【技术实现步骤摘要】
本申请涉及图像检测，特别是涉及一种图像传感器的脏污检测方法、装置和计算机设备。
技术介绍
1、随着科技的发展，摄像技术逐渐被广泛应用。而摄像设备在生产和装配的过程中，可能会因为灰尘、皮屑等异物附着在传感器上，而导致摄像设备在成像时存在阴影形式的脏污，继而影响摄像设备在实际应用中的效果。因此，需要对摄像设备的图像传感器上的脏污进行检测。
2、目前常用的图像传感器的脏污检测方法主要采用人工检测方法，基于亮度差或梯度差的检测方法，或基于深度学习的检测方法等方法。但是，人工检测方法效率较低，且受检测人员自身判断及检测环境的影响，使得检测效率和检测结果的准确率不高；基于亮度差或梯度差的检测方法在检测未经镜头阴影校正的图像时准确率不高；基于深度学习的检测方法则需要大量的样本进行图像传感器的脏污检测，计算量过大，检测效率较低。
3、针对现有的图像传感器的脏污检测方式，存在检测结果准确率不高或者检测效率低的问题，目前还没有提出有效的解决方案。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种图像传感器的脏污检测方法、装置和计算机设备。
2、第一方面，本申请提供了一种图像传感器的脏污检测方法。所述方法包括：
3、获取待测图像传感器采集的原始图像数据；
4、对所述原始图像数据进行预处理，得到预处理后的图像数据；
5、利用拉普拉斯金字塔，获取所述预处理后的图像数据的高频信息；
6、获取所述高频信息中的脏污信息；
7、基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污信息，确定所述预处理后的图像数据中的脏污信息；
8、基于所述预处理后的图像数据中的所述脏污信息，对所述待测图像传感器进行脏污检测。
9、在其中一个实施例中，所述对所述原始图像数据进行预处理，得到预处理后的图像数据，包括以下步骤：
10、对所述原始图像数据进行黑电平校正，得到黑电平校正后的多帧图像数据；
11、对所述黑电平校正后的多帧图像数据进行灰度处理，得到多帧灰度图像；
12、对多帧所述灰度图像进行融合，得到所述原始图像数据的灰度图像；
13、将所述原始图像数据的灰度图像，作为所述预处理后的图像数据。
14、在其中一个实施例中，所述对所述黑电平校正后的多帧图像数据进行灰度处理，得到所述原始图像数据的灰度图像，包括以下步骤：
15、对所述黑电平校正后的多帧图像数据进行灰度处理，得到多帧灰度图像；
16、对多帧所述灰度图像进行融合，得到所述原始图像数据的灰度图像。
17、在其中一个实施例中，所述获取所述高频信息中的脏污信息，包括以下步骤：
18、对所述高频信息进行边缘检测，得到所述高频信息的边缘特征；
19、对所述边缘特征进行霍夫圆检测，得到所述高频信息中的脏污信息。
20、在其中一个实施例中，所述对所述边缘特征进行霍夫圆检测，得到所述高频信息中的脏污信息，包括以下步骤：
21、对所述边缘特征进行所述霍夫圆检测，得到所述高频信息中脏污的数量、所述高频信息中每个脏污外接圆的半径和所述高频信息中每个脏污外接圆的圆心的位置。
22、在其中一个实施例中，所述基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污信息，确定所述预处理后的图像数据中的脏污信息，包括以下步骤：
23、基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污的数量、所述高频信息中每个脏污外接圆的半径和所述高频信息中每个脏污外接圆的圆心的位置，确定所述预处理后的图像数据中的脏污的数量、所述预处理后的图像数据中的每个脏污的深浅信息、所述预处理后的图像数据中的每个脏污外接圆的半径和所述预处理后的图像数据中的每个脏污外接圆的圆心的位置。
24、在其中一个实施例中，在确定所述预处理后的图像数据中的脏污的数量、所述预处理后的图像数据中的每个脏污的深浅信息、所述预处理后的图像数据中的每个脏污外接圆的半径和所述预处理后的图像数据中的每个脏污外接圆的圆心的位置之后，还包括以下步骤：
25、基于所述预处理后的图像数据中的每个脏污的灰度差，调整脏污外接圆的半径，得到调整后的脏污信息。
26、在其中一个实施例中，在确定所述预处理后的图像数据中的脏污的数量、所述预处理后的图像数据中的每个脏污的深浅信息、所述预处理后的图像数据中的每个脏污外接圆的半径和所述预处理后的图像数据中的每个脏污外接圆的圆心的位置之后，还包括以下步骤：
27、基于所述预处理后的图像数据中的每个脏污的灰度的梯度值，调整脏污外接圆的半径，得到调整后的脏污信息。
28、第二方面，本申请还提供了一种图像传感器的脏污检测装置。所述装置包括：
29、数据获取模块，用于获取待测图像传感器采集的原始图像数据；
30、预处理模块，用于对所述原始图像数据进行预处理，得到预处理后的图像数据；
31、高频信息获取模块，用于利用拉普拉斯金字塔，获取所述预处理后的原始图像数据的高频信息；
32、脏污获取模块，用于获取所述高频信息中的脏污信息；
33、脏污确定模块，用于基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污信息，确定所述预处理后的图像数据中的脏污信息；
34、以及脏污检测模块，用于基于所述预处理后的图像数据中的所述脏污信息，对所述待测图像传感器进行脏污检测。
35、在其中一个实施例中，还包括gui界面；
36、所述gui界面用于输入脏污检测的需求；所述gui界面还用于显示与所述脏污检测的需求所对应的脏污检测结果。
37、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的图像传感器的脏污检测方法。
38、上述图像传感器的脏污检测方法、装置和计算机设备，通过获取原始图像数据，并对原始图像数据进行预处理，得到预处理后的图像数据，进而利用拉普拉斯金字塔，获取预处理后的图像数据的高频信息，获取高频信息中的脏污信息，以及根据拉普拉斯金字塔中的高频信息和预处理后的图像数据之间的对应关系，确定预处理后的图像数据中的脏污信息，最后，根据预处理后的图像数据中的脏污信息，对待测图像传感器进行脏污检测。其通过拉普拉斯金字塔来获取预处理后的图像数据的高频信息，并根据高频信息，以及预处理之后的图像数据之间的对应关系，以及高频信息中的脏污信息，来确定预处理后的图像数据中的脏污信息，在进行脏污检测时，并不依赖于原始图像数据的背景值较均匀的约束条本文档来自技高网...
【技术保护点】
1.一种图像传感器的脏污检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像传感器的脏污检测方法，其特征在于，所述对所述原始图像数据进行预处理，得到预处理后的图像数据，包括：
3.根据权利要求1所述的图像传感器的脏污检测方法，其特征在于，所述获取所述高频信息中的脏污信息，包括：
4.根据权利要求3所述的图像传感器的脏污检测方法，其特征在于，所述对所述边缘特征进行霍夫圆检测，得到所述高频信息中的脏污信息，包括：
5.根据权利要求4所述的图像传感器的脏污检测方法，其特征在于，所述基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污信息，确定所述预处理后的图像数据中的脏污信息，包括：
6.根据权利要求5所述的图像传感器的脏污检测方法，其特征在于，在确定所述预处理后的图像数据中的脏污的数量、所述预处理后的图像数据中的每个脏污的深浅信息、所述预处理后的图像数据中的每个脏污外接圆的半径和所述预处理后的图像数据中的每个脏污外接圆的圆心的位置之后，还包括：
7.
8.一种图像传感器的脏污检测装置，其特征在于，所述装置包括：
9.根据权利要求8所述的图像传感器的脏污检测装置，其特征在于，还包括GUI界面；
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的图像传感器的脏污检测方法的步骤。
...【技术特征摘要】
1.一种图像传感器的脏污检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像传感器的脏污检测方法，其特征在于，所述对所述原始图像数据进行预处理，得到预处理后的图像数据，包括：
3.根据权利要求1所述的图像传感器的脏污检测方法，其特征在于，所述获取所述高频信息中的脏污信息，包括：
4.根据权利要求3所述的图像传感器的脏污检测方法，其特征在于，所述对所述边缘特征进行霍夫圆检测，得到所述高频信息中的脏污信息，包括：
5.根据权利要求4所述的图像传感器的脏污检测方法，其特征在于，所述基于所述拉普拉斯金字塔中的所述高频信息和所述预处理后的图像数据之间的对应关系，以及所述高频信息中的脏污信息，确定所述预处理后的图像数据中的脏污信息，包括：
6.根据权利要求5所述的图像传感器的脏污检测方法，其特征在于，在确定所述预处理后的图像数据中的脏污...
【专利技术属性】
技术研发人员：颜溶標，
申请(专利权)人：浙江华诺康科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。