CN115174807A - 防抖检测方法、装置、终端设备和可读存储介质 - Google Patents
防抖检测方法、装置、终端设备和可读存储介质 Download PDFInfo
- Publication number
- CN115174807A CN115174807A CN202210751596.3A CN202210751596A CN115174807A CN 115174807 A CN115174807 A CN 115174807A CN 202210751596 A CN202210751596 A CN 202210751596A CN 115174807 A CN115174807 A CN 115174807A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- pixel points
- detected
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000003287 optical effect Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000001629 suppression Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种防抖检测方法、装置、终端设备以及可读存储介质,包括:采集待检测图像集,所述待检测图像集包括多个处于不同状态下的待检测图像;对所述待检测图像进行阈值化处理;确定每个处理后图像对应的模糊边长;基于所述模糊边长,输出待检测图像的防抖检测结果,该方案可以提高防抖检测结果的准确性。
Description
技术领域
本申请涉及信息处理技术领域,具体涉及一种防抖检测方法、装置、终端设备以及存储介质。
背景技术
手机等电子设备已逐渐成为人们日常生活中必不可少的设备,拍摄(如拍照或者摄影)为这些电子设备的重要功能之一,能够为用户留住拍摄的各个瞬间。上述电子设备在拍摄时,用户手部肌肉的细微抖动和/或外部环境带来的微小震动等抖动环境都容易使拍出的照片存在一定程度的模糊,为了减小这种抖动环境造成的模糊,绝大多数厂家都会引入防抖技术,检测防抖算法的优劣对评估对应电子设备的拍照性能具有重要作用。
当前业内的光学防抖的效果测试方法主要采用长曝光检测方法,即在摄像模组抖动状态下采用长曝光获取测试图,通过对长曝光测试图进行分析来评估防抖效果。然而长曝光导致的“残影”等问题会严重的影响对测试图的检测准确性,导致测试准确度差的技术问题。
发明内容
鉴于此,本申请提供一种防抖检测方法、装置、终端设备以及存储介质,可以提高防抖检测结果的准确性。
本申请提供一种防抖检测方法,包括:
采集待检测图像集,所述待检测图像集包括多个处于不同状态下的待检测图像;
对所述待检测图像进行阈值化处理;
确定每个处理后图像对应的模糊边长;
基于所述模糊边长,输出待检测图像的防抖检测结果。
可选地,在本申请的一些实施例中,所述分别对所述待检测图像进行阈值化处理,包括:
分别对所述待检测图像进行预处理,得到每个状态下对应的预处理后图像;
将每个所述预处理后图像进行灰度化,得到每个状态下对应的灰度图像;
分别对每个状态下对应的灰度图像的像素点进行分类。
可选地,在本申请的一些实施例中,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
确定在每个灰度值下,每个状态下对应的灰度图像中像素点的数量;
基于确定的像素点数量以及所述像素点的灰度值,对所述灰度图像的像素点进行分类。
可选地,在本申请的一些实施例中,所述基于确定的像素点数量以及所述像素点的灰度值,对所述灰度图像的像素点进行分类,包括:
计算所述灰度图像中背景分量的平均灰度值和前景分量的平均灰度值;
统计所述背景分量的所述像素点数量以及所述前景分量的所述像素点数量;
基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对所述灰度图像的像素点进行分类。
可选地,在本申请的一些实施例中,所述基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对所述灰度图像的像素点进行分类,包括:
基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,计算所述灰度图像对应的最大类间差分值;
根据所述最大类间差分值,对所述灰度图像的像素点进行分类。
可选地,在本申请的一些实施例中,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
检测所述灰度图像中像素点的像素值是否大于预设阈值;
将像素值大于预设阈值的像素点确定为第一像素点,其余像素点确定为第二像素点。
可选地,在本申请的一些实施例中,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
确定所述灰度图像的前景和背景,并在所述灰度图像中确定像素最大值;
根据所述像素最大值,计算背景对应的信息熵与前景对应的信息熵纸之和;
根据所述信息熵之和,确定所述灰度图像对应的参考阈值;
基于所述参考阈值对所述灰度图像的像素点进行分类。
可选地,在本申请的一些实施例中,所述确定每个处理后图像对应的模糊边长,包括:
在所述处理后图像中确定像素值为设定值的像素点,得到目标像素点;
在所述处理后图像中去除所述目标像素点,得到目标图像;
在所述目标图像中确定符合预设条件的像素点,并基于确定的像素点,确定所述处理后图像对应的模糊边长。
可选地,在本申请的一些实施例中,所述确定每个处理后图像对应的模糊边长之前,还包括:
保留所述处理后图像的最大联通域,得到更新后图像;
所述确定每个处理后图像对应的模糊边长,包括:确定每个更新后图像对应的模糊边长。
相应的,本申请还提供一种防抖检测装置,包括:
采集模块,用于采集待检测图像集,所述待检测图像集包括多个处于不同状态下的待检测图像;
处理模块,用于对所述待检测图像进行阈值化处理;
确定模块,用于确定每个处理后图像对应的模糊边长;
输出模块,用于基于所述模糊边长,输出待检测图像的防抖检测结果。
此外,本申请还提供一种终端设备,终端设备包括处理器和存储器,存储器用于存储计算机程序,处理器运行计算机程序以使终端设备执行上述方法。
此外,本申请还提供一种可读存储介质,可读存储介质存储有计算机程序,计算机程序在被处理器执行时上述方法。
本申请提供一种防抖检测方法、装置、终端设备以及可读存储介质,在采集待检测图像集后,所述待检测图像集包括多个处于不同状态下的待检测图像,对所述待检测图像进行阈值化处理,然后,确定每个处理后图像对应的模糊边长,最后,基于所述模糊边长,输出待检测图像的防抖检测结果,采集多个处于不同状态下的待检测图像,并基于阈值化图像对应的模糊边长,对待检测图像的防抖检测效果进行检测,避免长曝光导致的“残影”问题影响对待检测图像检测的准确性,由此,可以提高防抖检测结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的防抖检测方法的场景示意图;
图2是本申请实施例提供的防抖检测方法的流程示意图;
图3是本申请实施例提供的防抖检测方法中步骤102的具体流程示意图;
图4是本申请实施例提供的防抖检测方法中对待检测图像进行裁剪的示意图;
图5是本申请实施例提供的防抖检测方法中步骤S13的第一种实施方式的具体流程示意图;
图6是本申请实施例提供的防抖检测方法中步骤S13的第二种实施方式的具体流程示意图;
图7是本申请实施例提供的防抖检测方法中步骤S32的具体示意图;
图8是本申请实施例提供的防抖检测方法中步骤S43的具体示意图;
图9是本申请实施例提供的防抖检测方法中步骤S13的第三种实施方式的具体流程示意图;
图10是本申请实施例提供的防抖检测方法中步骤103的具体流程示意图;
图11是本申请实施例提供的防抖检测方法的另一流程示意图;
图12是本申请实施例提供的防抖检测装置的结构示意图。
具体实施方式
下面结合附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。在不冲突的情况下,下述各个实施例及其技术特征可以相互组合。
本申请提供一种防抖检测方法、装置、终端设备和可读存储介质。
其中,该防抖检测装置具体可以集成在服务器或者终端中,服务器可以包括一个独立运行的服务器或者分布式服务器,也可以包括由多个服务器组成的服务器集群,终端可以包括手机、平板电脑或个人计算机(PC,Personal Computer)。
例如,请参阅图1,本申请提供一种防抖检测系统,该防抖检测系统包括手机10和计算机20,手机10和计算机20通过传输控制协议进行数据传递,手机10可以将拍摄的照片发送至计算机20,由计算机20执行相应的防抖检测流程。具体的,计算机20采集待检测图像集,该待检测图像集包括多个处于不同状态下的待检测图像,随后,计算机20对待检测图像进行阈值化处理,得到处理后图像,紧接着,计算机20确定每个处理后图像对应的模糊边长,最后,计算机20基于该模糊边长,输出待检测图像的防抖检测效果。
本申请提供的防抖检测方案,采集多个处于不同状态下的待检测图像,并基于阈值化图像对应的模糊边长,对待检测图像的防抖检测效果进行检测,避免长曝光导致的“残影”问题影响对待检测图像检测的准确性,由此,可以提高防抖检测结果的准确性。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优先顺序的限定。
本申请提供一种防抖检测方法,包括:采集待检测图像集,对待检测图像进行阈值化处理,确定每个处理后图像对应的模糊边长,基于模糊边长,输出待检测图像的防抖检测结果。
请参阅图2,图2为本申请实施例提供的防抖检测方法的流程示意图。该防抖检测方法的具体流程可以如下:
101、采集待检测图像集。
待检测图像集具体可以包括多个处于不同状态下的待检测图像,比如,该待检测图像集具体可以包括处于防抖状态下的动态图像、无防抖状态下的动态图像以及无防抖状态下的静态图像。
其中,可以将图像采集装置放置在振动台上,通过控制振动台进行振动,以获取相应的动态图像,比如,将振动台的振动频率设置为8Hz、振动幅度设置为1.5°,在图像采集装置开启防抖功能时,采集处于防抖状态下的动态图像;在图像采集装置未开启防抖功能时,采集无防抖状态下的动态图像;此外,在关闭振动台的振动功能,且关闭图像采集装置的防抖功能时,采集无防抖状态下的静态图像。可选地,在一些实施例中,可以将振动台的振动频率设置为10Hz、振动幅度设置为1.5°,在图像采集装置开启防抖功能时,采集处于防抖状态下的动态图像;将振动台的振动频率设置为8Hz、振动幅度设置为1.5°,在图像采集装置未开启防抖功能时,采集无防抖状态下的动态图像,具体可以根据实际情况进行选择,在此不再赘述。
需要说明的是,本申请所提及的防抖可以为光学防抖或电子防抖,光学防抖(Optical image stabilization,OIS)是指在照相机或者其他类似成像仪器中,通过光学元器件的设置,例如镜头设置,来避免或者减少捕捉光学信号过程中出现的仪器抖动现象,从而提高成像质量,这种防抖技术的原理是通过在镜片组中增加一个使用磁力悬浮的镜片,配合陀螺仪工作,当机身发生震动时,能检测到轻微的抖动从而控制镜片浮动对抖动进行一定的位移补偿,从而避免了光路发生抖动,实现光学防抖。电子防抖主要通过程序对传感器上的图像进行分析和采集,当照片被拍糊时,利用边缘图像对模糊部分进行补偿,从而实现“防抖”,其实现原理更像是对照片进行“后期处理”。
102、对待检测图像进行阈值化处理。
阈值化处理指的是以某种规则依次将像素处理成0或1输出,即,对图像进行分割。其原理是通过设定不同的特征阈值,把图像的像素点分为若干类,常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。可选地,在一些实施例中,本申请可以利用待检测图像的灰度化图像进行后续的像素点分类,另外,为了减少图像处理过程中的总数据量,有效压缩处理时间,从而提高算法效率,即,可选地,请参阅图3,步骤“对待检测图像进行阈值化处理”,具体可以包括:
S11、分别对待检测图像进行预处理,得到每个状态下对应的预处理后图像;
S12、将每个预处理后图像进行灰度化,得到每个状态下对应的灰度图像;
S13、分别对每个状态下对应的灰度图像的像素点进行分类。
可选地,对待检测图像进行预处理具体可以为对待检测图像进行裁剪,例如,请参阅图4,待检测图像为A*B的二维图像,设定裁剪起始像素点位置(x0,y0)、裁剪宽度w以及裁剪高度h,这三项裁剪参数可以根据无防抖状态下的动态图像的图像参数进行设置,基于该设定的裁剪参数,对待检测图像进行裁剪处理,得到处理后图像。
随后,则可以对该处理后图像进行灰度化处理,以此得到每个状态下对应的灰度图像,最后,分别对每个状态下对应的灰度图像进行阈值化处理,需要说明的是,灰度化,在RGB模型中,如果R=G=B时,则彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值),灰度范围为0~255,阈值化处理的方法具体可以包括:标准阈值化、最大类间方差法阈值化以及图像最大熵阈值分割算法。
标准阈值化是预先设定一个阈值,利用该设定的阈值将图像中的像素点一分为二,即,可选地,在一些实施例中,请参阅图5,步骤“分别对每个状态下对应的灰度图像的像素点进行分类”,具体可以包括:
S21、检测灰度图像中像素点的像素值是否大于预设阈值;
S22、将像素值大于预设阈值的像素点确定为第一像素点,其余像素点确定为第二像素点。
比如,将像素值大于阈值的像素点确定为第一像素点,将像素值小于或等于阈值的像素点确定为第二像素点,由此,完成对像素点的分类,第一像素点的像素值可以是0,也可以是255,同理,第一像素点的像素值可以是0,也可以是255。
最大类间方差法阈值化的基本原理是基于像素点的分布以及每个像素点对应的灰度值,将图像中的像素点分为两类,即,可选地,在一些实施例中,请参阅图6,步骤“分别对每个状态下对应的灰度图像的像素点进行分类”,具体可以包括:
S31、确定在每个灰度值下,每个状态下对应的灰度图像中像素点的数量;
S32、基于确定的像素点数量以及像素点的灰度值,对灰度图像的像素点进行分类。
具体的,最大类间方差法阈值化流程为:首先,将三通道(即RGB颜色通道)的图像转换为单通道的灰度图像,随后,遍历灰度图像,统计每一灰度值下的像素点个数,接着,求取背景分量的平均灰度值以及其所含像素点在背景分量中的概率、以及前景分量的平均灰度值以及其所含像素点在前景分量中的概率,再然后,遍历全部灰度级,求取间类方差最大值,用于前、后景的图像分割,由此实现对灰度图像的像素点进行分类,即,可选地,在一些实施例中,请参阅图7,步骤“基于确定的像素点数量以及像素点的灰度值,对灰度图像的像素点进行分类”,具体可以包括:
S41、计算灰度图像中背景分量的平均灰度值和前景分量的平均灰度值;
S42、统计背景分量的像素点数量以及前景分量的像素点数量;
S43、基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对灰度图像的像素点进行分类。
进一步的,将前景分量中的像素点个数记为N1,占比记作p1,其平均灰度值记作μ1,将背景分量中的像素点个数记为N2,占比记作p2,其平均灰度值记作μ2,将裁剪后的灰度图像对应的平均灰度值记作μ,最大类间方差值记作g,m、n分别是裁剪后的灰度图像的长和宽,则有
N1+N2=m·n, (2)
p1+p2=1, (3)
g=p1·(μ1-μ)2+p2·(μ2-μ)2 (4)
根据上式,计算得到最大类间方差值g,并将该最大类间方差值g作为阈值,当灰度图像中像素点的像素值srcImg(x,y)大于阈值(即最大类间方差值g)时,将像素值大于阈值的像素点记作maxValue,其余像素点记作minValue,可选地,maxValue=255,minValue=0,分类后的像素点的像素值gImg(x,y)如下,
可选地,在一些实施例中,请参阅图8,步骤“基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对灰度图像的像素点进行分类”,具体可以包括:
S51、基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,计算灰度图像对应的最大类间差分值;
S52、根据最大类间差分值,对灰度图像的像素点进行分类。
另外,在图像最大熵阈值分割算法中,,熵定义为:设x出现的概率为p(x),则信息熵的求解公式为:
其中,将灰度图像中灰度值为i的概率用pi表示,假设阈值为thresh,则灰度值为0~thresh的为背景B,灰度值为thresh+1~255(L-1)的为前景F。则背景和前景的概率占比分别为:
其中,L是图像中的像素最大值。根据公式(7)计算结果可以计算两类信息熵
通过穷举遍历法得到的使得最大的阈值thresh,随后,再根据该阈值thresh对灰度图像的像素点进行分类,具体分类的方法可以参照公式(5),将大于阈值thresh确定为一类像素点,其余像素点确定为另一类,即,可选地,在一些实施例中,请参阅图9,步骤“分别对每个状态下对应的灰度图像的像素点进行分类”,具体可以包括:
S61、确定灰度图像的前景和背景,并在灰度图像中确定像素最大值;
S62、根据像素最大值,计算背景对应的信息熵与前景对应的信息熵纸之和;
S63、根据信息熵之和,确定灰度图像对应的参考阈值;
S64、基于参考阈值对灰度图像的像素点进行分类。
103、确定每个处理后图像对应的模糊边长。
可选地,可以通过模糊熵区分模糊区域和模糊区域,模糊边则为介于模糊区域和非模糊区域之间的边,比如,将模糊熵大于或者等于模糊阈值的像素点确定为模糊点,根据模糊点确定处理后图像的模糊区域和非模糊区域,由此确定出处理后图像对应的模糊边,进而确定模糊边对应的长度(即模糊边长)。
可选地,在一些实施例中,可以利用处理后图像中的某类像素点,确定处理后图像对应的模糊边长,比如,利用处理后图像中像素值为设定值的像素点,确定处理后图像对应的模糊边长,即,上述确定模糊边长的方法可以参考如图10所示的流程,具体如下:
S71、在处理后图像中确定像素值为设定值的像素点,得到目标像素点;
S72、在处理后图像中去除目标像素点,得到目标图像;
S73、在目标图像中确定符合预设条件的像素点,并基于确定的像素点,确定处理后图像对应的模糊边长。
例如,在处理后图像中确定像素值为255的像素点(即目标像素点),然后,获取该处理后图像对应二维坐标,需要说明的是,该二维坐标可以在确定像素值为255的像素点的步骤之前建立的,也可以是在确定像素值为255的像素点的步骤之后建立的,具体根据实际情况进行选择,随后,对筛选后的像素点的X轴和Y轴进行排序,并将X轴的最大值和最小值分别记作Xmax和Xmin;将Y轴的最大值和最小值分别记作Ymax和Ymin,紧接着,设置处理的图像的频率,比如,设置处理防抖状态下的动态图像的数量为1秒中60帧,再然后,返回执行在处理后图像中确定像素值为255的像素点的步骤,将每次得到的最大值、最小值与原先的最大值、最小值作比较,保留较最大值更大的最大值、较最小值更小的最小值,最后,将上述操作得到的Xmax、Xmin、Ymax和Ymin代入公式(9)计算,即可得到每个处理后图像对应的模糊边长,具体公式如下:
需要说明的是,由于处理后图像中可能会存在干扰噪声点,因此,在一些实施例中,可以对处理后图像进行降噪处理,该降噪处理具体可以为:保留处理后图像的最大联通域,即,确定每个处理后图像对应的模糊边长,具体可以为:确定每个更新后图像对应的模糊边长,确定欧虎边长的方式请参阅前面的实施例,在此不再赘述。
104、基于模糊边长,输出待检测图像的防抖检测结果
在得到模糊边长后,即可根据预设的防抖评价算法,输出待检测图像的防抖检测结果,该算法具体可以如下:
在该式中,CR(x)表示抑制比在X方向上的分量,CR(y)表示抑制比在Y方向上的分量,CR(x)和CR(y)的单位均是dB,将无防抖状态下的静态图像、无防抖状态下的动态图像以及处于防抖状态下的动态图像对应的模糊边长分别记作:pixelstatic(x)、pixelstatic(y)、pixeloff(x)、pixeloff(y)、pixelon(x)、pixelon(y),可选地,当CR(x)和CR(y)均大于或等于预设值时,表征图像的防抖性能通过;当CR(x)和/或CR(y)小于预设值时,则表征图像的防抖性能不通过,可选地,该预设值可以设置为30db(分贝),当然,还可以设置为别的数值,具体可以根据实际情况进行设置。可选的,终端设备输出测试失败提示信息。可以理解的是,在得到防抖测试结果后,终端设备可以输出相应的提示信息,但输出提示信息的步骤并不是必须的,也可以不输出提示信息。
由上可知,本申请提供一种防抖检测方法,在采集待检测图像集后,对待检测图像进行阈值化处理,然后,确定每个处理后图像对应的模糊边长,最后,基于模糊边长,输出待检测图像的防抖检测结果。本申请提供的防抖检测方案,采集多个处于不同状态下的待检测图像,并基于阈值化图像对应的模糊边长,对待检测图像的防抖检测效果进行检测,避免长曝光导致的“残影”问题影响对待检测图像检测的准确性,由此,可以提高防抖检测结果的准确性。
根据上述实施例所述的防抖检测方案,以下进一步举例说明,具体的,可以将终端设备固定至振动台上,该终端设备可以是手机或平板电脑,终端设备在振动台关闭振动功能时,关闭光学防抖功能(OIS OFF),拍摄设定数量的预设标定图像的图像(以下称为第一图像);终端设备在振动台开启振动功能时,关闭光学防抖功能(OIS OFF),拍摄设定数量的预设标定图像的图像(以下称为第二图像);此外,终端设备在振动台开启振动功能时,开启光学防抖功能(OIS ON),拍摄设定数量的预设标定图像的图像(以下称为第三图像),以上,终端设备获取到预设标定图像在不同情况下的图像集合,即,第一图像集合、第二图像集合和第三图像集合。
需要说明的是,在进行拍摄时,振动台与标定图像成中轴线分布,终端设备的摄像头位置位于中轴线位置,预测标定图像是用于测试镜头的光学防抖性能的图卡,又可以称为OIS标定图像。预设标定图像包括呈中心对称方式排布的图纹,该图纹可以为十字纹、圆形纹或正方形纹,可选地,在一些实施例中,该图纹为正方形纹。
还需要说明的是,在拍摄过程中,会预先设定拍摄图像的帧数量,以确保图像的模糊边缘宽度被充分记录,从而提高后续测试得到的模糊度抑制比的准确性,可选地,拍摄图像的帧数量可以为120帧,也可以为180帧,具体可以根据实际情况进行设置。
在得到第一图像集合、第二图像集合以及第三图像集合后,可以分别对第一图像、第二图像以及第三图像进行阈值化处理,以确定每个图像对应的模糊边长,最后,根据该模糊边长,输出图像的防抖检测结果,具体的步骤请参阅前面实施例,在此不再赘述。
在本实施例中将以防抖检测装置具体集成在终端设备中为例进行说明。
请参阅图11,一种防抖检测方法,具体流程可以如下:
201、终端设备采集待检测图像集。
待检测图像集具体可以包括多个处于不同状态下的待检测图像,例如,具体的,终端设备可以通过其自身的摄像头采集处于防抖状态下的动态图像、无防抖状态下的动态图像以及无防抖状态下的静态图像。
202、终端设备对待检测图像进行阈值化处理。
终端设备可以利用待检测图像的灰度化图像进行后续的像素点分类,从而实现对待检测图像进行阈值化处理,具体流程请参阅前面实施例,在此不再赘述。
203、终端设备确定每个处理后图像对应的模糊边长。
步骤203的流程与步骤103的流程类似,具体请参阅步骤103的具体流程,在此不再赘述。
204、终端设备基于模糊边长,输出待检测图像的防抖检测结果。
步骤204的流程与步骤104的流程类似,具体请参阅步骤104的具体流程,在此不再赘述。
由上可知,本申请提供一种防抖检测方法,终端设备在采集待检测图像集后,终端设备对待检测图像进行阈值化处理,然后,终端设备确定每个处理后图像对应的模糊边长,最后,终端设备基于模糊边长,输出待检测图像的防抖检测结果。本申请提供的防抖检测方案,采集多个处于不同状态下的待检测图像,并基于阈值化图像对应的模糊边长,对待检测图像的防抖检测效果进行检测,避免长曝光导致的“残影”问题影响对待检测图像检测的准确性,由此,可以提高防抖检测结果的准确性。
相应的,本申请还提供一种防抖检测装置,请参阅图11,图1是本申请实施例提供的防抖检测装置的结构示意图,其中,该防抖检测装置30可以包括采集模块301、处理模块302、确定模块303以及输出模块304,具体可以如下:
采集模块301,用于采集待检测图像集。
待检测图像集具体可以包括多个处于不同状态下的待检测图像,比如,采集模块301可以采集处于防抖状态下的动态图像、无防抖状态下的动态图像以及无防抖状态下的静态图像。
处理模块302,用于对待检测图像进行阈值化处理。
阈值化处理指的是以某种规则依次将像素处理成0或1输出,即,对图像进行分割。其原理是通过设定不同的特征阈值,把图像的像素点分为若干类,常用的特征包括:直接来自原始图像的灰度或彩色特征;由原始灰度或彩色值变换得到的特征。具体处理流程请参阅前面实施例,在此不再赘述。
可选地,在一些实施例中,处理模块302具体可以包括:
处理单元,用于分别对待检测图像进行预处理,得到每个状态下对应的预处理后图像;
灰度化单元,用于将每个预处理后图像进行灰度化,得到每个状态下对应的灰度图像;
分类单元,用于分别对每个状态下对应的灰度图像的像素点进行分类。
可选地,在一些实施例中,分类单元具体可以用于:检测灰度图像中像素点的像素值是否大于预设阈值,将像素值大于预设阈值的像素点确定为第一像素点,其余像素点确定为第二像素点。
可选地,在一些实施例中,分类单元具体可以包括:
确定子单元,用于确定在每个灰度值下,每个状态下对应的灰度图像中像素点的数量;
分类子单元,用于基于确定的像素点数量以及像素点的灰度值,对灰度图像的像素点进行分类。
可选地,在一些实施例中,分类子单元具体可以用于:计算灰度图像中背景分量的平均灰度值和前景分量的平均灰度值,统计背景分量的所述像素点数量以及所述前景分量的所述像素点数量,基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对灰度图像的像素点进行分类。
可选地,在一些实施例中,分类子单元具体可以用于:基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,计算灰度图像对应的最大类间差分值;根据最大类间差分值,对灰度图像的像素点进行分类。
可选地,在一些实施例中,分类单元具体可以用于:确定灰度图像的前景和背景,并在灰度图像中确定像素最大值;根据像素最大值,计算背景对应的信息熵与前景对应的信息熵纸之和;根据信息熵之和,确定灰度图像对应的参考阈值;基于参考阈值对灰度图像的像素点进行分类。
确定模块303,用于确定每个处理后图像对应的模糊边长。
可选地,可以通过模糊熵区分模糊区域和模糊区域,模糊边则为介于模糊区域和非模糊区域之间的边,比如,将模糊熵大于或者等于模糊阈值的像素点确定为模糊点,根据模糊点确定处理后图像的模糊区域和非模糊区域,由此确定出处理后图像对应的模糊边,进而确定模糊边对应的长度(即模糊边长)。
可选地,在一些实施例中,确定模块303具体可以用于:在处理后图像中确定像素值为设定值的像素点,得到目标像素点;在处理后图像中去除目标像素点,得到目标图像;在目标图像中确定符合预设条件的像素点,并基于确定的像素点,确定处理后图像对应的模糊边长。
需要说明的是,由于处理后图像中可能会存在干扰噪声点,因此,在一些实施例中,可以对处理后图像进行降噪处理,该降噪处理具体可以为:保留处理后图像的最大联通域,即,确定每个处理后图像对应的模糊边长,具体可以为:确定每个更新后图像对应的模糊边长,确定欧虎边长的方式请参阅前面的实施例,在此不再赘述。
输出模块304,用于基于模糊边长,输出待检测图像的防抖检测结果。
在得到模糊边长后,输出模块304可以根据预设的防抖评价算法,输出待检测图像的防抖检测结果
由上可知,本申请提供一种防抖检测装置,采集模块301在采集待检测图像集后,处理模块302对待检测图像进行阈值化处理,然后,确定模块303确定每个处理后图像对应的模糊边长,最后,输出模块304基于模糊边长,输出待检测图像的防抖检测结果。本申请提供的防抖检测方案,采集多个处于不同状态下的待检测图像,并基于阈值化图像对应的模糊边长,对待检测图像的防抖检测效果进行检测,避免长曝光导致的“残影”问题影响对待检测图像检测的准确性,由此,可以提高防抖检测结果的准确性。
上述装置中各个单元的划分仅用于举例说明,在其他实施例中,可将上述装置按照需要划分为不同的单元,以完成上述装置的全部或部分功能。关于的上述装置具体限定可以参见上文中对于方法的限定,在此不再赘述。
即,以上所述仅为本申请的实施例,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,例如各实施例之间技术特征的相互结合,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。
另外,对于特性相同或相似的结构元件,本申请可采用相同或者不相同的标号进行标识。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“例如”一词是用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何一个实施例不一定被解释为比其它实施例更加优选或更加具优势。为了使本领域任何技术人员能够实现和使用本申请,本申请给出了以上描述。在以上描述中,为了解释的目的而列出了各个细节。
应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实施例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
Claims (12)
1.一种防抖检测方法,其特征在于,包括:
采集待检测图像集,所述待检测图像集包括多个处于不同状态下的待检测图像;
对所述待检测图像进行阈值化处理;
确定每个处理后图像对应的模糊边长;
基于所述模糊边长,输出待检测图像的防抖检测结果。
2.根据权利要求1所述的方法,其特征在于,所述分别对所述待检测图像进行阈值化处理,包括:
分别对所述待检测图像进行预处理,得到每个状态下对应的预处理后图像;
将每个所述预处理后图像进行灰度化,得到每个状态下对应的灰度图像;
分别对每个状态下对应的灰度图像的像素点进行分类。
3.根据权利要求2所述的方法,其特征在于,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
确定在每个灰度值下,每个状态下对应的灰度图像中像素点的数量;
基于确定的像素点数量以及所述像素点的灰度值,对所述灰度图像的像素点进行分类。
4.根据权利要求3所述的方法,其特征在于,所述基于确定的像素点数量以及所述像素点的灰度值,对所述灰度图像的像素点进行分类,包括:
计算所述灰度图像中背景分量的平均灰度值和前景分量的平均灰度值;
统计所述背景分量的所述像素点数量以及所述前景分量的所述像素点数量;
基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对所述灰度图像的像素点进行分类。
5.根据权利要求4所述的方法,其特征在于,所述基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,对所述灰度图像的像素点进行分类,包括:
基于统计结果、背景分量的平均灰度值和前景分量的平均灰度值,计算所述灰度图像对应的最大类间差分值;
根据所述最大类间差分值,对所述灰度图像的像素点进行分类。
6.根据权利要求2所述的方法,其特征在于,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
检测所述灰度图像中像素点的像素值是否大于预设阈值;
将像素值大于预设阈值的像素点确定为第一像素点,其余像素点确定为第二像素点。
7.根据权利要求2所述的方法,其特征在于,所述分别对每个状态下对应的灰度图像的像素点进行分类,包括:
确定所述灰度图像的前景和背景,并在所述灰度图像中确定像素最大值;
根据所述像素最大值,计算背景对应的信息熵与前景对应的信息熵纸之和;
根据所述信息熵之和,确定所述灰度图像对应的参考阈值;
基于所述参考阈值对所述灰度图像的像素点进行分类。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述确定每个处理后图像对应的模糊边长,包括:
在所述处理后图像中确定像素值为设定值的像素点,得到目标像素点;
在所述处理后图像中去除所述目标像素点,得到目标图像;
在所述目标图像中确定符合预设条件的像素点,并基于确定的像素点,确定所述处理后图像对应的模糊边长。
9.根据权利要求1至7任一项所述的方法,其特征在于,所述确定每个处理后图像对应的模糊边长之前,还包括:
保留所述处理后图像的最大联通域,得到更新后图像;
所述确定每个处理后图像对应的模糊边长,包括:确定每个更新后图像对应的模糊边长。
10.一种防抖检测装置,其特征在于,包括:
采集模块,用于采集待检测图像集,所述待检测图像集包括多个处于不同状态下的待检测图像;
处理模块,用于对所述待检测图像进行阈值化处理;
确定模块,用于确定每个处理后图像对应的模糊边长;
输出模块,用于基于所述模糊边长,输出待检测图像的防抖检测结果。
11.一种终端设备,其特征在于,所述终端设备包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述终端设备执行权利要求1至9中任一项所述的防抖检测方法。
12.一种可读存储介质,其特征在于,所述可读存储介质存储有计算机程序,所述计算机程序在被处理器执行时实施权利要求1至9中任一项所述的防抖检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210751596.3A CN115174807A (zh) | 2022-06-28 | 2022-06-28 | 防抖检测方法、装置、终端设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210751596.3A CN115174807A (zh) | 2022-06-28 | 2022-06-28 | 防抖检测方法、装置、终端设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115174807A true CN115174807A (zh) | 2022-10-11 |
Family
ID=83489527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210751596.3A Pending CN115174807A (zh) | 2022-06-28 | 2022-06-28 | 防抖检测方法、装置、终端设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115174807A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117857781A (zh) * | 2024-03-07 | 2024-04-09 | 深圳市强瑞精密技术股份有限公司 | 一种基于图像处理的摄像头防抖测试方法及系统 |
CN117857781B (zh) * | 2024-03-07 | 2024-06-04 | 深圳市强瑞精密技术股份有限公司 | 一种基于图像处理的摄像头防抖测试方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003078807A (ja) * | 2001-08-31 | 2003-03-14 | Sony Corp | 動きベクトル検出装置および方法、手振れ補正装置および方法、並びに撮像装置 |
US20100253793A1 (en) * | 2005-08-12 | 2010-10-07 | Nxp B.V. | Method and system for digital image stabilization |
CN105578146A (zh) * | 2016-01-07 | 2016-05-11 | 浙江宇视科技有限公司 | 一种机芯防抖处理方法及装置 |
CN109101856A (zh) * | 2018-09-25 | 2018-12-28 | 广东工业大学 | 一种二维码图像识别方法及装置 |
CN110177272A (zh) * | 2019-06-27 | 2019-08-27 | Oppo广东移动通信有限公司 | 摄像头的防抖测试方法、装置、存储介质及智能终端 |
CN110766689A (zh) * | 2019-11-06 | 2020-02-07 | 深圳微品致远信息科技有限公司 | 基于卷积神经网络进行物品图像缺陷检测的方法及装置 |
CN111292321A (zh) * | 2020-03-13 | 2020-06-16 | 广东工业大学 | 一种输电线路绝缘子缺陷图像识别方法 |
CN111489330A (zh) * | 2020-03-24 | 2020-08-04 | 中国科学院大学 | 基于多源信息融合的弱小目标检测方法 |
CN112561890A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 图像清晰度的计算方法、装置和计算机设备 |
CN112861985A (zh) * | 2021-02-24 | 2021-05-28 | 郑州轻工业大学 | 基于人工智能的图书自动分类方法 |
CN114007013A (zh) * | 2021-10-29 | 2022-02-01 | 上海艾为电子技术股份有限公司 | 模糊区确定和防抖性能检测方法、系统、防抖性能检测设备 |
CN114205580A (zh) * | 2021-12-08 | 2022-03-18 | 上海艾为电子技术股份有限公司 | 一种摄像头模组防抖效果的评估方法及装置 |
CN114399495A (zh) * | 2022-01-14 | 2022-04-26 | 平安普惠企业管理有限公司 | 图像清晰度的计算方法、装置、设备及存储介质 |
CN114463363A (zh) * | 2022-02-07 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-28 CN CN202210751596.3A patent/CN115174807A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003078807A (ja) * | 2001-08-31 | 2003-03-14 | Sony Corp | 動きベクトル検出装置および方法、手振れ補正装置および方法、並びに撮像装置 |
US20100253793A1 (en) * | 2005-08-12 | 2010-10-07 | Nxp B.V. | Method and system for digital image stabilization |
CN105578146A (zh) * | 2016-01-07 | 2016-05-11 | 浙江宇视科技有限公司 | 一种机芯防抖处理方法及装置 |
CN109101856A (zh) * | 2018-09-25 | 2018-12-28 | 广东工业大学 | 一种二维码图像识别方法及装置 |
CN110177272A (zh) * | 2019-06-27 | 2019-08-27 | Oppo广东移动通信有限公司 | 摄像头的防抖测试方法、装置、存储介质及智能终端 |
CN110766689A (zh) * | 2019-11-06 | 2020-02-07 | 深圳微品致远信息科技有限公司 | 基于卷积神经网络进行物品图像缺陷检测的方法及装置 |
CN111292321A (zh) * | 2020-03-13 | 2020-06-16 | 广东工业大学 | 一种输电线路绝缘子缺陷图像识别方法 |
CN111489330A (zh) * | 2020-03-24 | 2020-08-04 | 中国科学院大学 | 基于多源信息融合的弱小目标检测方法 |
CN112561890A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 图像清晰度的计算方法、装置和计算机设备 |
CN112861985A (zh) * | 2021-02-24 | 2021-05-28 | 郑州轻工业大学 | 基于人工智能的图书自动分类方法 |
CN114007013A (zh) * | 2021-10-29 | 2022-02-01 | 上海艾为电子技术股份有限公司 | 模糊区确定和防抖性能检测方法、系统、防抖性能检测设备 |
CN114205580A (zh) * | 2021-12-08 | 2022-03-18 | 上海艾为电子技术股份有限公司 | 一种摄像头模组防抖效果的评估方法及装置 |
CN114399495A (zh) * | 2022-01-14 | 2022-04-26 | 平安普惠企业管理有限公司 | 图像清晰度的计算方法、装置、设备及存储介质 |
CN114463363A (zh) * | 2022-02-07 | 2022-05-10 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
郭波;管菊花;: "基于机器视觉的机加工缺陷检测系统设计", 微计算机信息, no. 30, 25 October 2008 (2008-10-25) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117857781A (zh) * | 2024-03-07 | 2024-04-09 | 深圳市强瑞精密技术股份有限公司 | 一种基于图像处理的摄像头防抖测试方法及系统 |
CN117857781B (zh) * | 2024-03-07 | 2024-06-04 | 深圳市强瑞精密技术股份有限公司 | 一种基于图像处理的摄像头防抖测试方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111028189B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
KR101662846B1 (ko) | 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법 | |
US9264629B2 (en) | Suppressing flicker in digital images | |
US8704900B2 (en) | Imaging apparatus and imaging method | |
CN110766621B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN108335279A (zh) | 图像融合和hdr成像 | |
US10127635B2 (en) | Method and device for image noise estimation and image capture apparatus | |
KR20090111136A (ko) | 최적 영상 선택 방법 및 장치 | |
JPWO2011145296A1 (ja) | 撮像装置、画像処理装置、画像処理方法、および画像処理プログラム | |
CN110971841B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN111614867B (zh) | 一种视频去噪方法、装置、移动终端和存储介质 | |
CN111383186A (zh) | 一种图像处理方法、装置及终端设备 | |
TWI399971B (zh) | 降低數位影像雜訊的方法及其電子裝置 | |
CN111028276A (zh) | 图像对齐方法、装置、存储介质及电子设备 | |
CN110740266B (zh) | 图像选帧方法、装置、存储介质及电子设备 | |
WO2023137956A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114584700A (zh) | 对焦标记方法、标记装置以及电子设备 | |
CN107147851B (zh) | 照片处理方法、装置、计算机可读存储介质及电子设备 | |
JP4493416B2 (ja) | 画像処理方法および装置並びにプログラム | |
CN105556957A (zh) | 一种图像处理方法、计算机存储介质、装置及终端 | |
CN109672829B (zh) | 图像亮度的调整方法、装置、存储介质及终端 | |
CN117218039A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN110136085B (zh) | 一种图像的降噪方法及装置 | |
CN113744139A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115174807A (zh) | 防抖检测方法、装置、终端设备和可读存储介质 |
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 |