虚拟设备，例如虚拟机、虚拟化容器等。并且，电子设备500也不限于单台设备，也可以是多台设备的组合或者大量设备构成的集群。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，这些计算机程序指令被处理器读取并运行时，执行本申请实施例提供的以下一种或多种方法：有效采集区域确定方法、图像处理方法、设备质量检测方法以及异常采集点确定方法。例如，计算机可读存储介质可以实现为图9中电子设备500中的存储器520。

本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序指令，这些计算机程序指令被处理器读取并运行时，执行本申请实施例提供的以下一种或多种方法：有效采集区域确定方法、图像处理方法、设备质量检测方法以及异常采集点确定方法。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (17)

1.一种有效采集区域确定方法，其特征在于，包括：

获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；

根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多帧待分析图像中的对应像素点的像素值的波动性；

根据所述波动图像确定所述图像采集设备的有效采集区域。

2.根据权利要求1所述的有效采集区域确定方法，其特征在于，所述根据所述波动图像确定所述图像采集设备的有效采集区域，包括：

将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域。

3.根据权利要求2所述的有效采集区域确定方法，其特征在于，所述将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果确定所述图像采集设备的有效采集区域，包括：

将所述波动图像中每个像素点的像素值与第一阈值进行比较，并根据比较结果得到二值化图像；其中，若所述波动图像中像素点的像素值小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第一像素值，若所述波动图像中像素点的像素值不小于所述第一阈值，则将所述二值化图像中的对应像素点的像素值设置为第二像素值，具有所述第一像素值的像素点为所述二值化图像中的第一类像素点，具有所述第二像素值的像素点为所述二值化图像中的第二类像素点；

根据所述二值化图像确定所述图像采集设备的有效采集区域。

4.根据权利要求3所述的有效采集区域确定方法，其特征在于，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：

针对所述二值化图像中的所有仅包含第一类像素点的区域，将其中面积最大的区域确定为所述图像采集设备的有效采集区域。

5.根据权利要求3所述的有效采集区域确定方法，其特征在于，所述第一类像素点表征所述图像采集设备的正常采集点，所述第二类像素点表征所述图像采集设备的异常采集点，所述根据所述二值化图像确定所述图像采集设备的有效采集区域，包括：

确定所述二值化图像中的备选区域；

针对每个备选区域，根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数；

将计算出的分数最大的备选区域确定为所述图像采集设备的有效采集区域。

6.根据权利要求5所述的有效采集区域确定方法，其特征在于，所述根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：

根据所述备选区域的面积以及所述备选区域中包含的第二类像素点的数量，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点的数量负相关。

7.根据权利要求5所述的有效采集区域确定方法，其特征在于，所述根据所述备选区域的面积以及所述备选区域中包含的第二类像素点，计算所述备选区域的分数，包括：

根据所述备选区域的面积、以及所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和，计算所述备选区域的分数；其中，所述备选区域的分数与所述备选区域的面积正相关，且与所述备选区域中包含的第二类像素点在所述波动图像中的对应像素点的像素值之和负相关。

8.根据权利要求5-7中任一项所述的有效采集区域确定方法，其特征在于，所述确定所述二值化图像中的备选区域，包括：

针对所述二值化图像中的所有仅包含第一类像素点的区域，获取其中面积最大的区域的面积，该面积为最小候选面积；

将所述二值化图像中面积不小于所述最小候选面积的区域确定为所述二值化图像中的备选区域。

9.根据权利要求1-8中任一项所述的有效采集区域确定方法，其特征在于，所述图像采集设备为指纹模组，所述多帧待分析图像包括：针对同一手指的多次采集得到的图像或者针对不同手指采集得到的图像。

10.一种图像处理方法，其特征在于，包括：

获取图像采集设备采集的待处理图像以及所述图像采集设备当前的有效采集区域；其中，所述当前的有效采集区域通过权利要求1-9中任一项所述的方法确定；

根据所述当前的有效采集区域从所述待处理图像中截取出有效图像；

利用所述有效图像执行图像处理任务。

11.根据权利要求10所述的图像处理方法，其特征在于，所述方法还包括：

保存所述待处理图像，并将所保存的多帧待处理图像作为多帧待分析图像执行权利要求1-9中任一项所述的方法以确定新的有效采集区域，并利用所述新的有效采集区域对所述当前的有效采集区域进行更新。

12.一种设备质量检测方法，其特征在于，包括：

利用权利要求1-9中任一项所述的方法确定图像采集设备的有效采集区域；

将所述有效采集区域与图像处理任务所需的图像尺寸进行比较，并根据比较结果确定所述图像采集设备的质量是否合格。

13.一种异常采集点确定方法，其特征在于，包括：

获取由同一图像采集设备采集的多帧待分析图像，所述多帧待分析图像的画面不完全相同；

根据所述多帧待分析图像获得波动图像，所述波动图像中每个像素点的像素值表征所述多待分析帧图像中的对应像素点的像素值的波动性；

根据所述波动图像确定所述图像采集设备的异常采集点。

14.根据权利要求13所述的异常采集点确定方法，其特征在于，所述根据所述波动图像确定所述图像采集设备的异常采集点，包括：

将所述波动图像中每个像素点的像素值与第二阈值进行比较，并根据比较结果确定所述图像采集设备的异常采集点。

15.一种计算机程序产品，其特征在于，包括计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如权利要求1-14中任一项所述的方法。

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如权利要求1-14中任一项所述的方法。

17.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器读取并运行时，执行权利要求1-14中任一项所述的方法。

Images