TWI835692B - 鏡頭成像品質評價方法、裝置、電腦設備和儲存介質 - Google Patents
鏡頭成像品質評價方法、裝置、電腦設備和儲存介質 Download PDFInfo
- Publication number
- TWI835692B TWI835692B TW112128238A TW112128238A TWI835692B TW I835692 B TWI835692 B TW I835692B TW 112128238 A TW112128238 A TW 112128238A TW 112128238 A TW112128238 A TW 112128238A TW I835692 B TWI835692 B TW I835692B
- Authority
- TW
- Taiwan
- Prior art keywords
- lens
- difference
- evaluated
- curvature
- section
- Prior art date
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 61
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 40
- 238000013441 quality evaluation Methods 0.000 claims description 26
- 238000010586 diagram Methods 0.000 description 19
- 230000003287 optical effect Effects 0.000 description 10
- 230000003190 augmentative effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0207—Details of measuring devices
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Eyeglasses (AREA)
Abstract
本申請涉及一種鏡頭成像品質評價方法、裝置、電腦設備和儲存介質。所述方法包括：獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對所述差值進行濾波，得到濾波後的差值；確定所述待評價鏡頭的剖面，在所述剖面上確定三個目標畫素點；基於所述三個目標畫素點，確定所述剖面的剖面曲率；在所述剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價。採用本方法能夠提高評價鏡頭成像品質的準確性。
Description
本申請涉及鏡頭成像品質評價技術領域，特別是涉及一種鏡頭成像品質評價方法、裝置、電腦設備和儲存介質。
為了保證良好的成像品質，往往會設定不同場景下的鏡頭的表面生產標準，而因生產工藝的好壞，會導致實際生產出的鏡頭的成像品質不一，因此需設定標準對鏡頭的成像品質進行評價。
傳統技術中通常使用PV（Peak to valley，峰谷）值來評價鏡頭的成像品質，但鏡頭表面存在污垢會影響PV值的大小，存在誤判的可能，因此，導致評價鏡頭成像品質不準確的問題。
基於此，有必要針對上述技術問題，提供一種能夠提高評價鏡頭成像品質準確性的鏡頭成像品質評價方法、裝置、電腦設備和儲存介質。
第一方面，本申請提供了一種鏡頭成像品質評價方法。所述方法包括：獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對所述差值進行濾波，得到濾波後的差值；確定所述待評價鏡頭的剖面，在所述剖面上確定三個目標畫素點；基於所述三個目標畫素點，確定所述剖面的剖面曲率；在所述剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價。
在其中一個實施例中，所述基於所述三個目標畫素點，確定所述剖面的剖面曲率，包括：針對由所述三個目標畫素點構成的三角形的外接圓，獲取所述外接圓的半徑，將所述半徑的倒數作為剖面曲率。
在其中一個實施例中，所述多個預設角度剖面是多個預設角度的切面對所述待評價鏡頭進行切分所形成的，所述多個預設角度的切面均經過預設點；預設角度指的是所述切面與所述待評價鏡頭的所處平面間的夾角，所述多個預設角度包括0度、45度、90度和135度。
在其中一個實施例中，所述根據多個預設角度剖面的剖面曲率，確定平面曲率差，包括：確定多個預設角度剖面的剖面曲率中的最大值和最小值；將所述最大值減去所述最小值，得到平面曲率差。
在其中一個實施例中，所述基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價，包括：獲取所述待評價鏡頭的視場角；基於所述視場角，確定所述待評價鏡頭的評價指標；將所述濾波後的差值、所述剖面曲率和所述平面曲率差分別與相應評價指標進行比對，獲得評價結果。
在其中一個實施例中，所述對所述差值進行濾波，包括：濾除所述待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
第二方面，本申請還提供了一種鏡頭成像品質評價裝置。所述裝置包括：差值獲取模組，用於獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對所述差值進行濾波，得到濾波後的差值；目標畫素點確定模組，用於確定所述待評價鏡頭的剖面，在所述剖面上確定三個目標畫素點；剖面曲率確定模組，用於基於所述三個目標畫素點，確定所述剖面的剖面曲率；平面曲率差確定模組，用於在所述剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；評價模組，用於基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價。
第三方面，本申請還提供了一種電腦設備。所述電腦設備包括記憶體和處理器，所述記憶體存儲有電腦程式，所述處理器執行所述電腦程式時實現上述任一方法的步驟。
第四方面，本申請還提供了一種電腦可讀儲存介質。所述電腦可讀儲存介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現上述任一方法的步驟。
第五方面，本申請還提供了一種電腦程式產品。所述電腦程式產品，包括電腦程式，該電腦程式被處理器執行時實現上述任一方法的步驟。
上述鏡頭成像品質評價方法、裝置、電腦設備和儲存介質，藉由對獲取到的待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值進行濾波，得到濾波後的差值，基於濾波後的差值、待評價鏡頭的剖面的剖面曲率和根據多個預設角度剖面的剖面曲率確定出的平面曲率差，對待評價鏡頭的成像品質進行評價。相比於傳統技術中使用PV值對鏡頭成像品質進行評價導致的準確性不高的問題而言，本申請使用待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值、剖面曲率和平面曲率差三個評價指標對待評價鏡頭的成像品質進行評價，避免因使用一個評價指標導致的評價鏡頭成像品質準確性不高的問題，並且還對差值進行濾波，基於濾波後的差值對待評價鏡頭的成像品質進行評價，進一步提高了評價鏡頭成像品質的準確性。
為了使本申請的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本申請進行進一步詳細說明。應當理解，此處描述的具體實施例僅僅用以解釋本申請，並不用於限定本申請。
在本實施例中，提供的一種鏡頭成像品質評價方法，本實施例以該方法應用於電腦設備進行舉例說明，可以理解的是，該方法也可以應用於伺服器，還可以應用於包括電腦設備和伺服器的系統，並藉由電腦設備和伺服器的交互實現。
圖1為本申請實施例中提供的鏡頭成像品質評價方法的流程示意圖，該方法應用於電腦設備中，在一個實施例中，如圖1所示，包括以下步驟：
S101，獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對差值進行濾波，得到濾波後的差值。
其中，待評價鏡頭為由至少一個透鏡組合成的至少有一個曲面的鏡頭。待評價鏡頭上的畫素點指的是對待評價鏡頭表面進行劃分，劃分成複數區域，從每一區域中確定出的點。
在這裡，提供一待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值的示意圖，如圖2所示。圖2中的虛線表示預設標準鏡面，實線表示實際鏡面，雙向箭頭指示長度表示實際鏡面高度與預設標準鏡面高度間的差值。
在一些實施例中，獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值的方式有多種，其中一種實現方式為藉由光學測量儀器直接測得待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，其他可獲得待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值的方式也可，具體不作限定。
S102，確定待評價鏡頭的剖面，在剖面上確定三個目標畫素點。
其中，待評價鏡頭的剖面為經過待評價鏡頭光軸的面，光軸為待評價鏡頭的虛擬中心線。在這裡，提供一待評價鏡頭光軸的示意圖，如圖3所示。圖3為一個鏡頭的側視圖，圖3中L表示光軸。
在一些實施例中，在剖面上確定三個目標畫素點，包括：
在剖面方向上確定三個間距相等的畫素點作為目標畫素點，目標畫素點位於待評價鏡頭表面，也即剖面輪廓線上。具體的，提供一待評價鏡頭的部分剖面輪廓線的示意圖，如圖4所示，圖4中的點A、點B和點C為目標畫素點，s表示點A和點B在剖面方向上的間隔距離，以及點B和點C在剖面方向上的間隔距離。
S103，基於所述三個目標畫素點，確定剖面的剖面曲率。
其中，剖面曲率為反映剖面的彎曲程度的參數。
S104，在剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差。
應當理解的是，在剖面為預設角度剖面的情況下，獲取預設角度剖面的剖面曲率的方式為在預設角度剖面上確定三個目標畫素點，基於三個目標畫素點，確定預設角度剖面的剖面曲率。
S105，基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價。
在一些實施例中，基於濾波後的差值、剖面曲率和平面曲率差的值大小，對待評價鏡頭的成像品質好壞進行評價。
本實施例提供的鏡頭成像品質評價方法，藉由對獲取到的待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值進行濾波，得到濾波後的差值，基於濾波後的差值、待評價鏡頭的剖面的剖面曲率和根據多個預設角度剖面的剖面曲率確定出的平面曲率差，對待評價鏡頭的成像品質進行評價。相比於傳統技術中使用PV值對鏡頭成像品質進行評價導致的準確性不高的問題而言，本實施例使用待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值、剖面曲率和平面曲率差三個評價指標對待評價鏡頭的成像品質進行評價，避免因使用一個評價指標導致的評價鏡頭成像品質準確性不高的問題，並且還對差值進行濾波，基於濾波後的差值對待評價鏡頭的成像品質進行評價，進一步提高了評價鏡頭成像品質的準確性。
在一個實施例中，對差值進行濾波，包括：
濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
其中，預設邊緣區域為待評價鏡頭預設視場角以外的區域，預設視場角根據需求進行設定。例如在虛擬實境（VR，Virtual Reality）和擴增實境（AR，Augmented Reality）場景下應用的待評價鏡頭的預設視場角通常可設置為40度，因對人眼而言中心視角是比較敏感的，所以對待評價鏡頭中心視角範圍內的鏡頭成像品質要求更加嚴格。
在一些實施例中，藉由濾波器濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值，濾波器包括低通濾波器、高通濾波器、帶通濾波器、帶阻濾波器、旁路濾波器、均值濾波器、中值濾波器或者巴特沃茲篩檢程式中的至少一種，具體不作限定。
在本實施例中，藉由濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值，可以避免待評價鏡頭預設邊緣區域工藝粗糙帶來的誤評價，提高了評價鏡頭成像品質的準確性。
在一個實施例中，基於三個目標畫素點，確定剖面的剖面曲率，包括：
針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。
在一些實施例中，獲取外接圓的半徑的方式為將待評價鏡頭放在一個三維座標系中，獲取三個目標畫素點的三維座標，基於三維座標獲取三個目標畫素點構成的三角形的三邊長，利用三邊長、余弦定理和正弦定理得到外接圓的半徑。
在另一些實施例中，獲取外接圓的半徑的方式還可以為基於剖面方向構建二維座標系，獲取三個目標畫素點的二維座標，基於二維座標獲取三個目標畫素點構成的三角形的三邊長，利用三邊長、余弦定理和正弦定理得到外接圓的半徑。具體的獲取外接圓的半徑的方式不作限定。
在本實施例中，基於三個目標畫素點，確定剖面的剖面曲率的方式較為簡潔，容易獲得，能夠提高剖面曲率的獲得效率。
在一個實施例中，多個預設角度剖面是多個預設角度的切面對待評價鏡頭進行切分所形成的，多個預設角度的切面均經過預設點；預設角度指的是切面與待評價鏡頭的所處平面間的夾角，多個預設角度包括0度、45度、90度和135度。
其中，預設點為待評價鏡頭光軸與鏡頭表面重合的點。待評價鏡頭的所處平面是基於待評價鏡頭光軸所處的面確定出的。
在本實施例中，多個預設角度剖面均經過預設點，以保證多個預設角度剖面是基於同一切分標準進行切分得到的，能夠保證後續根據多個預設角度剖面的剖面曲率確定出的平面曲率差的準確性。
在一個實施例中，如圖5所示，根據多個預設角度剖面的剖面曲率，確定平面曲率差，包括以下內容：
S501，確定多個預設角度剖面的剖面曲率中的最大值和最小值。
S502，將最大值減去最小值，得到平面曲率差。
具體的，LAE = Max(K0, K90, K45, K135) - Min(K0, K90, K45, K135)，其中，LAE為平面曲率差，K0為0度剖面的剖面曲率，K90為90度剖面的剖面曲率，K45為45度剖面的剖面曲率，K135為135度剖面的剖面曲率。
在本實施例中，確定多個預設角度剖面的平面曲率差，是為了後續用於對待評價鏡頭的成像品質進行評價，平面曲率差的值超過預設閾值，說明鏡頭的成像品質存在明顯問題。
在一個實施例中，如圖6所示，基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價，包括以下內容：
S601，獲取待評價鏡頭的視場角。
其中，視場角（FOV，Field of view）的大小決定待評價鏡頭的視野範圍。
S602，基於視場角，確定待評價鏡頭的評價指標。
其中，評價指標包括預設標準差值範圍、預設標準剖面曲率範圍和預設標準平面曲率差範圍。
在一些實施例中，不同視場角範圍對應的待評價鏡頭的評價指標不同。
S603，將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果。
具體的，將濾波後的差值與預設標準差值範圍進行比對，將剖面曲率與預設標準剖面曲率範圍進行比對，將平面曲率差與預設標準平面曲率差範圍進行比對，獲得評價結果。
在本實施例中，針對不同視場角的待評價鏡頭，確定對應的評價指標，能夠進一步提高評價鏡頭成像品質的準確性。
在這裡，以應用場景為虛擬實境（VR，Virtual Reality）和擴增實境（AR，Augmented Reality）為例，用一完整實施例的方式對本申請提出的鏡頭成像品質評價方法進行詳細說明，具體包括以下內容：
首先，獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，藉由巴特沃茲篩檢程式濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值，得到濾波後的差值。
然後，確定待評價鏡頭的水平方向和垂直方向上的剖面，在剖面上確定三個間距相等的目標畫素點，針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。在這裡，提供一待評價鏡頭的頂視圖的示意圖，如圖7所示。圖7中的X表示水平方向，Y表示垂直方向，p表示一條水平切線，對待評價鏡頭沿p切割，得到水平方向的剖面，q表示一條垂直切線，對待評價鏡頭沿q切割，得到垂直方向的剖面。具體的，多個水平方向的剖面的剖面曲率和多個垂直方向的剖面的剖面曲率組成如圖8所示的整個待評價鏡頭的剖面曲率的示意圖。圖8中橫軸表示待評價鏡頭的水平位置，左縱軸表示待評價鏡頭的垂直位置，右縱軸表示該水平位置對應的垂直剖面的剖面曲率加上該垂直位置對應的水平剖面的剖面曲率的曲率和值。
其次，在剖面為0度、45度、90度和135度剖面的情況下，確定0度、45度、90度和135度剖面對應的剖面曲率中的最大值和最小值，將最大值減去最小值，得到平面曲率差。
最後，獲取待評價鏡頭的視場角，基於視場角，確定待評價鏡頭的評價指標，將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果，對待評價鏡頭的成像品質進行評價。
其中，應用於虛擬實境（VR，Virtual Reality）和擴增實境（AR，Augmented Reality）場景下的待評價鏡頭的視場角為小於20度。
在待評價鏡頭的視場角小於10度的情況下，預設標準差值範圍為小於15微米，且預設標準剖面曲率範圍為小於0.8，且預設標準平面曲率差範圍為小於0.4。在待評價鏡頭的視場角小於20度且不小於10度的情況下，預設標準差值範圍為小於20微米，且預設標準剖面曲率範圍為小於0.9，且預設標準平面曲率差範圍為小於0.5。應當理解的是，該實施例中舉出的具體數值均為舉例，具體數值可人為根據需求設定，具體數值不作限定。
具體的，以待評價鏡頭的視場角小於10度為例，在待評價鏡頭的視場角小於10度的情況下，若濾波後的差值小於15微米，且剖面曲率小於0.8，且平面曲率差小於0.4，即濾波後的差值、剖面曲率和平面曲率差在評價指標內，則評價待評價鏡頭的成像品質較好，在這種情況下，待評價鏡頭的成像示意圖，如圖9所示。進一步地，提供一不在評價指標內的待評價鏡頭的成像示意圖，如圖10所示，明顯看出濾波後的差值、剖面曲率和平面曲率差不在評價指標內的成像較為模糊。
本實施例提供的鏡頭成像品質評價方法，使用待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值、剖面曲率和平面曲率差三個評價指標對待評價鏡頭的成像品質進行評價，避免因使用一個評價指標導致的評價鏡頭成像品質準確性不高的問題，並且還對差值進行濾波，基於濾波後的差值對待評價鏡頭的成像品質進行評價，進一步提高了評價鏡頭成像品質的準確性，並且之所以選擇曲率作為評價參數，是因為曲率大小會改變透過待評價鏡頭的光線方向，導致產生像差，影響成像品質，因此，選擇濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價，能夠保證評價準確性。
應該理解的是，雖然如上所述的各實施例所涉及的流程圖中的各個步驟按照箭頭的指示依次顯示，但是這些步驟並不是必然按照箭頭指示的順序依次執行。除非本文中有明確的說明，這些步驟的執行並沒有嚴格的順序限制，這些步驟可以以其它的循序執行。而且，如上所述的各實施例所涉及的流程圖中的至少一部分步驟可以包括多個步驟或者多個階段，這些步驟或者階段並不必然是在同一時刻執行完成，而是可以在不同的時刻執行，這些步驟或者階段的執行順序也不必然是依次進行，而是可以與其它步驟或者其它步驟中的步驟或者階段的至少一部分輪流或者交替地執行。
基於同樣的發明構思，本申請實施例還提供了一種用於實現上述所涉及的鏡頭成像品質評價方法的鏡頭成像品質評價裝置。該裝置所提供的解決問題的實現方案與上述方法中所記載的實現方案相似，故下面所提供的一個或多個鏡頭成像品質評價裝置實施例中的具體限定可以參見上文中對於鏡頭成像品質評價方法的限定，在此不再贅述。
參見圖11，圖11為本申請實施例中提供的一種鏡頭成像品質評價裝置的結構框圖，該裝置1100包括：差值獲取模組1101、目標畫素點確定模組1102、剖面曲率確定模組1103、平面曲率差確定模組1104和評價模組1105，其中：
差值獲取模組1101，用於獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對差值進行濾波，得到濾波後的差值；
目標畫素點確定模組1102，用於確定待評價鏡頭的剖面，在剖面上確定三個目標畫素點；
剖面曲率確定模組1103，用於基於三個目標畫素點，確定剖面的剖面曲率；
平面曲率差確定模組1104，用於在剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；
評價模組1105，用於基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價。
本實施例提供的鏡頭成像品質評價裝置，藉由對獲取到的待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值進行濾波，得到濾波後的差值，基於濾波後的差值、待評價鏡頭的剖面的剖面曲率和根據多個預設角度剖面的剖面曲率確定出的平面曲率差，對待評價鏡頭的成像品質進行評價。相比於傳統技術中使用PV值對鏡頭成像品質進行評價導致的準確性不高的問題而言，本實施例使用待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值、剖面曲率和平面曲率差三個評價指標對待評價鏡頭的成像品質進行評價，避免因使用一個評價指標導致的評價鏡頭成像品質準確性不高的問題，並且還對差值進行濾波，基於濾波後的差值對待評價鏡頭的成像品質進行評價，進一步提高了評價鏡頭成像品質的準確性。
可選的，剖面曲率確定模組1103包括：
剖面曲率確定單元，用於針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。
可選的，多個預設角度剖面是多個預設角度的切面對待評價鏡頭進行切分所形成的，多個預設角度的切面均經過預設點；預設角度指的是切面與待評價鏡頭的所處平面間的夾角，多個預設角度包括0度、45度、90度和135度。
可選的，平面曲率差確定模組1104包括：
曲率最值確定單元，用於確定多個預設角度剖面的剖面曲率中的最大值和最小值；
平面曲率差確定單元，用於將最大值減去最小值，得到平面曲率差。
可選的，評價模組1105包括：
視場角獲取單元，用於獲取待評價鏡頭的視場角；
評價指標確定單元，用於基於視場角，確定待評價鏡頭的評價指標；
評價單元，用於將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果。
可選的，差值獲取模組1101包括：
差值濾除單元，用於濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
上述鏡頭成像品質評價裝置中的各個模組可全部或部分藉由軟體、硬體及其組合來實現。上述各模組可以硬體形式內嵌於或獨立於電腦設備中的處理器中，也可以以軟體形式存儲於電腦設備中的記憶體中，以便於處理器調用執行以上各個模組對應的操作。
在一個實施例中，提供了一種電腦設備，該電腦設備可以是伺服器，其內部結構圖可以如圖12所示。該電腦設備包括處理器、記憶體、輸入/輸出介面(Input/Output，簡稱I/O）和通訊介面。其中，處理器、記憶體和輸入/輸出介面藉由系統匯流排連接，通訊介面藉由輸入/輸出介面連接到系統匯流排。其中，該電腦設備的處理器用於提供計算和控制能力。該電腦設備的記憶體包括非易失性儲存介質和內部記憶體。該非易失性儲存介質存儲有作業系統、電腦程式和資料庫。該內部記憶體為非易失性儲存介質中的作業系統和電腦程式的運行提供環境。該電腦設備的資料庫用於存儲濾波後的差值、剖面曲率和平面曲率差等數據。該電腦設備的輸入/輸出介面用於處理器與外部設備之間交換資訊。該電腦設備的通訊介面用於與外部的終端藉由網路連接通訊。該電腦程式被處理器執行時以實現一種鏡頭成像品質評價方法。
本領域具有通常知識者可以理解，圖12中示出的結構，僅僅是與本申請方案相關的部分結構的框圖，並不構成對本申請方案所應用於其上的電腦設備的限定，具體的電腦設備可以包括比圖中所示更多或更少的部件，或者組合某些部件，或者具有不同的部件佈置。
在一個實施例中，提供了一種電腦設備，包括記憶體和處理器，記憶體中存儲有電腦程式，該處理器執行電腦程式時實現上述實施例提供的鏡頭成像品質評價方法的步驟：
獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對差值進行濾波，得到濾波後的差值；
確定待評價鏡頭的剖面，在剖面上確定三個目標畫素點；
基於三個目標畫素點，確定剖面的剖面曲率；
在剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；
基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價。
在一個實施例中，處理器執行電腦程式時還實現以下步驟：
針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。
在一個實施例中，處理器執行電腦程式時還實現以下步驟：
多個預設角度剖面是多個預設角度的切面對待評價鏡頭進行切分所形成的，多個預設角度的切面均經過預設點；預設角度指的是切面與待評價鏡頭的所處平面間的夾角，多個預設角度包括0度、45度、90度和135度。
在一個實施例中，處理器執行電腦程式時還實現以下步驟：
確定多個預設角度剖面的剖面曲率中的最大值和最小值；
將最大值減去最小值，得到平面曲率差。
在一個實施例中，處理器執行電腦程式時還實現以下步驟：
獲取待評價鏡頭的視場角；
基於視場角，確定待評價鏡頭的評價指標；
將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果。
在一個實施例中，處理器執行電腦程式時還實現以下步驟：
濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
上述實施例的實現原理和技術效果與上述方法實施例類似，在此不再贅述。
在一個實施例中，提供了一種電腦可讀儲存介質，其上存儲有電腦程式，電腦程式被處理器執行時實現上述實施例提供的鏡頭成像品質評價方法的步驟：
獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對差值進行濾波，得到濾波後的差值；
確定待評價鏡頭的剖面，在剖面上確定三個目標畫素點；
基於三個目標畫素點，確定剖面的剖面曲率；
在剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；
基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
多個預設角度剖面是多個預設角度的切面對待評價鏡頭進行切分所形成的，多個預設角度的切面均經過預設點；預設角度指的是切面與待評價鏡頭的所處平面間的夾角，多個預設角度包括0度、45度、90度和135度。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
確定多個預設角度剖面的剖面曲率中的最大值和最小值；
將最大值減去最小值，得到平面曲率差。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
獲取待評價鏡頭的視場角；
基於視場角，確定待評價鏡頭的評價指標；
將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
上述實施例的實現原理和技術效果與上述方法實施例類似，在此不再贅述。
在一個實施例中，提供了一種電腦程式產品，包括電腦程式，該電腦程式被處理器執行時實現上述實施例提供的鏡頭成像品質評價方法的步驟：
獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對差值進行濾波，得到濾波後的差值；
確定待評價鏡頭的剖面，在剖面上確定三個目標畫素點；
基於三個目標畫素點，確定剖面的剖面曲率；
在剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差；
基於濾波後的差值、剖面曲率和平面曲率差，對待評價鏡頭的成像品質進行評價。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
針對由三個目標畫素點構成的三角形的外接圓，獲取外接圓的半徑，將半徑的倒數作為剖面曲率。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
多個預設角度剖面是多個預設角度的切面對待評價鏡頭進行切分所形成的，多個預設角度的切面均經過預設點；預設角度指的是切面與待評價鏡頭的所處平面間的夾角，多個預設角度包括0度、45度、90度和135度。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
確定多個預設角度剖面的剖面曲率中的最大值和最小值；
將最大值減去最小值，得到平面曲率差。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
獲取待評價鏡頭的視場角；
基於視場角，確定待評價鏡頭的評價指標；
將濾波後的差值、剖面曲率和平面曲率差分別與相應評價指標進行比對，獲得評價結果。
在一個實施例中，電腦程式被處理器執行時還實現以下步驟：
濾除待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
上述實施例的實現原理和技術效果與上述方法實施例類似，在此不再贅述。
本領域具有通常知識者可以理解實現上述實施例方法中的全部或部分流程，是可以藉由電腦程式來指令相關的硬體來完成，所述的電腦程式可儲存於一非易失性電腦可讀取儲存介質中，該電腦程式在執行時，可包括如上述各方法的實施例的流程。其中，本申請所提供的各實施例中所使用的對記憶體、資料庫或其它介質的任何引用，均可包括非易失性和易失性記憶體中的至少一種。非易失性記憶體可包括唯讀記憶體（Read-Only Memory，ROM）、磁帶、軟碟、快閃記憶體、光記憶體、高密度嵌入式非易失性記憶體、阻變記憶體（ReRAM）、磁變記憶體（Magnetoresistive Random Access Memory，MRAM）、鐵電記憶體（Ferroelectric Random Access Memory，FRAM）、相變記憶體（Phase Change Memory，PCM）、石墨烯記憶體等。易失性記憶體可包括隨機存取記憶體（Random Access Memory，RAM）或外部高速緩衝記憶體等。作為說明而非局限，RAM可以是多種形式，比如靜態隨機存取記憶體（Static Random Access Memory，SRAM）或動態隨機存取記憶體（Dynamic Random Access Memory，DRAM）等。本申請所提供的各實施例中所涉及的資料庫可包括關係型數據庫和非關係型數據庫中至少一種。非關係型數據庫可包括基於區塊鏈的分散式資料庫等，不限於此。本申請所提供的各實施例中所涉及的處理器可為通用處理器、中央處理器、圖形處理器、數位訊號處理器、可程式設計邏輯器、基於量子計算的資料處理邏輯器等，不限於此。
以上實施例的各技術特徵可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特徵所有可能的組合都進行描述，然而，只要這些技術特徵的組合不存在矛盾，都應當認為是本說明書記載的範圍。
以上所述實施例僅表達了本申請的幾種實施方式，其描述較為具體和詳細，但並不能因此而理解為對本申請專利範圍的限制。應當指出的是，對於本領域具有通常知識者來說，在不脫離本申請構思的前提下，還可以做出若干變形和改進，這些都屬於本申請的保護範圍。因此，本申請的保護範圍應以所附請求項為准。
S101、S102、S103、S104、S105、S501、S502、S601、S602、S603:步驟
L:光軸
A、B、C:目標畫素點
S:間隔距離
p:水平切線
q:垂直切線
1100:鏡頭成像品質評價裝置
1101:差值獲取模組
1102:目標畫素點確定模組
1103:剖面曲率確定模組
1104:平面曲率差確定模組
1105:評價模組
圖1為本申請實施例中提供的鏡頭成像品質評價方法的流程示意圖；
圖2為一個實施例中提供一待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值的示意圖；
圖3為一個實施例中提供一待評價鏡頭光軸的示意圖；
圖4為一個實施例中提供一待評價鏡頭的部分剖面輪廓線的示意圖；
圖5為一個實施例中確定平面曲率差的流程示意圖；
圖6為一個實施例中對待評價鏡頭的成像品質進行評價的流程示意圖；
圖7為一個實施例中提供一待評價鏡頭的頂視圖的示意圖；
圖8為一個實施例中提供的整個待評價鏡頭的剖面曲率的示意圖；
圖9為一個實施例中提供的待評價鏡頭的成像示意圖；
圖10為一個實施例中提供一不在評價指標內的待評價鏡頭的成像示意圖；
圖11為本申請實施例中提供的一種鏡頭成像品質評價裝置的結構框圖；
圖12為本申請實施例中提供的一種電腦設備的內部結構圖。
S101、S102、S103、S104、S105:步驟
Claims (10)
- 一種鏡頭成像品質評價方法，所述方法包括： 獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對所述差值進行濾波，得到濾波後的差值； 確定所述待評價鏡頭的剖面，在所述剖面上確定三個目標畫素點； 基於所述三個目標畫素點，確定所述剖面的剖面曲率； 在所述剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差； 基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價。
- 如請求項1所述之方法，其中，所述基於所述三個目標畫素點，確定所述剖面的剖面曲率，包括： 針對由所述三個目標畫素點構成的三角形的外接圓，獲取所述外接圓的半徑，將所述半徑的倒數作為剖面曲率。
- 如請求項1所述之方法，其中，所述多個預設角度剖面是多個預設角度的切面對所述待評價鏡頭進行切分所形成的，所述多個預設角度的切面均經過預設點；預設角度指的是所述切面與所述待評價鏡頭的所處平面間的夾角，所述多個預設角度包括0度、45度、90度和135度。
- 如請求項1所述之方法，其中，所述根據多個預設角度剖面的剖面曲率，確定平面曲率差，包括： 確定多個預設角度剖面的剖面曲率中的最大值和最小值； 將所述最大值減去所述最小值，得到平面曲率差。
- 如請求項1所述之方法，其中，所述基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價，包括： 獲取所述待評價鏡頭的視場角； 基於所述視場角，確定所述待評價鏡頭的評價指標； 將所述濾波後的差值、所述剖面曲率和所述平面曲率差分別與相應評價指標進行比對，獲得評價結果。
- 如請求項1至5任意一項所述之方法，其中，所述對所述差值進行濾波，包括： 濾除所述待評價鏡頭的預設邊緣區域中每一畫素點對應的差值。
- 一種鏡頭成像品質評價裝置，所述裝置包括： 差值獲取模組，用於獲取待評價鏡頭上每一畫素點的實際鏡面高度與預設標準鏡面高度間的差值，對所述差值進行濾波，得到濾波後的差值； 目標畫素點確定模組，用於確定所述待評價鏡頭的剖面，在所述剖面上確定三個目標畫素點； 剖面曲率確定模組，用於基於所述三個目標畫素點，確定所述剖面的剖面曲率； 平面曲率差確定模組，用於在所述剖面為多個預設角度剖面的情況下，根據多個預設角度剖面的剖面曲率，確定平面曲率差； 評價模組，用於基於所述濾波後的差值、所述剖面曲率和所述平面曲率差，對所述待評價鏡頭的成像品質進行評價。
- 一種電腦設備，包括記憶體和處理器，所述記憶體存儲有電腦程式，所述處理器執行所述電腦程式時實現請求項1至6中任一項所述的方法的步驟。
- 一種電腦可讀儲存介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現請求項1至6中任一項所述的方法的步驟。
- 一種電腦程式產品，包括電腦程式，該電腦程式被處理器執行時實現請求項1至6中任一項所述的方法的步驟。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811350.5A CN117007288A (zh) | 2023-07-03 | 2023-07-03 | 镜头成像质量评价方法、装置、计算机设备和存储介质 |
| CN2023108113505 | 2023-07-03 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWI835692B true TWI835692B (zh) | 2024-03-11 |
Family
ID=88562828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW112128238A TWI835692B (zh) | 2023-07-03 | 2023-07-27 | 鏡頭成像品質評價方法、裝置、電腦設備和儲存介質 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117007288A (zh) |
| TW (1) | TWI835692B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080007694A1 (en) * | 2006-05-25 | 2008-01-10 | Jianping Wei | Measurement of lenses and lens molds using optical coherence tomography |
| TW201129827A (en) * | 2009-10-15 | 2011-09-01 | Sharp Kk | Lens, lens array, and lens evaluation device |
| TW201144753A (en) * | 2010-06-08 | 2011-12-16 | Chung Shan Inst Of Science | Micro-lens array surface profile detection system and detection method thereof |
| TW201621290A (zh) * | 2014-08-15 | 2016-06-16 | 賽格股份有限公司 | 透鏡和透鏡模具的光學評估技術 |
| US20160252425A1 (en) * | 2013-03-11 | 2016-09-01 | Lumetrics, Inc. | Apparatus and method for evaluation of optical elements |
| US20200184621A1 (en) * | 2016-06-28 | 2020-06-11 | Johnson & Johnson Vision Care, Inc. | Systems and methods of using absorptive imaging metrology to measure the thickness of ophthalmic lenses |
-
2023
- 2023-07-03 CN CN202310811350.5A patent/CN117007288A/zh active Pending
- 2023-07-27 TW TW112128238A patent/TWI835692B/zh active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080007694A1 (en) * | 2006-05-25 | 2008-01-10 | Jianping Wei | Measurement of lenses and lens molds using optical coherence tomography |
| TW201129827A (en) * | 2009-10-15 | 2011-09-01 | Sharp Kk | Lens, lens array, and lens evaluation device |
| TW201144753A (en) * | 2010-06-08 | 2011-12-16 | Chung Shan Inst Of Science | Micro-lens array surface profile detection system and detection method thereof |
| US20160252425A1 (en) * | 2013-03-11 | 2016-09-01 | Lumetrics, Inc. | Apparatus and method for evaluation of optical elements |
| TW201621290A (zh) * | 2014-08-15 | 2016-06-16 | 賽格股份有限公司 | 透鏡和透鏡模具的光學評估技術 |
| US20200184621A1 (en) * | 2016-06-28 | 2020-06-11 | Johnson & Johnson Vision Care, Inc. | Systems and methods of using absorptive imaging metrology to measure the thickness of ophthalmic lenses |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117007288A (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022021309A1 (zh) | 建立模型的方法、装置、电子设备及计算机可读存储介质 | |
| WO2018127007A1 (zh) | 深度图获取方法及系统 | |
| WO2016065632A1 (zh) | 一种图像处理方法和设备 | |
| Panek et al. | Meshloc: Mesh-based visual localization | |
| WO2021017471A1 (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
| CN113160068B (zh) | 基于图像的点云补全方法及系统 | |
| WO2021142995A1 (zh) | 基于图像处理的k近邻点云滤波方法、装置和存储介质 | |
| CN109544623A (zh) | 车辆损伤区域的测量方法和装置 | |
| CN111798398B (zh) | 点云降噪方法、装置、电子设备和计算机可读存储介质 | |
| CN110009687A (zh) | 基于三相机的彩色三维成像系统及其标定方法 | |
| CN110458952B (zh) | 一种基于三目视觉的三维重建方法和装置 | |
| CN111524168A (zh) | 点云数据的配准方法、系统、装置及计算机存储介质 | |
| CN112484738A (zh) | 机器人建图方法、装置、计算机可读存储介质及机器人 | |
| CN113888639A (zh) | 基于事件相机与深度相机的视觉里程计定位方法及系统 | |
| CN113052880A (zh) | 一种sfm稀疏重建方法、系统及应用 | |
| CN116295113A (zh) | 一种融合条纹投影的偏振三维成像方法 | |
| CN116188683A (zh) | 三维对象包围盒确定方法、装置、计算机设备及存储介质 | |
| TWI835692B (zh) | 鏡頭成像品質評價方法、裝置、電腦設備和儲存介質 | |
| CN118482665A (zh) | 一种偏振自旋转滤光的结构光三维测量方法及设备 | |
| CN110148086B (zh) | 稀疏深度图的深度补齐方法、装置及三维重建方法、装置 | |
| Splietker et al. | Directional TSDF: Modeling surface orientation for coherent meshes | |
| CN112989079B (zh) | 一种新型图像数据检索的方法及系统 | |
| CN115564924A (zh) | 一种大城市场景下规则物体点云优化系统及方法 | |
| CN110570511A (zh) | 点云数据的处理方法、装置、系统和存储介质 | |
| CN107783310A (zh) | 一种柱透镜成像系统的标定方法及装置 |