CN1874529A - 摄像头聚焦性能检测系统及方法 - Google Patents

Abstract

本发明公开了一种摄像头聚焦性能检测系统及方法，用以解决现有技术中采用人工方式对摄像头的聚焦性能进行检测时，检测效率低下、检测差错率高的问题。本发明在现有摄像头聚焦检测系统的摄像头与显示设备之间增加了图像处理器，该图像处理器在摄像头进行聚焦调节的过程中，通过分析处理摄像头输出的视频信号得出摄像头的聚焦性能检测结果。本发明大大提高了摄像头聚焦性能检测的效率和正确性，同时也减轻了检测工人的劳动强度。

Description

摄像头聚焦性能检测系统及方法

技术领域

本发明涉及多媒体通信领域中的检测技术，尤其涉及一种摄像头聚焦性能检测系统及方法。

背景技术

在摄像头的生产加工过程中，最后需要对摄像头进行聚焦性能检测，以排除不能够正常聚焦的摄像头。这个过程通常是通过人眼观察摄像头所摄入的测试图像的清晰度来完成的。

图1所示为通过人眼观察对摄像头进行聚焦性能检测的示意图。进行聚焦性能检测时，需要将摄像头的输出连接到显示设备上，然后将摄像头对准设置在测试卡上的测试图像，那么测试图像将显示在显示设备上，人工对摄像头进行聚焦调节，显示设备上显示的测试图像的清晰度将会出现变化，当观察到显示设备上的测试图像的清晰度达到最好时，我们认为摄像头处于最佳聚焦位置，由此判断此摄像头能够较好的进行聚焦。在上述检测过程中，某些摄像头可能会出现下面的情况：那就是无论我们怎么对摄像头进行聚焦调节，在显示设备上都不能得到足够清晰度的测试图像，那么我们认为此摄像头不能正常聚焦。

上述摄像头聚焦检测过程中，摄像头是否处于最佳聚焦位置是通过人眼判断显示设备中的测试图像的清晰度来确定的。由于整天用眼睛看着一幅同样的图像，所以从事此项工作的人容易出现头痛、恶心、易疲劳等症状，从而容易造成检测效率低下、检测差错率高等问题。

发明内容

本发明提供一种摄像头聚焦性能检测系统及方法，用以解决现有技术中采用人工方式对摄像头的聚焦性能进行检测时，检测效率低下、检测差错率高的问题。

为解决上述问题，本发明采用以下技术方案：

一种摄像头聚焦性能检测系统，包括摄入测试图像的摄像头和该测试图像的显示设备；还包括：

图像处理器：连接在所述摄像头与所述显示设备之间，在摄像头进行聚焦调节过程中，通过分析处理摄像头输出的视频信号得出摄像头的聚焦性能检测结果。

所述摄像头为数字摄像头时，所述图像处理器中设置有：

数字信号处理单元：在摄像头进行聚焦调节过程中，对摄像头输出的数字视频信号进行梯度检测或偏移值检测，得出摄像头的实时聚焦质量检测结果，根据检测结果判断摄像头的聚焦性能是否合格，输出判断结果。

所述摄像头为模拟摄像头时，所述图像处理器中设置有：

视频解码单元：将摄像头输出的模拟视频信号转换为数字视频信号输入数字信号处理单元；

数字信号处理单元：在摄像头进行聚焦调节过程中，对视频解码单元输出的数字视频信号进行梯度检测或偏移值检测，得出摄像头的实时聚焦质量检测结果，根据检测结果判断摄像头的聚焦性能是否合格，输出判断结果。

所述显示设备为数字显示设备时，所述数字信号处理单元与显示设备直接连接，将摄像头的检测结果和/或摄像头摄入的测试图像以数字视频信号形式输出到显示设备进行显示。

所述显示设备为模拟显示设备时，所述图像处理器进一步包括：

视频编码单元：将数字信号处理单元输出的摄像头的检测结果和/或摄像头摄入的测试图像转换为模拟视频信号，输出到显示设备进行显示。

所述数字视频信号为RGB格式的数字视频信号或YCbCr格式的数字视频信号。

所述测试图像内包括具有亮度差异的两种颜色相间的条纹。

所述数字信号处理单元包括：

条纹区域定位模块：在数字视频信号形式的测试图像中对条纹区域进行定位，输出条纹区域的位置信息；

运算模块：与所述条纹区域定位模块连接，根据条纹区域内彩色空间某一分量的梯度值或偏移值得出摄像头当前的聚焦质量检测结果。

判断模块：与所述运算模块连接，在摄像头进行聚焦调节的过程中，记录运算模块输出的摄像头实时聚焦质量检测结果，找出检测结果的峰值，根据该峰值判断摄像头的聚焦性能是否合格，输出判断结果。

所述两种颜色相间的条纹为黑白相间的条纹。

一种摄像头聚焦性能检测方法，所述摄像头用于摄入测试图像，包括步骤：

A、在摄像头进行聚焦调节的同时对摄像头输出的视频信号进行分析处理，得出若干个用于反映摄像头聚焦质量的聚焦指数，确定其中最大值为聚焦指数峰值；

B、判断所述聚焦指数峰值是否达到预先设定的门限值，若是，则该摄像头聚焦性能合格，否则，该摄像头的聚焦性能不合格。

所述测试图像内包括具有亮度差异的两种颜色相间的条纹。

所述两种颜色相间的条纹为黑白相间的条纹。

所述步骤A中，对摄像头输出的视频信号中的条纹区域进行定位，并根据条纹区域内彩色空间某一分量的梯度值或偏移值得出摄像头当前的聚焦指数。

所述彩色空间某一分量为YCbCr格式数字视频信号的Y分量或RGB格式数字视频信号的G分量。

所述根据条纹区域内Y分量的梯度值计算聚焦指数的公式如下：

S＝100×g/|Y1-Y2|

其中S为摄像头当前的聚焦指数；

g为通过sobel算子计算得出的条纹区域内Y分量的梯度值；

YI和Y2分别为条纹区域内两种颜色条纹的典型Y分量值。

所述根据条纹区域内G分量的梯度值计算聚焦指数的公式如下：

S＝100×g/|G_max-G_min|

其中S为摄像头当前的聚焦指数；

g为通过sobel算子计算得出的条纹区域内G分量的梯度值；

G_max和G_min分别为条纹区域内两种颜色条纹的典型G分量值。

所述根据条纹区域内Y分量的偏移值计算聚焦指数的公式如下：

S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；

T为条纹区域内Y分量的偏移值；

T₀为两种颜色条纹的Y分量值相等时条纹区域内Y分量的偏移值。

所述根据条纹区域内G分量的偏移值计算聚焦指数的公式如下：

S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；

T为条纹区域内G分量的偏移值；

T₀为两种颜色条纹的G分量值相等时条纹区域内G分量的偏移值。

在条纹区域内所述两种颜色条纹的面积相等。

本发明采用了以上技术方案，具有以下有益效果：

本发明在现有摄像头聚焦检测系统的摄像头与显示设备之间增加了用于对摄像头当前的聚焦质量进行检测的图像处理器，该图像处理器在摄像头进行聚焦调节的过程中，对摄像头输出的视频信号进行实时分析处理，找出摄像头聚焦质量检测结果的峰值，根据该峰值判断摄像头的聚焦性能是否合格。与现有聚焦检测方法相比，本发明将图像聚焦质量进行了量化，通过聚焦指数这个概念的引入，我们可以根据当前摄像头的聚焦指数值来断定摄像头当前的聚焦状况。并根据聚焦调节过程中的聚焦指数峰值来判断摄像头的聚焦性能是否合格。本发明提高了检测的效率和正确性，同时也减轻了测试工人的劳动强度。

附图说明

图1为现有技术中摄像头聚焦性能检测系统的结构示意图；

图2为本发明的摄像头聚焦性能检测系统的结构示意图；

图3为本发明的图像处理器的结构示意图；

图4为本发明具体实施例中采用的测试图像示意图；

图5为本发明根据条纹区域内Y分量的梯度值来确定聚焦指数的流程图；

图6为本发明根据条纹区域内G分量的梯度值来确定聚焦指数的流程图；

图7为本发明根据条纹区域内Y分量的偏移值来确定聚焦指数的流程图；

图8为本发明根据条纹区域内G分量的偏移值来确定聚焦指数的流程图；

图9为本发明对图像整体聚焦效果要求较高时所采用的测试图像示意图。

具体实施方式

下面结合说明书附图来说明本发明的具体实施方式。

本发明在现有摄像头聚焦检测系统中增加了用于对摄像头当前的聚焦质量进行检测的图像处理器，该图像处理器在摄像头进行聚焦调节的过程中，通过对摄像头输出的视频信号进行实时分析处理来判断摄像头的聚焦性能是否合格。

图2所示为摄像头聚焦性能检测系统的结构示意图，从图中可见，该系统主要包括：

摄像头：用于摄入测试图像；

图像处理器：连接在摄像头与显示设备之间，在摄像头进行聚焦调节的过程中，通过分析处理摄像头输出的视频信号得出摄像头的实时聚焦质量检测结果，根据检测结果的峰值判断摄像头的聚焦性能是否合格。

显示设备：对摄像头的聚焦性能检测结果和/或摄像头当前的聚焦质量检测结果和/或摄像头摄入的测试图像进行显示。

图3所示为图像处理器的结构示意图，该图像处理器一定包括数字信号处理单元，在摄像头进行聚焦调节的过程中，数字信号处理单元对输入其中的数字视频信号进行梯度检测或偏移值检测，得出摄像头的实时聚焦质量检测结果，确定检测结果中的最大值为检测结果峰值，根据该峰值判断摄像头的聚焦性能是否合格。

在摄像头为数字摄像头的情况下，摄像头输出的信号为数字视频信号，如RGB格式或YCbCr格式的数字视频信号等，该摄像头直接与图像处理器中的数字信号处理单元连接，将数字视频信号直接输入到数字信号处理单元中进行分析处理，得出摄像头的实时聚焦质量检测结果，根据检测结果的峰值即可判断摄像头的聚焦性能是否合格。在摄像头为模拟摄像头的情况下，摄像头输出的视频信号为模拟视频信号，如CVBS格式的模拟视频信号等，图像处理器中还需包括视频解码单元，该视频解码单元连接在摄像头与数字信号处理单元之间，将摄像头输出的模拟视频信号转换为RGB格式或YCbCr格式的数字视频信号后输入数字信号处理单元，数字信号处理单元对输入其中的数字视频信号进行分析处理，根据检测结果的峰值即可判断摄像头的聚焦性能是否合格。

若显示设备为数字显示设备，则数字信号处理单元直接与显示设备连接，将摄像头的聚焦性能检测结果和/或摄像头当前的聚焦质量检测结果和/或摄像头摄入的测试图像以数字视频信号形式输出到显示设备进行显示；若显示设备为模拟显示设备，则图像处理器中还需包括视频编码单元，该视频编码单元连接在数字信号处理单元与显示设备之间，用于将摄像头的聚焦性能检测结果和/或摄像头当前的聚焦质量检测结果和/或摄像头摄入的测试图像转换成模拟视频信号，输出到显示设备上进行显示。

在摄像头进行聚焦调节过程中，数字信号处理单元通过实时检测测试图像的清晰度来表征摄像头当前的聚焦质量，本发明通过对输入数字信号处理单元中的数字视频信号进行彩色空间某一分量的梯度检测或偏移值检测来完成测试图像的清晰度检测。由于条纹图案在清晰度发生变化时彩色空间分量的梯度变化和偏移较明显，因此摄像头摄入的测试图像中应具有两种颜色相间的条纹，这两种颜色的条纹之间具有一定的亮度差异，由于黑色和白色的亮度差异最为明显，因此选用具有黑白相间的条纹的测试图像为最优。

数字信号处理单元主要包括条纹区域定位模块、运算模块和判断模块，其中条纹区域定位模块对摄像头输出的视频信号的条纹区域进行定位，并将得出的条纹区域位置信息发送给运算模块；运算模块根据条纹区域内彩色空间某一分量的梯度值或偏移值得出摄像头的实时聚焦质量检测结果；判断模块与运算模块连接，在摄像头进行聚焦调节的过程中，记录运算模块输出的摄像头实时聚焦质量检测结果，找出检测结果的峰值，根据该峰值判断摄像头的聚焦性能是否合格，并输出判断结果。

摄像头当前的聚焦质量检测结果由聚焦指数来表征，聚焦指数越高，说明摄像头当前的聚焦质量越好，聚焦指数越低，说明摄像头当前的聚焦质量越差。在摄像头进行聚焦调节的过程中，运算模块将测量到的聚焦指数实时输出到判断模块中，判断模块记录运算模块输出的聚焦指数，确定其中最大值为聚焦指数峰值，并判断该聚焦指数峰值是否达到预先设定的门限值，若是，则该摄像头聚焦性能合格，否则，该摄像头的聚焦性能不合格。

聚焦指数可采用两种方式得出，下面以图4所示的中央具有水平和垂直的黑白相间条纹的测试图像为例，对两种确定聚焦指数的过程分别进行说明：

第一种方式是根据条纹区域内彩色空间某一分量的梯度值来确定聚焦指数，摄像头聚焦不好的情况下，图像会出现模糊，图像边缘的梯度会变小，因此可以利用模糊后的条纹边缘的梯度与理想聚焦情况下条纹边缘的梯度相比较的结果来确定摄像头的聚焦指数。

如图5所示，对于YCbCr格式的数字视频信号，可通过计算条纹的Y分量(即亮度分量)的梯度值来表征聚焦指数，具体过程如下：

步骤S10、确定条纹区域的确切位置；

对测试图像进行自上而下或自下而上的逐行扫描，先扫描第一行，记录该行所有象素的Y分量平均值mean0和三个象素Y分量最小值的平均值smallmean0；第一行肯定是白色背景，因此mean0-smallmean0的值不会偏离0太远；依次扫描各行，扫描时记录每行所有象素的Y分量平均值mean和三个象素Y分量最小值的平均值smallmean；如果mean-smallmean＜5×(mean0-smallmean0)，则认为该行仍是白色背景，如果mean-smallmean＞＝5×(mean0-smallmean0)，则认为该行为条纹区域，即可确定条纹区域的起始行和结束行。类似地，对测试图像进行从左至右或从右至左的逐列扫描，确定条纹区域的起始列和结束列，即可确定条纹区域的确切位置。

步骤S11、确定测试图像中的典型白色的Y分量值Yw和典型黑色的Y分量值Yb；

对条纹区域进行扫描，将Y分量值最小的一些象素点的Y分量平均值作为典型黑色的Y分量值Yb，将Y分量最大的一些象素点的Y分量平均值作为典型白色的Y分量值Yw。

步骤S12、确定条纹区域内条纹边缘的梯度平均值g；

使用sobel算子计算条纹区域内条纹边缘的水平梯度，由于图4的测试图像的边缘是平直的一条线，因此，计算梯度的公式可以简化，简化后的水平梯度计算公式为g_(i，j)＝Y_(i+1，j)-Y_(i-1，j)，Y_(i，j)为象素点的Y分量值，计算图4中两白竖条纹的两侧边缘的四个梯度值，四个梯度值中每一个都是取两白竖条纹的两侧边缘多个点梯度的平均值，然后求这四个梯度值的平均值gh；

使用sobel算子计算条纹区域内条纹边缘的竖直梯度，简化后的竖直梯度计算公式为g_(i，j)＝Y_(i，j+1)-Y_(i，j-1)，Y_(i，j)为象素点的Y分量值，计算图4中两个白色横条纹两侧边缘的四个梯度值，四个梯度值中每一个都是取边缘多个点梯度的平均值，然后求其这四个梯度值的平均值gv；

条纹区域内条纹边缘的梯度平均值g等于竖直梯度gh和水平梯度gv的平均值，即：g＝(gh+gv)/2。

步骤S13、利用模糊后的条纹边缘的梯度与理想聚焦情况下条纹边缘的梯度相比较的结果来确定摄像头的聚焦指数；

聚焦指数的计算公式为：S＝100×g/|Yw-Yb|

其中S为摄像头当前的聚焦指数；g为条纹区域内条纹边缘的梯度平均值；Yw和Yb分别为条纹区域内两种颜色条纹的典型Y分量值。

RGB彩色空间分量与YCbCr彩色空间分量的转换关系如下：

R＝Y+1.402(Cr-128)

G＝Y-0.34414(Cb-128)-0.71414(Cr-128)

B＝Y+1.772(Cb-128)

从上述的转换公式中我们可以看出，当测试图像为理想的黑白图像，即无彩色分量的时候，Cb＝128，Cr＝128，上述公式为：R＝G＝B＝Y，所以此时选取RGB彩色空间中的任何一个分量即可等同与YCbCr彩色空间中的Y分量，即亮度分量。虽然不可能得到毫无颜色的测试图像，但是可以得到几乎无彩色分量的黑白测试图像，此时色度分量Cb、Cr的值都非常接近128。根据上面的转换公式，我们可以知道G分量受Cb、Cr分量的变化影响最小，所以在RGB彩色空间中，我们可以使用G分量来计算图像聚焦指数，当然我们也可以使用R分量和B分量来计算图像的聚焦指数，但是G分量是最好的选择。

如图6所示，对于RGB格式的数字视频信号，可通过计算条纹的G分量的梯度来表征聚焦指数，具体过程如下：

步骤S20、确定条纹区域的确切位置；

对测试图像进行自上而下或自下而上的逐行扫描，先扫描第一行，记录该行所有象素的G分量平均值mean0和三个象素G分量最小值的平均值smallmean0；第一行肯定是白色背景，因此mean0-smallmean0的值不会偏离0太远；依次扫描各行，扫描时记录每行所有象素的G分量平均值mean和三个象素G分量最小值的平均值smallmean；如果mean-smallmean＜5×(mean0-smallmean0)，则认为该行仍是白色背景，如果mean-smallmean＞＝5×(mean0-smallmean0)，则认为该行为条纹区域，即可确定条纹区域的起始行和结束行。类似地，对测试图像进行从左至右或从右至左的逐列扫描，确定条纹区域的起始列和结束列，即可确定条纹区域的确切位置。

步骤S21、确定测试图像中的典型白色的G分量值G_max和典型黑色的G分量值G_min；

对条纹区域进行扫描，将G分量最小的一些象素点的G分量平均值作为典型黑色的G分量值G_min，将G分量最大的一些象素点的G分量平均值作为典型白色的G分量值G_max。

步骤S22、确定条纹区域内条纹边缘的梯度平均值g；

使用sobel算子计算条纹区域内条纹边缘的水平梯度，由于图4的测试图像的边缘是平直的一条线，因此，计算梯度的公式可以简化，简化后的水平梯度计算公式为g_(i，j)＝Y_(i+1，j)-Y_(i-1，j)，Y_(i，j)为象素点的G分量值，计算图4中两白竖条纹的两侧边缘的四个梯度值，四个梯度值中每一个都是取两白竖条纹的两侧边缘多个点梯度的平均值，然后求这四个梯度值的平均值gh；

使用sobel算子计算条纹区域内条纹边缘的竖直梯度，简化后的竖直梯度计算公式为g_(i，j)＝Y_(i，j+1)-Y_(i，j-1)，Y_(i，j)为象素点的G分量值，计算图4中两个白色横条纹两侧边缘的四个梯度值，四个梯度值中每一个都是取边缘多个点梯度的平均值，然后求其这四个梯度值的平均值gv；

条纹区域内条纹边缘的梯度平均值g等于竖直梯度gh和水平梯度gv的平均值，即：g＝(gh+gv)/2。

步骤S23、利用模糊后的条纹边缘的梯度与理想聚焦情况下条纹边缘的梯度相比较的结果来确定摄像头的聚焦指数；

聚焦指数的计算公式为：S＝100×g/|G_max-G_min|

其中S为摄像头当前的聚焦指数；g为条纹区域内条纹边缘的梯度平均值；G_max和G_min分别为条纹区域内两种颜色条纹的典型G分量值。

第二种方式是根据条纹区域内彩色空间某一分量的偏移值来确定聚焦指数，摄像头聚焦不好的情况下，图像会出现模糊，此时图像的对比度也会变小，因此可以利用条纹的彩色空间某一分量的偏移值来表征聚焦系数。采用这种方式确定聚焦指数时，要求摄像头摄入的测试图像中的条纹区域内两种颜色条纹的面积相等。

如图7所示，对于YCbCr格式的数字视频信号，可通过计算Y分量(即亮度分量)的偏移来表征聚焦指数，具体过程如下：

步骤S30、确定条纹区域的确切位置；

确定条纹区域的起始行和结束行，起始列和结束列，确定方法与上述步骤S10的方法相同。

步骤S31、确定测试图像中的典型白色的Y分量值Yw和典型黑色的Y分量值Yb；

确定方法同上述步骤S11的方法相同。

步骤S32、确定条纹区域内两种颜色条纹Y分量偏移值的最大值；

对于图4所示的测试图像，图像的对比度变小会使黑色条纹的Y分量值变大，白色条纹的Y分量值变小，如果图像完全模糊，即黑色条纹与白色条纹的Y分量变得完全一样，这时Y分量偏移值最大；

图4中黑条纹与白条纹的长度、宽度和个数都相同，因此黑条纹与白条纹的面积相同，条纹区域内两种颜色条纹Y分量偏移值的最大值的计算公式为：

T₀＝L×W×N×(Yw+Yb)/2

其中L为黑条纹的长度，W为黑条纹的宽度，N为条纹区域内黑白条纹的个数和，Yb为典型黑色的Y分量值，Yw是典型白色的Y分量值。

步骤S33、计算条纹区域内两种颜色条纹实际的Y分量偏移值；

对条纹区域进行二值化处理，以(Yw+Yb)/2为阈值，小于阈值的象素点标记为1，表示黑色象素点；大于阈值的象素点标记为0，表示白色象素点；

对条纹区域内的象素点进行逐点扫描，计算各个点的Y分量值偏离典型黑色的Y分量值Yb或典型白色的Y分量值Yw的绝对值的和，计算结果为条纹区域的Y分量偏移值T。对于二值化后为1的点计算其偏离典型黑色的Y分量值Yb的绝对值，而对于二值化后为0的点，计算其偏离典型白色的Y分量值Yw的绝对值。

步骤34、利用条纹区域内两种颜色条纹Y分量的偏移值来表征聚焦系数；

聚焦指数的计算公式为：S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；T为条纹区域内条纹Y分量的偏移值；T₀为两种颜色条纹的Y分量相等时条纹区域内条纹Y分量的偏移值。

在图像聚焦不好时，黑色象素点的G分量值会变大而使白色象素点的G分量值会变小。如图8所示，对于RGB格式的数字视频信号，可以利用条纹区域内G分量的偏移值来表征摄像头的聚焦系数，其具体过程如下：

步骤S40、确定条纹区域的确切位置；

确定条纹区域的起始行和结束行，起始列和结束列，确定方法与上述步骤S20的方法相同。

步骤S41、确定测试图像中的典型白色的G分量值G_max和典型黑色的G分量值G_min；

确定方法同上述步骤S21的方法相同。

步骤S42、确定条纹区域内两种颜色条纹的G分量偏移值的最大值；

对于图4所示的测试图像，图像的对比度变小会使黑色条纹的G分量变大，白色条纹的G分量变小，如果图像完全模糊，即黑色条纹与白色条纹的G分量值变得完全一样，这时条纹区域内G分量的偏移值最大；

图4中黑条纹与白条纹的长度、宽度和个数都相同，因此黑条纹与白条纹的面积相同，条纹区域内两种颜色条纹G分量偏移值的最大值的计算公式为：

T0＝L×W×N×(G_min+G_max)/2

其中L为黑条纹的长度，W为黑条纹的宽度，N为条纹区域内黑白条纹的个数和，G_max为典型白色的G分量值，G_min为典型黑色的G分量值。

步骤S43、计算条纹区域内两种颜色条纹实际的G分量偏移值；

对条纹区域进行二值化处理，以(G_min+G_max)/2为阈值，小于阈值的象素点标记为1，表示黑色象素点；大于阈值的象素点标记为0，表示白色象素点；

对条纹区域内的象素点进行逐点扫描，计算各个点的G分量偏离典型黑色的G分量值G_min或典型白色的G分量值G_max的绝对值的和T，对于二值化后为1的点计算其偏离典型黑色G分量值G_min的绝对值，而对于二值化后为0的点，计算其偏离典型白色G分量值G_max的绝对值。

步骤44、利用条纹区域内两种颜色条纹的G分量偏移值来表征聚焦系数；

聚焦指数的计算公式为：S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；T为条纹区域内条纹G分量偏移值；T₀为两种颜色条纹的G分量值相等时条纹区域内的G分量偏移值。

若要求摄像头摄入图像的显示画面的中心聚焦情况较好，可采用图4所示的中心具有条纹区域的测试图像，在进行聚焦性能检测时，将针对该条纹区域的聚焦指数峰值门限设置为较高值，如90，即可满足显示画面中心聚焦情况较好的要求，此时图像的中心聚焦情况较好，而图像的边缘聚焦情况会相对较差。在对显示画面的整体聚焦效果要求较高的情况下，应在测试图像中设置多个条纹区域，如图8所示，可在测试图像的中心设置一个条纹区域，在测试图像的四周设置若干个条纹区域，在进行聚焦性能检测时，分别计算出所设置的每个条纹区域的聚焦指数，对每个条纹区域的聚焦指数峰值门限分别进行设定，将其中的中心条纹区域的聚焦指数峰值门限设置为较低值，如80，此时虽然图像中心点的聚焦情况不是最好，但整幅图像的聚焦情况较均匀，图像的整体聚焦效果较好。

以上仅以较佳实施例对本发明进行说明，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (19)

1、一种摄像头聚焦性能检测系统，包括摄入测试图像的摄像头和该测试图像的显示设备；其特征在于，还包括：

图像处理器：连接在所述摄像头与所述显示设备之间，用于在摄像头进行聚焦调节过程中，通过分析处理摄像头输出的视频信号得出摄像头的聚焦性能检测结果。

2、根据权利要求1所述的摄像头聚焦性能检测系统，其特征在于，所述摄像头为数字摄像头，所述图像处理器中设置有：

数字信号处理单元：在摄像头进行聚焦调节过程中，用于对摄像头输出的数字视频信号进行梯度检测或偏移值检测，得出摄像头的实时聚焦质量检测结果，根据检测结果判断摄像头的聚焦性能是否合格，输出判断结果。

3、根据权利要求1所述的摄像头聚焦性能检测系统，其特征在于，所述摄像头为模拟摄像头，所述图像处理器中设置有：

视频解码单元：用于将摄像头输出的模拟视频信号转换为数字视频信号输入数字信号处理单元；

数字信号处理单元：用于在摄像头进行聚焦调节过程中，对视频解码单元输出的数字视频信号进行梯度检测或偏移值检测，得出摄像头的实时聚焦质量检测结果，根据检测结果判断摄像头的聚焦性能是否合格，输出判断结果。

4、根据权利要求2或3所述的摄像头聚焦性能检测系统，其特征在于，所述显示设备为数字显示设备，所述数字信号处理单元与该显示设备直接连接，用于将摄像头的检测结果和/或摄像头摄入的测试图像以数字视频信号形式输出到显示设备进行显示。

5、根据权利要求2或3所述的摄像头聚焦性能检测系统，其特征在于，所述显示设备为模拟显示设备，所述图像处理器进一步包括：

视频编码单元：用于将数字信号处理单元输出的摄像头的检测结果和/或摄像头摄入的测试图像转换为模拟视频信号，输出到显示设备进行显示。

6、根据权利要求2或3所述的摄像头聚焦性能检测系统，其特征在于，所述数字视频信号为RGB格式的数字视频信号或YCbCr格式的数字视频信号。

7、根据权利要求2或3所述的摄像头聚焦性能检测系统，其特征在于，所述测试图像内包括具有亮度差异的两种颜色相间的条纹。

8、根据权利要求7所述的摄像头聚焦性能检测系统，其特征在于，所述数字信号处理单元包括：

条纹区域定位模块：用于在数字视频信号形式的测试图像中对条纹区域进行定位，输出条纹区域的位置信息；

运算模块：与所述条纹区域定位模块连接，用于根据条纹区域内彩色空间某一分量的梯度值或偏移值得出摄像头当前的聚焦质量检测结果；

判断模块：与所述运算模块连接，用于在摄像头进行聚焦调节的过程中，记录运算模块输出的摄像头实时聚焦质量检测结果，找出检测结果的峰值，根据该峰值判断摄像头的聚焦性能是否合格，输出判断结果。

9、根据权利要求7所述的摄像头聚焦性能检测系统，其特征在于，所述两种颜色相间的条纹为黑白相间的条纹。

10、一种摄像头聚焦性能检测方法，所述摄像头用于摄入测试图像，其特征在于，包括步骤：

A、在摄像头进行聚焦调节的同时对摄像头输出的视频信号进行分析处理，得出若干个用于反映摄像头聚焦质量的聚焦指数，确定其中最大值为聚焦指数峰值；

B、判断所述聚焦指数峰值是否达到预先设定的门限值，若是，则确定该摄像头聚焦性能合格，否则，确定该摄像头的聚焦性能不合格。

11、根据权利要求10所述的摄像头聚焦性能检测方法，其特征在于，所述测试图像内包括具有亮度差异的两种颜色相间的条纹。

12、根据权利要求11所述的摄像头聚焦性能检测方法，其特征在于，所述两种颜色相间的条纹为黑白相间的条纹。

13、根据权利要求11所述的摄像头聚焦性能检测方法，其特征在于，所述步骤A中，对摄像头输出的视频信号中的条纹区域进行定位，并根据条纹区域内彩色空间某一分量的梯度值或偏移值得出摄像头当前的聚焦指数。

14、根据权利要求13所述的摄像头聚焦性能检测方法，其特征在于，所述彩色空间某一分量为YCbCr格式数字视频信号的Y分量或RGB格式数字视频信号的G分量。

15、根据权利要求14所述的摄像头聚焦性能检测方法，其特征在于，所述根据条纹区域内Y分量的梯度值计算聚焦指数的公式如下：

S＝100×g/|Y1-Y2|

其中S为摄像头当前的聚焦指数；

g为通过sobel算子计算得出的条纹区域内Y分量的梯度值；

Y1和Y2分别为条纹区域内两种颜色条纹的典型Y分量值。

16、根据权利要求14所述的摄像头聚焦性能检测方法，其特征在于，所述根据条纹区域内G分量的梯度值计算聚焦指数的公式如下：

S＝100×g/|G_max-G_min|

其中S为摄像头当前的聚焦指数；

g为通过sobel算子计算得出的条纹区域内G分量的梯度值；

G_max和G_min分别为条纹区域内两种颜色条纹的典型G分量值。

17、根据权利要求14所述的摄像头聚焦性能检测方法，其特征在于，所述根据条纹区域内Y分量的偏移值计算聚焦指数的公式如下：

S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；

T为条纹区域内Y分量的偏移值；

T₀为两种颜色条纹Y分量值相等时条纹区域内Y分量的偏移值。

18、根据权利要求14所述的摄像头聚焦性能检测方法，其特征在于，所述根据条纹区域内G分量的偏移值计算聚焦指数的公式如下：

S＝100×(1.0-T/T₀)

其中S为摄像头当前的聚焦指数；

T为条纹区域内G分量的偏移值；

T₀为两种颜色条纹的G分量值相等时条纹区域内G分量的偏移值。

19、根据权利要求17或18所述的摄像头聚焦性能检测方法，其特征在于，在条纹区域内所述两种颜色条纹的面积相等。

Images