CN115082469A - 图片亮度检测方法、装置、设备和存储介质 - Google Patents
图片亮度检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115082469A CN115082469A CN202211002736.3A CN202211002736A CN115082469A CN 115082469 A CN115082469 A CN 115082469A CN 202211002736 A CN202211002736 A CN 202211002736A CN 115082469 A CN115082469 A CN 115082469A
- Authority
- CN
- China
- Prior art keywords
- pictures
- brightness
- brightness difference
- picture
- area
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供的一种图片亮度检测方法、装置、设备和存储介质,所述方法通过将目标文件夹中的图片分成多组;针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息,从而实现自动分析多张图片是否存在亮度差异常的现象,无需通过人眼对多张图片的亮度进行观察,提高效率和准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图片亮度检测方法、装置、设备和存储介质。
背景技术
在研发带有摄像功能的设备时,需要验证设备拍摄的图片质量,以实现对研发产品进行改进。
在研发的过程中还会存在一台对比设备,以将测试设备和对比设备拍摄的图片进行比较,判断测试设备和对比设备拍摄图片的质量差异。图片亮度是反映图片质量的重要指标,因此需要判断图片亮度的差异。现有方法是通过人眼去观察亮度的差异,由于其他差异可能表现的很像亮度差异,导致人眼确定的亮度差异不准确,且花费时间较长。
现有技术在确定图片差异时存在效率较低和准确度较低的问题。
发明内容
本发明提供一种图片亮度检测方法、装置、设备和存储介质,用以解决现有技术中通过人眼观察亮度差异所存在的效率较低和准确度较低的问题。
第一方面,本发明提供一种图片亮度检测方法,所述方法包括:
将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;
将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
可选的,确定亮区亮度差,包括:
针对每一张图片,确定每一像素的亮度值,根据预先设置的亮区百分比,计算亮区像素个数;
按照亮度值由大到小的顺序选择所述亮区像素个数的亮度值,计算选择的所有亮度值的平均值以确定亮区亮度值;
根据两张图片的亮区亮度值确定两张图片的亮区亮度差。
可选的,确定各分块区域亮度差,包括:
针对每一张图片,将所述图片划分为m*n个分块区域;
针对每一分块区域,根据所述分块区域中每一像素的亮度值计算所述分块区域的平均亮度值;
根据两张图片的同一分块区域的平均亮度值确定所述分块区域亮度差。
可选的,所述感兴趣区域亮度差为人脸区域亮度差;所述方法还包括:
当一组图片中的各个图片均包含人脸时,确定人脸区域;
相应的,确定感兴趣区域亮度差,包括:
确定每一图片中的所述人脸区域平均亮度值,根据两张图片的人脸区域平均亮度值确定两张图片的人脸区域亮度差。
可选的,将目标文件夹中的图片分成多组,包括:
确定目标文件夹中每一图片的图片名称;所述图片名称包含编号信息;
将所述图片名称中编号信息相同的图片确定为一组图片,以得到多组图片。
可选的,所述方法还包括:
若比较结果为存在异常指标,则将所述异常指标对应的区域在图片中进行标记;和/或,
将所述比较结果以预设格式的文件存储在所述目标文件夹中;所述比较结果包括:异常指标,以及所述异常指标的亮度差。
可选的,当所述对比设备对应的图片为标准图片时,在确定比较结果后,还包括:
根据所述比较结果确定所述测试设备待调节的参数,并确定调整后的参数。
第二方面,本发明提供一种图片亮度检测装置,所述装置包括:
划分模块,用于将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
确定模块,用于针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;
比较模块,用于将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
第三方面,本发明提供一种电子设备,包括:至少一个处理器和存储器;
存储器存储计算机执行指令;
至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行如第一方面任一项的方法。
第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如第一方面任一项的方法。
本发明提供的一种图片亮度检测方法、装置、设备和存储介质,所述方法通过将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息,从而实现自动分析多张图片是否存在亮度差异常的现象,无需通过人眼对多张图片的亮度进行观察,提高效率和准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本发明实施例提供的一种应用场景图;
图2为本发明实施例提供的一种图片亮度检测方法的流程示意图;
图3为本发明实施例提供的另一种图片亮度检测方法的流程示意图;
图4为本发明实施例提供的一种图片亮度检测装置的结构示意图;
图5为本发明实施例提供的一种电子设备的硬件结构示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。
图1为本发明实施例提供的一种应用场景图,如图1所示,图片亮度检测装置可以获取第一测试设备拍摄的图片以及第二测试设备或对比设备拍摄的图片,将需要进行对比的两张图片划分为一组,再基于三种亮度差的计算方法来计算亮度差,并最终确定该组图片是否存在亮度问题,并可以输出存在亮度问题的提示信息。
现有技术中,主要通过人眼去观察两幅图片的亮度差异,且只能一张一张去进行比较,而当测试场景较多时,每次需要花费大量时间确定亮度差异,效率较低。同时,人眼在观察时,有时其他的差异也会表现的很像亮度差异,这将会导致人眼确定的结果不准确。
基于上述问题,本申请通过将图片分组,计算每组图片是否存在各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差,当至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息,无需人眼观察是否存在某一亮度问题,实现快速及准确的确认多张图片的亮度问题,用户只需要重点查看存在亮度异常的图片即可,提高效率和准确性。
图2为本发明实施例提供的一种图片亮度检测方法的流程示意图,如图2所示,该方法包括步骤S201至步骤S203:
步骤S201、将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
其中,在对图片检测之前,可以先将所有测试设备和对比设备拍摄的图片存储在目标文件夹中。在检测一组图片的亮度时,根据目标文件夹的存储路径,从目标文件夹中导入图片。
其中,一组图片中的两张图片可以是来自不同的测试设备,根据两个测试设备拍摄的图片的亮度差,确定两个测试设备的个体差异。此外,还可以是一张图片来自测试设备,一张图片来自对比设备,确定测试设备和对比设备拍摄的图片的亮度差。此外,一组图片对应的拍摄场景可以相同,也可以不同,例如,一组图片均是在晴天拍摄,或者,均是在阴天拍摄的;或者,一张图片是在阴天拍摄,一张照片是在晴天拍摄。
当对目标文件夹中的图片进行亮度检测时,先对目标文件夹中的图片进行分组,将需要检测亮度差的两张图片划分为一组,以形成多组图片。
步骤S202、针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差。
针对每一组图片,可以计算以下四种指标的亮度差,分别为各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差。其中,各分块区域的亮度差表示两张图片中对应区域的亮度差;亮区亮度差表示两张图片的亮区之间的亮度差;暗区亮度差表示两张图片的暗区之间的亮度差;感兴趣区域亮度差表示两张图片中感兴趣区域的亮度差。
可选的,在进行图片亮度检测之前,可以获取用户输入的指标信息,根据用户输入的指标信息确定对每一组图片需要计算的亮度差。例如,当用户输入的指标信息为各分块区域时,则仅需要计算两张图片中各对应区域的亮度差;当用户输入的指标信息为各分块区域和感兴趣区域时,则需要计算两张图片中各对应区域的亮度差和感兴趣区域亮度差。根据用户输入的指标信息可以根据用户需求确定需要计算的亮度差。
此处设置三种指标的亮度差,通过计算各分块区域亮度差实现对图片的每一区域的亮度进行比较,通过计算亮区亮度差和暗区亮度差实现确定图片亮区是否存在过爆,或者,暗区是否存在欠爆的情形,通过计算感兴趣区域亮度差实现确定感兴趣区域是否存在亮度问题。
可选的,每一组也可以包含多张图片,当多张图片均来自于测试设备时,在计算某一指标的亮度差时,可以计算多张图片对应的某一指标的亮度平均值,计算每一张图片的亮度值与亮度平均值的差值,将计算的差值确定为该图片对应的所述指标的亮度差。
步骤S203、将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
针对每一指标的亮度差,在判断是否存在异常时,可以和对应的亮度差阈值进行比较。当存在三种指标的亮度差时,可以设置三种亮度差阈值。当亮度差大于对应的亮度差阈值时,表示该指标的亮度差存在异常。当存在一种指标的亮度差存在异常时,则表示该组图片存在亮度问题,则可以向用户输出提示信息,例如,提示信息可以为:编号为003的一组图片存在亮度异常。相反的,当三种指标的亮度差均不存在异常时,则表示该组图片不存在亮度异常。
本发明提供的一种图片亮度检测方法、装置、设备和存储介质,所述方法通过将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息,从而实现自动分析多张图片是否存在亮度差异常的现象,无需通过人眼对多张图片的亮度进行观察,提高效率和准确性。
可选的,确定亮区亮度差,包括:
针对每一张图片,确定每一像素的亮度值,根据预先设置的亮区百分比,计算亮区像素个数;按照亮度值由大到小的顺序选择所述亮区像素个数的亮度值,计算选择的所有亮度值的平均值以确定亮区亮度值;根据两张图片的亮区亮度值确定两张图片的亮区亮度差。
其中,为了准确的确定设备的问题,还需要计算亮区亮度差和暗区亮度差。此处以计算亮区亮度差为例进行说明。针对一组图片中的每一张图片,确定亮区像素的个数,亮区像素的个数可以根据预先设置的亮区百分比来计算,例如,亮区百分比为20%,暗区百分比为40%,其余为正常亮度区域,根据图片中像素点个数和亮区百分比,计算亮区像素个数,当图片的像素个数为100万时,亮区像素个数为20万,则根据计算的每一像素的亮度值,按照亮度值从大到小的顺序选择20万个亮度值。或者,亮区像素的个数还可以根据预先设置的亮度阈值来计算,将每一像素的亮度值与亮度阈值进行比较,若大于亮度阈值,则表示该像素属于亮区,从而确定图片中大于亮度阈值的所有像素的个数及亮度值。
根据上述方法在确定亮度区域每一像素的亮度值和亮度区域的像素个数后,计算确定的所有亮度值的平均值以确定亮区亮度值,从而根据两张图片的亮区亮度值确定亮区亮度差。
可选的,在确定亮区亮度差时,为了减少计算量,还可以将图片中的多个像素值作为一个区域,直接计算划分的每一区域的亮度值。
其中,暗区亮度差的计算方法与上述过程相似,此处不再赘述。
上述通过设置亮区百分比和排序的方法来确定亮区亮度值,可以简单、准确的计算亮区亮度值。
可选的,确定各分块区域亮度差,包括:
针对每一张图片,将所述图片划分为m*n个分块区域;针对每一分块区域,根据所述分块区域中每一像素的亮度值计算所述分块区域的平均亮度值;根据两张图片的同一分块区域的平均亮度值确定所述分块区域亮度差。
其中,在计算两张图片的分块区域亮度差时,可以将每一张图片划分为m行n列,以形成m*n个分块区域,其中,m和n的数值可以根据实际情况进行设置。针对每一分块区域,可以计算该区域的平均亮度值。具体的,根据该区域内每一像素的亮度值确定该区域的平均亮度值。在确定两张图片的各个分块区域的平均亮度值后,针对每一分块区域,计算亮度差。
通过将图片划分为多个分块区域,以确定每一静态区域的亮度,从而确定两幅图像对应的静态区域是否存在亮度差,实现对两幅图片各个区域的亮度差的对比。
可选的,所述感兴趣区域亮度差为人脸区域亮度差;所述方法还包括:当一组图片中的各个图片均包含人脸时,确定人脸区域;
相应的,确定感兴趣区域亮度差,包括:确定每一图片中的所述人脸区域平均亮度值,根据两张图片的人脸区域平均亮度值确定两张图片的人脸区域亮度差。
其中,当在拍摄图片时,人们通常有一个感兴趣区域,例如,当拍摄对象为人时,人们通常更关注人脸区域的拍摄质量。因此,针对一组图片中的两张图片,可以先检测两张图片是否包含人脸,当包含人脸时,确定出人脸区域,例如将人脸区域标识出来。在确定人脸区域后,计算人脸区域亮度差。
通过对人脸区域进行检测,以及对人脸区域的亮度差的计算,实现在拍摄的图片中包含人脸区域时,可以确定人脸区域的拍摄质量。
可选的,将目标文件夹中的图片分成多组,包括:
确定目标文件夹中每一图片的图片名称;所述图片名称包含编号信息;将所述图片名称中编号信息相同的图片确定为一组图片,以得到多组图片。
在将目标文件夹中的图片分组时,可以获取图片名称,图片名称中包含拍摄设备的信息,需要进行对比的两张图片的名称中包含相同的编号信息,如测试设备1和对比设备1分别生成一张图片需要进行亮度比较,则在为测试设备1和对比设备1产生的图片命名时,分别包含相同的编号信息,使得在分组的过程中,可以根据编号信息确定需要进行对比的一组图片。
通过将需要对比的两张图片的图片名称设置相同的编号信息,实现准确及快速的将目标文件夹中的图片进行分组,进一步提高处理效率。
可选的,所述方法还包括:
若比较结果为存在异常指标,则将所述异常指标对应的区域在图片中进行标记;和/或,
将所述比较结果以预设格式的文件存储在所述目标文件夹中;所述比较结果包括:异常指标,以及所述异常指标的亮度差。
在得到比较结果后,还可以向用户展示比较结果,便于用户进行查看。具体的,当存在异常指标时,可以将异常指标对应的区域在图片中进行标记。例如,当一组图片的亮区存在亮度异常时,则在图片的亮区进行标记,通过在图片上进行标记便于用户直接观察存在亮度异常的区域。
或者,在得到比较结果后,还可以将每一组图片中存在亮度异常的异常指标以及异常指标的亮度差以预设格式的文件存储在目标文件夹中,例如,将其存储在txt文件中,并将txt文件存储在目标文件夹中。
通过在图片上标记异常指标对应的区域,便于用户重点查看存在异常指标的区域,将比较结果保存在目标文件夹,便于用户对结果进行查看。
可选的,当所述对比设备对应的图片为标准图片时,在确定比较结果后,还包括:
根据所述比较结果确定所述测试设备待调节的参数,并确定调整后的参数。
当根据比较结果确定测试设备对应的图片存在亮度异常时,需要对测试设备的参数进行调节,以实现测试设备在对参数调节后,能够产生不存在亮度异常的图片。
测试设备中的程序对于拍摄的图像是否存在亮度异常的影响较大,针对三种指标的亮度,可以分别采用不同的程序来控制。当在确定某一指标的亮度存在异常时,可以根据指标类型确定需要修改的程序,并对程序中的参数进行调整。其中,可以预先存储指标类型与程序的对应关系,且对待修改的参数的数量不做限制。
进一步的,根据比较结果中的亮度差,还可以确定调整后的参数,或者,确定调整后的参数所属的区间。具体的,可以根据各个参数与亮度的关系来设置调整后的参数。
通过上述方法可以根据比较结果自动确定调整后的参数,可以指导研发人员对测试设备参数的修改。
图3为本发明实施例提供的另一种图片亮度检测方法的流程示意图,如图3所示,所述方法包括:
步骤S301、导入图片,如从目标文件夹导入图片;
步骤S302、设置不同指标的亮度差对应的亮度差阈值;
步骤S303、将图片分组存储;
步骤S304、获取第一组图片;
步骤S305、将图片分区,计算每个区域的亮度,并计算两张图片中对应区域的亮度差;
步骤S306、计算图片亮区与暗区的亮度值,并计算两张图片的亮区亮度差和暗区亮度差;
步骤S307、确定人脸区域,并计算两张图片中人脸区域亮度差;
步骤S308、将确定的亮度差和对应的亮度差阈值进行比较,输出比较结果;
步骤S309、获取下一组图片,并继续执行步骤S305至步骤S308。
图4为本发明实施例提供的一种图片亮度检测装置,所述装置包括:
划分模块401,用于将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
确定模块402,用于针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;
比较模块403,用于将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
可选的,所述确定模块402在确定亮区亮度差时,具体用于:
针对每一张图片,确定每一像素的亮度值,根据预先设置的亮区百分比,计算亮区像素个数;按照亮度值由大到小的顺序选择所述亮区像素个数的亮度值,计算选择的所有亮度值的平均值以确定亮区亮度值;根据两张图片的亮区亮度值确定两张图片的亮区亮度差。
可选的,所述确定模块402在确定各分块区域亮度差时,具体用于:
针对每一张图片,将所述图片划分为m*n个分块区域;针对每一分块区域,根据所述分块区域中每一像素的亮度值计算所述分块区域的平均亮度值;根据两张图片的同一分块区域的平均亮度值确定所述分块区域亮度差。
可选的,所述感兴趣区域亮度差为人脸区域亮度差;所述装置还包括:人脸区域确定模块,用于:
当一组图片中的各个图片均包含人脸时,确定人脸区域;
相应的,确定模块402在确定感兴趣区域亮度差时,具体用于:
确定每一图片中的所述人脸区域平均亮度值,根据两张图片的人脸区域平均亮度值确定两张图片的人脸区域亮度差。
可选的,划分模块401具体用于:
确定目标文件夹中每一图片的图片名称;所述图片名称包含编号信息;将所述图片名称中编号信息相同的图片确定为一组图片,以得到多组图片。
可选的,所述装置还包括结果处理模块,用于:
若比较结果为存在异常指标,则将所述异常指标对应的区域在图片中进行标记;和/或,将所述比较结果以预设格式的文件存储在所述目标文件夹中;所述比较结果包括:异常指标,以及所述异常指标的亮度差。
可选的,所述装置还包括调整模块,当所述对比设备对应的图片为标准图片时,在确定比较结果后,具体用于:
根据所述比较结果确定所述测试设备待调节的参数,并确定调整后的参数。
本发明实施例提供的图片亮度检测装置,可以实现上述如图2所示的实施例的图片亮度检测方法,其实现原理和技术效果类似,此处不再赘述。
图5为本发明实施例提供的一种电子设备的硬件结构示意图。如图5所示,本实施例提供的电子设备包括:至少一个处理器501和存储器502。其中,处理器501、存储器502通过总线503连接。
在具体实现过程中,至少一个处理器501执行存储器502存储的计算机执行指令,使得至少一个处理器501执行上述方法实施例中的方法。
处理器501的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图5所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现上述方法实施例的方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种图片亮度检测方法,其特征在于,所述方法包括:
将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;
将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
2.根据权利要求1所述的方法,其特征在于,确定亮区亮度差,包括:
针对每一张图片,确定每一像素的亮度值,根据预先设置的亮区百分比,计算亮区像素个数;
按照亮度值由大到小的顺序选择所述亮区像素个数的亮度值,计算选择的所有亮度值的平均值以确定亮区亮度值;
根据两张图片的亮区亮度值确定两张图片的亮区亮度差。
3.根据权利要求1所述的方法,其特征在于,确定各分块区域亮度差,包括:
针对每一张图片,将所述图片划分为m*n个分块区域;
针对每一分块区域,根据所述分块区域中每一像素的亮度值计算所述分块区域的平均亮度值;
根据两张图片的同一分块区域的平均亮度值确定所述分块区域亮度差。
4.根据权利要求1所述的方法,其特征在于,所述感兴趣区域亮度差为人脸区域亮度差;所述方法还包括:
当一组图片中的各个图片均包含人脸时,确定人脸区域;
相应的,确定感兴趣区域亮度差,包括:
确定每一图片中的所述人脸区域平均亮度值,根据两张图片的人脸区域平均亮度值确定两张图片的人脸区域亮度差。
5.根据权利要求1所述的方法,其特征在于,将目标文件夹中的图片分成多组,包括:
确定目标文件夹中每一图片的图片名称;所述图片名称包含编号信息;
将所述图片名称中编号信息相同的图片确定为一组图片,以得到多组图片。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若比较结果为存在异常指标,则将所述异常指标对应的区域在图片中进行标记;和/或,
将所述比较结果以预设格式的文件存储在所述目标文件夹中;所述比较结果包括:异常指标,以及所述异常指标的亮度差。
7.根据权利要求1-6任一项所述的方法,其特征在于,当所述对比设备对应的图片为标准图片时,在确定比较结果后,还包括:
根据所述比较结果确定所述测试设备待调节的参数,并确定调整后的参数。
8.一种图片亮度检测装置,其特征在于,所述装置包括:
划分模块,用于将目标文件夹中的图片分成多组;每一组中包含两张图片;所述两张图片来自不同的测试设备;或者,一张图片来自对比设备,另一张图片来自测试设备;
确定模块,用于针对每一组图片,分别确定下述至少一种指标的亮度差:各分块区域亮度差、亮区亮度差、暗区亮度差和感兴趣区域亮度差;所述亮度差表示一组图片中两张图片的对应指标的亮度差;
比较模块,用于将确定的每一指标的亮度差与对应的亮度差阈值进行比较,确定比较结果,当所述比较结果为至少一种指标的亮度差存在异常时,输出该组图片存在亮度问题的提示信息。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。
10.一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中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211002736.3A CN115082469A (zh) | 2022-08-22 | 2022-08-22 | 图片亮度检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211002736.3A CN115082469A (zh) | 2022-08-22 | 2022-08-22 | 图片亮度检测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115082469A true CN115082469A (zh) | 2022-09-20 |
Family
ID=83244375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211002736.3A Pending CN115082469A (zh) | 2022-08-22 | 2022-08-22 | 图片亮度检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082469A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826066A (zh) * | 2014-02-26 | 2014-05-28 | 芯原微电子(上海)有限公司 | 一种自动曝光调整方法及系统 |
CN107295270A (zh) * | 2017-07-31 | 2017-10-24 | 努比亚技术有限公司 | 一种图像亮度值的确定方法、装置、终端和计算机可读存储介质 |
CN113344843A (zh) * | 2021-04-09 | 2021-09-03 | 中科创达软件股份有限公司 | 一种图像质量测评方法、装置和系统 |
CN113411507A (zh) * | 2021-05-10 | 2021-09-17 | 深圳数联天下智能科技有限公司 | 测肤图像的获取方法、装置、设备及存储介质 |
CN113905194A (zh) * | 2021-08-31 | 2022-01-07 | 浙江大华技术股份有限公司 | 一种曝光比处理方法、终端设备及计算机存储介质 |
CN114885156A (zh) * | 2022-07-13 | 2022-08-09 | 龙旗电子(惠州)有限公司 | 识别方法、装置、设备、存储介质及程序产品 |
-
2022
- 2022-08-22 CN CN202211002736.3A patent/CN115082469A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826066A (zh) * | 2014-02-26 | 2014-05-28 | 芯原微电子(上海)有限公司 | 一种自动曝光调整方法及系统 |
CN107295270A (zh) * | 2017-07-31 | 2017-10-24 | 努比亚技术有限公司 | 一种图像亮度值的确定方法、装置、终端和计算机可读存储介质 |
CN113344843A (zh) * | 2021-04-09 | 2021-09-03 | 中科创达软件股份有限公司 | 一种图像质量测评方法、装置和系统 |
CN113411507A (zh) * | 2021-05-10 | 2021-09-17 | 深圳数联天下智能科技有限公司 | 测肤图像的获取方法、装置、设备及存储介质 |
CN113905194A (zh) * | 2021-08-31 | 2022-01-07 | 浙江大华技术股份有限公司 | 一种曝光比处理方法、终端设备及计算机存储介质 |
CN114885156A (zh) * | 2022-07-13 | 2022-08-09 | 龙旗电子(惠州)有限公司 | 识别方法、装置、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9390475B2 (en) | Backlight detection method and device | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN108769776B (zh) | 标题字幕检测方法、装置及电子设备 | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
CN113240673B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
US8644625B2 (en) | Object detection device, method and program | |
CN112016053A (zh) | 数据标注的考核方法、装置和电子设备 | |
CN111260604A (zh) | 补光灯故障检测方法、装置、电子设备及可读存储介质 | |
CN112559341A (zh) | 一种画面测试方法、装置、设备及存储介质 | |
CN112073713B (zh) | 视频漏录测试方法、装置、设备及存储介质 | |
CN108289176B (zh) | 一种拍照搜题方法、搜题装置及终端设备 | |
CN113781414A (zh) | 一种镜头解像力测试方法、装置和电子设备 | |
TWI748828B (zh) | 產品瑕疵檢測方法、電腦裝置及儲存媒體 | |
CN115082469A (zh) | 图片亮度检测方法、装置、设备和存储介质 | |
US20210089123A1 (en) | Method and device for calculating parameters of gaze-point calculation model | |
CN113747149B (zh) | 滤光片的异常检测方法、装置、电子装置和存储介质 | |
EP2453383A1 (en) | Facial features detection | |
CN111757182B (zh) | 图像花屏检测方法、设备、计算机设备和可读存储介质 | |
CN113391779A (zh) | 类纸屏幕的参数调节方法、装置及设备 | |
CN111640109A (zh) | 模型检测方法及系统 | |
CN109040743B (zh) | 一种摄像头的随机噪点测试方法、装置及可读存储介质 | |
CN110708537A (zh) | 图像传感器性能测试方法及装置、存储介质 | |
CN111966674A (zh) | 标注数据的合格性判断方法、装置和电子设备 | |
CN114691252B (zh) | 屏幕显示方法及装置 | |
CN111277816B (zh) | 一种视频检测系统的测试方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |