CN116958058A - 镜头脏污检测方法、装置及图像检测设备 - Google Patents
镜头脏污检测方法、装置及图像检测设备 Download PDFInfo
- Publication number
- CN116958058A CN116958058A CN202310761287.9A CN202310761287A CN116958058A CN 116958058 A CN116958058 A CN 116958058A CN 202310761287 A CN202310761287 A CN 202310761287A CN 116958058 A CN116958058 A CN 116958058A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- dirty
- candidate
- edge
- 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 187
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000012216 screening Methods 0.000 claims abstract description 25
- 238000000926 separation method Methods 0.000 claims abstract description 24
- 238000011109 contamination Methods 0.000 claims description 74
- 238000001914 filtration Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000003708 edge detection Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本申请提供了一种镜头脏污检测方法、装置及图像检测设备,涉及镜头脏污检测技术领域。其中,该方法包括:获取原始图像进行脏污细节增强处理得到待测图像;对待测图像进行边界分离处理得到中心区域图像和边缘区域图像;对边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果;若第一脏污检测结果指示待测镜头不存在边缘脏污,则对中心区域图像进行候选区域提取得到中心脏污区域候选集,并对中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,以指示待测镜头的脏污类别。本申请解决了相关技术中对极淡脏污不敏感,容易漏判误判镜头脏污,导致检测准确率低的问题。
Description
技术领域
本申请涉及镜头脏污检测技术领域,具体而言,本申请涉及一种镜头脏污检测方法、装置及图像检测设备。
背景技术
镜头是摄像设备上由透镜组成的用于在底片或幕布上形成影像的光学装置,被广泛应用于摄像机、照相机、放映机,以及具有摄像功能的智能手机、电脑、监控等电子设备中。由于生产工艺与环境的差异,刚生产的光学镜头中难免会存在沾上灰尘或其他微小颗粒的不良品。为了保证这些存在脏污的镜头不会最终落入消费者手上,需要在出厂前对镜头进行镜头脏污检测以筛选出镜头存在脏污的不良品。
在现有技术中,镜头脏污检测一般利用镜头拍摄图像,并且图像处理以及算法分析,分辨出该镜头是否为不良品,这种测试也被叫做POG。目前现有技术往往基于中值滤波或均值滤波进行,对于肉眼不可见的极淡脏污效果较差,只能检测比较肉眼可见的明显脏污,经常漏检或误检,导致镜头脏污检测准确率低。
由上可知,相关技术中镜头脏污检测对极淡脏污不敏感,容易漏判误判镜头脏污,因此如何提高镜头脏污检测的准确率仍有待解决。
发明内容
本申请各提供了一种镜头脏污检测方法、装置、图像检测设备及存储介质,可以解决相关技术中存在的镜头脏污检测的准确率不高的问题。所述技术方案如下:
根据本申请的一个方面,一种镜头脏污检测方法,所述方法包括:获取原始图像并对所述原始图像进行脏污细节增强处理,得到待测图像,所述原始图像为待测镜头拍摄的白场图像;对所述待测图像进行边界分离处理,得到中心区域图像和边缘区域图像;对所述边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对所述边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,所述第一脏污检测结果用于指示所述待测镜头是否存在边缘脏污;若所述第一脏污检测结果指示所述待测镜头不存在边缘脏污,则对所述中心区域图像进行候选区域提取得到中心脏污区域候选集,并对所述中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,所述第二脏污检测结果用于指示所述待测镜头的脏污类别。
根据本申请的一个方面,一种镜头脏污检测装置,所述装置包括:增强模块,用于获取原始图像并对所述原始图像进行脏污细节增强处理,得到待测图像,所述原始图像为待测镜头拍摄的白场图像;边界分离模块,用于对所述待测图像进行边界分离处理,得到中心区域图像和边缘区域图像;边缘区域图像检测模块,用于对所述边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对所述边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,所述第一脏污检测结果用于指示所述待测镜头是否存在边缘脏污;中心区域图像检测模块,用于若所述第一脏污检测结果指示所述待测镜头不存在边缘脏污,则对所述中心区域图像进行候选区域提取得到中心脏污区域候选集,并对所述中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,所述第二脏污检测结果用于指示所述待测镜头的脏污类别。
在一示例性实施例中,所述增强模块包括:灰度处理单元,用于对所述原始图像进行灰度处理和频域变换,得到频域灰度图像;滤波处理单元,用于对所述频域灰度图像进行频域上的滤波处理,获得第一滤波图像;空间域变换单元,用于对所述第一滤波图像进行空间域变换,得到空间域上的所述待测图像。
在一示例性实施例中,所述装置还包括:下采样模块,用于对所述待测图像进行空间域上的滤波处理后再进行下采样处理,以使所述边界分离处理是基于下采样处理后的所述待测图像进行的。
在一示例性实施例中,所述边界分离模块包括:灰度均值计算单元,用于根据所述待测图像中各像素的灰度值,计算所述待测图像中各行向量的灰度均值和各列向量的灰度均值;变化率计算单元,用于分别根据所述待测图像中各行向量的灰度均值和各列向量的灰度均值进行均值变化率计算,获得所述待测图像的行灰度均值变化率和列灰度均值变化率;图像分离单元,用于根据所述待测图像的行灰度均值变化率和列灰度均值变化率,将所述待测图像分为所述中心区域图像和所述边缘区域图像。
在一示例性实施例中,所述边缘区域图像检测模块包括:灰度差异处理单元,用于对所述边缘区域图像中各像素与周围像素进行灰度差异处理;第一区域提取单元,用于对处理后的所述边缘区域图像中利用二值化算法提取得到候选区域,并基于提取到的候选区域构建所述边缘脏污区域候选集。候选区域筛查单元,用于利用脏污判定条件筛查所述边缘脏污区域候选集中的候选区域,若筛查得到符合脏污特征的所述候选区域,则确定所述第一脏污结果指示所述待测镜头存在边缘脏污。
在一示例性实施例中,所述中心区域图像检测模块包括:图像分割处理单元,用于对所述中心区域图像进行图像分割处理;第二区域提取单元,用于对处理后的所述中心区域图像利用二值化算法提取得到候选区域,并基于提取到的候选区域构建所述中心脏污区域候选集;小面积判别单元,用于若所述中心脏污区域候选集中的候选区域确定为小面积区域,则进入小面积判别流程,得到用于指示所述待测镜头是否属于小脏污类别的所述第二脏污检测结果;大面积判别单元,用于若所述中心脏污区域候选集中的候选区域确定为大面积区域,则进入大面积判别流程,得到用于指示所述待测镜头是否属于淡脏污类别的所述第二脏污检测结果。
在一示例性实施例中,所述区域图像包括所述边缘区域图像或所述中心区域图像;脏污区域候选集包括所述边缘脏污区域候选集或所述中心脏污区域候选集;所述第二区域提取单元包括:二值化子单元,用于根据不同二值化阈值对所述区域图像分别进行二值化处理,得到多个轮廓集合;每一个所述轮廓集合对应一个二值化阈值,所述轮廓集合包含至少一个图像轮廓;比较子单元,用于通过对多个所述轮廓集合中的各图像轮廓进行比较,将不同时存在于多个所述轮廓集合中的图像轮廓作为差异轮廓;候选区域确定子单元,用于将所述差异轮廓在所述区域图像中的区域确定为候选区域,并将所确定的候选区域添加至所述记录为脏污区域候选集。
在一示例性实施例中所述小面积判别流程包括:比较内圈像素的灰度均值和外圈像素的灰度均值,所述内圈像素为所述候选区域内的像素点,所述外圈像素为所述候选区域外且所述中心区域图像设定范围内的像素点;若所述外圈像素的灰度均值大于所述内圈像素的灰度均值,则确定所述候选区域符合脏污特征,得到指示所述待测镜头的脏污类别为所述小脏污类别的所述第二脏污检测结果。
在一示例性实施例中,所述大面积判别流程包括:对所述中心区域图像进行边缘检测,得到边缘检测图像,并对所述边缘检测图像进行候选区域提取得到对照脏污区域候选集;将所述中心脏污区域候选集中各候选区域的图像特征与所述对照脏污区域候选集中各候选区域的图像特征进行比对,选取在不同脏污区域候选集中具有相同图像特征的候选区域,并基于选取到的候选区域构建大面积脏污区域候选集;针对所述大面积脏污区域候选集中的各候选区域,比较内圈像素的灰度均值和外圈像素的灰度均值,所述内圈像素为所述候选区域内的像素点,所述外圈像素为所述候选区域外且所述中心区域图像设定范围内的像素点;若所述外圈像素的灰度均值大于所述内圈像素的灰度均值,则确定所述候选区域符合脏污特征,得到指示所述待测镜头的脏污类别为所述淡脏污类别的所述第二脏污检测结果。
根据本申请的一个方面,一种图像检测设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器上存储有程序指令或代码;所述程序指令或代码被所述处理器加载并执行,使得图像检测设备实现如上所述的镜头脏污检测方法。
根据本申请的一个方面,一种存储介质,其上存储有程序指令或代码,所述程序指令或代码被处理器加载并执行,以实现如如上所述的镜头脏污检测方法。
根据本申请的一个方面,一种计算机程序产品,计算机程序产品包括程序指令或代码,程序指令或代码存储在存储介质中,图像检测设备的处理器从存储介质读取程序指令或代码,加载并执行该程序指令或代码,使得图像检测设备实现如上所述的镜头脏污检测方法。
本申请提供的技术方案带来的有益效果是:
在上述技术方案中,获取原始图像并对原始图像进行脏污细节增强处理,得到待测图像,原始图像为待测镜头拍摄的白场图像;对待测图像进行边界分离处理,得到中心区域图像和边缘区域图像;对边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,第一脏污检测结果用于指示待测镜头是否存在边缘脏污;若第一脏污检测结果指示待测镜头不存在边缘脏污,则对中心区域图像进行候选区域提取得到中心脏污区域候选集,并对中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,第二脏污检测结果用于指示待测镜头的脏污类别。
由此,一方面,通过对原始图像进行脏污细节增强,增强了脏污的细节特征同时过滤噪声,以此提高镜头脏污检测的准确率,另一方面,通过将待测图像分为中心区域图像和边缘区域图像进行独立的镜头脏污检测,实现不同脏污类别进行针对性的检测,进一步有利于提高镜头脏污检测的准确率,从而能够有效地解决相关技术中存在的镜头脏污检测的准确率低的问题。
此外,通过将待测图像分为中心区域图像和边缘区域图像,并先针对边缘区域图像进行独立的针对性镜头脏污检测,在未检测到待测镜头存在边缘脏污的情况下,才会针对中心区域图像进行独立的针对性镜头脏污检测,以此简化镜头脏污检测流程,能够有效地提高镜头脏污检测的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1是根据本申请所涉及的实施环境的示意图;
图2是根据一示例性实施例示出的一种镜头脏污检测方法的流程图;
图3是根据一示例性实施例示出的对原始图像进行脏污细节增强处理的过程的流程图;
图4是根据一示例性实施例示出的另一种镜头脏污检测方法的流程图;
图5是根据一示例性实施例示出的边界分离处理的流程图;
图5a是根据一示例性实施例示出的边界分离处理的结构图;
图6是图2对应实施例中步骤250在一个实施例的流程图;
图7是图2对应实施例中步骤270在一个实施例的流程图;
图8是根据一示例性实施例示出的候选区域提取的流程图;
图9是根据一示例性实施例示出的小面积判别流程的流程图;
图10是根据一示例性实施例示出的大面积判别流程的流程图;
图10a是根据一示例性实施例示出的内圈像素和外圈像素的示意图;
图11是一应用场景中一种镜头脏污检测方法的具体实现流程图;
图12是根据一示例性实施例示出的一种镜头脏污检测装置的结构框图;
图13是根据一示例性实施例示出的一种图像检测设备的结构框图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
如前所述,目前现有技术往往基于中值滤波或均值滤波进行,对于肉眼不可见的极淡脏污检测效果较差,只能检测比较肉眼可见的明显脏污,经常漏检或误检,导致镜头脏污检测准确率低。
此外,当图像尺寸较大时,现有技术算法计算量过大,导致镜头脏污检测速度慢,检测流程容易超时,镜头脏污检测效率低下。
由上可知,相关技术中仍存在镜头脏污检测的准确率不高,效率低的缺陷。
为此,本申请提供的镜头脏污检测方法,能够有效地提升镜头脏污检测的准确率,相应地,该镜头脏污检测方法适用于镜头脏污检测装置,该镜头脏污检测装置可部署于图像检测设备,该图像检测设备可以是配置冯诺依曼体系结构的计算机设备,例如,该计算机设备包括台式电脑、笔记本电脑、服务器等。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1为一种图像处理方法所涉及的一种实施环境的示意图。需要说明的是,该种实施环境只是一个适配于本发明的示例,不能认为是提供了对本发明的使用范围的任何限制。
该实施环境包括采集端110和服务端130。
具体地,采集端110,也可以认为是图像采集设备,包括但不限于摄像头、相机、摄录机等具有拍摄功能的图像采集设备。
服务端130,该服务端130可以是台式电脑、笔记本电脑、服务器等等图像检测设备,还可以是由多台服务器构成的计算机集群,甚至是由多台服务器构成的云计算中心。其中,服务端130用于提供后台服务,例如,后台服务包括但不限于镜头脏污检测服务等等。
服务端130与采集端110之间通过有线或者无线等方式预先建立网络通信连接,并通过该网络通信连接实现服务端130与采集端110之间的数据传输。传输的数据包括但不限于:原始图像等等。
在一应用场景中,通过采集端110与服务端130的交互,采集端110使用待测镜头拍摄并采集得到待测图像,并将待测图像上传至服务端130,以请求服务端130提供镜头脏污检测服务。
对于服务端130而言,在接收到采集端110上传的目标对象的待测图像之后,便调用镜头脏污检测服务,对待测图像进行镜头脏污检测,使得待测图像通过镜头脏污检测检测待测镜头的镜头脏污类型,以此来解决相关技术中存在的镜头脏污检测准确率低,效率低的问题。
请参阅图2,本申请实施例提供了一种镜头脏污检测方法,该方法适用于图像检测设备,该图像检测设备可以是图1所示出实施环境中的服务端130。
在下述方法实施例中,为了便于描述,以该方法各步骤的执行主体为图像检测设备为例进行说明,但是并非对此构成具体限定。
如图2所示,该方法可以包括以下步骤:
步骤210,获取原始图像并对原始图像进行脏污细节增强处理,得到待测图像。
其中,原始图像为由待测镜头拍摄的白场图像,具体是指具有图像中心区域亮度较高、边缘区域亮度较低等图像特征的白场图像。在一应用场景,通过在拍摄原始图像过程中保持拍摄环境始终环境光稳定,且调整待测镜头的曝光以控制图像的曝光度,以获取平均灰度在一定范围内,亮度适中,适于进行镜头脏污检测的原始图像。
在一种可能的实现方式,原始图像为待测镜头在白场环境中通过面向工业背光源或其他光源调整曝光进行拍摄,获得的仅包含白场的图像。
请参阅图3,在一种可能的实现方式,对原始图像进行脏污细节增强处理的过程包括以下步骤:
步骤310,对原始图像进行灰度处理和频域变换,得到频域灰度图像。
首先需要说明的是,如果镜头上出现脏污,原始图像中的对应区域也会产生与周围区域存在灰度差异的脏污区域,因此通过检测原始图像中的脏污区域的灰度可以确定镜头是否存在脏污以及脏污类型。基于此,通过将原始图像转化为灰度图像后进行镜头脏污检测,不会影响镜头脏污检测的准确性,且由于将原始图像由图像信息大的彩色图像转化为图像信息少的灰度图像,减少了镜头脏污检测过程中的计算量,提高了镜头脏污检测的效率,提高了镜头脏污检测速度。
此外,发明人意识到原始图像位于空间域,现有技术在镜头脏污检测过程中进行脏污细节增强处理时,容易导致噪声同时被增强,导致镜头脏污检测的准确率下降,且检测速度下降。因此,通过对原始图像进行频域变换至频域,为之后的镜头脏污检测过程做准备,使脏污细节增强的操作得以实现。
步骤330,对频域灰度图像进行频域上的滤波处理,获得第一滤波图像。
在一种可能的实现方式,频域上的滤波处理由差分高斯滤波实现,对频域灰度图像进行第一次高斯滤波后得到第一次滤波结果,再对频域灰度图像进行第二次高斯滤波,得到第二次滤波结果,通过对第一次滤波结果和第二次滤波结果进行差分运算获取第一滤波图像。在此说明的是,为了提高滤波处理的效果,第二次高斯滤波的卷积核尺寸五倍以上于第一次高斯滤波。此种方式下,通过差分高斯滤波可以降低频域灰度图像高频区域的能量分布,从而能够有效的去除主要分布再高频区域的噪声,达到去噪效果。
步骤350,对第一滤波图像进行空间域变换,得到空间域上的待测图像。
在一种可能的实现方式,通过傅里叶逆变换将第一滤波图像从频域转化为空间域。
通过上述过程,在频域上对原始图像进行滤波处理,达到减少原始图像中的噪声,同时加强脏污的灰度特征,使得图像脏污检测更容易识别脏污和脏污类型,提高了图像脏污检测的检测准确性和检测效率。
在一种可能的实现方式,如图4所示,在对原始图像进行脏污细节增强处理之后,还包括以下步骤:
步骤410,对待测图像进行空间域上的滤波处理后再进行下采样处理,以使边界分离处理是基于下采样处理后的待测图像进行的。
其中,下采样处理与空间域上的滤波处理保持触发关系,即每需要进行一次下采样操作,都会先进行一次空间域上的滤波处理再进行下采样操作。
通过下采样操作,实现降低待测图像的整体尺寸,减少图像脏污检测过程中的计算量,从而达到加快图像脏污检测的效率和检测速度。
步骤230,对待测图像进行边界分离处理,得到中心区域图像和边缘区域图像。
需要说明的是,由于镜头脏污存在不同类型,在待测图像上存在的脏污类型也有不同类型,例如,在待测图像边缘区域出现的符合脏污特征的区域一定是边缘脏污类型,而在待测图像中心区域出现的符合脏污特征的区域可能是难以区分的噪声或淡脏污类型,当脏污面积较小时,脏污区域的脏污特征明显,当脏污面积较大时,大面积淡脏污类型的脏污特征不明显,难以检测。因此,通过对待测图像进行边界分离处理,分为中心区域图像和边缘区域图像,可以针对待测图像中心区域和边缘区域可能出现的不同脏污类型进行针对性检测,提高镜头脏污检测的准确性和检测效率。
请参阅图5,在一种可能的实现方式,对待测图像进行边界分离处理的过程包括以下步骤:
步骤510,根据待测图像中各像素的灰度值,计算待测图像中各行向量的灰度均值和各列向量的灰度均值。
在一种可能的实现方式,待测图像边缘区域与中心区域存在灰度差异,待测图像中心区域灰度均值高,越接近待测图像边缘区域图像灰度均值越低,基于待测图像中各像素的灰度值便能够确定待测图像边缘区域和中心区域的分界线,使得边界分离操作得以实现。
具体地,基于待测图像中各像素的灰度值,计算待测图像中每一行所有像素的灰度值之和、以及每一列所有像素的灰度值之和,然后由每一行所有像素的灰度值之和计算得到该行所有像素的灰度均值、以及由每一列所有像素的灰度值之和计算得到该列所有像素的灰度均值。在此说明的是,每一行所有像素也可以认为是待测图像中的行向量,同理,每一列所有像素也可以认为是待测图像中的列向量。
步骤530,分别根据待测图像中各行向量的灰度均值和各列向量的灰度均值进行均值变化率计算,获得待测图像的行灰度均值变化率和列灰度均值变化率。
首先说明的是,通过灰度均值变化率可以体现待测图像中的明暗变化,因为待测图像具有图像中心区域亮度较高、边缘区域亮度较低等图像特征,所有越靠近图像边缘各个行向量的灰度均值、列向量的灰度均值变化率越大。
例如,通过遍历待测图像中的每一行向量,并针对每一行向量的灰度均值与相邻行向量的灰度均值进行导数运算,能够得到每一行向量的灰度均值变化率,同样通过遍历待测图像中的每一列向量,并针对每一列向量的灰度均值与相邻列向量的灰度均值进行导数运算能够得每一列向量的灰度均值变化率。由各行向量的灰度均值变化率、以及各列向量的灰度均值变化率构成待测图像的行灰度均值变化率和列灰度均值变化率,以此来体现待测图像在对应方向上灰度均值的变化大小。
步骤550,根据待测图像的行灰度均值变化率和列灰度均值变化率,将待测图像分为中心区域图像和边缘区域图像。
在一种可能的实施方式,如图5a所示,通过提前设定一个分界值,当行灰度均值变化率、列灰度均值变化率中的其中一行向量的灰度均值变化率、其中一列向量的灰度均值变化率超过设定的分界值时,将对应的行向量和列向量分别确定为中心区域图像和边缘区域图像的分界线,以将待测图像分为中心区域图像和边缘区域图像,完成边界分离处理。
通过上述过程,实现将待测图像分为中心区域图像和边缘区域图像,使得镜头脏污检测得以针对不同脏污类型进行,提高了镜头脏污检测的准确性。
步骤250对边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,第一脏污检测结果用于指示待测镜头是否存在边缘脏污。
请参阅图6,在一种可能的实现方式,对边缘区域图像进行候选区域提取包括以下步骤:
步骤610,对边缘区域图像中各像素与周围像素进行灰度差异处理。
在一种可能的实现方式,灰度差异处理是通过灰度补偿实现的,例如,通过补偿边缘区域图像的四个角区域的灰度值,增强边缘区域图像灰度过低的区域,使得边缘区域图像中不会出现灰度值与边缘区域灰度均值相差过大的区域,从而减少在进行镜头脏污检测时因区域灰度值过低导致的脏污类型误判。
步骤630,对处理后的边缘区域图像中利用二值化算法提取得到候选区域,并基于提取到的候选区域构建边缘脏污区域候选集。
其中,利用二值化算法提取得到候选区域是指通过将图像反色处理,并通过二值化算法提取可能为脏污区域的候选区域。
在一种可能的实现方式,如图8所示,利用二值化算法,对处理后的区域图像进行候选区域提取以获取脏污区域候选集,包括以下步骤:
步骤810,根据不同二值化阈值对区域图像分别进行二值化处理,得到多个轮廓集合。
其中,通过设立多个二值化阈值,对应每一个二值化阈值进行一次二值化处理,获得多个轮廓集合,每一个轮廓集合对应一个二值化阈值,轮廓集合包含至少一个图像轮廓。
在一可能的实现方式,通过对比每一个轮廓集合中的图像轮廓数对二值化阈值进行调整,直至确定二值化阈值满足二值化条件。
例如,设定两个不同的二值化阈值:阈值a和阈值b,其中阈值a小于阈值b,并对图像进行两次二值化,将灰度值大于阈值的像素点设为1,灰度值小于等于阈值的像素设为0,通过将待测图像中的像素点二值化,提取灰度值大于1的像素点作为待测图像中的图像轮廓,对应两个二值化阈值获得两个轮廓集合:轮廓集合a和轮廓集合b,因为阈值a小于阈值b,因此基于阈值b进行的二值化处理提取得到的图像轮廓更少,因此轮廓集合a中的图像轮廓数量多于轮廓集合b,通过比较轮廓集合a和轮廓集合b的图像轮廓数量差,可以体现阈值a和阈值b的二值化性能,在对阈值a和阈值b重复进行上述过程,若轮廓集合a的图像轮廓数量大于轮廓集合b中图像轮廓数量的两倍,则上调阈值a直至轮廓集合a的图像轮廓数量小于轮廓集合b中图像轮廓数量的两倍。此时确定阈值a和阈值b为满足二值化条件的二值化阈值。
在确定了二值化阈值后,可以将待测图像二值化以显示待测图像中与周围像素点存在灰度差异的像素点,通过比较各区域存在的像素点,提取得到待测图像上与周围像素存在明显灰度差异的多个像素点,确定其为图像轮廓。
步骤830,通过对多个轮廓集合中的各图像轮廓进行比较,将不同时存在于多个轮廓集合中的图像轮廓作为差异轮廓。
其中,多个轮廓集合是基于不同的二值化阈值得到的包含多个图像轮廓的集合。在一实施例中,使用单一二值化阈值可能提取到噪声产生的图像轮廓,但是由于图像中噪声产生的像素点的灰度值的是随机的,而图像存在的脏污产生的像素点的灰度值是稳定的,因此使用不同的二值化阈值多次提取图像轮廓,可以提取到灰度值稳定的图像轮廓,而灰度值不稳定的图像轮廓不会一直被提取到,通过多次二值化获取的轮廓集合,可以重复获取待测图像中脏污产生的图像轮廓,排除噪声产生的图像轮廓。
步骤850,将差异轮廓在区域图像中的区域确定为候选区域,并将所确定的候选区域添加至记录为脏污区域候选集。
在上述过程中,通过比对多个轮廓集合中的图像轮廓,可以将轮廓集合中灰度值随机的噪声点排除,从而提高图像脏污检测的准确性。
步骤650,利用脏污判定条件筛查边缘脏污区域候选集中的候选区域,若筛查得到符合脏污特征的候选区域,则确定第一脏污结果指示待测镜头存在边缘脏污。
首先说明的是,边缘脏污区域出现的脏污类型为脏污特征明显的浓脏污类型,通过脏污判定条件的候选区域可以确定为属于边缘脏污且为浓脏污类型。
在一可能的实现方式,脏污判定条件为提前设定的脏污区域的几何特征和图像特征,例如,脏污特征可以包括提前设定的脏污区域的质心坐标、长宽比、区域内灰度均值等。若第一脏污检测结果指示待测镜头不存在边缘脏污,则执行步骤270,继续针对中心区域图像进行镜头脏污检测。
反之,若第一脏污检测结果指示待测镜头存在边缘脏污,则判定待测镜头的脏污类型为浓脏污并停止镜头脏污检测。
步骤270,若第一脏污检测结果指示待测镜头不存在边缘脏污,则对中心区域图像进行候选区域提取得到中心脏污区域候选集,并对中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,第二脏污检测结果用于指示待测镜头的脏污类别。
请参阅图7,在一种可能的实现方式,对中心区域图像的脏污检测过程包括以下步骤:
步骤710,对中心区域图像进行图像分割处理。
在一种可能的实现方式,通过对中心区域图像进行均值滤波获得背景图像,再对中心区域图像和背景图像进行差分运算,得到前景图像。
为了让前景图像中的图像轮廓变得清晰可见,本实施例中,对前景图像进行增强处理,具体是指通过对前景图像进行灰度拉伸处理扩展前景图像的灰度值范围,得到前景增强图像。
举例来说,标记前景图像最低灰度值为a,标记前景图像最高灰度值为b,建立前景图像的前景图像灰度区间[a,b],并设定一个比前景图像灰度区间更大的目标灰度区间[c,d],例如将灰度值为a的像素点灰度值变更为c,将灰度值为b的像素点灰度值变更为d,灰度值在a,b之间的像素点灰度区间[a,b]和[c,d]之间的线性关系拉伸至目标灰度区间内,由此得到前景增强图像。
此种方式下,通过对中心区域图像进行均值滤波以及实现前景图像的增强处理,可以将前景图像的灰度范围改进至便于进行镜头脏污检测的灰度范围,在改善中心区域图像的图像质量同时提高脏污的灰度数学特征,便于后续对候选区域进行判定,以此有利于提高镜头脏污检测的准确率。
步骤730,对处理后的中心区域图像利用二值化算法提取得到候选区域,并基于提取到的候选区域构建中心脏污区域候选集。
回请参考步骤810,通过与步骤810相同的方法对中心区域图像进行候选区域提取,可以提取中心区域图像中的可能为脏污区域的候选区域,构建中心脏污区域候选集,此处不再重复赘述。在此说明的是,区别在于进行候选区域提取的输入图像不同,此处是处理后的中心区域图像,也可以理解为是步骤710中的前景增强图像,相应地,输出的脏污区域候选集不同,此处是中心脏污区域候选集。
步骤750,若中心脏污区域候选集中的候选区域确定为小面积区域,则进入小面积判别流程,得到用于指示待测镜头是否属于小脏污类别的第二脏污检测结果。
在一种可能的实现方式,如图9所示,小面积判别流程包括以下步骤。
步骤910,比较内圈像素的灰度均值和外圈像素的灰度均值。
首先说明的是,区域图像包括边缘区域图像或中心区域图像。脏污区域候选集包括边缘脏污区域候选集或中心脏污区域候选集。
脏污区域候选集中候选区域内的像素点为内圈像素,候选区域外且所述中心区域图像设定范围内的像素点为外圈像素。
步骤930,若外圈像素的灰度均值大于内圈像素的灰度均值,则确定候选区域符合脏污特征,得到指示待测镜头的脏污类型为小脏污类别的第二脏污检测结果。
由上可知,第二脏污检测结果表示的是基于脏污特征对中心脏污区域候选集中候选区域的评定,通过检测候选区域是否符合脏污特征,判定候选区域是否被识别为小脏污类别。
步骤770,若中心脏污区域候选集中的候选区域确定为大面积区域,则进入大面积判别流程,得到用于指示待测镜头是否属于淡脏污类别的第二脏污检测结果。
在一种可能的实现方式,如图10所示,大面积判别流程包括以下步骤。
步骤1010,对中心区域图像进行边缘检测,得到边缘检测图像,并对边缘检测图像进行候选区域提取得到对照脏污区域候选集。
其中,边缘检测算法用于针对大面积脏污类型的几何特征进行几何特征检测,进而在进行候选区域提取时能针对大面积脏污类型边界的几何特征特点进行针对性检测,提高候选区域检测的准确性。在进行边缘检测之前,在一可能的实现方式,还可以对中心区域图像进行空间域上的滤波处理,例如,滤波处理包括但不限于高斯平滑滤波,以此减少中心区域图像的噪声,以便于中心区域图像能够进行更加精准的边缘检测。
步骤1030,将中心脏污区域候选集中各候选区域的图像特征与对照脏污区域候选集中各候选区域的图像特征进行比对,选取在不同脏污区域候选集中具有相同图像特征的候选区域,并基于选取到的候选区域构建大面积脏污区域候选集。
可以理解,通过边缘检测算法提取得到的对照脏污区域候选集中的候选区域,其边缘一定存在属于脏污类型的几何特征,但其灰度特征不一定明显。而通过二值化算法提取得到的中心脏污区域候选集中的候选区域,其一定符合脏污与周围像素存在明显灰度差异的灰度特征,但其边缘不一定存在脏污类型的几何特征。因此,通过将中心脏污区域候选集与对照脏污区域候选集进行特征比对,能够综合中心脏污区域候选集和对照脏污区域候选集中的拥有共同图像特征的候选区域,即边缘存在脏污类型的几何特征,也符合脏污与周围像素存在明显灰度差异的灰度特征的候选区域,从而完成对中心区域候选集的筛选,将中心区域候选集中的噪声排除。
步骤1050,针对大面积脏污区域候选集中的各候选区域,比较内圈像素的灰度均值和外圈像素的灰度均值。
发明人意识到候选区域边缘存在的几何特征是不规则的,候选区域的形状也是不可预知的。因此为了获取候选区域的内圈像素和外圈像素,需要针对候选区域进行拟合以确定候选区域内圈像素和外圈像素的范围。
在一可能的实现方式,在判断候选区域的内圈像素和外圈像素时,通过圆形区域的掩模对候选区域进行拟合。
具体而言,如图10a所示,以候选区域为中心创建一个半径稍大的圆形区域1以及半径稍小的圆形区域2,以使圆形区域1以及圆形区域2能够最近似拟合候选区域。这两个圆形区域和候选区域之间的像素点分别为内圈像素和外圈像素。内圈像素为所述候选区域内的像素点,外圈像素为所述候选区域外且所述中心区域图像设定范围内的像素点。进行差分运算,可以得到候选区域的外圈像素灰度均值和内圈像素灰度均值。通过圆形区域对候选区域进行拟合,可以完整的保持候选区域存在脏污类型的几何特征的边缘位于拟合区域内,可以最大化候选区域附近的像素,提高脏污判别的准确度,同时方便计算内圈像素的灰度均值和外圈像素的灰度均值,提高了脏污判别的效率。
步骤1070,若外圈像素的灰度均值大于内圈像素的灰度均值,则确定候选区域符合脏污特征,得到指示待测镜头的脏污类别为淡脏污类别的第二脏污检测结果。
由上可知,通过脏污区域内圈像素和外圈像素的灰度均值不同的特征,对候选区域进行判定。在一种可能的实现方式,对候选集中的候选区域执行最小二乘法拟合圆,得到候选区域对应的圆心区域掩膜。接着设定两个稍大半径和稍小半径,并以此为条件建立候选区域的两个新的圆形区域,并且通过差分运算得到候选区域的外圈像素和内圈像素。
在上述实施例的作用下,针对中心脏污区域候选集中面积大小不同的候选区域进行针对性脏污判别,提高了镜头脏污检测中对中心区域图像中不同类型脏污判别的针对性,提高了镜头脏污检测的准确性和检测效率。
图11是一应用场景中一种镜头脏污检测方法的具体实现示意图。该应用场景中,通过摄像模组使用待测镜头拍摄白场图像,将白场图像进行灰度处理为灰度图像,再进行DOG滤波处理和下采样处理为待测图像,减少待测图像中的噪声。
将待测图像进行自适应分离为中心图像和边缘图像,先对边缘图像进行死角补偿以减少噪声,对边缘图像进行候选区域提取得到浓脏污候选集,并对浓脏污候选集进行脏污特征筛查确定浓脏污候选集中的各候选区域是否符合边缘脏污特征,如果发现存在符合边缘脏污特征的候选区域,则直接判定待测镜头上存在脏污,为不合格品。
若浓脏污候选集中未发现符合边缘脏污特征的候选区域,再对中心图像进行候选区域提取以得到大小脏污候选集,对大小脏污候选集进行脏污特征筛查确定大小脏污候选集中的各候选区域是否符合中心脏污特征,如果发现存在符合中心脏污特征的候选区域,则直接判定待测镜头上存在脏污,为不合格品。若未发现存在符合中心脏污特征的候选区域,则判定待测镜头上不存在脏污,待测镜头为合格品。
在本应用场景中,镜头脏污检测的效果如表1所示,在输入的待测图像分辨率分别为1600×1200,2592×1944,4096×3072的情况下,本申请使用的镜头脏污检测方法均能准确地检测待测图像中待测镜头出现的脏污类型,并且在未使用上述方法的算法1和算法2与本申请使用的上述方法进行检测时间的对比中,本申请的检测时间均小于算法1和算法2的检测时间,不仅提高了镜头脏污检测的准确率,还能够有效地提高镜头脏污检测的效率。
表1
下述为本申请装置实施例,可以用于执行本申请所涉及的镜头脏污检测方法。对于本申请装置实施例中未披露的细节,请参照本申请所涉及的镜头脏污检测方法的方法实施例。
请参阅图12,本申请实施例中提供了一种镜头脏污检测装置1200,包括但不限于:增强模块1210、边界分离模块1230、边缘区域图像检测模块1250、以及中心区域图像检测模块1270。
其中,增强模块1210,用于获取原始图像并对原始图像进行脏污细节增强处理,得到待测图像,原始图像为待测镜头拍摄的白场图像。
边界分离模块1230,用于对待测图像进行边界分离处理,得到中心区域图像和边缘区域图像。
边缘区域图像检测模块1250,用于对边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,第一脏污检测结果用于指示待测镜头是否存在边缘脏污。
中心区域图像检测模块1270,用于若第一脏污检测结果指示待测镜头不存在边缘脏污,则对中心区域图像进行候选区域提取得到中心脏污区域候选集,并对中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,第二脏污检测结果用于指示待测镜头的脏污类别。
需要说明的是,上述实施例所提供的镜头脏污检测装置在进行镜头脏污检测时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即镜头脏污检测装置的内部结构将划分为不同的功能模块,以完成以上描述的全部或者部分功能。
另外,上述实施例所提供的镜头脏污检测装置与镜头脏污检测方法的实施例属于同一构思,其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
请参阅图13,本申请实施例中提供了一种图像检测设备4000,该图像检测设备400可以包括:台式电脑、笔记本电脑、服务器等。
在图13中,该图像检测设备4000包括至少一个处理器4001以及至少一个存储器4003。
其中,处理器4001和存储器4003之间的数据交互,可以通过至少一个通信总线4002实现。该通信总线4002可包括一通路,用于在处理器4001和存储器4003之间传输数据。通信总线4002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。通信总线4002可以分为地址总线、数据总线、控制总线等。为便于表示,图13中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,图像检测设备4000还可以包括收发器4004,收发器4004可以用于该图像检测设备与其他图像检测设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器4004不限于一个,该图像检测设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器4001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
存储器4003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序指令或代码并能够由图像检测设备4000存取的任何其他介质,但不限于此。
存储器4003上存储有程序指令或代码,处理器4001可以通过通信总线4002读取存储器4003中存储的程序指令或代码。
该程序指令或代码被处理器4001执行时实现上述各实施例中的镜头脏污检测方法。
此外,本申请实施例中提供了一种存储介质,该存储介质上存储有程序指令或代码,所述程序指令或代码被处理器加载并执行,以实现如如上所述的镜头脏污检测方法。
本申请实施例中提供了一种计算机程序产品,计算机程序产品包括程序指令或代码,程序指令或代码存储在存储介质中,图像检测设备的处理器从存储介质读取程序指令或代码,加载并执行该程序指令或代码,使得图像检测设备实现如上所述的镜头脏污检测方法。
与相关技术相比,本申请解决了相关技术中对极淡脏污不敏感,容易漏判误判镜头脏污,检测准确率低,检测效率低的问题,提高了镜头脏污检测的准确率和检测速度,提高检测效率。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种镜头脏污检测方法,其特征在于,包括:
获取原始图像并对所述原始图像进行脏污细节增强处理,得到待测图像,所述原始图像为待测镜头拍摄的白场图像;
对所述待测图像进行边界分离处理,得到中心区域图像和边缘区域图像;
对所述边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对所述边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,所述第一脏污检测结果用于指示所述待测镜头是否存在边缘脏污;
若所述第一脏污检测结果指示所述待测镜头不存在边缘脏污,则对所述中心区域图像进行候选区域提取得到中心脏污区域候选集,并对所述中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,所述第二脏污检测结果用于指示所述待测镜头的脏污类别。
2.如权利要求1所述的方法,其特征在于,所述对所述原始图像进行脏污细节增强处理,得到待测图像,包括:
对所述原始图像进行灰度处理和频域变换,得到频域灰度图像;
对所述频域灰度图像进行频域上的滤波处理,获得第一滤波图像;
对所述第一滤波图像进行空间域变换,得到空间域上的所述待测图像。
3.如权利要求1所述的方法,其特征在于,所述对所述原始图像进行脏污细节增强处理,得到待测图像之后,所述方法还包括:
对所述待测图像进行空间域上的滤波处理后再进行下采样处理,以使所述边界分离处理是基于下采样处理后的所述待测图像进行的。
4.如权利要求1所述的方法,其特征在于,所述对所述待测图像进行边界分离,得到中心区域图像和边缘区域图像,包括:
根据所述待测图像中各像素的灰度值,计算所述待测图像中各行向量的灰度均值和各列向量的灰度均值;
分别根据所述待测图像中各行向量的灰度均值和各列向量的灰度均值进行均值变化率计算,获得所述待测图像的行灰度均值变化率和列灰度均值变化率;
根据所述待测图像的行灰度均值变化率和列灰度均值变化率,将所述待测图像分为所述中心区域图像和所述边缘区域图像。
5.如权利要求1所述的方法,其特征在于,所述对所述边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并通过对所述边缘区域候选集进行脏污特征筛查得到第一脏污检测结果,包括:
对所述边缘区域图像中各像素与周围像素进行灰度差异处理;
对处理后的所述边缘区域图像利用二值化算法提取得到候选区域,并基于提取到的候选区域构建所述边缘脏污区域候选集;
利用脏污判定条件筛查所述边缘脏污区域候选集中的候选区域,若筛查得到符合脏污特征的所述候选区域,则确定所述第一脏污结果指示所述待测镜头存在边缘脏污。
6.如权利要求1所述的方法,其特征在于,所述对所述中心区域图像进行候选区域提取得到中心脏污区域候选集,并通过对所述中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,包括:
对所述中心区域图像进行图像分割处理;
对处理后的所述中心区域图像利用二值化算法提取得到候选区域,并基于提取到的候选区域构建所述中心脏污区域候选集;
若所述中心脏污区域候选集中的候选区域确定为小面积区域,则进入小面积判别流程,得到用于指示所述待测镜头是否属于小脏污类别的所述第二脏污检测结果;
若所述中心脏污区域候选集中的候选区域确定为大面积区域,则进入大面积判别流程,得到用于指示所述待测镜头是否属于淡脏污类别的所述第二脏污检测结果。
7.如权利要求5或6所述的方法,其特征在于,区域图像包括所述边缘区域图像或所述中心区域图像;脏污区域候选集包括所述边缘脏污区域候选集或所述中心脏污区域候选集;
对处理后的所述区域图像利用二值化算法提取得到候选区域,并基于提取到的候选区域构建所述脏污区域候选集,包括:
根据不同二值化阈值对所述区域图像分别进行二值化处理,得到多个轮廓集合;每一个所述轮廓集合对应一个二值化阈值,所述轮廓集合包含至少一个图像轮廓;
通过对多个所述轮廓集合中的各图像轮廓进行比较,将不同时存在于多个所述轮廓集合中的图像轮廓作为差异轮廓;
将所述差异轮廓在所述区域图像中的区域确定为候选区域,并将所确定的候选区域添加至所述脏污区域候选集。
8.如权利要求6所述的方法,其特征在于,所述小面积判别流程包括:
比较内圈像素的灰度均值和外圈像素的灰度均值,所述内圈像素为所述候选区域内的像素点,所述外圈像素为所述候选区域外且所述中心区域图像设定范围内的像素点;
若所述外圈像素的灰度均值大于所述内圈像素的灰度均值,则确定所述候选区域符合脏污特征,得到指示所述待测镜头的脏污类别为所述小脏污类别的所述第二脏污检测结果;
所述大面积判别流程包括:
对所述中心区域图像进行边缘检测,得到边缘检测图像,并对所述边缘检测图像进行候选区域提取得到对照脏污区域候选集;
将所述中心脏污区域候选集中各候选区域的图像特征与所述对照脏污区域候选集中各候选区域的图像特征进行比对,选取在不同脏污区域候选集中具有相同图像特征的候选区域,并基于选取到的候选区域构建大面积脏污区域候选集;
针对所述大面积脏污区域候选集中的各候选区域,比较内圈像素的灰度均值和外圈像素的灰度均值,所述内圈像素为所述候选区域内的像素点,所述外圈像素为所述候选区域外且所述中心区域图像设定范围内的像素点;
若所述外圈像素的灰度均值大于所述内圈像素的灰度均值,则确定所述候选区域符合脏污特征,得到指示所述待测镜头的脏污类别为所述淡脏污类别的所述第二脏污检测结果。
9.一种镜头脏污检测装置,其特征在于,包括:
增强模块,用于获取原始图像并对所述原始图像进行脏污细节增强处理,得到待测图像,所述原始图像为待测镜头拍摄的白场图像;
边界分离模块,用于对所述待测图像进行边界分离处理,得到中心区域图像和边缘区域图像;
边缘区域图像检测模块,用于对所述边缘区域图像进行候选区域提取得到边缘脏污区域候选集,并对所述边缘脏污区域候选集进行脏污特征筛查得到第一脏污检测结果,所述第一脏污检测结果用于指示所述待测镜头是否存在边缘脏污;
中心区域图像检测模块,用于若所述第一脏污检测结果指示所述待测镜头不存在边缘脏污,则对所述中心区域图像进行候选区域提取得到中心脏污区域候选集,并对所述中心脏污区域候选集进行脏污特征筛查得到第二脏污检测结果,所述第二脏污检测结果用于指示所述待测镜头的脏污类别。
10.一种图像检测设备,包括至少一个处理器以及至少一个存储器,其特征在于,所述存储器上存储有程序指令或代码;所述程序指令或代码被所述处理器加载并执行,使得图像检测设备实现如上所述的镜头脏污检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310761287.9A CN116958058A (zh) | 2023-06-26 | 2023-06-26 | 镜头脏污检测方法、装置及图像检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310761287.9A CN116958058A (zh) | 2023-06-26 | 2023-06-26 | 镜头脏污检测方法、装置及图像检测设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116958058A true CN116958058A (zh) | 2023-10-27 |
Family
ID=88453928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310761287.9A Pending CN116958058A (zh) | 2023-06-26 | 2023-06-26 | 镜头脏污检测方法、装置及图像检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958058A (zh) |
-
2023
- 2023-06-26 CN CN202310761287.9A patent/CN116958058A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7297018B2 (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
Ahmed | Comparative study among Sobel, Prewitt and Canny edge detection operators used in image processing | |
CN110189285B (zh) | 一种多帧图像融合方法及装置 | |
WO2018176938A1 (zh) | 红外光斑中心点提取方法、装置和电子设备 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
KR102649038B1 (ko) | 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법 | |
CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
JP4533836B2 (ja) | 変動領域検出装置及びその方法 | |
Krishnan et al. | A survey on different edge detection techniques for image segmentation | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN116542982B (zh) | 一种基于机器视觉的出发判断器缺陷检测方法及装置 | |
CN111598801B (zh) | 一种用于微弱Mura缺陷的识别方法 | |
CN108229583B (zh) | 一种基于主方向差分特征的快速模板匹配的方法及装置 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
CN113409334A (zh) | 一种基于质心的结构光角点检测方法 | |
CN114596210A (zh) | 噪声估计方法、装置、终端设备及计算机可读存储介质 | |
CN111986208A (zh) | 一种目标标记定位圆的捕捉定位方法、装置、计算机设备 | |
CN111161211A (zh) | 一种图像检测方法及装置 |
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 |