CN116170573A - 侦测全景相机的拼接瑕疵的测试装置和测试方法 - Google Patents
侦测全景相机的拼接瑕疵的测试装置和测试方法 Download PDFInfo
- Publication number
- CN116170573A CN116170573A CN202111426225.XA CN202111426225A CN116170573A CN 116170573 A CN116170573 A CN 116170573A CN 202111426225 A CN202111426225 A CN 202111426225A CN 116170573 A CN116170573 A CN 116170573A
- Authority
- CN
- China
- Prior art keywords
- image
- card
- flaw
- processor
- test device
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 57
- 238000010998 test method Methods 0.000 claims abstract 2
- 238000001914 filtration Methods 0.000 claims description 24
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000002156 mixing Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 101100175003 Oryza sativa subsp. japonica RGB1 gene Proteins 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241000892681 Erigenia bulbosa Species 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 241000722363 Piper Species 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Abstract
本发明提供一种侦测全景相机的拼接瑕疵的测试装置和测试方法。测试方法包含:访问全景相机以取得拼接影像,其中拼接影像包含对应于图卡的图卡影像,其中图卡包含多个黑色条纹以及多个白色条纹;根据图卡影像产生标记了拼接瑕疵的瑕疵影像;以及输出瑕疵影像。
Description
技术领域
本发明涉及一种侦测全景相机的拼接瑕疵的测试装置和测试方法。
背景技术
相较于传统的相机,全景相机可取得包含更多信息的全景影像。目前,全景影像也逐渐被应用于创新科技中,诸如虚拟现实(virtual reality,VR)、智慧观光或行车辅助等。
全景相机可具备鱼眼镜头或多镜头。相较于鱼眼镜头相机,多镜头相机可同时具备大范围视角(angle of view)以及高分辨率等优点。为了产生全景影像,多镜头相机需使用多个镜头分别取得多个影像,并且根据算法将多个影像拼接为全景影像。然而,相机的组装过程中可能出现校正异常、机壳压迫或公差等问题,造成相机产生的拼接影像包含拼接瑕疵。若无法在相机出货前有效地侦测出拼接瑕疵,将使瑕疵品流入市面。因此,如何提出一种侦测拼接瑕疵的方法,是本领域的重要课题之一。
发明内容
本发明提供一种侦测全景相机的拼接瑕疵的测试装置和测试方法,可侦测全景影像中的拼接瑕疵。
本发明的一种用于侦测全景相机的拼接瑕疵的测试装置,包含处理器、收发器以及图卡。图卡包含多个黑色条纹以及多个白色条纹,用以供全景相机拍摄。收发器通信连接至全景相机。处理器耦接收发器,其中处理器经配置以执行:通过收发器访问全景相机以取得对应于拍摄图卡的拼接影像,其中拼接影像包含对应于图卡的图卡影像;根据图卡影像产生标记了拼接瑕疵的瑕疵影像;以及通过收发器输出瑕疵影像。
在本发明的一实施例中,上述的处理器还经配置以执行:根据第一灰阶值阈值以及第二灰阶值阈值过滤图卡影像以产生瑕疵影像。
在本发明的一实施例中,上述的第一灰阶值阈值大于第二灰阶值阈值,其中处理器还经配置以执行:根据第一灰阶值阈值过滤图卡影像中的第一噪声,其中第一噪声的第一灰阶值大于第一灰阶值阈值;以及根据第二灰阶值阈值过滤图卡影像中的第二噪声,其中第二噪声的第二灰阶值小于第二灰阶值阈值。
在本发明的一实施例中,上述的处理器还经配置以执行:对图卡影像执行形态学过滤以产生瑕疵影像。
在本发明的一实施例中,上述的形态学过滤包含:根据侵蚀操作过滤图卡影像中的第三噪声。
在本发明的一实施例中,上述的图卡影像包含条纹影像,其中形态学过滤包含:将第四噪声自图卡影像中滤除,其中第四噪声在第一方向上的长度大于像素数量阈值,其中第一方向与条纹影像垂直。
在本发明的一实施例中,上述的处理器还经配置以执行:通过收发器接收对应于全景相机的像素分辨率;以及根据像素分辨率决定像素数量阈值。
在本发明的一实施例中,上述的像素分辨率与像素数量阈值成反比。
在本发明的一实施例中,上述的处理器还经配置以执行:对图卡影像执行斑点侦测以侦测图卡影像上的斑点;以及将斑点自图卡影像删除以产生瑕疵影像。
在本发明的一实施例中,上述的处理器还经配置以执行:根据斑点的面积删除斑点。
在本发明的一实施例中,上述的处理器还经配置以执行:根据斑点的长短轴比例删除斑点。
在本发明的一实施例中,上述的处理器还经配置以执行:响应于长短轴比例小于比例阈值而删除斑点。
在本发明的一实施例中,上述的处理器还经配置以执行:根据瑕疵影像取得瑕疵参数;以及通过收发器输出瑕疵参数。
在本发明的一实施例中,上述的瑕疵参数包含下列中的至少一个:瑕疵数量、瑕疵面积以及瑕疵位置。
在本发明的一实施例中,上述的处理器根据下列中的至少一个取得瑕疵参数:影像辨识模型以及机器学习模型。
在本发明的一实施例中,上述的处理器还经配置以执行:根据感兴趣区域以自拼接影像中撷取出图卡影像。
在本发明的一实施例中,上述的多个黑色条纹包含第一黑色条纹以及第二黑色条纹,其中多个白色条纹包含第一白色条纹,其中第一白色条纹介于第一黑色条纹以及第二黑色条纹之间,其中第一白色条纹、第一黑色条纹以及第二黑色条纹彼此平行。
在本发明的一实施例中,上述的图卡还包含定位条纹,其中定位条纹不与第一白色条纹平行。
在本发明的一实施例中,上述的测试装置还包含固定件。固定件固定全景相机以使拼接影像包含图卡影像。
在本发明的一实施例中,上述的测试装置还包含光源。光源将光线投射至图卡。
本发明的一种用于侦测全景相机的拼接瑕疵的测试方法,包含:访问全景相机以取得对应于图卡的拼接影像,其中拼接影像包含对应于图卡的图卡影像,其中图卡包含多个黑色条纹以及多个白色条纹;根据图卡影像产生标记了拼接瑕疵的瑕疵影像;以及输出瑕疵影像。
基于上述,本发明的测试装置可将图卡影像中的拼接瑕疵标记起来以供用户参考。测试装置还可提供包括瑕疵数量、瑕疵面积或瑕疵位置等参数供用户参考。因此,如此,全景相机产在线的技术人员可基于测试装置的输出影像快速地判断生产的全景相机是否为瑕疵品。
附图说明
图1根据本发明的一实施例绘示一种用于侦测全景相机的拼接瑕疵的测试装置的示意图。
图2A、2B和2C根据本发明的一实施例绘示全景相机与图卡的设置的示意图。
图3A根据本发明的一实施例绘示图卡的示意图。
图3B根据本发明的另一实施例绘示图卡的示意图。
图4A根据本发明的一实施例绘示不包含拼接瑕疵的拼接影像的示意图。
图4B根据本发明的一实施例绘示图4A的图卡影像的灰阶直方图。
图5A根据本发明的一实施例绘示包含拼接瑕疵的拼接影像的示意图。
图5B根据本发明的一实施例绘示图5A的图卡影像的灰阶直方图。
图6A根据本发明的一实施例绘示放大的图卡影像的示意图。
图6B、6C、6D和6E根据本发明的一实施例绘示经过滤的图卡影像的示意图。
图7根据本发明的一实施例绘示一种用于侦测全景相机的拼接瑕疵的测试方法的流程图。
附图标记说明
100:测试装置;
110:处理器;
120:存储介质;
130:收发器;
140:固定件;
150、1501、1502:图卡;
151、153:白色条纹;
152、154:黑色条纹;
158:定位条纹;
160:光源;
200:全景相机;
210、220、230、240:镜头;
400、500:拼接影像;
410、420、510、520:区域;
43、53、531:感兴趣区域;
430、530、630、730、830、930:图卡影像;
450、550:灰阶直方图;
451、452、453、551、552、553:灰阶值区域;
631、731、831、931:噪声;
D1、D2:方向;
S701、S703、S705:步骤;
T1、T2:灰阶值阈值。
具体实施方式
现将详细地参考本发明的示范性实施例,示范性实施例的实例说明于附图中。只要有可能,相同元件符号在图式和描述中用来表示相同或相似部分。
图1根据本发明的一实施例绘示一种用于侦测全景相机的拼接瑕疵的测试装置100的示意图,其中全景相机可包含宽视角的多镜头相机。测试装置100可包含处理器110、存储介质120、收发器130、固定件140以及图卡150。在一实施例中,测试装置100可进一步包含光源160。
处理器110例如是中央处理单元(central processing unit,CPU),或是其他可程序化的一般用途或特殊用途的微控制单元(micro control unit,MCU)、微处理器(microprocessor)、数字信号处理器(digital signal processor,DSP)、可程序化控制器、特殊应用集成电路(application specific integrated circuit,ASIC)、图形处理器(graphics processing unit,GPU)、影像信号处理器(image signal processor,ISP)、图像处理单元(image processing unit,IPU)、算数逻辑单元(arithmetic logic unit,ALU)、复杂可程序逻辑装置(complex programmable logic device,CPLD)、现场可程序化逻辑门阵列(field programmable gate array,FPGA)或其他类似组件或上述组件的组合。处理器110可耦接至存储介质120以及收发器130,并且访问和执行存储于存储介质120中的多个模块和各种应用程序。
存储介质120例如是任何型态的固定式或可移动式的随机存取内存(randomaccess memory,RAM)、只读存储器(read-only memory,ROM)、闪存(flash memory)、硬盘(hard disk drive,HDD)、固态硬盘(solid state drive,SSD)或类似组件或上述组件的组合,而用于存储可由处理器110执行的多个模块或各种应用程序。
收发器130以无线或有线的方式传送及接收信号。收发器130还可以执行例如低噪声放大、阻抗匹配、混频、向上或向下频率转换、滤波、放大以及类似的操作。
固定件140可用以固定全景相机或图卡150,以使全景相机所拍摄的拼接影像包含对应于图卡150的图卡影像。在全景影像拍摄图卡150时,图卡150可发光。在一实施例中,图卡150可包含背光面板。图卡150可通过背光面板自行发光。在一实施例中,光源160可将光线投射至图卡150上以使图卡150发光。
图2A、2B和2C根据本发明的一实施例绘示全景相机200与图卡150的设置的示意图。参照图2A,在本实施例中,全景相机200可包含镜头210以及镜头220。全景相机200与图卡150可设置在固定件140的表面,以使图卡150位于镜头210的视角与镜头220的视角的重迭处。如此,当全景相机200通过镜头210以及镜头220拍摄图卡150并产生拼接影像时,拼接影像中的拼接区域,即感兴趣区域(region of interest,ROI),可包含对应于图卡150的图卡影像。测试装置100可根据感兴趣区域自拼贴影像中撷取出对应于图卡150的图卡影像。测试装置100可根据对应于图卡150的图卡影像侦测对应于镜头210与镜头220的拼接区域是否存在拼接瑕疵。
参照图2B,在本实施例中,全景相机200可包含镜头210、镜头220以及镜头230,并且图卡150可包含图卡1501以及图卡1502。全景相机200、图卡1501以及图卡1502可设置在固定件140的表面,以使图卡1501位于镜头210的视角与镜头220的视角的重迭处,并使图卡1502位于镜头220的视角与镜头230的视角的重迭处。如此,当全景相机200通过镜头210、镜头220以及镜头230拍摄拼接影像时,拼接影像中的一感兴趣区域可包含对应于图卡1501的图卡影像,并且拼接影像中的另一感兴趣区域可包含对应于图卡1502的图卡影像。测试装置100可根据对应于图卡1501的图卡影像侦测对应于镜头210与镜头220的拼接影像是否存在拼接瑕疵,并可根据对应于图卡1502的图卡影像侦测对应于镜头220与镜头230的拼接影像是否存在拼接瑕疵。
参照图2C,在本实施例中,全景相机200可包含镜头210、镜头220、镜头230以及镜头240,并且图卡150可包含图卡1501以及图卡1502。全景相机200、图卡1501以及图卡1502可设置在固定件140的表面,以使图卡1501位于镜头210的视角与镜头220的视角的重迭处,并使图卡1502位于镜头220的视角与镜头230的视角的重迭处。如此,当全景相机200通过镜头210、镜头220以及镜头230拍摄拼接影像时,拼接影像中的一感兴趣区域可包含对应于图卡1501的图卡影像,并且拼接影像中的另一感兴趣区域可包含对应于图卡1502的图卡影像。测试装置100可根据对应于图卡1501的图卡影像侦测对应于镜头210与镜头220的拼接影像是否存在拼接瑕疵,并可根据对应于图卡1502的图卡影像侦测对应于镜头220与镜头230的拼接影像是否存在拼接瑕疵。
接着,使用者可重新设置全景相机200(例如:顺时钟旋转全景相机200 180度)以使图卡1501位于镜头230的视角与镜头240的视角的重迭处,并使图卡1502位于镜头240的视角与镜头210的视角的重迭处。如此,当全景相机200通过镜头210、镜头230以及镜头240拍摄拼接影像时,拼接影像中的一感兴趣区域可包含对应于图卡1501的图卡影像,并且拼接影像中的另一感兴趣区域可包含对应于图卡1502的图卡影像。测试装置100可根据对应于图卡1501的图卡影像侦测对应于镜头230与镜头240的拼接影像是否存在拼接瑕疵,并可根据对应于图卡1502的图卡影像侦测对应于镜头240与镜头210的拼接影像是否存在拼接瑕疵。如此,使用者可以较短的时间完成具备多个镜头的全景相机200的测试流程。
请同时参考图1及图2A~图2C,测试装置100的收发器130可通信连接至全景相机200。处理器110可通过收发器130访问全景相机200以取得由全景相机200拍摄图卡150而产生的拼接影像。拼接影像可包含对应于图卡150的图卡影像。
图3A根据本发明的一实施例绘示图卡150的示意图。图卡150可包含多个黑色条纹以及多个白色条纹。举例来说,图卡150可包含白色条纹151、黑色条纹152、白色条纹153以及黑色条纹154。黑色条纹152可介于白色条纹151与白色条纹153之间。白色条纹151、黑色条纹152与白色条纹153可彼此平行。白色条纹153可介于黑色条纹152与黑色条纹154之间。黑色条纹152、白色条纹153与黑色条纹154可彼此平行。
图3B根据本发明的另一实施例绘示图卡150的示意图。在一实施例中,图卡150可进一步包含定位条纹158。定位条纹158可不与白色条纹151、黑色条纹152、白色条纹153或黑色条纹154平行。处理器110可根据定位条纹158来对图卡150进行定位。举例来说,图卡150的多个横条纹(例如:黑色条纹或白色条纹)之间可穿插倾斜的定位条纹158。处理器110可根据定位条纹158判断图卡150的拼接是否正常,避免将“上下错位刚好达到一个条纹间距”的拼接瑕疵误认为是正常的。
图4A根据本发明的一实施例绘示不包含拼接瑕疵的拼接影像400的示意图。在通过镜头210和镜头220分别取得两个影像后,处理器110可对所述两个影像进行Alpha合成(alpha blending)以拼接两个影像并产生拼接影像400。具体来说,由镜头210和镜头220分别取得的两个影像可部分地重迭。为了使重迭处平顺,处理器110可先对所述两个影像进行透明化,再根据方程式(1)将两个影像混合以产生拼接影像400,其中RGB1可代表重迭处中对应于镜头210所取得的影像的像素,RGB2可代表重迭处中对应于镜头220所取得的影像的像素,并且RGB3可代表拼接影像400中的像素。拼接影像400可包含对应于镜头210的视角的区域410以及对应于镜头220的视角的区域420。感兴趣区域43可位于区域410与区域420的重迭处(即:拼接区域)。感兴趣区域43可包含对应于图卡150的图卡影像430。若图卡影像430中不包含拼接瑕疵,则图卡影像430的灰阶值可如图4B所示。
RGB3=(1-a)*RGB1+a*RGB2…(1)
图4B根据本发明的一实施例绘示图4A的图卡影像430的灰阶直方图450。灰阶直方图450可包含代表白色像素的灰阶值区域451、代表灰色像素的灰阶值区域452以及代表黑色像素的灰阶值区域453。由图4B可知,由于图卡影像430不包含拼接瑕疵,故在处理器110对两个影像进行Alpha合成时,黑色条纹与白色条纹并不会被混合在一起。因此,灰阶值区域452的像素数量非常地少。
图5A根据本发明的一实施例绘示包含拼接瑕疵的拼接影像500的示意图。在通过镜头210和镜头220分别取得两个影像后,处理器110可对所述两个影像进行Alpha合成以拼接两个影像并产生拼接影像500。拼接影像500可包含对应于镜头210的视角的区域510以及对应于镜头220的视角的区域520。感兴趣区域53可位于区域510与区域520的重迭处(即:拼接区域)。感兴趣区域53可包含对应于图卡150的图卡影像530。若图卡影像530中包含拼接瑕疵,则图卡影像530的灰阶值可如图5B所示。
图5B根据本发明的一实施例绘示图5A的图卡影像530的灰阶直方图550。灰阶直方图550可包含代表白色像素的灰阶值区域551、代表灰色像素的灰阶值区域552以及代表黑色像素的灰阶值区域553。由图5B可知,由于图卡影像530包含拼接瑕疵,故在处理器110对两个影像进行Alpha合成时,黑色条纹与白色条纹会被混合在一起。因此,相较于如图4B所示的灰阶值区域452,灰阶值区域552的像素数量非常地多。
图6A根据本发明的一实施例绘示放大的图卡影像530的示意图。图卡影像530可包含黑色条纹以及白色条纹。图卡影像530中的拼接瑕疵位于被圈选的区域531。相较于图卡影像530的其他区域多由黑色像素或白色像素呈现,区域531包含较多的灰色像素。为了使拼接瑕疵更明显,处理器110可根据灰阶值阈值T1以及灰阶值阈值T2过滤图卡影像530的噪声,从而产生如图6B所示的图卡影像630。
具体来说,存储介质120可预存灰阶值阈值T1以及灰阶值阈值T2,其中灰阶值阈值T1可大于灰阶值阈值T2。灰阶值阈值T1以及灰阶值阈值T2相关于光源亮度以及图卡等环境条件。在环境条件固定不变的前提下,处理器110可根据灰阶值阈值T1过滤图卡影像530中的噪声,其中所述噪声的灰阶值大于灰阶值阈值T1。举例来说,灰阶值大于灰阶值阈值T1的噪声可包括未包含拼接瑕疵的白色条纹。另一方面,处理器110可根据灰阶值阈值T2过滤图卡影像530中的噪声,其中所述噪声的灰阶值小于灰阶值阈值T2。举例来说,灰阶值小于灰阶值阈值T2的噪声可包括未包含拼接瑕疵的黑色条纹。如此,处理器110可根据灰阶值阈值T1和T2将图卡影像530中的黑色条纹或白色条纹滤除。
图6B、6C、6D和6E根据本发明的一实施例绘示经过滤的图卡影像的示意图。在处理器110根据灰阶值阈值T1以及灰阶值阈值T2过滤图卡影像530的噪声以产生图卡影像630后,图卡影像630可包含与图卡影像630中的条纹影像(例如:如图3A所示的白色条纹151或黑色条纹152等)的方向D1近似平行的条纹形的噪声631。
处理器110可对图卡影像630执行形态学(morphology)过滤以产生经过滤的图卡影像730。具体来说,处理器110可响应于图卡影像630上的噪声631在方向D2上的长度大于像素数量阈值而将噪声631自图卡影像630滤除,其中方向D2与方向D1垂直。举例来说,像素数量阈值可为2。若噪声631在方向D2上的长度大于2个像素,则处理器110可将噪声631视为条纹形的噪声。据此,处理器110可将噪声631自图卡影像630滤除。
一或多个像素数量阈值可预存于存储介质120中。在一实施例中,像素数量阈值可关联于全景相机200的像素分辨率。处理器110可通过收发器130接收对应于全景相机200的像素分辨率,并且根据像素分辨率决定像素数量阈值。当两个影像被拼贴或Alpha合成时,分辨率越高的影像所产生的拼贴影像将具有越窄的条纹形噪声,因此,像素数量阈值可与像素分辨率成反比。处理器110可根据像素分辨率而从存储介质120中选出适用于全景相机200的像素数量阈值。
如图6C所示,图卡影像730可包含面积小的噪声731。噪声731可被称为椒盐噪声(pepper and salt noise)。处理器110可对图卡影像730执行形态学过滤以产生经过滤的图卡影像830。处理器110可对图卡影像730进行断开(open)运算以过滤图卡影像730中的噪声731。具体来说,处理器110可先对图卡影像730执行侵蚀操作(erosion operation),接着再对图卡影像730执行膨胀操作(dilation operation),藉以过滤图卡影像730中的噪声731以产生图卡影像830。断开运算可将图卡影像730中的对象的轮廓平滑化,并可滤除图卡影像730中的椒盐噪声并消除窄小的细线。换句话说,断开运算可将断开物体与物体之间的细小的链接,使两个物体可被明显地区分出。
如图6D所示,图卡影像830可包含斑点型的噪声831。处理器110可对图卡影像830执行斑点侦测(Blob detection)以侦测图卡影像830上的斑点(即:噪声831)。接着,处理器110可将斑点自图卡影像830删除,从而产生经过滤的图卡影像930。在一实施例中,处理器110可根据斑点的长短轴比例决定是否删除斑点。举例来说,假设噪声831为椭圆形的斑点。长短轴比例为椭圆形的长轴与椭圆形的短轴的比例。处理器110可响应于噪声831的长短轴比例小于比例阈值而删除噪声831。比例阈值可预存于存储介质120中。
如图6E所示,图卡影像930可包含斑点型的噪声931。处理器110可对图卡影像930(或图卡影像830)执行斑点侦测以侦测图卡影像930上的斑点(即:噪声931)。接着,处理器110可将斑点自图卡影像930删除。在一实施例中,处理器110可根据斑点的面积决定是否删除斑点。举例来说,处理器110可响应于噪声931的面积大于面积阈值而将噪声931自图卡影像930删除。面积阈值可预存于存储介质120中。在一实施例中,面积阈值可关联于图卡150上的横条纹的高度。在侵蚀操作完成后,由于Alpha混合所产生的高于横条纹高度的瑕疵已被滤除,故尚未被滤除的瑕疵的高度不会高于横条纹的高度。因此,处理器110可根据图卡150的横条纹的高度设定面积阈值,其中面积阈值可与横条纹的高度成正比。在一实施例中,面积阈值可关联于Alpha混合所形成的拼接处的宽度,其中面积阈值可与拼接处的宽度成正比。由于拼接处的宽度为全景相机200的内部参数,故处理器110可根据全景相机200的规格预先产生面积阈值,并将面积阈值存储在存储介质120中。
值得注意的是,本发明并不限制图6A至图6E的相关段落所揭露的过滤流程的执行顺序。举例来说,处理器110可先对图卡影像执行如图6C的实施例所揭露的侵蚀操作,再对图卡影像执行如图6B的实施例所揭露的基于像素数量阈值的过滤流程。在执行完上述的各种过滤流程后,图卡影像上的噪声将可被滤除。因此,经过滤的图卡影像上所显示的图形即为拼接瑕疵的位置。处理器110可根据过滤的图卡影像产生标记了拼接瑕疵的瑕疵影像,并可通过收发器130输出瑕疵影像以供用户参考。用户可根据瑕疵影像迅速地判断出全景相机200的拼接瑕疵发生的位置。
处理器110还可进一步根据瑕疵影像取得瑕疵参数,并且通过收发器130输出瑕疵参数以供使用者参考。瑕疵参数可包含瑕疵数量、瑕疵面积或瑕疵位置等信息,但本发明不限于此。举例来说,处理器110可将瑕疵影像输入至影像辨识模型或机器学习模型以产生瑕疵参数。
图7根据本发明的一实施例绘示一种用于侦测全景相机的拼接瑕疵的测试方法的流程图,其中所述测试方法可由如图1所示的测试装置100实施。在步骤S701中,访问全景相机以取得拼接影像,其中拼接影像包括对应于图卡的图卡影像,其中图卡包括多个黑色条纹以及多个白色条纹。在步骤S703中,根据图卡影像产生标记了拼接瑕疵的瑕疵影像。在步骤S705中,输出瑕疵影像。
综上所述,本发明的测试装置可提供特殊图卡供待测试的全景相机拍摄以产生图卡影像。测试装置可通过诸如灰阶值阈值配置、形态学过滤、像素数量阈值配置、斑点侦测或比例阈值配置等方式将图卡影像中的各种噪声过滤。若过滤后的图卡影像仍存在噪声,则代表所述图卡影像包含拼接瑕疵。测试装置可将图卡影像中的拼接瑕疵标记起来以供用户参考。此外,测试装置还可提供包括瑕疵数量、瑕疵面积或瑕疵位置等参数供用户参考。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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发明各实施例技术方案的范围。
Claims (21)
1.一种用于侦测全景相机的拼接瑕疵的测试装置,其特征在于,包括:
图卡,包括多个黑色条纹以及多个白色条纹,用以供所述全景相机拍摄;
收发器,通信连接至所述全景相机;以及
处理器,耦接所述收发器,其中所述处理器经配置以执行:
通过所述收发器访问所述全景相机以取得对应于拍摄所述图卡的拼接影像,其中所述拼接影像包括对应于所述图卡的图卡影像;
根据所述图卡影像产生标记了所述拼接瑕疵的瑕疵影像;以及
通过所述收发器输出所述瑕疵影像。
2.根据权利要求1所述的测试装置,其中所述处理器还经配置以执行:
根据第一灰阶值阈值以及第二灰阶值阈值过滤所述图卡影像以产生所述瑕疵影像。
3.根据权利要求2所述的测试装置,其中所述第一灰阶值阈值大于所述第二灰阶值阈值,其中所述处理器还经配置以执行:
根据所述第一灰阶值阈值过滤所述图卡影像中的第一噪声,其中所述第一噪声的第一灰阶值大于所述第一灰阶值阈值;以及
根据所述第二灰阶值阈值过滤所述图卡影像中的第二噪声,其中所述第二噪声的第二灰阶值小于所述第二灰阶值阈值。
4.根据权利要求1所述的测试装置,其中所述处理器还经配置以执行:
对所述图卡影像执行形态学过滤以产生所述瑕疵影像。
5.根据权利要求4所述的测试装置,其中所述形态学过滤包括:
根据侵蚀操作过滤所述图卡影像中的第三噪声。
6.根据权利要求4所述的测试装置,其中所述图卡影像包括条纹影像,其中所述形态学过滤包括:
将第四噪声自所述图卡影像中滤除,其中所述第四噪声在第一方向上的长度大于像素数量阈值,其中所述第一方向与所述条纹影像垂直。
7.根据权利要求6所述的测试装置,其中所述处理器还经配置以执行:
通过所述收发器接收对应于所述全景相机的像素分辨率;以及
根据所述像素分辨率决定所述像素数量阈值。
8.根据权利要求7所述的测试装置,其中所述像素分辨率与所述像素数量阈值成反比。
9.根据权利要求1所述的测试装置,其中所述处理器还经配置以执行:
对所述图卡影像执行斑点侦测以侦测所述图卡影像上的斑点;以及
将所述斑点自所述图卡影像删除以产生所述瑕疵影像。
10.根据权利要求9所述的测试装置,其中所述处理器还经配置以执行:
根据所述斑点的面积删除所述斑点。
11.根据权利要求9所述的测试装置,其中所述处理器还经配置以执行:
根据所述斑点的长短轴比例删除所述斑点。
12.根据权利要求11所述的测试装置,其中所述处理器还经配置以执行:
响应于所述长短轴比例小于比例阈值而删除所述斑点。
13.根据权利要求1所述的测试装置,其中所述处理器还经配置以执行:
根据所述瑕疵影像取得瑕疵参数;以及
通过所述收发器输出所述瑕疵参数。
14.根据权利要求13所述的测试装置,其中所述瑕疵参数包括下列中的至少一个:
瑕疵数量、瑕疵面积以及瑕疵位置。
15.根据权利要求13所述的测试装置,其中所述处理器根据下列中的至少一个取得所述瑕疵参数:
影像辨识模型以及机器学习模型。
16.根据权利要求1所述的测试装置,其中所述处理器还经配置以执行:
根据感兴趣区域以自所述拼接影像中撷取出所述图卡影像。
17.根据权利要求1所述的测试装置,其中所述多个黑色条纹包括第一黑色条纹以及第二黑色条纹,其中所述多个白色条纹包括第一白色条纹,其中所述第一白色条纹介于所述第一黑色条纹以及所述第二黑色条纹之间,其中所述第一白色条纹、所述第一黑色条纹以及所述第二黑色条纹彼此平行。
18.根据权利要求17所述的测试装置,其中所述图卡还包括定位条纹,其中所述定位条纹不与所述第一白色条纹平行。
19.根据权利要求1所述的测试装置,还包括:
固定件,固定所述全景相机以使所述拼接影像包括所述图卡影像。
20.根据权利要求1所述的测试装置,还包括:
光源,将光线投射至所述图卡。
21.一种用于侦测全景相机的拼接瑕疵的测试方法,其特征在于,包括:
访问所述全景相机以取得对应于图卡的拼接影像,其中所述拼接影像包括对应于所述图卡的图卡影像,其中所述图卡包括多个黑色条纹以及多个白色条纹;
根据所述图卡影像产生标记了所述拼接瑕疵的瑕疵影像;以及
输出所述瑕疵影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111426225.XA CN116170573A (zh) | 2021-11-25 | 2021-11-25 | 侦测全景相机的拼接瑕疵的测试装置和测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111426225.XA CN116170573A (zh) | 2021-11-25 | 2021-11-25 | 侦测全景相机的拼接瑕疵的测试装置和测试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116170573A true CN116170573A (zh) | 2023-05-26 |
Family
ID=86410159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111426225.XA Pending CN116170573A (zh) | 2021-11-25 | 2021-11-25 | 侦测全景相机的拼接瑕疵的测试装置和测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116170573A (zh) |
-
2021
- 2021-11-25 CN CN202111426225.XA patent/CN116170573A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8238640B2 (en) | Display testing apparatus and method | |
TW201337839A (zh) | 用於晶圓檢測之分段處理 | |
US11317067B2 (en) | Method and system for inspecting display image | |
JP2007285754A (ja) | 欠陥検出方法および欠陥検出装置 | |
US11928805B2 (en) | Information processing apparatus, information processing method, and storage medium for defect inspection and detection | |
JPWO2019186915A1 (ja) | 異常検査装置および異常検査方法 | |
CN112595496B (zh) | 近眼显示设备的不良检测方法、装置、设备及存储介质 | |
JP2009229197A (ja) | 線状欠陥検出方法および線状欠陥検出装置 | |
CN113781393B (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
US20140293065A1 (en) | Camera | |
TWI751869B (zh) | 運算裝置及用於近眼顯示裝置之缺陷偵測方法 | |
JP2003168103A (ja) | 画面の線欠陥検出方法及び装置並びに画像データの補正方法 | |
JP2016517071A (ja) | 画像に基づく多軸掛けベルトの摩耗評価の改善された解析 | |
JP2008232837A (ja) | 欠陥強調・欠陥検出の方法および装置、プログラム | |
JP2008014842A (ja) | シミ欠陥検出方法及び装置 | |
JP2003167529A (ja) | 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム | |
JP2006133196A (ja) | 画素ムラ欠陥検出方法、画素ムラ欠陥検出装置、画素ムラ欠陥検出プログラムおよびこのプログラムを記録した記録媒体。 | |
JP3695120B2 (ja) | 欠陥検査方法 | |
CN116170573A (zh) | 侦测全景相机的拼接瑕疵的测试装置和测试方法 | |
TWI830094B (zh) | 偵測全景相機的拼接瑕疵的測試裝置和測試方法 | |
CN110769225A (zh) | 基于幕布的投影区域获取方法及投影装置 | |
JP2008171142A (ja) | シミ欠陥検出方法及び装置 | |
CN103905722A (zh) | 图像处理装置以及图像处理方法 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
JP2008111705A (ja) | 欠陥検出方法、欠陥検出プログラムおよび検査装置 |
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 |