CN116993991B - 一种投影画面清晰度的智能化综合检测方法及系统 - Google Patents

一种投影画面清晰度的智能化综合检测方法及系统 Download PDF

Info

Publication number
CN116993991B
CN116993991B CN202311236189.XA CN202311236189A CN116993991B CN 116993991 B CN116993991 B CN 116993991B CN 202311236189 A CN202311236189 A CN 202311236189A CN 116993991 B CN116993991 B CN 116993991B
Authority
CN
China
Prior art keywords
projection picture
point
image
contracted
detection
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
Application number
CN202311236189.XA
Other languages
English (en)
Other versions
CN116993991A (zh
Inventor
赵勋忠
陈迪胜
谢纲
赖仕周
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jingyi Mould Co ltd
Original Assignee
Shenzhen Jingyi Mould Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Jingyi Mould Co ltd filed Critical Shenzhen Jingyi Mould Co ltd
Priority to CN202311236189.XA priority Critical patent/CN116993991B/zh
Publication of CN116993991A publication Critical patent/CN116993991A/zh
Application granted granted Critical
Publication of CN116993991B publication Critical patent/CN116993991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/32Normalisation of the pattern dimensions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种投影画面清晰度的智能化综合检测方法及系统,涉及成像显示领域,包括:获取至少一个标准化图像,获取投影画面;对于标准化图像进行RGB色彩建模;对于标准化图像建立坐标系;对投影画面进行标准化处理;对收缩后的投影画面进行RGB色彩建模;对于收缩后的投影画面建立坐标系;对收缩后的投影画面进行特征点提取,对标准化图像进行特征点提取;得到预检测投影画面;对于预检测投影画面进行RGB色彩建模;对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比;计算预检测投影画面与标准化图像的颜色标准差。通过设置标准化处理模块、特征点提取模块、图像拉伸模块和清晰度判断模块,提升检测的准确性。

Description

一种投影画面清晰度的智能化综合检测方法及系统
技术领域
本发明涉及成像显示领域,具体是涉及一种投影画面清晰度的智能化综合检测方法及系统。
背景技术
随着投影仪技术的发展,准确且完善的投影效果测试方案显得越发重要。目前投影仪主要应用于家庭娱乐,教育学习,商务会议以及大型展览等领域。对微型投影仪的性能测试主要包含:清晰度、色差、畸变、亮度、对比度、温漂等,其中清晰度最能影响人眼直观感受。
通过人眼进行检测,检测效率低,且误差大。因此,通常采用机器进行检测。但机器检测时,用于显影的屏幕会出现弯曲,弯曲处图像产生微小形变,该形变不会影响清晰度,但进行检测时,微小形变的误差会被计入清晰度的判断数值中,对清晰度的判定造成影响。
发明内容
为解决上述技术问题,提供一种投影画面清晰度的智能化综合检测方法及系统,本技术方案解决了上述背景技术中提出的机器检测时,用于显影的屏幕会出现弯曲,弯曲处图像产生微小形变,该形变不会影响清晰度,但进行检测时,微小形变的误差会被计入清晰度的判断数值中,对清晰度的判定造成影响的问题。
为达到以上目的,本发明采用的技术方案为:
一种投影画面清晰度的智能化综合检测方法,包括:
获取至少一个标准化图像,标准化图像相互不同,以标准化图像作为被投影对象,投影得到至少一个投影画面,获取投影画面;
对于标准化图像进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(a,b,c);
对于标准化图像建立坐标系,标准化图像中的每个像素点都获得一个坐标;
对投影画面进行标准化处理,收缩投影画面至与标准化图像同等大小;
对收缩后的投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(g,h,i);
对于收缩后的投影画面建立坐标系,收缩后的投影画面中的每个像素点都获得一个坐标;
对收缩后的投影画面进行特征点提取,得到至少一个特征点,对标准化图像进行特征点提取,得到至少一个特征点;
根据提取的特征点,对收缩后的投影画面内部进行拉伸移动,拉伸移动完毕,得到预检测投影画面,保证收缩后的投影画面的特征点与对应的标准化图像的特征点重合;
对于预检测投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(d,e,f);
对于预检测投影画面建立坐标系,预检测投影画面中的每个像素点都获得一个坐标;
对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比;
若预检测投影画面中噪点占比超过0.1%,则判定图像清晰度不足;
若预检测投影画面中噪点占比不超过0.1%,则计算预检测投影画面与标准化图像的颜色标准差;
若颜色标准差超过1%,则判定图像清晰度不足;
若颜色标准差不超过1%,则判定图像清晰度满足要求。
优选的,所述对于标准化图像建立坐标系包括以下步骤:
以标准化图像左下角两边作为横轴和纵轴,以标准化图像左下角两边交点为原点;
对于标准化图像中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成标准化图像中每个像素点的坐标;
所述对于收缩后的投影画面建立坐标系包括以下步骤:
以收缩后的投影画面左下角两边作为横轴和纵轴,以收缩后的投影画面左下角两边交点为原点;
对于收缩后的投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成收缩后的投影画面中每个像素点的坐标;
所述对于预检测投影画面建立坐标系包括以下步骤:
以预检测投影画面左下角两边作为横轴和纵轴,以预检测投影画面左下角两边交点为原点;
对于预检测投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成预检测投影画面中每个像素点的坐标。
优选的,所述收缩投影画面至与标准化图像同等大小包括以下步骤:
S1、测量投影画面的长度,测量标准化图像的长度,计算投影画面与标准化图像的放缩比例;
S2、在投影画面中选取一像素点作为放缩基点;
S3、对于投影画面中任意一待放缩点,连接待放缩点与放缩基点,测量待放缩点与放缩基点之间连线长度,并测量待放缩点与放缩基点之间连线与横轴夹角;
S4、按前述计算的放缩比例,计算得到放缩后,待放缩点与放缩基点之间连线长度,保持待放缩点与放缩基点之间连线与横轴夹角,则得到待放缩点在放缩后与放缩基点的位置关系;
对于投影画面中的所有像素点均采用步骤S3和S4,得到与标准化图像同等大小的收缩投影画面。
优选的,所述对收缩后的投影画面进行特征点提取包括以下步骤:
计算收缩后的投影画面中的选定像素点与相邻像素点的像素差值占比,所述相邻像素点指的是与选定像素点纵坐标相同,选定像素点两侧的像素点;
若像素差值占比超过2%,则选定的像素点为特征点;
若像素差值占比不超过2%,则选定的像素点不是特征点;
对标准化图像进行特征点提取与对收缩后的投影画面进行特征点提取的步骤一致。
优选的,所述对收缩后的投影画面内部进行拉伸移动包括对所述特征点的横坐标放缩处理和对所述特征点的纵坐标放缩处理;
其中,对所述特征点的横坐标放缩处理包括:
B1、将收缩后的投影画面的特征点按横坐标自小至大排列;
B2、将标准化图像的特征点按横坐标自小至大排列;
B3、对于所有特征点均过特征点作与纵轴平行的第一直线;
B4、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其横坐标的比值,计算第一横坐标放缩比例;
B5、按照第一横坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线左侧的图像及第一直线上的像素点的横坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第一直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的横坐标相等;
B6、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的横坐标的差值的比值,计算第二横坐标放缩比例;
B7、按照第二横坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线与第二个特征点所作的第一直线所夹区域中的像素点及第二个特征点所作的第一直线上的像素点的横坐标均按放缩比例放缩,第二个特征点所作的第一直线右侧的图像跟随第二个特征点所作的第一直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的横坐标相等;
B8、对于剩余的特征点均按步骤B6和B7处理;
对所述特征点的纵坐标放缩处理包括:
B9、将收缩后的投影画面的特征点按纵坐标自小至大排列;
B10、将标准化图像的特征点按纵坐标自小至大排列;
B11、对于所有特征点均过特征点作与横轴平行的第二直线;
B12、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其纵坐标的比值,计算第一纵坐标放缩比例;
B13、按照第一纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线下侧的图像及第二直线上的像素点的纵坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第二直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的纵坐标相等;
B14、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的纵坐标的差值的比值,计算第二纵坐标放缩比例;
B15、按照第二纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线与第二个特征点所作的第二直线所夹区域中的像素点及第二个特征点所作的第二直线上的像素点的纵坐标均按放缩比例放缩,第二个特征点所作的第二直线上侧的图像跟随第二个特征点所作的第二直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的纵坐标相等;
B16、对于剩余的特征点均按步骤B14和B15处理。
优选的,所述对于预检测投影画面进行RGB色彩建模包括以下步骤:
将预检测投影画面按分辨率进行建模,生成至少一个像素点;
分解建模产生的每一个像素点的为红、绿和蓝,统计红、绿和蓝的数值,得到三元数组(d,e,f);
对于标准化图像进行RGB色彩建模与对于预检测投影画面进行RGB色彩建模步骤一致。
优选的,所述对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比包括以下步骤:
从至少一个预检测投影画面中选择一个预检测投影画面;
任取预检测投影画面中的一个像素点,对于与预检测投影画面对应的标准化图像,取标准化图像中同坐标的像素点;
计算预检测投影画面中的像素点与对应的准化图像中同坐标的像素点的颜色占比差;
若颜色占比差超过1%,则将其作为预备噪点,若颜色占比差不超过1%,则不作处理;
遍历选定的预检测投影画面中的像素点,得到预备噪点集合;
对于其余的预检测投影画面,均得到其对应的预备噪点集合;
作所有预备噪点集合的交集,得到实际噪点集合;
根据实际噪点集合计算噪点占比。
优选的,所述计算预检测投影画面与标准化图像的颜色标准差包括以下步骤:
对于预检测投影画面中的每个像素点的颜色(d,e,f)以及标准化图像中的相同坐标的像素点的颜色(a,b,c),计算差值,其中/>和/>分别为/>、/>和/>的绝对值;
对于预检测投影画面中的每个像素点都计算差值并累加;
统计预检测投影画面中的像素点个数,累加的值除以像素点个数,得到颜色标准差。
一种投影画面清晰度的智能化综合检测系统,用于实现上述的投影画面清晰度的智能化综合检测方法,包括:
图像获取模块,所述图像获取模块用于标准化图像和投影画面;
RGB色彩建模模块,所述RGB色彩建模模块对于收缩后的投影画面和标准化图像进行RGB色彩建模,获取收缩后的投影画面和标准化图像每个像素点的色彩;
标准化处理模块,所述标准化处理模块用于收缩投影画面至与标准化图像同等大小;
坐标建立模块,所述坐标建立模块用于对标准化图像、收缩后的投影画面和预检测投影画面建立坐标系;
特征点提取模块,所述特征点提取模块用于对图像的特征点进行提取;
图像拉伸模块,所述图像拉伸模块用于拉伸移动得到预检测投影画面;
清晰度判断模块,所述清晰度判断模块用于判断投影画面清晰度的清晰度。
与现有技术相比,本发明的有益效果在于:
通过设置标准化处理模块、特征点提取模块、图像拉伸模块和清晰度判断模块,使用特征点作为基准点,对图像进行拉伸,使得投影的图像与标准图像的位置能对应,通过重新拉伸校准,使得投影的图像的微小形变处,能被拉伸为与标准图像同一位置相近的图像,减小投影的图像的微小形变对于清晰度检测的干扰,进而提升检测的准确性。
附图说明
图1为本发明的投影画面清晰度的智能化综合检测方法流程示意图;
图2为本发明的收缩投影画面至与标准化图像同等大小流程示意图;
图3为本发明的对收缩后的投影画面进行特征点提取流程示意图;
图4为本发明的对收缩后的投影画面内部进行拉伸移动中对所述特征点的横坐标放缩处理流程示意图;
图5为本发明的对收缩后的投影画面内部进行拉伸移动中对所述特征点的纵坐标放缩处理流程示意图;
图6为本发明的对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比流程示意图;
图7为本发明的计算预检测投影画面与标准化图像的颜色标准差流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1-7所示,一种投影画面清晰度的智能化综合检测方法,包括:
获取至少一个标准化图像,标准化图像相互不同,以标准化图像作为被投影对象,投影得到至少一个投影画面,获取投影画面;
对于标准化图像进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(a,b,c);
对于标准化图像建立坐标系,标准化图像中的每个像素点都获得一个坐标;
对投影画面进行标准化处理,收缩投影画面至与标准化图像同等大小;
对收缩后的投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(g,h,i);
对于收缩后的投影画面建立坐标系,收缩后的投影画面中的每个像素点都获得一个坐标;
对收缩后的投影画面进行特征点提取,得到至少一个特征点,对标准化图像进行特征点提取,得到至少一个特征点;
根据提取的特征点,对收缩后的投影画面内部进行拉伸移动,拉伸移动完毕,得到预检测投影画面,保证收缩后的投影画面的特征点与对应的标准化图像的特征点重合;
对于预检测投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(d,e,f);
对于预检测投影画面建立坐标系,预检测投影画面中的每个像素点都获得一个坐标;
对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比;
若预检测投影画面中噪点占比超过0.1%,则判定图像清晰度不足;
若预检测投影画面中噪点占比不超过0.1%,则计算预检测投影画面与标准化图像的颜色标准差;
若颜色标准差超过1%,则判定图像清晰度不足;
若颜色标准差不超过1%,则判定图像清晰度满足要求。
对于标准化图像建立坐标系包括以下步骤:
以标准化图像左下角两边作为横轴和纵轴,以标准化图像左下角两边交点为原点;
对于标准化图像中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成标准化图像中每个像素点的坐标;
对于收缩后的投影画面建立坐标系包括以下步骤:
以收缩后的投影画面左下角两边作为横轴和纵轴,以收缩后的投影画面左下角两边交点为原点;
对于收缩后的投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成收缩后的投影画面中每个像素点的坐标;
所述对于预检测投影画面建立坐标系包括以下步骤:
以预检测投影画面左下角两边作为横轴和纵轴,以预检测投影画面左下角两边交点为原点;
对于预检测投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成预检测投影画面中每个像素点的坐标。
收缩投影画面至与标准化图像同等大小包括以下步骤:
S1、测量投影画面的长度,测量标准化图像的长度,计算投影画面与标准化图像的放缩比例,放缩比例为标准化图像的长度比投影画面的长度;
S2、在投影画面中选取一像素点作为放缩基点;
S3、对于投影画面中任意一待放缩点,连接待放缩点与放缩基点,测量待放缩点与放缩基点之间连线长度,并测量待放缩点与放缩基点之间连线与横轴夹角;
S4、按前述计算的放缩比例,计算得到放缩后的待放缩点与放缩基点之间连线长度,在同方向以放缩基点为定点作射线,射线与横轴夹角等于待放缩点与放缩基点之间连线与横轴夹角,在射线上取放缩后的待放缩点与放缩基点之间连线长度,则得到待放缩点在放缩后与放缩基点的位置关系;
对于投影画面中的所有像素点均采用步骤S3和S4,得到与标准化图像同等大小的收缩投影画面;
放缩后的投影画面与标准化图像同等大小,因此,便于比较时,进行对应坐标的数值计算。
对收缩后的投影画面进行特征点提取包括以下步骤:
计算收缩后的投影画面中的选定像素点与相邻像素点的像素差值占比;
像素差值占比计算如下:
其中,选定像素点的色彩为(g,h,i),相邻像素点的的色彩为(r,s,t),为绝对值;
所述相邻像素点指的是与选定像素点纵坐标相同,选定像素点两侧的像素点;
若像素差值占比超过2%,则选定的像素点为特征点;
若像素差值占比不超过2%,则选定的像素点不是特征点;
对标准化图像进行特征点提取与对收缩后的投影画面进行特征点提取的步骤一致。
对收缩后的投影画面内部进行拉伸移动包括对所述特征点的横坐标放缩处理和对所述特征点的纵坐标放缩处理;
其中,对所述特征点的横坐标放缩处理包括:
B1、将收缩后的投影画面的特征点按横坐标自小至大排列;
B2、将标准化图像的特征点按横坐标自小至大排列;
B3、对于所有特征点均过特征点作与纵轴平行的第一直线;
其操作的原理是用过特征点作与纵轴平行的第一直线将收缩后的投影画面分割为多个部分,将标准化图像分割为多个部分,由于这些特征点的位置在两幅图中都对应相同的位置,因此只需要放缩时,将每部分按比例放缩,则可以使得特征点的横坐标一致,之后,采用类似操作,过特征点作与横轴平行的第二直线,可以将特征点的纵坐标变换一致,则两幅图内部被拉伸修整,使得收缩后的投影画面中的微小弯曲部分能被恢复至与标准化图像中相同位置,大致类似的状态,进而减小检测清晰度产生的误差;
B4、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其横坐标的比值,计算第一横坐标放缩比例;
B5、按照第一横坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线左侧的图像及第一直线上的像素点的横坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第一直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的横坐标相等;
B6、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的横坐标的差值的比值,计算第二横坐标放缩比例;
B7、按照第二横坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线与第二个特征点所作的第一直线所夹区域中的像素点及第二个特征点所作的第一直线上的像素点的横坐标均按放缩比例放缩,第二个特征点所作的第一直线右侧的图像跟随第二个特征点所作的第一直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的横坐标相等;
B8、对于剩余的特征点均按步骤B6和B7处理;
对所述特征点的纵坐标放缩处理包括:
B9、将收缩后的投影画面的特征点按纵坐标自小至大排列;
B10、将标准化图像的特征点按纵坐标自小至大排列;
B11、对于所有特征点均过特征点作与横轴平行的第二直线;
B12、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其纵坐标的比值,计算第一纵坐标放缩比例;
B13、按照第一纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线下侧的图像及第二直线上的像素点的纵坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第二直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的纵坐标相等;
B14、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的纵坐标的差值的比值,计算第二纵坐标放缩比例;
B15、按照第二纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线与第二个特征点所作的第二直线所夹区域中的像素点及第二个特征点所作的第二直线上的像素点的纵坐标均按放缩比例放缩,第二个特征点所作的第二直线上侧的图像跟随第二个特征点所作的第二直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的纵坐标相等;
B16、对于剩余的特征点均按步骤B14和B15处理。
对于预检测投影画面进行RGB色彩建模包括以下步骤:
将预检测投影画面按分辨率进行建模,生成至少一个像素点;
分解建模产生的每一个像素点的为红、绿和蓝,统计红、绿和蓝的数值,得到三元数组(d,e,f);
对于标准化图像进行RGB色彩建模与对于预检测投影画面进行RGB色彩建模步骤一致。
对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比包括以下步骤:
从至少一个预检测投影画面中选择一个预检测投影画面;
任取预检测投影画面中的一个像素点,对于与预检测投影画面对应的标准化图像,取标准化图像中同坐标的像素点;
计算预检测投影画面中的像素点与对应的准化图像中同坐标的像素点的颜色占比差;
颜色占比差计算如下:
其中,(d,e,f)为预检测投影画面中的像素点的色彩,标准化图像中的相同坐标的像素点的颜色(a,b,c);
若颜色占比差超过1%,则将其作为预备噪点,若颜色占比差不超过1%,则不作处理;
遍历选定的预检测投影画面中的像素点,得到预备噪点集合;
对于其余的预检测投影画面,均得到其对应的预备噪点集合;
作所有预备噪点集合的交集,得到实际噪点集合;
预备噪点意味着在该点可能存在投影问题,但这是单张图得出的结果,不具备说服性,因此,取实际噪点集合为所有预备噪点集合的交集,即该点在多张图中均存在问题,因此,必然是投影问题点;
根据实际噪点集合计算噪点占比;统计其中一张图的像素点总数,其余图的像素点都是相等的,实际噪点集合的元素个数除以像素点总数则为噪点占比。
计算预检测投影画面与标准化图像的颜色标准差包括以下步骤:
对于预检测投影画面中的每个像素点的颜色(d,e,f)以及标准化图像中的相同坐标的像素点的颜色(a,b,c),计算差值,其中/>和/>分别为/>、/>和/>的绝对值;
对于预检测投影画面中的每个像素点都计算差值并累加;
统计预检测投影画面中的像素点个数,累加的值除以像素点个数,得到颜色标准差。
一种投影画面清晰度的智能化综合检测系统,用于实现上述的投影画面清晰度的智能化综合检测方法,包括:
图像获取模块,所述图像获取模块用于标准化图像和投影画面;
RGB色彩建模模块,所述RGB色彩建模模块对于收缩后的投影画面和标准化图像进行RGB色彩建模,获取收缩后的投影画面和标准化图像每个像素点的色彩;
标准化处理模块,所述标准化处理模块用于收缩投影画面至与标准化图像同等大小;
坐标建立模块,所述坐标建立模块用于对标准化图像、收缩后的投影画面和预检测投影画面建立坐标系;
特征点提取模块,所述特征点提取模块用于对图像的特征点进行提取;
图像拉伸模块,所述图像拉伸模块用于拉伸移动得到预检测投影画面;
清晰度判断模块,所述清晰度判断模块用于判断投影画面清晰度的清晰度。
上述投影画面清晰度的智能化综合检测系统的工作过程如下:
步骤一:图像获取模块获取标准化图像和投影画面;
步骤二:RGB色彩建模模块对于标准化图像进行RGB色彩建模;
步骤三:坐标建立模块对于标准化图像建立坐标系;
步骤四:标准化处理模块对投影画面进行标准化处理,收缩投影画面至与标准化图像同等大小;
步骤五:RGB色彩建模模块对收缩后的投影画面进行RGB色彩建模,坐标建立模块对于收缩后的投影画面建立坐标系;
步骤六:特征点提取模块对收缩后的投影画面进行特征点提取,得到至少一个特征点,对标准化图像进行特征点提取,得到至少一个特征点;
步骤七:图像拉伸模块根据提取的特征点,对收缩后的投影画面内部进行拉伸移动,拉伸移动完毕,得到预检测投影画面;
步骤八:清晰度判断模块判断投影画面清晰度的清晰度。
再进一步的,本方案还提出一种存储介质,其上存储有计算机可读程序,计算机可读程序被调用时执行上述的投影画面清晰度的智能化综合检测方法。
可以理解的是,存储介质可以是磁性介质,例如,软盘、硬盘、磁带;光介质例如,DVD;或者半导体介质例如固态硬盘SolidStateDisk,SSD等。
综上所述,本发明的优点在于:通过设置标准化处理模块、特征点提取模块、图像拉伸模块和清晰度判断模块,使用特征点作为基准点,对图像进行拉伸,使得投影的图像与标准图像的位置能对应,通过重新拉伸校准,使得投影的图像的微小形变处,能被拉伸为与标准图像同一位置相近的图像,减小投影的图像的微小形变对于清晰度检测的干扰,进而提升检测的准确性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (9)

1.一种投影画面清晰度的智能化综合检测方法,其特征在于,包括:
获取至少一个标准化图像,标准化图像相互不同,以标准化图像作为被投影对象,投影得到至少一个投影画面,获取投影画面;
对于标准化图像进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(a,b,c);
对于标准化图像建立坐标系,标准化图像中的每个像素点都获得一个坐标;
对投影画面进行标准化处理,收缩投影画面至与标准化图像同等大小;
对收缩后的投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(g,h,i);
对于收缩后的投影画面建立坐标系,收缩后的投影画面中的每个像素点都获得一个坐标;
对收缩后的投影画面进行特征点提取,得到至少一个特征点,对标准化图像进行特征点提取,得到至少一个特征点;
根据提取的特征点,对收缩后的投影画面内部进行拉伸移动,拉伸移动完毕,得到预检测投影画面,保证收缩后的投影画面的特征点与对应的标准化图像的特征点重合;
对于预检测投影画面进行RGB色彩建模,每个像素点处的色彩按RGB标准进行标注,得到至少一个三元数组(d,e,f);
对于预检测投影画面建立坐标系,预检测投影画面中的每个像素点都获得一个坐标;
对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比;
若预检测投影画面中噪点占比超过0.1%,则判定图像清晰度不足;
若预检测投影画面中噪点占比不超过0.1%,则计算预检测投影画面与标准化图像的颜色标准差;
若颜色标准差超过1%,则判定图像清晰度不足;
若颜色标准差不超过1%,则判定图像清晰度满足要求。
2.根据权利要求1所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述对于标准化图像建立坐标系包括以下步骤:
以标准化图像左下角两边作为横轴和纵轴,以标准化图像左下角两边交点为原点;
对于标准化图像中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成标准化图像中每个像素点的坐标;
所述对于收缩后的投影画面建立坐标系包括以下步骤:
以收缩后的投影画面左下角两边作为横轴和纵轴,以收缩后的投影画面左下角两边交点为原点;
对于收缩后的投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成收缩后的投影画面中每个像素点的坐标;
所述对于预检测投影画面建立坐标系包括以下步骤:
以预检测投影画面左下角两边作为横轴和纵轴,以预检测投影画面左下角两边交点为原点;
对于预检测投影画面中的每个像素点,其在横轴的投影作为其横坐标,其在纵轴的投影作为其纵坐标;
横坐标和纵坐标配对形成预检测投影画面中每个像素点的坐标。
3.根据权利要求2所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述收缩投影画面至与标准化图像同等大小包括以下步骤:
S1、测量投影画面的长度,测量标准化图像的长度,计算投影画面与标准化图像的放缩比例;
S2、在投影画面中选取一像素点作为放缩基点;
S3、对于投影画面中任意一待放缩点,连接待放缩点与放缩基点,测量待放缩点与放缩基点之间连线长度,并测量待放缩点与放缩基点之间连线与横轴夹角;
S4、按前述计算的放缩比例,计算得到放缩后,待放缩点与放缩基点之间连线长度,保持待放缩点与放缩基点之间连线与横轴夹角,则得到待放缩点在放缩后与放缩基点的位置关系;
对于投影画面中的所有像素点均采用步骤S3和S4,得到与标准化图像同等大小的收缩投影画面。
4.根据权利要求3所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述对收缩后的投影画面进行特征点提取包括以下步骤:
计算收缩后的投影画面中的选定像素点与相邻像素点的像素差值占比,所述相邻像素点指的是与选定像素点纵坐标相同,选定像素点两侧的像素点;
若像素差值占比超过2%,则选定的像素点为特征点;
若像素差值占比不超过2%,则选定的像素点不是特征点;
对标准化图像进行特征点提取与对收缩后的投影画面进行特征点提取的步骤一致。
5.根据权利要求4所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述对收缩后的投影画面内部进行拉伸移动包括对所述特征点的横坐标放缩处理和对所述特征点的纵坐标放缩处理;
其中,对所述特征点的横坐标放缩处理包括:
B1、将收缩后的投影画面的特征点按横坐标自小至大排列;
B2、将标准化图像的特征点按横坐标自小至大排列;
B3、对于所有特征点均过特征点作与纵轴平行的第一直线;
B4、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其横坐标的比值,计算第一横坐标放缩比例;
B5、按照第一横坐标放缩比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线左侧的图像及第一直线上的像素点的横坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第一直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的横坐标相等;
B6、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的横坐标的差值的比值,计算第二横坐标放缩比例;
B7、按照第二横坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第一直线与第二个特征点所作的第一直线所夹区域中的像素点及第二个特征点所作的第一直线上的像素点的横坐标均按放缩比例放缩,第二个特征点所作的第一直线右侧的图像跟随第二个特征点所作的第一直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的横坐标相等;
B8、对于剩余的特征点均按步骤B6和B7处理;
对所述特征点的纵坐标放缩处理包括:
B9、将收缩后的投影画面的特征点按纵坐标自小至大排列;
B10、将标准化图像的特征点按纵坐标自小至大排列;
B11、对于所有特征点均过特征点作与横轴平行的第二直线;
B12、对于收缩后的投影画面中的第一个特征点(j,k)及标准化图像中的第一特征点(l,m),根据其纵坐标的比值,计算第一纵坐标放缩比例;
B13、按照第一纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线下侧的图像及第二直线上的像素点的纵坐标均按放缩比例放缩,图像其余部分跟随第一个特征点所作的第二直线进行平移,收缩后的投影画面中的第一个特征点及标准化图像中的第一特征点的纵坐标相等;
B14、对于收缩后的投影画面中的第二个特征点(n,o)及标准化图像中的第二特征点(p,q),根据其与第一特征点的纵坐标的差值的比值,计算第二纵坐标放缩比例;
B15、按照第二纵坐标缩放比例,将根据收缩后的投影画面中的第一个特征点所作的第二直线与第二个特征点所作的第二直线所夹区域中的像素点及第二个特征点所作的第二直线上的像素点的纵坐标均按放缩比例放缩,第二个特征点所作的第二直线上侧的图像跟随第二个特征点所作的第二直线进行平移,收缩后的投影画面中的第二个特征点及标准化图像中的第二特征点的纵坐标相等;
B16、对于剩余的特征点均按步骤B14和B15处理。
6.根据权利要求5所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述对于预检测投影画面进行RGB色彩建模包括以下步骤:
将预检测投影画面按分辨率进行建模,生成至少一个像素点;
分解建模产生的每一个像素点的为红、绿和蓝,统计红、绿和蓝的数值,得到三元数组(d,e,f);
对于标准化图像进行RGB色彩建模与对于预检测投影画面进行RGB色彩建模步骤一致。
7.根据权利要求6所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述对于预检测投影画面进行噪点识别,统计预检测投影画面中噪点占比包括以下步骤:
从至少一个预检测投影画面中选择一个预检测投影画面;
任取预检测投影画面中的一个像素点,对于与预检测投影画面对应的标准化图像,取标准化图像中同坐标的像素点;
计算预检测投影画面中的像素点与对应的准化图像中同坐标的像素点的颜色占比差;
若颜色占比差超过1%,则将其作为预备噪点,若颜色占比差不超过1%,则不作处理;
遍历选定的预检测投影画面中的像素点,得到预备噪点集合;
对于其余的预检测投影画面,均得到其对应的预备噪点集合;
作所有预备噪点集合的交集,得到实际噪点集合;
根据实际噪点集合计算噪点占比。
8.根据权利要求7所述的一种投影画面清晰度的智能化综合检测方法,其特征在于,所述计算预检测投影画面与标准化图像的颜色标准差包括以下步骤:
对于预检测投影画面中的每个像素点的颜色(d,e,f)以及标准化图像中的相同坐标的像素点的颜色(a,b,c),计算差值,其中/>、/>和/>分别为、/>和/>的绝对值;
对于预检测投影画面中的每个像素点都计算差值并累加;
统计预检测投影画面中的像素点个数,累加的值除以像素点个数,得到颜色标准差。
9.一种投影画面清晰度的智能化综合检测系统,用于实现如权利要求1-8任一项所述的投影画面清晰度的智能化综合检测方法,其特征在于,包括:
图像获取模块,所述图像获取模块用于标准化图像和投影画面;
RGB色彩建模模块,所述RGB色彩建模模块对于收缩后的投影画面和标准化图像进行RGB色彩建模,获取收缩后的投影画面和标准化图像每个像素点的色彩;
标准化处理模块,所述标准化处理模块用于收缩投影画面至与标准化图像同等大小;
坐标建立模块,所述坐标建立模块用于对标准化图像、收缩后的投影画面和预检测投影画面建立坐标系;
特征点提取模块,所述特征点提取模块用于对图像的特征点进行提取;
图像拉伸模块,所述图像拉伸模块用于拉伸移动得到预检测投影画面;
清晰度判断模块,所述清晰度判断模块用于判断投影画面清晰度的清晰度。
CN202311236189.XA 2023-09-25 2023-09-25 一种投影画面清晰度的智能化综合检测方法及系统 Active CN116993991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311236189.XA CN116993991B (zh) 2023-09-25 2023-09-25 一种投影画面清晰度的智能化综合检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311236189.XA CN116993991B (zh) 2023-09-25 2023-09-25 一种投影画面清晰度的智能化综合检测方法及系统

Publications (2)

Publication Number Publication Date
CN116993991A CN116993991A (zh) 2023-11-03
CN116993991B true CN116993991B (zh) 2023-12-01

Family

ID=88523437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311236189.XA Active CN116993991B (zh) 2023-09-25 2023-09-25 一种投影画面清晰度的智能化综合检测方法及系统

Country Status (1)

Country Link
CN (1) CN116993991B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110769229A (zh) * 2019-07-10 2020-02-07 成都极米科技股份有限公司 投影画面颜色亮度的检测方法、装置及系统
CN113038102A (zh) * 2021-03-05 2021-06-25 深圳市普汇智联科技有限公司 用于多投影拼接的全自动几何校正方法
WO2023124777A1 (zh) * 2021-12-31 2023-07-06 深圳光峰科技股份有限公司 投影校准方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110769229A (zh) * 2019-07-10 2020-02-07 成都极米科技股份有限公司 投影画面颜色亮度的检测方法、装置及系统
CN113038102A (zh) * 2021-03-05 2021-06-25 深圳市普汇智联科技有限公司 用于多投影拼接的全自动几何校正方法
WO2023124777A1 (zh) * 2021-12-31 2023-07-06 深圳光峰科技股份有限公司 投影校准方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN116993991A (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN103345755B (zh) 一种基于Harris算子的棋盘格角点亚像素提取方法
CN108257139B (zh) 基于深度学习的rgb-d三维物体检测方法
KR101121034B1 (ko) 복수의 이미지들로부터 카메라 파라미터를 얻기 위한 시스템과 방법 및 이들의 컴퓨터 프로그램 제품
WO2015197019A1 (zh) 一种测量透镜畸变的方法及系统
CN105701766A (zh) 图形匹配方法和装置
CN109934873B (zh) 标注图像获取方法、装置及设备
CN110209997A (zh) 基于三维特征点的深度相机自动标定算法
CN114792345B (zh) 一种基于单目结构光系统的标定方法
CN116778288A (zh) 一种多模态融合目标检测系统及方法
WO2020087434A1 (zh) 一种人脸图像清晰度评价方法及装置
CN114332741B (zh) 一种面向建筑数字孪生的视频检测方法及系统
CN113965814B (zh) 基于视频会议场景的多会场关键帧提取方法及系统
CN104243970A (zh) 基于立体视觉注意力机制和结构相似度的3d绘制图像的客观质量评价方法
CN113706607B (zh) 一种基于圆环阵列图的亚像素定位方法、计算机设备与装置
JPH03200007A (ja) ステレオ計測装置
CN116993991B (zh) 一种投影画面清晰度的智能化综合检测方法及系统
CN111768396B (zh) 虚拟显示设备的畸变测量方法及装置
CN114066823A (zh) 检测色块的方法及其相关产品
CN113159158A (zh) 一种基于生成对抗网络的车牌矫正与重构方法及系统
TW201738844A (zh) 監控裝置、監控方法及計數方法
CN117253022A (zh) 一种对象识别方法、装置及查验设备
CN109544594A (zh) 多个非线性扭曲镜头下的目标追踪方法及系统
CN111489384B (zh) 基于互视角的遮挡评估方法及装置、设备、系统和介质
KR20240044495A (ko) 점검 지원 시스템, 점검 지원 방법, 및, 점검 지원 프로그램
CN104156952B (zh) 一种抵抗形变的图像匹配方法

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