CN116773152B - 一种镜头性能的检测方法、装置、电子设备及存储介质 - Google Patents
一种镜头性能的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116773152B CN116773152B CN202311075768.0A CN202311075768A CN116773152B CN 116773152 B CN116773152 B CN 116773152B CN 202311075768 A CN202311075768 A CN 202311075768A CN 116773152 B CN116773152 B CN 116773152B
- Authority
- CN
- China
- Prior art keywords
- lens
- image
- defect
- flaw
- imaging
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003384 imaging method Methods 0.000 claims abstract description 193
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 230000007547 defect Effects 0.000 claims description 233
- 238000012216 screening Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011009 performance qualification Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明公开了一种镜头性能的检测方法、装置、电子设备及存储介质,本发明利用瑕疵片,来对每家镜头做成像差异,从而可从這些差异中来评估镜头性能,即只需要在瑕疵片所成像图像中设置所需的PEAK值,然后,以同样的方法,来计算待检测镜头的PEAK值,而后,只要待检测镜头的PEAK值达到与其倍率相对应的瑕疵片中的最低PEAK值,即可判定出采购的镜头合格;基于此,本发明在镜头性能检测时,不需要使用MTF来做参考,无需测试MTF,检验方便快速,可直接得知镜头性能,且在性能检测时,不需要专业的光学或软件人员,降低了人员成本,因此,本方法适应于在镜头性能检测领域的大规模应用与推广。
Description
技术领域
本发明属于镜头性能检测技术领域,具体涉及一种镜头性能的检测方法、装置、电子设备及存储介质。
背景技术
目前,镜头性能大多都是用MTF表示,其中,MTF(Modulation Transfer Function)为调制传递函数,也叫模量传递函数,是指光学传递函数的模;其用于评估镜头性能的原理为:摄影镜头把自然界的光信息传递到胶片上(或磁带、磁盘上),而光信息(即光波)包括波光(光的颜色)、频率(光波振动的快慢)、位相 (光波的空间位置与时间的关系)和振幅(振动幅度的强弱),且“模量”是指光波振幅大小的量值;因此,MTF描述的正是光信息在通过光学媒质和光学器件(如镜头)的传递过程中,其强弱随空间位置变化而改变的规律,同时,对二维图像来说,因无位相因子,所以,用MTF来评价图像质量,可以实现对镜头性能的评估。
MTF测试使用的是黑白逐渐过渡的线条标板,通过镜头进行投影来进行镜头性能的测量,被测量的结果是反差的还原情况,如果所得影像的反差和测试标板完全一样,其MTF值为100%,这就是理想中的最佳镜头;如果反差为一半,则MTF值为50%,而如果数值为0,则代表反差完全丧失,黑白线条被还原为单一的灰色。
在实际应用过程中,各镜头厂家也是用该MTF来提供镜头规格,但是,由于各个厂家对MIF的定义值不同,因此,在对合作厂商的镜头性能检测中,合作方还是需要进行打光测试,再使用MIF软件进行分析,才能得到符合自身标准所对应的MIF数值,从而判断采购的镜头的性能是否满足需求;同时,镜头品检,只能软件或光学人员这种专业人员才能胜任,且MIF测试步骤繁琐,由此,现有的镜头性能检测不仅效率慢,且成本高;基于此,如何提供一种检测迅速,且成本低的镜头性能检测方法,已成为一个亟待解决的问题。
发明内容
本发明的目的是提供一种镜头性能的检测方法、装置、电子设备及存储介质,用以解决现有技术进行镜头性能检测所存在的效率慢以及成本高的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种镜头性能的检测方法,包括:
获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高;
基于所述待检测镜头的成像倍率,从所述样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像关联的镜头倍率小于或等于所述成像倍率;
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值;
从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值;
判断所述镜头性能对比值,是否大于所述镜头性能标定值;
若是,则判定所述待检测镜头的镜头性能达到最低成像性能。
基于上述公开的内容,本发明所提供的性能检测方法,预先设置有至少一个样本瑕疵图像序列,其中,各个样本瑕疵图像序列对应的镜头缺陷种类不同,同一序列中的样本瑕疵图像对应的缺陷尺寸不同,且同一序列中的样本瑕疵图像对应的缺陷种类相同;同时,每张样本瑕疵图像都关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置和一用于评价镜头性能的PEAK值(是指影像差异);如此,相当于预先设置有不同倍率瑕疵镜头的镜头性能值,以及各自成像图像中的瑕疵区域;基于此,本发明则可以前述不同瑕疵镜头所成像图像对应的PEAK值,来进行待检测镜头的性能评估;具体的,本发明先利用待检测镜头的成像倍率,从样本瑕疵图像集中筛选出与标定瑕疵图像(即按照成像倍率,来匹配对应缺陷尺寸的样本瑕疵图像),而后,利用各标定瑕疵图像中的镜头缺陷区域位置,来计算出待检测镜头对应成像图像的PEAK值(相当于假设该成像图像中也存在前述镜头缺陷区域,从而来计算出PEAK值);最后,将该成像图像的PEAK值,与各标定瑕疵图像中最小的PEAK值来进行对比,即可得出待检测镜头的性能检测结果,其中,如果该待检测镜头的PEAK值大于各标定瑕疵图像中最小的PEAK值,则说明镜头性能合格,满足最低性能,反之,则不满足。
通过上述设计,本发明利用瑕疵片,来对每家镜头做成像差异,从而可从這些差异中来评估镜头性能,即只需要在瑕疵片所成像图像中设置所需的PEAK值,然后,以同样的方法,来计算待检测镜头的PEAK值,而后,只要待检测镜头的PEAK值达到与其倍率相对应的瑕疵片中的最低PEAK值,即可判定出采购的镜头合格;基于此,本发明在镜头性能检测时,不需要使用MTF来做参考,无需测试MTF,检验方便快速,可直接得知镜头性能,且在性能检测时,不需要专业的光学或软件人员,降低了人员成本,因此,本方法适应于在镜头性能检测领域的大规模应用与推广。
在一个可能的设计中,基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,包括:
对于所述至少一张标定瑕疵图像中的第k张标定瑕疵图像,基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域;
判断所述缺陷发生区域的数量是否大于1;
若否,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,其中,所述目标镜头缺陷种类为所述第k张标定瑕疵图像对应的镜头缺陷种类,所述目标缺陷尺寸为所述第k张标定瑕疵图像对应的缺陷尺寸;
将k自加1,并重新基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域,直至k等于K时,得到K个PEAK值,其中,k的初始值为1,且K为标定瑕疵图像的总数量;
从K个PEAK值中筛选出最小的PEAK值,以作为所述成像图像的PEAK值。
在一个可能的设计中,基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,包括:
基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值;
从所述缺陷发生区域中的各个像素点的灰度值中,筛选出最大的灰度值;
利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
在一个可能的设计中,基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值,包括:
基于成像图像中各个像素点的灰度值,并按照如下公式(1),计算出所述背景均值;
(1)
上述公式(1)中,表示背景均值,其中,/>表示成像图像中像素坐标为/>的像素点的灰度值,且成像图像的尺寸为/>,缺陷发生区域的尺寸为;
相应的,利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,则包括:
按照如下公式(2),计算出成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;
(2)
上述公式(2)中,表示所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,/>表示所述最大的灰度值,/>表示绝对值函数。
在一个可能的设计中,所述成像图像关联有拍摄相机类型,其中,拍摄相机类型包括线扫相机和面阵相机;
相应的,基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,则包括:
若所述成像图像对应的拍摄相机类型为线扫相机,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像中左部图像、中部图像和右部图像的PEAK值;
将左部图像、中部图像和右部图像的PEAK值中最小的PEAK值,作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;
若所述成像图像对应的拍摄相机类型为面阵相机,则从所述成像图像中提取出预设尺寸的区域,以作为标定区域,其中,所述标定区域中包括有所述缺陷发生区域;
基于所述缺陷发生区域和所述标定区域中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
在一个可能的设计中,所述方法还包括:
若是,则基于各个缺陷发生区域中每个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于每个缺陷发生区域的PEAK值;
从所述成像图像相对于每个缺陷发生区域的PEAK值中,筛选出最小的PEAK值,以作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
在一个可能的设计中,所述成像图像的数量大于L,其中,L为大于1的正整数,且所述方法还包括:
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出每张成像图像的PEAK值,并将所有成像图像的PEAK值的均值,作为所述镜头性能对比值。
第二方面,提供了一种镜头性能的检测装置,包括:
获取单元,用于获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高;
PEAK值计算单元,用于基于所述待检测镜头的成像倍率,从样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像对应的镜头倍率小于或等于所述成像倍率;
PEAK值计算单元,用于基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值;
PEAK值计算单元,还用于从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值;
性能检测单元,用于判断所述镜头性能对比值,是否大于所述镜头性能标定值;
性能检测单元,还用于在判断出镜头性能对比值大于所述镜头性能标定值时,判定所述待检测镜头的镜头性能达到最低成像性能。
第三方面,提供了另一种镜头性能的检测装置,以装置为电子设备为例,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计的所述镜头性能的检测方法。
第四方面,提供了一种存储介质,存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计的所述镜头性能的检测方法。
第五方面,提供了一种包含指令的计算机程序产品,当指令在计算机上运行时,使计算机执行如第一方面或第一方面中任意一种可能设计的所述镜头性能的检测方法。
有益效果:
(1)本发明利用瑕疵片,来对每家镜头做成像差异,从而可从這些差异中来评估镜头性能,即只需要在瑕疵片所成像图像中设置所需的PEAK值,然后,以同样的方法,来计算待检测镜头的PEAK值,而后,只要待检测镜头的PEAK值达到与其倍率相对应的瑕疵片中的最低PEAK值,即可判定出采购的镜头合格;基于此,本发明在镜头性能检测时,不需要使用MTF来做参考,无需测试MTF,检验方便快速,可直接得知镜头性能,且在性能检测时,不需要专业的光学或软件人员,降低了人员成本,因此,本方法适应于在镜头性能检测领域的大规模应用与推广。
附图说明
图1为本发明实施例提供的镜头性能的检测方法的步骤流程示意图;
图2为本发明实施例提供的第一种镜头缺陷对应的示意图;
图3为本发明实施例提供的第二种镜头缺陷对应的示意图;
图4为本发明实施例提供的镜头性能的检测装置的结构示意图;
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅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。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例:
参见图1~3所示,本实施例所提供的镜头性能的检测方法,通过预先设置不同倍率及缺陷种类镜头所成像图像的PEAK数值以及其镜头缺陷区域位置,来实现待检测镜头的性能评估;具体的,则是先基于待检测镜头的成像倍率,来筛选出与该成像倍率相匹配的样本瑕疵图像,以作为标定瑕疵图像;而后,再基于各个标定瑕疵图像中镜头缺陷区域位置,来计算出待检测镜头所成像图像的PEAK值;最后,通过判断该计算出的PEAK值,与各标定瑕疵图像中最小的PEAK值之间的大小关系,即可判定出该待检测镜头的性能是否合格;由此,本方法无需测试MIF,就可直接得出镜头性能检测结果,不仅提高了检测效率,且在检测时也不需要专业的光学或软件人员,降低了人员成本,因此,适应于在镜头性能检测领域的大规模应用与推广;可选的,本方法可以但不限于在镜头性能检测端侧运行,其中,举例镜头性能检测端可以但不限于为个人电脑(personal computer,PC)、平板电脑或智能手机,可以理解的,前述执行主体并不构成对本申请实施例的限定,相应的,本方法的运行步骤可以但不限于如下述步骤S1~S6所示。
S1.获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高;在本实施例中,样本瑕疵图像集为预先设置,其实质就是用瑕疵镜头,来进行影像扫描,从而得到其对应的成像图像,如此,即可将各个瑕疵镜头所对应的成像图像作为样本瑕疵图像集;可选的,瑕疵镜头模拟的是缺陷样式,参见图2和图3所示,大框内的范围都是高反光材质,外围全是透明玻璃,图3中的小矩形框位于大框内,表示其镀上高反光材质,缺陷种类为Island,而图2中的小矩形框位于大框外,表示镀上了高反光材质,且表示的缺陷种类为Pinhole;另外,前述缺陷种类还可为short、open等,不仅限定于前述举例;更进一步的,一个瑕疵镜头上的缺陷至少为1种或2种,且其长宽可以为0.5×0.5um、1×1um、2×2um、3×3um、4×4um或5×5um等尺寸,当然,其尺寸可根据实际使用而具体设定。
同时,前述就已说明同一序列中的样本瑕疵图像对应的镜头缺陷种类不同,但是缺陷尺寸不同;因此,相当于是依照镜头倍率,来设计对应缺陷尺寸得样本瑕疵图像,如缺陷尺寸包含0.5um、0.8um、1um、1.5um、2um、2.5um…5um等,因此,对于同一序列中的样本瑕疵图像来说,该序列中的每张图像均包括前述Island和Pinhole缺陷种类,但是对应的缺陷尺寸可以为0.5um、0.8um、1um、1.5um、2um、2.5um…5um,且每一个缺陷尺寸可对应一种镜头倍率;如此,在进行实际使用时,即可根据待检测镜头的倍率,来选择对应缺陷尺寸的样本瑕疵图像,以便后续基于选择出的图像,来进行性能分析。
可选的,举例可采用线扫相机或面阵相机来使用瑕疵镜头和待检测镜头进行影像扫描,从而得到样本瑕疵图像以及成像图像,即成像图像还关联有拍摄相机类型,以便后续基于不同的相机类型,来进行PEAK值的计算;可选的,对于待检测镜头,可进行多次成像扫描,从而得到L张待检测镜头的成像图像,其中,L为大于1的整数,且在本实施例中,优选为10。
另外,在本实施例中,PEAK值是指影像差异值,其中,影像差异值越小,表征镜头的性能越优,反之,影像差异值越大,镜头的性能就越低;且举例任一样本瑕疵图像中的镜头缺陷区域位置可以但不限于为该任一样本瑕疵图像中镜头缺陷区域的坐标;如此,即可使用前述筛选出的各个样本瑕疵图像中各个镜头缺陷区域位置,来进行待检测镜头对应成像图像的PEAK值的计算;其中,图像筛选过程如下述步骤S2所示。
S2. 基于所述待检测镜头的成像倍率,从所述样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像关联的镜头倍率小于或等于所述成像倍率;在本实施例中,如待检测镜头的成像倍率为2.5倍,那么,则从样本瑕疵图像集中,选择出缺陷尺寸对应镜头倍率小于或等于2.5倍的样本瑕疵图像,从而来作为标定瑕疵图像。
在确定出待检测镜头的标定瑕疵图像后,即可进行性能分析,如下述步骤S3所示。
S3. 基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值;在本实施例中,由于前述就已说明,待检测镜头的成像图像为多张,那么,相当于是基于所述至少一张标定瑕疵图像中各个标定瑕疵图像关联的镜头缺陷区域位置,来计算出每张成像图像的PEAK值;而后,取所有成像图像的PEAK值的均值,来作为所述镜头性能对比值;更进一步的,步骤S3的原理相当于就是假设该成像图像中也存在前述标定瑕疵图像对应的镜头缺陷区域(即存在相应的镜头瑕疵),从而基于该区域,来计算出成像图像的PEAK值,且由于各张成像图像的PEAK值的计算原理相同,下述以一张成像图像为例,来具体阐述PEAK值的计算过程,可以但不限于如下述步骤S31~S35所示。
S31. 对于所述至少一张标定瑕疵图像中的第k张标定瑕疵图像,基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域;在本实施例中,前述就已说明,镜头缺陷区域位置为镜头缺陷区域的坐标,因此,该坐标在成像图像中所围成的区域,即可表示缺陷发生区域,当然,当第k张标定瑕疵图像中关联的镜头缺陷区域位置大于1时(即其对应瑕疵镜头对应的缺陷大于1,如同时存在Island和Pinhole缺陷等),缺陷发生区域也有多个;因此,需要根据缺陷发生区域的个数,来采取不同的计算步骤,如下述步骤S32所示。
S32. 判断所述缺陷发生区域的数量是否大于1。
S33. 若否,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,其中,所述目标镜头缺陷种类为所述第k张标定瑕疵图像对应的镜头缺陷种类,所述目标缺陷尺寸为所述第k张标定瑕疵图像对应的缺陷尺寸;在具体应用时,可以但不限于采用如下步骤S33a~S33c,来计算出成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
S33a. 基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值;在本实施例中,可以但不限于采用如下公式(1),来计算出该背景均值。
(1)
上述公式(1)中,表示背景均值,其中,/>表示成像图像中像素坐标为/>的像素点的灰度值,且成像图像的尺寸为/>,缺陷发生区域的尺寸为。
基于上述公式(1)可知,相当于是求取成像图像中除去缺陷发生区域中像素点之外的所有像素点的灰度均值,来作为背景均值;而在计算出背景均值后,即结合缺陷发生区域中最大的灰度值,来进行PEAK值的计算,如下述步骤S33b和步骤S33c所示。
S33b. 从所述缺陷发生区域中的各个像素点的灰度值中,筛选出最大的灰度值。
S33c. 利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;在本实施例中,可以但不限于采用如下公式(2),来计算出该成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
(2)
上述公式(2)中,表示所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,/>表示所述最大的灰度值,/>表示绝对值函数。
由此基于前述步骤S33a~S33c,即可计算出成像图像相对于第k张标定瑕疵图像的PEAK值;如,假设第k张标定瑕疵图像对应的镜头缺陷种类为Island,缺陷尺寸为1um,那么,相当于就计算出了成像图像在缺陷种类为Island,缺陷尺寸为1um时的PEAK值;当然,成像图像相对于其余不同镜头缺陷种类和缺陷尺寸的PEAK值所表达的含义与前述举例相同,于此不再赘述。
更进一步的,在本实施例中,前述就已说明,成像图像关联有拍摄相机类型,因此,在步骤S32之后,还需要根据成像图像对应的相机类型,来选择不同的计算步骤;其中,若所述成像图像对应的拍摄相机类型为线扫相机,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像中左部图像、中部图像和右部图像的PEAK值;然后,将左部图像、中部图像和右部图像的PEAK值中最小的PEAK值,作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;在具体应用时,可将成像图像分为左、中和右三个图像区域(划分界限可预先设置),而后,在具体计算过程中,相当于是先计算三个图像区域的背景均值,然后结合缺陷发生区域中的最大灰度值,并利用基于前述公式(2),来计算出每个图像区域的PEAK值;最后,取三个图像区域的PEAK值中的最小值,来作为成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
当然,若所述成像图像对应的拍摄相机类型为面阵相机,则从所述成像图像中提取出预设尺寸的区域,以作为标定区域,其中,所述标定区域中包括有所述缺陷发生区域;在本实施例中,预设尺寸的区域可为3×3或5×5的矩形区域,当然,该区域可根据实际使用而具体设定,在此不限定于前述举例。
在得到标定区域后,即可基于所述缺陷发生区域和所述标定区域中各个像素点的灰度值,来计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;在本实施例中,相当于是使用标定区域代替成像图像,并计算出该标定区域的背景均值,最后,即可基于前述公式(2),来计算出成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
基于前述阐述,以相同原理,来基于下一张标定瑕疵图像中的镜头瑕疵区域位置,确定出成像图像中的缺陷发生区域,并进行PEAK值的计算,直至将所有标定瑕疵图像遍历完毕时,即可得到成像图像相对于每张标定瑕疵图像的PEAK值;最后,根据得到的多个PEAK值,即可计算出其最终的PEAK值;具体的,循环步骤如下述步骤S34所示。
S34. 将k自加1,并重新基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域,直至k等于K时,得到K个PEAK值,其中,k的初始值为1,且K为标定瑕疵图像的总数量;在本实施例中,假设存在有10张标定瑕疵图像,那么,则会得到10个PEAK值,而后,即可基于10个PEAK值,来确定出成像图像最终的PEAK值,如下述步骤S35所示。
S35. 从K个PEAK值中筛选出最小的PEAK值,以作为所述成像图像的PEAK值;在本实施例中,由于PEAK值代表的是镜头性能,且其数值越低,性能越差,因此,只要成像图像的K个PEAK值中,最小的PEAK值满足镜头合格标准,则说明待检测镜头的性能合格;反之,若最小的PEAK值都不满足镜头合格标准,那么,则说明待检测镜头的性能不合格;基于此,本发明则将计算出的K个PEAK值中最小的PEAK值,来作为成像图像最终的PEAK值。
在本实施例中,步骤S33中,若所述缺陷发生区域的数量大于1,那么,则需要基于各个缺陷发生区域中每个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于每个缺陷发生区域的PEAK值;然后,从所述成像图像相对于每个缺陷发生区域的PEAK值中,筛选出最小的PEAK值,以作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;在具体应用时,以一个实例来阐述缺陷发生区域数量为多个时的计算过程:
若成像图像中存在A和B两个缺陷发生区域,那么,先基于前述步骤S33a~S33c,计算出成像图像相对于A的PEAK值;然后再以相同原理,计算出成像图像相对于B的PEAK值,最后,取二者中的最小值,来作为成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;当然,当缺陷发生区域为3个及以上时,其计算原理与前述举例相同,于此不再赘述。
由此通过前述步骤S31~S35及其子步骤,即可计算出每张成像图像的PEAK值,最后,取所有成像图像的PEAK值的均值,即可得到镜头性能对比值;当然,若成像图像只有一张,则其对应的PEAK值,来作为镜头性能对比值;而在得到镜头性能对比值后,即可从各个标定瑕疵图像所对应的PEAK值中,确定出镜头性能标定值,以便与计算出的镜头性能对比值进行对比,从而来得到待检测镜头的性能检测结果,其中,对比过程如下述步骤S4~S6所示。
S4. 从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值;在本实施例中,各标定瑕疵图像对应PEAK值中的最小的PEAK值,则代表着性能合格界限,因此,即可基于该界限与镜头性能对比值之间的大小关系,来得出待检测镜头的性能检测结果,其中,对比过程如下述步骤S5和步骤S6所示。
S5. 判断所述镜头性能对比值,是否大于所述镜头性能标定值。
S6. 若是,则判定所述待检测镜头的镜头性能达到最低成像性能;在本实施例中,若计算出的镜头性能对比值大于该界限(镜头性能标定值),则说明待检测镜头满足最低合格线,性能合格,反之,若小于该界限,则说明镜头性能不合格,不满足使用需求;如此,本发明只需依据设置的样本瑕疵图像中的镜头缺陷区域,来对镜头成像做PEAK分析,且只要达到设置的样本瑕疵图像中的最小PEAK值,即可判定该镜头就为合格镜头。
由此通过前述步骤S1~S6所详细描述的镜头的检测方法,本发明通过预先设置不同倍率及缺陷种类镜头所成像图像的PEAK数值以及其镜头缺陷区域位置,来实现待检测镜头的性能评估;具体的,是先基于待检测镜头的成像倍率,来筛选出与该成像倍率相匹配的样本瑕疵图像,以作为标定瑕疵图像;而后,再基于各个标定瑕疵图像中镜头缺陷区域位置,来计算出待检测镜头所成像图像的PEAK值;最后,通过判断该计算出的PEAK值,与各标定瑕疵图像中最小的PEAK值之间的大小关系,即可判定出该待检测镜头的性能是否合格;由此,本方法无需测试MIF,就可直接得出镜头性能检测结果,不仅提高了检测效率,且在检测时也不需要专业的光学或软件人员,降低了人员成本,因此,适应于在镜头性能检测领域的大规模应用与推广。
如图4所示,本实施例第二方面提供了一种实现实施例第一方面中所述的镜头性能的检测方法的硬件装置,包括:
获取单元,用于获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高。
PEAK值计算单元,用于基于所述待检测镜头的成像倍率,从样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像对应的镜头倍率小于或等于所述成像倍率。
PEAK值计算单元,用于基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值。
PEAK值计算单元,还用于从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值。
性能检测单元,用于判断所述镜头性能对比值,是否大于所述镜头性能标定值。
性能检测单元,还用于在判断出镜头性能对比值大于所述镜头性能标定值时,判定所述待检测镜头的镜头性能达到最低成像性能。
本实施例提供的装置的工作过程、工作细节和技术效果,可以参见实施例第二方面,于此不再赘述。
如图5所示,本实施例第三方面提供了另一种镜头性能的检测装置,以装置为电子设备为例,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面所述的镜头性能的检测方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(random accessmemory,RAM)、只读存储器(Read Only Memory ,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;具体地,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现,同时,处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制,例如,所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的电子设备的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的镜头性能的检测方法的指令的存储介质,即所述存储介质上存储有指令,当所述指令在计算机上运行时,执行如实施例第一方面所述的镜头性能的检测方法。
其中,所述存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面所述的镜头性能的检测方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种镜头性能的检测方法,其特征在于,包括:
获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高;
基于所述待检测镜头的成像倍率,从所述样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像关联的镜头倍率小于或等于所述成像倍率;
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值;
从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值;
判断所述镜头性能对比值,是否大于所述镜头性能标定值;
若是,则判定所述待检测镜头的镜头性能达到最低成像性能;
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,包括:
对于所述至少一张标定瑕疵图像中的第k张标定瑕疵图像,基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域;
判断所述缺陷发生区域的数量是否大于1;
若否,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,其中,所述目标镜头缺陷种类为所述第k张标定瑕疵图像对应的镜头缺陷种类,所述目标缺陷尺寸为所述第k张标定瑕疵图像对应的缺陷尺寸;
将k自加1,并重新基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域,直至k等于K时,得到K个PEAK值,其中,k的初始值为1,且K为标定瑕疵图像的总数量;
从K个PEAK值中筛选出最小的PEAK值,以作为所述成像图像的PEAK值;
基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,包括:
基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值;
从所述缺陷发生区域中的各个像素点的灰度值中,筛选出最大的灰度值;
利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
2.根据权利要求1所述的方法,其特征在于,基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值,包括:
基于成像图像中各个像素点的灰度值,并按照如下公式(1),计算出所述背景均值;
(1)
上述公式(1)中,表示背景均值,其中,/>表示成像图像中像素坐标为/>的像素点的灰度值,且成像图像的尺寸为/>,缺陷发生区域的尺寸为/>;
相应的,利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,则包括:
按照如下公式(2),计算出成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;
(2)
上述公式(2)中,表示所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,/>表示所述最大的灰度值,/>表示绝对值函数。
3.根据权利要求1所述的方法,其特征在于,所述成像图像关联有拍摄相机类型,其中,拍摄相机类型包括线扫相机和面阵相机;
相应的,基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,则包括:
若所述成像图像对应的拍摄相机类型为线扫相机,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像中左部图像、中部图像和右部图像的PEAK值;
将左部图像、中部图像和右部图像的PEAK值中最小的PEAK值,作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值;
若所述成像图像对应的拍摄相机类型为面阵相机,则从所述成像图像中提取出预设尺寸的区域,以作为标定区域,其中,所述标定区域中包括有所述缺陷发生区域;
基于所述缺陷发生区域和所述标定区域中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若是,则基于各个缺陷发生区域中每个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于每个缺陷发生区域的PEAK值;
从所述成像图像相对于每个缺陷发生区域的PEAK值中,筛选出最小的PEAK值,以作为所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
5.根据权利要求1所述的方法,其特征在于,所述成像图像的数量大于L,其中,L为大于1的正整数,且所述方法还包括:
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出每张成像图像的PEAK值,并将所有成像图像的PEAK值的均值,作为所述镜头性能对比值。
6.一种镜头性能的检测装置,其特征在于,包括:
获取单元,用于获取样本瑕疵图像集、待检测镜头的成像倍率以及成像图像,所述样本瑕疵图像集中包含有至少一个样本瑕疵图像序列,各个样本瑕疵图像序列对应的镜头缺陷种类不同,任一样本瑕疵图像序列中包含有多张缺陷尺寸不同的样本瑕疵图像,其中,任一样本瑕疵图像序列中包含的多张样本瑕疵图像对应的镜头缺陷种类相同,任一样本瑕疵图像关联有其缺陷尺寸对应的镜头倍率、图像中的镜头缺陷区域位置以及一PEAK值,所述PEAK值用于表征镜头的成像性能,且PEAK值越大,镜头的成像性能越高;
PEAK值计算单元,用于基于所述待检测镜头的成像倍率,从样本瑕疵图像集中,筛选出至少一张标定瑕疵图像,其中,任一标定瑕疵图像对应的镜头倍率小于或等于所述成像倍率;
PEAK值计算单元,用于基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,以作为镜头性能对比值;
PEAK值计算单元,还用于从各个标定瑕疵图像对应的PEAK值中,筛选出最小的PEAK值,以作为镜头性能标定值;
性能检测单元,用于判断所述镜头性能对比值,是否大于所述镜头性能标定值;
性能检测单元,还用于在判断出镜头性能对比值大于所述镜头性能标定值时,判定所述待检测镜头的镜头性能达到最低成像性能;
基于所述至少一张标定瑕疵图像中各个标定瑕疵图像所关联的镜头缺陷区域位置,计算出所述成像图像的PEAK值,包括:
对于所述至少一张标定瑕疵图像中的第k张标定瑕疵图像,基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域;
判断所述缺陷发生区域的数量是否大于1;
若否,则基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,其中,所述目标镜头缺陷种类为所述第k张标定瑕疵图像对应的镜头缺陷种类,所述目标缺陷尺寸为所述第k张标定瑕疵图像对应的缺陷尺寸;
将k自加1,并重新基于所述第k张标定瑕疵图像关联的镜头缺陷区域位置,确定出所述成像图像中的缺陷发生区域,直至k等于K时,得到K个PEAK值,其中,k的初始值为1,且K为标定瑕疵图像的总数量;
从K个PEAK值中筛选出最小的PEAK值,以作为所述成像图像的PEAK值;
基于所述缺陷发生区域中各个像素点的灰度值和所述成像图像中各个像素点的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值,包括:
基于所述成像图像中各个像素点的灰度值,计算出所述成像图像的背景均值;
从所述缺陷发生区域中的各个像素点的灰度值中,筛选出最大的灰度值;
利用所述背景均值和所述最大的灰度值,计算出所述成像图像相对于目标镜头缺陷种类和目标缺陷尺寸的PEAK值。
7.一种电子设备,其特征在于,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~5任意一项所述的镜头性能的检测方法。
8.一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指令,当所述指令在计算机上运行时,执行如权利要求1~5任意一项所述的镜头性能的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075768.0A CN116773152B (zh) | 2023-08-25 | 2023-08-25 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075768.0A CN116773152B (zh) | 2023-08-25 | 2023-08-25 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116773152A CN116773152A (zh) | 2023-09-19 |
CN116773152B true CN116773152B (zh) | 2023-11-03 |
Family
ID=87993467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311075768.0A Active CN116773152B (zh) | 2023-08-25 | 2023-08-25 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116773152B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818558A (zh) * | 2017-09-19 | 2018-03-20 | 歌尔科技有限公司 | 一种检测镜头瑕疵的方法和装置 |
CN109655234A (zh) * | 2018-12-19 | 2019-04-19 | 中国大恒(集团)有限公司北京图像视觉技术分公司 | 一种针对于相机的自动化测试方法 |
CN110415214A (zh) * | 2019-06-26 | 2019-11-05 | 北京迈格威科技有限公司 | 摄像头模组的外观检测方法、装置、电子设备及存储介质 |
WO2021147388A1 (zh) * | 2020-01-21 | 2021-07-29 | 上海万物新生环保科技集团有限公司 | 相机色斑检测方法及设备 |
CN113706446A (zh) * | 2021-03-30 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 一种镜头检测方法和相关装置 |
CN113780235A (zh) * | 2021-09-24 | 2021-12-10 | 西安闻泰信息技术有限公司 | 图标瑕疵检测方法及系统 |
CN114298993A (zh) * | 2021-12-23 | 2022-04-08 | 杭州萤石软件有限公司 | 光学镜头的检测方法和检测装置 |
CN114663341A (zh) * | 2021-09-28 | 2022-06-24 | 深圳元子光电视觉科技有限公司 | 一种光学镜头眩光缺陷定量检测方法 |
CN116416190A (zh) * | 2021-12-31 | 2023-07-11 | 鸿海精密工业股份有限公司 | 瑕疵检测方法及装置、电子设备及存储介质 |
CN116642830A (zh) * | 2023-05-22 | 2023-08-25 | 成都中嘉微视科技有限公司 | 一种新型的线扫图像检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100573315C (zh) * | 2007-04-04 | 2009-12-23 | 鸿富锦精密工业(深圳)有限公司 | 相机模块污点测试系统及方法 |
EP1980843A1 (en) * | 2007-04-13 | 2008-10-15 | Essilor International (Compagnie Generale D'optique) | Method and apparatus for detecting defects in optical components. |
-
2023
- 2023-08-25 CN CN202311075768.0A patent/CN116773152B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818558A (zh) * | 2017-09-19 | 2018-03-20 | 歌尔科技有限公司 | 一种检测镜头瑕疵的方法和装置 |
CN109655234A (zh) * | 2018-12-19 | 2019-04-19 | 中国大恒(集团)有限公司北京图像视觉技术分公司 | 一种针对于相机的自动化测试方法 |
CN110415214A (zh) * | 2019-06-26 | 2019-11-05 | 北京迈格威科技有限公司 | 摄像头模组的外观检测方法、装置、电子设备及存储介质 |
WO2021147388A1 (zh) * | 2020-01-21 | 2021-07-29 | 上海万物新生环保科技集团有限公司 | 相机色斑检测方法及设备 |
CN113706446A (zh) * | 2021-03-30 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 一种镜头检测方法和相关装置 |
CN113780235A (zh) * | 2021-09-24 | 2021-12-10 | 西安闻泰信息技术有限公司 | 图标瑕疵检测方法及系统 |
CN114663341A (zh) * | 2021-09-28 | 2022-06-24 | 深圳元子光电视觉科技有限公司 | 一种光学镜头眩光缺陷定量检测方法 |
CN114298993A (zh) * | 2021-12-23 | 2022-04-08 | 杭州萤石软件有限公司 | 光学镜头的检测方法和检测装置 |
CN116416190A (zh) * | 2021-12-31 | 2023-07-11 | 鸿海精密工业股份有限公司 | 瑕疵检测方法及装置、电子设备及存储介质 |
CN116642830A (zh) * | 2023-05-22 | 2023-08-25 | 成都中嘉微视科技有限公司 | 一种新型的线扫图像检测方法 |
Non-Patent Citations (2)
Title |
---|
投影机镜头的MTF实时检测系统;曾明智;李海峰;;《光电工程》;第35卷(第02期);第134-139页 * |
摄像机异常检测及分类的算法研究;匡慈维;《中国优秀硕士学位论文全文数据库信息科技辑》(第02期);第I136-1851页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116773152A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100515098C (zh) | 摄像头的检测系统及其方法 | |
CN104052979B (zh) | 用于图像处理的装置和技术 | |
CN106596073A (zh) | 一种检测光学系统像质的方法和系统及一种测试标板 | |
MX2007000274A (es) | Filtros adaptables y aparato, metodos y sistemas para el procesamiento de imagenes. | |
CN102986208A (zh) | 成像装置、图像处理方法和用于在其上记录程序的记录介质 | |
CN116773152B (zh) | 一种镜头性能的检测方法、装置、电子设备及存储介质 | |
EP1976308A2 (en) | Device and method for measuring noise characteristics of image sensor | |
CN105574844B (zh) | 辐射响应函数估计方法和装置 | |
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 | |
CN116434346B (zh) | 无人值守商店内顾客行为的检测方法、装置及存储介质 | |
CN206740363U (zh) | 一种检测光学系统像质的系统 | |
CN113962876B (zh) | 一种像素畸变的校正方法、校正装置及终端 | |
CN112203080B (zh) | 解像力测试方法、设备及存储介质 | |
CN114419037B (zh) | 工件缺陷检测方法和装置 | |
CN115379200A (zh) | 测试方法和装置、电子设备和可读存储介质 | |
CN116973311B (zh) | 一种膜上膜下异物的检测装置及检测方法 | |
CN114429439A (zh) | 一种显示故障检测方法、装置、电子设备和存储介质 | |
CN112213244A (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
CN116708750A (zh) | 分辨率测试方法、装置、系统、电子设备和存储介质 | |
CN112712490A (zh) | 尿液检测方法、尿液检测设备及计算机可读存储介质 | |
KR20190075283A (ko) | 금속입자 검출 시스템 및 방법 | |
CN116342571B (zh) | 通风系统控制箱的状态检测方法、装置及存储介质 | |
CN116843690B (zh) | 图像质量评估方法、设备及系统 | |
CN115035075B (zh) | 一种烟丝组分判定方法、系统、电子设备及计算机可读存储介质 | |
CN109743569B (zh) | 一种摄像头调焦方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |