CN114663429A - 镜头污染物检测方法、装置、计算机设备及存储介质 - Google Patents

镜头污染物检测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN114663429A
CN114663429A CN202210533104.3A CN202210533104A CN114663429A CN 114663429 A CN114663429 A CN 114663429A CN 202210533104 A CN202210533104 A CN 202210533104A CN 114663429 A CN114663429 A CN 114663429A
Authority
CN
China
Prior art keywords
lens
data
processing
pixel
gray
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.)
Granted
Application number
CN202210533104.3A
Other languages
English (en)
Other versions
CN114663429B (zh
Inventor
程宇威
朱健楠
张丙卓
池雨豪
虞梦苓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Orca Electronic Intelligent Technology Co ltd
Original Assignee
Shaanxi Orca Electronic Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi Orca Electronic Intelligent Technology Co ltd filed Critical Shaanxi Orca Electronic Intelligent Technology Co ltd
Priority to CN202210533104.3A priority Critical patent/CN114663429B/zh
Publication of CN114663429A publication Critical patent/CN114663429A/zh
Application granted granted Critical
Publication of CN114663429B publication Critical patent/CN114663429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种镜头污染物检测方法、装置、计算机设备及存储介质，其中方法获取待测镜头采集的连续多帧图片数据；对图片数据进行处理，得到污染检测结果数据图；根据污染检测结果数据图对待测镜头进行脏污判定。本发明能够及时识别视觉传感器镜头的污染情况，避免了因为镜头污染导致无人船其它视觉功能无法正常使用的问题。

Description

镜头污染物检测方法、装置、计算机设备及存储介质
技术领域
本发明涉及图像处理技术领域，更具体地说是一种镜头污染物检测方法、装置、计算机设备及存储介质。
背景技术
近年来，随着自动驾驶技术的快速发展，水面自动驾驶无人船智能化发展也获得重视，不同用途的水面无人驾驶船也逐渐出现在不同行业的应用之中。无人船智能化技术的发展体现在无人驾驶技术的成熟应用，无人船视觉污染检测技术的应用则是其智能化的重要体现。
当前，户外水面机器人、船只的视觉传感器缺少污染防护与污染检测。然而，在户外恶劣的使用环境下，常有下雨天气、雾霾污染、沙尘等存在较多污染因素与干扰因素，对室外机器人、船只的视觉传感器产生较明显的污染。对于产生的污染情形存在不同会对视觉传感器其他视觉功能产生较大的影响，如何在机器人视觉传感器污染形式不同、复杂的条件下对视觉传感器镜头进行污染检测是机器视觉领域的技术难点。
发明内容
本发明的目的在于克服现有技术的不足，提供一种镜头污染物检测方法、装置、计算机设备及存储介质，以解决在户外沙尘多、雨水天气、雾霾污染严重的恶劣使用环境产生的视觉传感器镜头复杂污染情形，无法及时识别视觉传感器镜头的污染情况的问题。
为实现上述目的，本发明采用以下技术方案：
一方面，镜头污染物检测方法，包括：
获取待测镜头采集的连续多帧图片数据；
对图片数据进行处理，得到污染检测结果数据图；
根据污染检测结果数据图对待测镜头进行脏污判定；
所述对图片数据进行处理，得到污染检测结果数据图，包括：
将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据；
对灰度图数据做高斯滤波处理；
对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强；
将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据；
将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图;
所述根据污染检测结果数据图对待测镜头进行脏污判定，包括：
对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据；
对滤波后的数据进行二值化处理，得到二值化处理后的数据；
对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量；
根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
其进一步技术方案为：所述对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强，包括：
将经过高斯滤滤波处理的灰度图数据的直方图进行非线性拉伸，以得到直方图在全部灰度范围内均匀分布；
重新分配像素灰度值使灰度区间内的像素数量相同。
其进一步技术方案为：所述对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据，包括：
对得到的污染检测结果数据图进行图像的形态学处理；
对形态学处理后的数据进行开运算处理，以得到滤波后的数据。
其进一步技术方案为：所述对滤波后的数据进行二值化处理，得到二值化处理后的数据，包括：
将滤波后的数据中像素灰度值大于设定像素值的像素的灰度值设定为255；
将滤波后的数据中像素灰度值小于或等于设定像素值的像素的灰度值设定为0。
其进一步技术方案为：所述根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定，包括：
判断污染区域的数量是否大于设定的区域数量，所述设定的区域数量为1个；
若污染区域的数量大于设定的区域数量，则判定待测镜头为污染状态；
若污染区域的数量等于设定的区域数量，则判断对应的污染区域中像素点数量是否大于设定的像素点数量；
若对应的污染区域中像素点数量大于设定的像素点数量，则待测镜头为污染状态。
第二方面，镜头污染物检测装置，包括获取单元、处理单元和判定单元；
所述获取单元，用于获取待测镜头采集的连续多帧图片数据；
所述处理单元，用于对图片数据进行处理，得到污染检测结果数据图；
所述判定单元，用于根据污染检测结果数据图对待测镜头进行脏污判定；
所述处理单元包括转换模块、高斯滤波处理模块、对比度增强模块、像素差处理模块和累积处理模块；
所述转换模块，用于将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据；
所述高斯滤波处理模块，用于对灰度图数据做高斯滤波处理；
所述对比度增强模块，用于对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强；
所述像素差处理模块，用于将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据；
所述累积处理模块，用于将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图;
所述判定单元包括滤波处理模块、二值化处理模块、轮廓像素检测模块和判定模块；
所述滤波处理模块，用于对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据；
所述二值化处理模块，用于对滤波后的数据进行二值化处理，得到二值化处理后的数据；
所述轮廓像素检测模块，用于对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量；
所述判定模块，用于根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
第三方面，一种计算机设备，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计算机程序，所述处理器执行所述计算机程序时实现如上述的镜头污染物检测方法步骤。
第四方面，一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的镜头污染物检测方法步骤。
本发明与现有技术相比的有益效果是：本发明对待测镜头采集的连续多帧图片数据；对图片数据进行处理，得到污染检测结果数据图，然后根据污染检测结果数据图对待测镜头进行脏污判定，能够及时识别视觉传感器镜头的污染情况，避免了因为镜头污染导致无人船其它视觉功能无法正常使用的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
为了更清楚地说明本发明实施例技术方案，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为本发明具体实施例提供的镜头污染物检测方法的应用场景示意图；
图2为本发明具体实施例提供的镜头污染物检测方法的污染检测结果示意图；
图3为本发明具体实施例提供的镜头污染物检测方法的流程图；
图4为本发明具体实施例提供的镜头污染物检测装置的示意性框图；
图5为发明具体实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1、图3，图1为本发明具体实施例提供的镜头污染物检测方法的应用场景示意图，图3为本发明具体实施例提供的镜头污染物检测方法的流程图，该镜头污染物检测方法应用于服务器中，该方法通过安装于服务器中的应用软件进行执行。本发明的技术方案以待测镜头为无人船的视觉传感器镜头为例进行具体说明
如图3所示，镜头污染物检测方法，包括以下步骤：S10-S30。
S10、获取待测镜头采集的连续多帧图片数据。
在本实施例中，控制无人船沿着某一方向，以一定的旋转角速度
Figure DEST_PATH_IMAGE001
旋转，当船只的 旋转角速度
Figure 793118DEST_PATH_IMAGE001
满足
Figure 444679DEST_PATH_IMAGE002
时（x为一特定的角速度值，例如，x为
Figure DEST_PATH_IMAGE003
），获取视觉传感 器采集的连续y帧图片数据（y为一数值，例如y等于10）。
S20、对图片数据进行处理，得到污染检测结果数据图。
在一实施例中，步骤S20包括以下步骤：S201-S205。
S201、将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据。
在本实施例中，将10帧图片数据全部由RGB三通道格式转换为单通道的灰度图数据，以为后续使用做准备。
S202、对灰度图数据做高斯滤波处理。
做高斯滤波处理主要是降低灰度图片数据中局部区域像素值突变的情况，消除降低灰度图片中的极端噪声。
S203、对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强。
在一些实施例中，步骤S203具体包括以下步骤：S2031-S2032。
S2031、将经过高斯滤滤波处理的灰度图数据的直方图进行非线性拉伸，以得到直方图在全部灰度范围内均匀分布。
S2032、重新分配像素灰度值使灰度区间内的像素数量相同。
通过重新分配像素灰度值来使得一定灰度区间内的像素数量大致相同，从而增强图像的对比度。
Figure 755575DEST_PATH_IMAGE004
；
如上述公式所示，公式含义为灰度图片数据中某一像素点的像素值v做非线性拉 伸，公式中
Figure DEST_PATH_IMAGE005
为四舍五入功能的函数；M和N分别代表了图片的长宽像素个数；
Figure 681942DEST_PATH_IMAGE006
为累积分布函数：
Figure DEST_PATH_IMAGE007
；其中，
Figure 27473DEST_PATH_IMAGE008
为灰度图片中灰度为
Figure DEST_PATH_IMAGE009
的像素出现的概念，其中
Figure 381094DEST_PATH_IMAGE010
，L则是灰度级数（例如，图片为8位深度时L=256），
Figure DEST_PATH_IMAGE011
为累积分布函数最小 值，
Figure 474558DEST_PATH_IMAGE012
即为该像素点经过对比度增强后的像素值。
S204、将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据。
在本实施例中，将灰度图所有位置
Figure DEST_PATH_IMAGE013
处的像素值
Figure 204617DEST_PATH_IMAGE014
与经过对比度增强后 的灰度图中对应位置
Figure 607917DEST_PATH_IMAGE013
处的像素值
Figure DEST_PATH_IMAGE015
做差得到新的图片数据在
Figure 132439DEST_PATH_IMAGE013
处的像素值
Figure 683506DEST_PATH_IMAGE016
，其中，
Figure DEST_PATH_IMAGE017
。
S205、将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图。
在本实施例中，当10连续多帧图片数据均进行像素差处理后分别得到数据形式：
Figure 951676DEST_PATH_IMAGE018
，将10张图片的像素灰度值相加获得如图2所示的污染 检测结果数据图R，其中
Figure DEST_PATH_IMAGE019
为污染检测结果数据图R中
Figure 6220DEST_PATH_IMAGE020
处的像素值，其中
Figure DEST_PATH_IMAGE021
。
S30、根据污染检测结果数据图对待测镜头进行脏污判定。
在一些实施例中，步骤S30具体包括以下步骤：S301-S304。
S301、对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据。
在一些实施例中，步骤S301具体包括以下步骤：S3011-S3012。
S3011、对得到的污染检测结果数据图进行图像的形态学处理。
S3012、对形态学处理后的数据进行开运算处理，以得到滤波后的数据。
在本实施例中，将污染检测结果数据图R进行图像的形态学处理，对图像像素做开运算处理，以去除图片的噪点。需说明的是图像的形态学处理和开运算处理为现有技术，再此不再多赘述。
S302、对滤波后的数据进行二值化处理，得到二值化处理后的数据。
在一实施例中，步骤S302具体包括以下步骤：S3021-S3022。
S3021、将滤波后的数据中像素灰度值大于设定像素值的像素的灰度值设定为255。
S3022、将滤波后的数据中像素灰度值小于或等于设定像素值的像素的灰度值设定为0。
在本实施例中，设定像素值为20，将像素灰度值大于20的像素将其灰度值设为255，将像素灰度值小于或等于20的像素将其灰度值设为0。
S303、对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量。
在本实施例中，对污染检测结果数据图R做污染区域的轮廓检测，获得污染区域的 数量为n个、每个污染区域的像素点数量为
Figure 967223DEST_PATH_IMAGE022
(n为污染区域序号，m为对应n序号的污染区 域像素值数量)的结果。
S304、根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
在一实施例中，步骤S304具体包括以下步骤：
S3041、判断污染区域的数量是否大于设定的区域数量，设定的区域数量为1个，若污染区域的数量大于设定的区域数量，则进入步骤S3042，若污染区域的数量等于设定的区域数量，则进入步骤S3043。
S3042、判定待测镜头为污染状态。
S3043、判断对应的污染区域中像素点数量是否大于设定的像素点数量，若是，则进入步骤S3042，若否，则判定待测镜头未被污染。
在本实施例中，当污染区域数量n大于1时，则待测镜头视为污染状态，当污染区域 数量n等于1时，且
Figure DEST_PATH_IMAGE023
（此时为
Figure 241471DEST_PATH_IMAGE024
）则待测镜头同样视为污染状态，其余情形则视为 未被污染。
需要说明的是，判断污染区域的数量是否大于设定的区域数量中，设定的区域数量可根据实际情况而定。
本发明能够及时识别视觉传感器镜头的污染情况，避免了因为镜头污染导致无人船其它视觉功能无法正常使用的问题。
图4为本发明具体实施例提供的镜头污染物检测装置的示意性框图；如图4所示，对应于上述的镜头污染物检测方法，本发明还提供了镜头污染物检测装置100。该镜头污染物检测装置100包括用于执行上述镜头污染物检测方法的单元，该装置可以被配置于服务器中。
如图4所示，镜头污染物检测装置100，包括获取单元110、处理单元120和判定单元130。
获取单元110，用于获取待测镜头采集的连续多帧图片数据。
在本实施例中，控制无人船沿着某一方向，以一定的旋转角速度
Figure DEST_PATH_IMAGE025
旋转，当船只的 旋转角速度
Figure 47753DEST_PATH_IMAGE025
满足
Figure 425645DEST_PATH_IMAGE026
时（x为一特定的角速度值，例如，x为
Figure DEST_PATH_IMAGE027
），获取视觉传感 器采集的连续y帧图片数据（y为一数值，例如y等于10）。
处理单元120，用于对图片数据进行处理，得到污染检测结果数据图。
在一实施例中，处理单元120包括转换模块、高斯滤波处理模块、对比度增强模块、像素差处理模块和累积处理模块。
转换模块，用于将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据。
在本实施例中，将10帧图片数据全部由RGB三通道格式转换为单通道的灰度图数据，以为后续使用做准备。
高斯滤波处理模块，用于对灰度图数据做高斯滤波处理。
做高斯滤波处理主要是降低灰度图片数据中局部区域像素值突变的情况，消除降低灰度图片中的极端噪声。
对比度增强模块，用于对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强。
在一些实施例中，对比度增强模块包括非线性拉伸模块和分配模块。
非线性拉伸模块，用于将经过高斯滤滤波处理的灰度图数据的直方图进行非线性拉伸，以得到直方图在全部灰度范围内均匀分布。
分配模块，用于重新分配像素灰度值使灰度区间内的像素数量相同。
通过重新分配像素灰度值来使得一定灰度区间内的像素数量大致相同，从而增强图像的对比度。
Figure 291970DEST_PATH_IMAGE028
；
如上述公式所示，公式含义为灰度图片数据中某一像素点的像素值v做非线性拉 伸，公式中
Figure DEST_PATH_IMAGE029
为四舍五入功能的函数；M和N分别代表了图片的长宽像素个数；
Figure 552050DEST_PATH_IMAGE030
为 累积分布函数：
Figure DEST_PATH_IMAGE031
；其中，
Figure 958760DEST_PATH_IMAGE032
为灰度图片中灰度为
Figure DEST_PATH_IMAGE033
的像素出现的概念，其中
Figure 987896DEST_PATH_IMAGE034
，L则是灰度级数（例如，图片为8位深度时L=256），
Figure DEST_PATH_IMAGE035
为累积分布函数最小 值，
Figure 290702DEST_PATH_IMAGE036
即为该像素点经过对比度增强后的像素值。
像素差处理模块，用于将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据。
在本实施例中，将灰度图所有位置
Figure DEST_PATH_IMAGE037
处的像素值
Figure 271034DEST_PATH_IMAGE038
与经过对比度增强后 的灰度图中对应位置
Figure 887960DEST_PATH_IMAGE037
处的像素值
Figure DEST_PATH_IMAGE039
做差得到新的图片数据在
Figure 568340DEST_PATH_IMAGE037
处的像素值
Figure 245309DEST_PATH_IMAGE040
，其中，
Figure DEST_PATH_IMAGE041
。
累积处理模块，用于将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图。
在本实施例中，当10连续多帧图片数据均进行像素差处理后分别得到数据形式：
Figure 214402DEST_PATH_IMAGE042
，将10张图片的像素灰度值相加获得如图2所示的 污染检测结果数据图R，其中
Figure DEST_PATH_IMAGE043
为污染检测结果数据图R中
Figure 166178DEST_PATH_IMAGE044
处的像素值，其中
Figure DEST_PATH_IMAGE045
。
判定单元130，用于根据污染检测结果数据图对待测镜头进行脏污判定。
在一些实施例中，判定单元130包括滤波处理模块、二值化处理模块、轮廓像素检测模块和判定模块。
滤波处理模块，用于对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据。
在一些实施例中，步骤滤波处理模块包括形态学处理子模块和开运算处理子模块。
形态学处理子模块，用于对得到的污染检测结果数据图进行图像的形态学处理。
开运算处理子模块，用于对形态学处理后的数据进行开运算处理，以得到滤波后的数据。
在本实施例中，将污染检测结果数据图R进行图像的形态学处理，对图像像素做开运算处理，以去除图片的噪点。需说明的是图像的形态学处理和开运算处理为现有技术，再此不再多赘述。
二值化处理模块，用于对滤波后的数据进行二值化处理，得到二值化处理后的数据。
在一实施例中，二值化处理模块包括第一设定子模块和第二设定子模块。
第一设定子模块，用于将滤波后的数据中像素灰度值大于设定像素值的像素的灰度值设定为255。
第二设定子模块，用于将滤波后的数据中像素灰度值小于或等于设定像素值的像素的灰度值设定为0。
在本实施例中，设定像素值为20，将像素灰度值大于20的像素将其灰度值设为255，将像素灰度值小于或等于20的像素将其灰度值设为0。
轮廓像素检测模块，用于对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量。
在本实施例中，对污染检测结果数据图R做污染区域的轮廓检测，获得污染区域的 数量为n个、每个污染区域的像素点数量为
Figure 169906DEST_PATH_IMAGE046
(n为污染区域序号，m为对应n序号的污染区 域像素值数量)的结果。
判定模块，用于根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
在一实施例中判定模块包括第一判断子模块、第一判定子模块和第二判断子模块。
第一判断子模块，用于判断污染区域的数量是否大于设定的区域数量，设定的区域数量为1个，若污染区域的数量大于设定的区域数量，若污染区域的数量大于设定的区域数量，则进入第一判定子模块，若污染区域的数量等于设定的区域数量，则进入第二判断子模块。
第一判定子模块，用于判定待测镜头为污染状态。
第二判断子模块，用于判断对应的污染区域中像素点数量是否大于设定的像素点数量，若是，进入第一判定子模块，若否，则判定待测镜头未被污染。
在本实施例中，当污染区域数量n大于1时，则待测镜头视为污染状态，当污染区域 数量n等于1时，且
Figure DEST_PATH_IMAGE047
（此时为
Figure 611251DEST_PATH_IMAGE048
）则待测镜头同样视为污染状态，其余情形则视为 未被污染。
需要说明的是，判断污染区域的数量是否大于设定的区域数量中，设定的区域数量可根据实际情况而定。
上述镜头污染物检测装置可以实现为计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5，图5是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
如图5所示，该计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的镜头污染物检测方法步骤。
该计算机设备700可以是终端或服务器。该计算机设备700包括通过系统总线710连接的处理器720、存储器和网络接口750，其中，存储器可以包括非易失性存储介质730和内存储器740。
该非易失性存储介质730可存储操作系统731和计算机程序732。该计算机程序732被执行时，可使得处理器720执行任意一种镜头污染物检测方法。
该处理器720用于提供计算和控制能力，支撑整个计算机设备700的运行。
该内存储器740为非易失性存储介质730中的计算机程序732的运行提供环境，该计算机程序732被处理器720执行时，可使得处理器720执行任意一种镜头污染物检测方法。
该网络接口750用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备700的限定，具体的计算机设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。其中，所述处理器720用于运行存储在存储器中的程序代码，以实现以下步骤：
获取待测镜头采集的连续多帧图片数据；
对图片数据进行处理，得到污染检测结果数据图；
根据污染检测结果数据图对待测镜头进行脏污判定。
在一实施例中：所述对图片数据进行处理，得到污染检测结果数据图，包括：
将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据；
对灰度图数据做高斯滤波处理；
对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强；
将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据；
将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图。
在一实施例中：所述对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强，包括：
将经过高斯滤滤波处理的灰度图数据的直方图进行非线性拉伸，以得到直方图在全部灰度范围内均匀分布；
重新分配像素灰度值使灰度区间内的像素数量相同。
在一实施例中：所述根据污染检测结果数据图对待测镜头进行脏污判定，包括：
对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据；
对滤波后的数据进行二值化处理，得到二值化处理后的数据；
对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量；
根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
在一实施例中：所述对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据，包括：
对得到的污染检测结果数据图进行图像的形态学处理；
对形态学处理后的数据进行开运算处理，以得到滤波后的数据。
在一实施例中：所述对滤波后的数据进行二值化处理，得到二值化处理后的数据，包括：
将滤波后的数据中像素灰度值大于设定像素值的像素的灰度值设定为255；
将滤波后的数据中像素灰度值小于或等于设定像素值的像素的灰度值设定为0。
在一实施例中：所述根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定，包括：
判断污染区域的数量是否大于设定的区域数量，所述设定的区域数量为1个；
若污染区域的数量大于设定的区域数量，则判定待测镜头为污染状态；
若污染区域的数量等于设定的区域数量，则判断对应的污染区域中像素点数量是否大于设定的像素点数量；
若对应的污染区域中像素点数量大于设定的像素点数量，则待测镜头为污染状态。
应当理解，在本申请实施例中，处理器720可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器720还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域技术人员可以理解，图5中示出的计算机设备700结构并不构成对计算机设备700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。
在本发明的另一实施例中提供了一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的镜头污染物检测方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以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，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，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。另外，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接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
另外，在本发明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，也可以是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，可以存储在一个存储介质中。基于这样的理解，本发明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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.镜头污染物检测方法，其特征在于，包括：
获取待测镜头采集的连续多帧图片数据；
对图片数据进行处理，得到污染检测结果数据图；
根据污染检测结果数据图对待测镜头进行脏污判定;
所述对图片数据进行处理，得到污染检测结果数据图，包括：
将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据；
对灰度图数据做高斯滤波处理；
对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强；
将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据；
将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图;
所述根据污染检测结果数据图对待测镜头进行脏污判定，包括：
对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据；
对滤波后的数据进行二值化处理，得到二值化处理后的数据；
对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量；
根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
2.根据权利要求1所述的镜头污染物检测方法，其特征在于，所述对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强，包括：
将经过高斯滤滤波处理的灰度图数据的直方图进行非线性拉伸，以得到直方图在全部灰度范围内均匀分布；
重新分配像素灰度值使灰度区间内的像素数量相同。
3.根据权利要求1所述的镜头污染物检测方法，其特征在于，所述对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据，包括：
对得到的污染检测结果数据图进行图像的形态学处理；
对形态学处理后的数据进行开运算处理，以得到滤波后的数据。
4.根据权利要求1所述的镜头污染物检测方法，其特征在于，所述对滤波后的数据进行二值化处理，得到二值化处理后的数据，包括：
将滤波后的数据中像素灰度值大于设定像素值的像素的灰度值设定为255；
将滤波后的数据中像素灰度值小于或等于设定像素值的像素的灰度值设定为0。
5.根据权利要求1所述的镜头污染物检测方法，其特征在于，所述根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定，包括：
判断污染区域的数量是否大于设定的区域数量，所述设定的区域数量为1个；
若污染区域的数量大于设定的区域数量，则判定待测镜头为污染状态；
若污染区域的数量等于设定的区域数量，则判断对应的污染区域中像素点数量是否大于设定的像素点数量；
若对应的污染区域中像素点数量大于设定的像素点数量，则待测镜头为污染状态。
6.镜头污染物检测装置，其特征在于，包括获取单元、处理单元和判定单元；
所述获取单元，用于获取待测镜头采集的连续多帧图片数据；
所述处理单元，用于对图片数据进行处理，得到污染检测结果数据图；
所述判定单元，用于根据污染检测结果数据图对待测镜头进行脏污判定;
所述处理单元包括转换模块、高斯滤波处理模块、对比度增强模块、像素差处理模块和累积处理模块；
所述转换模块，用于将连续多帧图片数据由RGB三通道格式转换为单通道的灰度图数据；
所述高斯滤波处理模块，用于对灰度图数据做高斯滤波处理；
所述对比度增强模块，用于对经过高斯滤波处理的灰度图数据进行直方图均衡化使对比度增强；
所述像素差处理模块，用于将对比度增强数据与灰度图数据做像素差处理，以得到新的连续多帧图片数据；
所述累积处理模块，用于将新的连续多帧图片数据的做累积处理，得到污染检测结果数据图;
所述判定单元包括滤波处理模块、二值化处理模块、轮廓像素检测模块和判定模块；
所述滤波处理模块，用于对得到的污染检测结果数据图进行滤波处理，得到滤波后的数据；
所述二值化处理模块，用于对滤波后的数据进行二值化处理，得到二值化处理后的数据；
所述轮廓像素检测模块，用于对二值化处理后的数据进行轮廓像素检测，获得待测镜头的脏污结果的数量，脏污结果的数量包括污染区域的数量和每个污染区域的像素点数量；
所述判定模块，用于根据获得待测镜头的脏污结果的数量进行待测镜头的脏污判定。
7.一种计算机设备，其特征在于，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计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～5中任意一项所述的镜头污染物检测方法步骤。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如权利要求1～5任意一项所述的镜头污染物检测方法步骤。
CN202210533104.3A 2022-05-17 2022-05-17 镜头污染物检测方法、装置、计算机设备及存储介质 Active CN114663429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210533104.3A CN114663429B (zh) 2022-05-17 2022-05-17 镜头污染物检测方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210533104.3A CN114663429B (zh) 2022-05-17 2022-05-17 镜头污染物检测方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN114663429A true CN114663429A (zh) 2022-06-24
CN114663429B CN114663429B (zh) 2022-08-30

Family

ID=82037855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210533104.3A Active CN114663429B (zh) 2022-05-17 2022-05-17 镜头污染物检测方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114663429B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184552A (zh) * 2011-05-11 2011-09-14 上海理工大学 一种基于差分融合与图像边缘信息的运动目标检测方法
JP2013210798A (ja) * 2012-03-30 2013-10-10 Jx Nippon Oil & Energy Corp 異常検知方法及び異常検知装置
CN104613928A (zh) * 2015-02-09 2015-05-13 中国人民解放军63863部队 一种光学测风经纬仪自动跟踪及测风方法
CN105915840A (zh) * 2016-04-05 2016-08-31 三峡大学 一种基于视频信号的工厂烟气排放自动监测的方法
CN110766679A (zh) * 2019-10-25 2020-02-07 普联技术有限公司 镜头脏污检测方法、装置及终端设备
CN112329796A (zh) * 2020-11-12 2021-02-05 北京环境特性研究所 基于视觉显著性的红外成像卷云检测方法和装置
CN113240672A (zh) * 2021-06-21 2021-08-10 广州文远知行科技有限公司 镜头污染物的检测方法、装置、设备及存储介质
CN113409345A (zh) * 2021-05-26 2021-09-17 佛山市顺德区美的洗涤电器制造有限公司 用于识别镜头脏污的方法、处理器及家用电器

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184552A (zh) * 2011-05-11 2011-09-14 上海理工大学 一种基于差分融合与图像边缘信息的运动目标检测方法
JP2013210798A (ja) * 2012-03-30 2013-10-10 Jx Nippon Oil & Energy Corp 異常検知方法及び異常検知装置
CN104613928A (zh) * 2015-02-09 2015-05-13 中国人民解放军63863部队 一种光学测风经纬仪自动跟踪及测风方法
CN105915840A (zh) * 2016-04-05 2016-08-31 三峡大学 一种基于视频信号的工厂烟气排放自动监测的方法
CN110766679A (zh) * 2019-10-25 2020-02-07 普联技术有限公司 镜头脏污检测方法、装置及终端设备
CN112329796A (zh) * 2020-11-12 2021-02-05 北京环境特性研究所 基于视觉显著性的红外成像卷云检测方法和装置
CN113409345A (zh) * 2021-05-26 2021-09-17 佛山市顺德区美的洗涤电器制造有限公司 用于识别镜头脏污的方法、处理器及家用电器
CN113240672A (zh) * 2021-06-21 2021-08-10 广州文远知行科技有限公司 镜头污染物的检测方法、装置、设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WEI-CHEN LI等: "Defect Inspection in Low-Contrast LCD Images Using Hough Transform-Based Nonstationary Line Detection", 《 IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 *
WEILING CHEN等: "Reference-Free Quality Assessment of Sonar Images via Contour Degradation Measurement", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
丁超: "碳纤维材料红外热波无损检测技术研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *
王岩涛: "移动机器人视野污物定位与清洁规划研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN114663429B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN109870461B (zh) 一种电子元器件质量检测系统
CN110766679B (zh) 镜头脏污检测方法、装置及终端设备
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN111833366A (zh) 一种基于Canny算法的边缘检测方法
CN111080661A (zh) 基于图像的直线检测方法、装置以及电子设备
CN108288264B (zh) 一种广角摄像头模组脏污测试方法
CN111027546B (zh) 一种字符分割方法、装置以及计算机可读存储介质
CN108088799B (zh) 机动车尾气林格曼黑度的测量方法及系统
CN102628854A (zh) 汽车仪表板检测系统及方法
CN107742291A (zh) 一种光伏玻璃的缺陷检测方法及装置
CN105139391B (zh) 一种雾霾天气交通图像边缘检测方法
CN116777907A (zh) 一种钣金件质量检测方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN112017109B (zh) 一种在线铁谱视频图像气泡的消除方法
CN107038444A (zh) 一种指针式表盘的图像识别方法
CN114519714B (zh) 一种显示屏脏污缺陷判定的方法和系统
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN114549441A (zh) 基于图像处理的吸管缺陷检测方法
CN115272664A (zh) 仪表盘示数展示方法、装置、电子设备和存储介质
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN111429429A (zh) 干细胞融合度检测方法、装置、计算机设备及存储介质
CN114663429B (zh) 镜头污染物检测方法、装置、计算机设备及存储介质
CN116542963A (zh) 一种基于机器学习的浮法玻璃缺陷检测系统及检测方法
CN111242051A (zh) 一种车辆识别优化方法、装置及存储介质

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