基于高动态图像合成的杂散光量化方法与流程

1.本技术涉及光学设备技术领域，更具体地，涉及一种杂散光量化方法。


背景技术：

2.随着手机行业的发展，人们对手机的拍摄功能要求越来越高，而手机摄像模组的性能直接影响整个手机的拍摄效果。在手机摄像模组组装完成后，由于漏光、透射光学表面的残余反射、镜筒内壁等非光学表面的残余反射，以及光学表面的质量问题等，会造成摄像模组产生一些杂散光，这些杂散光会增加成像面上的噪声，特别是在成像面附近出现的杂散光汇聚点会对摄像模组成像产生严重影响。这些汇聚点也被称作“鬼像”。杂散光、鬼像是摄像模组的一种常见异常，该异常会影响摄像模组的成像品质。
3.现有的杂散光检测方法主要包括以下两种：一种检测方法是在摄像模组未组装完成前，对镜头进行检测。其具体实现方式是将镜头固定在特定支架上，使用光源绕镜头360
°
照射，人眼观察镜头是否有杂散光产生；另一种检测方法是在摄像模组组装完成后，检测镜头是否有杂散光。其具体实现方式是在特定的光源下，通过摄像模组的视频采集板卡获取图像，通过人眼观察获取的图像，以判断镜头是否有杂散光产生。然而，上述两类方法都是通过人眼来判定杂散光的情况，其判定结果较为主观，会存在错判、漏失及检测标准不确定性的问题。
4.现有的检测方法主要用于检测摄像模组是否存在杂散光的情况，并没有将杂散光量化，而将杂散光检测结果进行量化可提高检测速度，杂散光的量化数值更有助于精确地消除杂散光，提高摄像模组的成像质量。


技术实现要素：

5.本技术提供了一种可至少解决或部分解决现有技术中上述至少一个缺点的
6.本技术一方面提供了一种杂散光量化方法，包括：获取待检测摄像模组拍摄的光源图像；将所述光源图像进行拼接叠加，并将完成拼接叠加的所述光源图像转换为灰度图像；标记所述灰度图像中的杂散光区域，对每个所述杂散光区域进行分割形成多个连通的杂散光区块；以及对分割形成的所述杂散光区块进行量化以得到所述杂散光的量化数值。
7.根据本技术实施方式，对分割后形成的所述杂散光区块进行量化以得到所述杂散光的量化数值包括：计算每个所述杂散光区块中包括的像素点个数，以获取每个所述杂散光区块的面积值；计算每个所述杂散光区块的外接最小矩形的尺寸以获取每个所述杂散光区块的尺寸；将每个所述杂散光区块的位置坐标标记为其对应的所述外接最小矩形的坐标；以及通过积分方法获得每个所述杂散光区块的能量值。
8.根据本技术实施方式，标记所述灰度图像中的杂散光区域，对每个所述杂散光区域进行分割形成多个连通的杂散光区块包括：获取所述灰度图像中多个具有完整且连续边界的杂散光区域；根据所述杂散光区域内的像素值标记所述杂散光区域；以及对每个所述杂散光区域进行分割以形成多个连通的所述杂散光区块。
9.根据本技术实施方式，获取所述灰度图像中多个具有完整且连续边界的杂散光区域包括：对所述灰度图像中的像素值进行平方处理，得到平方灰度图像；对所述平方灰度图像采用边缘检测算子canny计算，获得杂散光区域的边界信息；以及标记所述边界信息并进行连通处理，获得多个具有完整且连续的边界的杂散光区域。
10.根据本技术实施方式，获取待检测摄像模组拍摄的光源图像包括：在黑暗环境中设置点光源和所述待测摄像模组；采用夹持角度可调节的模组夹具夹持所述待测摄像模组；以及调整待测摄像模组的感光元件的感光度iso数值，以获取不同所述iso数值的状态下所述待测实现模组拍摄的光源图像。
11.根据本技术实施方式，调整待测摄像模组的感光元件的感光度iso数值，以获取不同所述iso数值的状态下所述待测实现模组拍摄的光源图像包括：调整所述待测摄像模组，以实现所述待测摄像模组拍摄的所述点光源的图像为实像，并记录所述光源图像为实像的状态下的iso数值e1和获取所述光源图像p1；以及通过迭代地调整所述iso数值以分别获得所述待测摄像模组在各个iso数值状态下拍摄的光源图像。
12.根据本技术实施方式，通过迭代地调整所述iso数值以分别获得所述待测摄像模组在各个iso数值状态下拍摄的光源图像包括：
13.将所述iso数值en调整为5
×
en-1，并获取所述iso数值为en的状态下的所述待测摄像模组拍摄的所述光源图像pn，其中，n为调整所述iso数值的次数，n取整数且n≥2；en为第n次调整的所述iso数值；en-1为第n-1次调整的所述iso数值；以及pn为在iso数值为en的状态下，所述待测摄像模组拍摄的所述光源图像。
14.根据本技术实施方式，所述光源图像p1至pn包括全部杂散光的种类。
15.根据本技术实施方式，将所述光源图像进行拼接叠加，将完成拼接叠加的所述光源图像转换为灰度图像包括：对所述光源图像p1至pn进行坏点检测和去噪处理；对完成坏点检测和去噪处理的所述光源图像p1至pn进行有效像素点选择，其中n取整数且n≥2；对完成有效像素点选择的所述光源图像p1至pn按照各自不同的归一化系数进行归一化处理；将完成归一化处理的所述光源图像p1至pn拼接叠加为合成图像p；以及将所述合成图像p转换为灰度图像。
16.根据本技术实施方式，对完成坏点检测和去噪处理的所述光源图像p1至pn进行有效像素点选择包括：选取所述完成坏点检测和去噪处理的光源图像p1至pn中满足以下条件的像素点，lsb≥128，其中，lsb是所述光源图像p1至pn中原始数据raw10中像素值的最低有效位。
17.根据本技术实施方式，所述归一化系数包括：所述光源图像p1的归一化系数x1＝enmax/e1；以及所述光源图像pn的归一化系数xn＝enmax/en，其中，enmax为最后一次调整的所述iso数值；e1为所述光源图像为实像的状态下的iso数值；以及en为第n次调整的所述iso数值以及n取整数且n≥2。
18.根据本技术实施方式，将完成归一化处理的所述光源图像p1至pn叠加拼接为合成图像p包括：将所述完成归一化处理的光源图像p1至pn中重复的像素点的像素值叠加并求取平均值；以及将所述平均值拼接为合成图像p。
19.根据本技术实施方式，将所述合成图像p转换为灰度图像包括：将所述合成图像p按照对应的拜耳阵列进行rgb插值；将完成插值的所述rgb图像转化为所述灰度图像；以及
将所述灰度图像中像素值大于等于1023的像素点设置为0。
20.根据本技术实施方式，对每个所述杂散光区域进行分割形成多个连通的杂散光区块包括：采用形态分水岭算法对每个所述杂散光区域进行分割形成所述多个连通的杂散光区块。
21.本技术另一方面还提供了一种杂散光量化系统，包括：叠加设备，获取待检测摄像模组拍摄的光源图像，将所述光源图像进行拼接叠加，并将完成拼接叠加的所述光源图像转换为灰度图像；分割设备，标记所述灰度图像中的杂散光区域，对每个所述杂散光区域进行分割形成多个连通的杂散光区块；以及量化设备，对分割形成的所述杂散光区块进行量化。
22.根据本技术实施方式，所述量化设备包括：面积计算模块，用于计算每个所述杂散光区块中包括的像素点个数以获取每个所述杂散光区块的面积值；尺寸计算模块，用于计算每个所述杂散光区块的外接最小矩形的尺寸以获取每个所述杂散光区块的尺寸；标记模块，将每个所述杂散光区块的位置坐标标记为其对应的所述外接最小矩形的坐标；以及能量值计算模块，通过积分方法获得每个所述杂散光区块的能量值。
23.根据本技术实施方式，所述叠加设备包括：叠加模块，用于将所述光源图像进行归一化处理，并对完成归一化处理的所述光源图像进行拼接叠加；以及转化模块，用于将完成拼接叠加的所述光源图像转换为灰度图像。
24.根据本技术实施方式，所述分割设备包括：边界提取模块，用于获取所述灰度图像中多个具有完整且连续边界的杂散光区域，并根据所述杂散光区域内的像素值标记所述杂散光区域；以及分割模块，采用形态学分水岭算法对各个所述杂散光区域进行分割以形成多个连通的所述杂散光区块。
25.根据本技术实施方式，用于获取所述灰度图像中多个具有完整且连续边界的杂散光区域包括：用于对所述灰度图像中的像素值进行平方处理，得到平方灰度图像；对所述平方灰度图像采用边缘检测算子canny计算，获得所述杂散光区域的边界信息；以及标记所述边界信息并进行连通处理，获取多个具有完整且连续的边界的杂散光区域。
26.根据本技术实施方式，所述光源图像的格式是bmp、yuv和raw中的至少一种。
27.根据本技术实施方式，所述光源图像是通过迭代地调整感光元件的感光度iso数值而分别获得的所述待测摄像模组在各个iso数值状态下拍摄的光源图像。
28.根据本技术实施方式，所述光源图像是通过迭代地调整感光元件的感光度iso数值而分别获得的所述待测摄像模组在各个iso数值状态下拍摄的光源图像包括：通过将所述iso数值en调整为5
×
en-1，而获取的所述iso数值为en的状态下的所述待测摄像模组拍摄的所述光源图像pn，其中，n为调整所述iso数值的次数，n取整数且n≥2；en为第n次调整的所述iso数值；en-1为第n-1次调整的所述iso数值；以及pn为在iso数值为en的状态下，所述待测摄像模组拍摄的所述光源图像。
29.根据本技术实施方式，所述光源图像包括全部杂散光的种类。
30.根据本技术实施方式，所述叠加设备还包括：坏点检测模块，分多通道采用邻域遍历筛查坏点；以及去噪模块，分多通道采用邻域均值滤波器进行去噪。
31.本技术另一方面还提供了一种使用上述杂散光量化系统的方法，所述方法包括：将获取的光源图像的信息以及待测摄像模组的感光元件的感光度数值输入所述杂散光量
化系统；分多通道对所述光源图像采用邻域遍历筛查所述光源图像的坏点；采用邻域均值滤波器分多通道对完成坏点筛除的所述光源图像进行去噪；对完成坏点筛除和去噪处理的所述光源图像进行归一化处理，并将完成归一化处理的所述光源图像拼接叠加转换为灰度图像；获取杂散光的边界信息，标记所述边界信息并进行连通处理，获得多个具有完整且连续的边界的杂散光区域，并根据所述杂散光区域内的像素值标记所述杂散光区域；采用形态学分水岭算法对每个所述杂散光区域进行分割以形成多个连通的杂散光区块；计算每个所述杂散光区块中包括的像素点个数，以获取每个所述杂散光区块的面积值；计算每个所述杂散光区块的外接最小矩形的尺寸以获取每个所述杂散光区块的尺寸；将每个所述杂散光区块的位置坐标标记为其对应的所述外接最小矩形的坐标；通过积分方法获得每个所述杂散光区块的能量值；以及输出所述光源图像的所述杂散光区块的序号、坐标、尺寸、形状、面积值以及能量值。
32.根据本技术上述提供的杂散光量化方法的至少一个方案，可达到以下至少一个有益效果：
33.1.本技术提供的基于高动态图像合成的杂散光量化方法，可得到杂散光区块序号、位置、尺寸、形状、面积、能量值等量化数值，有利于提高杂散光检测的速度和检测结果的准确性，同时避免了现有技术中使用人眼观察的主观性，并且杂散光的量化数值有助于更精确地消除摄像模组的杂散光，提高摄像模组的成像质量。
34.2.本技术提供的杂散光的量化方法能够更加直观、准确地与摄像模组的客观指标进行对标，提升相互对标的效率和准确率，避免了在反复对标过程中资源的浪费。
附图说明
35.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
36.图1是根据本技术的一个实施方式的基于高动态图像合成的杂散光量化方法的流程图。
37.图2是根据本技术的一个实施方式的归一化处理过程图；以及
38.图3是根据本技术的一个实施方式的使用基于高动态图像合成的杂散光量化系统的方法流程图。
具体实施方式
39.为了更好地理解本技术，将参考附图对本技术的各个方面做出更详细的说明。应理解，这些详细说明只是对本技术的示例性实施方式的描述，而非以任何方式限制本技术的范围。在说明书全文中，相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
40.应注意，在本说明书中，第一、第二、第三等的表述仅用于将一个特征与另一个特征区分开来，而不表示对特征的任何限制。因此，在不背离本技术的教导的情况下，下文中讨论的第一数值也可被称作第二数值。反之亦然。
41.在附图中，为了便于说明，已稍微调整了部件的厚度、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的，用语“大致”、“大约”以及类似的用语用作表近
似的用语，而不用作表程度的用语，并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
42.还应理解的是，诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述，其表示存在所陈述的特征、元件和/或部件，但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外，当诸如“...中的至少一个”的表述出现在所列特征的列表之后时，其修饰整列特征，而非仅仅修饰列表中的单独元件。此外，当描述本技术的实施方式时，使用“可”表示“本技术的一个或多个实施方式”。并且，用语“示例性的”旨在指代示例或举例说明。
43.除非另外限定，否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本技术所属领域普通技术人员的通常理解相同的含义。还应理解的是，除非本技术中有明确的说明，否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义，而不应以理想化或过于形式化的意义解释。
44.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。另外，除非明确限定或与上下文相矛盾，否则本技术所记载的方法中包含的具体步骤不必限于所记载的顺序，而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本技术。
45.图1是根据本技术的一个实施方式的基于高动态图像合成的杂散光量化方法的流程图。如图1所示，本技术的杂散光量化方法是一种高效率、高准确性的基于高动态图像合成的杂散光量化方法。主要包括：
46.s1，获取待检测摄像模组拍摄的光源图像。
47.在s1步骤中，将点光源、待测摄像模组设置于全黑暗的环境中，采用夹持角度可调节的模组夹具夹持待测摄像模组对点光源进行拍摄。模组夹具的夹持角度能够调节可确保点光源与摄像模组之间的距离、角度、亮度等条件是稳定可复现的。在全黑暗的环境下拍摄点光源，通过设置不同的待测摄像模组的感光元件的感光度iso数值，来实现不同光源图像亮度等级的调节。
48.在一个实施方式中当待测摄像模组拍摄的点光源的成像图像呈现为实像时，记录下该状态的摄像模组的iso数值，并将此状态的iso数值定义为第一iso数值e1，同时获取拍摄的光源图像p1。
49.可将待测摄像模组的iso数值调至e1的5倍，记录此状态的第二iso数值作为e2，并获取此状态拍摄的光源图像p2。
50.继续将待测摄像模组的iso数值调至e2的5倍，记录此状态的第三iso数值作为e3，并获取此状态拍摄的光源图像p3。
51.以此类推，将待测摄像模组的iso数值调至en-1的5倍，记录此状态的iso数值作为en，并获取此状态拍摄的光源图像pn，其中n为调整iso数值的次数，n取整数且n≥2；en为第n次调整的iso数值；en-1为第n-1次调整的iso数值；以及pn为在iso数值为en的状态下，待测摄像模组拍摄的光源图像。
52.上述过程直至将各种杂散光类型全部表现在待测摄像模组拍摄的光源图像中为止。也就是说，在确定待测摄像模组的第一iso数值后，待测摄像模组每间隔5倍的iso数值设置拍摄一张光源图像，通过迭代地调整iso数值分别获得在各个iso数值状态下拍摄的光
源图像，直至将各种杂散光类型全部表现在画面中，并将拍摄的光源图像分别记录为p1、p2、p3、p4
……
。
53.具体地，用待测摄像模组拍摄点光源，在点光源的成像图像为实像时，记录该状态下待测摄像模组的iso值，并将此状态的iso值定义为第一iso数值e1，同时获取拍摄的光源图像p1；将待测摄像模组的iso值调至原来e1的5倍，将此状态的第二iso数值作为e2，并获取此状态拍摄的图像p2；将摄像模组的iso数值调至e2的5倍，将此状态的iso数值作为e3，并获取此状态拍摄的图像p3
……
，以此类推，直至将摄像模组的iso值调至e7的5倍，将此状态的iso数值作为e8，并获取此状态的光源图像p8。也就是说，在确定待测摄像模组的第一iso数值后，每间隔5倍的iso设置拍摄一张点光源的图像，直至将各种杂散光类型全部表现在拍摄的图像中，分别记录各光源图像为p1、p2、p3、p4
……
p8。
54.s2，将获得的光源图像进行拼接叠加，并将完成拼接叠加的光源图像转换为灰度图像。
55.在s2步骤中，由于拍摄的光源图像在产生、传输和记录的过程中，经常会受到各种噪声的干扰，进而干扰杂散光的计算结果，因此首先需要对拍摄的光源图像进行像素点的坏点检测和去噪处理。例如，可采用13
×
13邻域遍历筛查方法进行坏点检测，也可采用5
×
5邻域均值滤波器进行去噪处理。
56.采用13
×
13邻域遍历筛查坏点检测的方法主要包括：可以光源图像内任意像素点为例，将此像素点作为检测点，设置一个以该检测点为中心且大小为13
×
13的矩阵，即为该检测点的13
×
13邻域，可记为n。计算此邻域n内除该检测点外其余所有像素点的像素值的平均值，可记为a；将该检测点的像素值与求得的像素值的平均值a进行比较得到差异值，将差异值较大的检测点视为异常像素点，异常像素点可用以该异常像素点为中心的3
×
3邻域内除该异常像素点外其余所有像素点的像素值的平均值a'进行替换；遍历整幅光源图像中的所有像素点，重复上述计算步骤，筛除所有异常的像素点。特别地，针对距离光源图像的边缘小于7个像素(距离单位)的像素点，可固定选择包含该像素点且以光源图像的边界为邻域边界的大小为13
×
13的矩阵作为检测点邻域n’，用于替换上文描述的邻域n来进行后续计算步骤。
57.采用5
×
5邻域均值滤波器进行去噪处理的方法主要包括：设置一个以目标像素为中心且大小为5
×
5的矩阵，其中对矩阵中所有像素点的像素值取平均值，并用该平均值取代目标像素点的像素值，即为均值滤波，均值滤波器可记为m；可采用均值滤波器m对完成上述坏点检测的光源图像进行卷积操作，所获得的结果即为滤波后去除噪声的光源图像。特别地，当对距离光源图像的边缘小于3个像素(距离单位)的像素点进行卷积处理时，可采用相邻矩阵内的中心像素点的像素值替代该像素点进行卷积计算。
58.具体地，在本实施方式中，将s1步骤中获得的p1、p2、p3、p4
……
p8的一组光源图像进行坏点检测和去噪处理，得到p’1、p’2、p’3、p
’4……
p’8的一组光源图像。
59.p’1、p’2、p’3、p
’4……
p’8的一组光源图像还要进行有效像素点选择。由于p1、p2、p3、p4
……
p8的一组光源图像是在全黑暗的环境下拍摄的，基于原始数据raw10的全黑暗基底是64lsb(least significant bit，像素值的最低有效位)，所以可选取p’1、p’2、p’3、p
’4……
p’8的一组光源图像中满足lsb≥128的像素点组成有效光源图像。
60.图2是根据本技术的一个实施方式的归一化处理的过程图。
61.如图2所示，将获取的有效光源图像进行归一化处理后拼接叠加在一起得到rgb图像。转化后的rgb图像还可继续转换为灰度图用于计算统一的杂散光分量，以避免不同通道对光信号的响应值不同而影响测试结果。
62.具体地，在一个实施方式中p’1、p’2、p’3、p
’4……
p’8的一组有效光源图像可按照各自不同的归一化系数进行归一化处理，光源图像p1的归一化系数记为x1，可由x1＝e8/e1得到，光源图像pn的归一化系数记为xn，可由xn＝e8/en得到。其中，e1为光源图像为实像的状态下的iso数值，e8为第8次调整的iso数值，以及en为第n次调整的iso数值，其中n取整数且2≤n≤7。
63.将每幅有效光源图像结合各自的归一化系数进行计算，并且对八幅图像中重复的像素点进行累加求取平均值，最终得到拼接叠加的合成图像，可将合成图像记为p。若p’1、p’2、p’3、p
’4……
p’8的一组有效光源图像中有像素点无有效像素值，可用p’1至p’8中满足像素值的最低有效位lsb≥64的相应的像素点补齐。
64.将图像p按照对应的拜耳阵列进行rgb插值，然后将插值得到的rgb图像转换为灰度图，进一步地还可将灰度图像中像素值大于等于1023(即像素点的像素值在原始数据raw10中大于等于1023)的像素点置为0，以排除过度曝光的杂散光信号和光源信号，最终得到灰度图像，可将灰度图像记为pgray。
65.s3，标记灰度图像中的杂散光区域，对每个杂散光区域进行分割以形成多个连通的杂散光区块。
66.在s3步骤中，对灰度图像pgray中的每个像素点的像素值进行平方处理得到平方灰度图像，并可记为p2gray，对图像p2gray采用边缘检测算子canny计算，获取的边界信息。对边界信息进行连通处理，获得多个具有完整且连续的边界轮廓的杂散光区域，分别记为b1、b2、b3
…
。在此基础上，按照杂散光区域内的像素值等级并结合已标记的边界来标记不同的杂散光区域b1、b2、b3
…
，可采用例如形态学分水岭算法对各个杂散光区域b1、b2、b3
…
进行分割，将灰度图像pgray转换为梯度图像，并在梯度图像中以多个像素值的局部极小值作为“形心”配合其周围的邻域形成多个连通的杂散光区块，杂散光区块可记为f1、f2、f3
…
。
67.其中，本领域技术应该理解，形态学分水岭算法(watershed)的基本思想是将灰度图像转换为梯度图像，将梯度值看作高低起伏的山岭，将局部极小值及其邻域看作一个类似集水盆的“形心”(划分形成的区块的中心)，以将图像分割成几个连通的区块，获得较好的图像分段效果。在本技术中，对光源图像中各个杂散光区域进行分割的方法并不作限定，本领域技术人员在本技术公开内容的教导下，可采用除了形态学分水岭算法之外的其它合适的区域分割方法以适用不同的应用场景。
68.s4，对杂散光区块f1、f2、f3
…
进行量化，以获得光源图像中杂散光的量化值。
69.在s4步骤中，对杂散光区块f1、f2、f3
…
进行量化包括：计算每个杂散光区块中包括的像素点个数，以获取每个杂散光区块的面积值；计算每个杂散光区块的外接最小矩形的尺寸以获取每个杂散光区块的尺寸；将每个杂散光区块的位置坐标标记为其对应的外接最小矩形的坐标；以及通过二重离散积分方法获得每个杂散光区块的能量值。
70.获得每个杂散光区块的能量值的方法可包括：遍历杂散光区块f1、f2、f3
…
中的每一个杂散光区块，对每一个杂散光区块的标准区域内的像素点的像素值进行累加；重复上
述计算步骤至所有杂散光区块f1，f2，f3
…
都计算完毕，可得到对应于每个杂散光区块的累加像素值，并可分别记为v1，v2，v3
…
，即为每个杂散光区块的杂散光能量值。
71.在一个实施方式中，可在灰度图像pgray所在的平面建立直角坐标系xoy，则各个杂散光区块f1、f2、f3
…
在该坐标系上的相对位置保持不变，并且可将各个杂散光区块f1、f2、f3
…
的外接最小矩形的例如左上角在坐标系xoy中的坐标记为该外接最小矩形的位置坐标，并可将每个杂散光区块的位置坐标标记为其对应的外接最小矩形的坐标。计算每个杂散光区块的外接最小矩形的尺寸可获取每个杂散光区块的尺寸。具体地，可对上述提到的杂散光区块f1、f2、f3
…
按照标记序号分别统计对应的像素点个数，记为各杂散光区块的面积值a1，a2，a3
…
，并同步计算各个杂散光区块f1、f2、f3
…
的外接最小矩形，统计各标记区块像素点个数过程中记录标记的杂散光区块内像素点在坐标系xoy中的横纵坐标的最大值和最小值，其中，纵坐标的最大值即为外接最小矩形在坐标系xoy中的上侧边，纵坐标的最小值即为外接最小矩形在坐标系xoy中的下侧边，横坐标的最大值即为外接最小矩形在坐标系xoy中的右侧边，横坐标的最小值即为外接最小矩形在坐标系xoy中的左侧边，四边所框定的形状即为各杂散光区块的外接最小矩形，多个外接最小矩形可分别记为r1，r2，r3
…
。
72.根据各个外接最小矩形r1，r2，r3
…
的四边的位置的数值计算出的外接最小矩形的尺寸可作为相对应的杂散光区块的尺寸。并可分别记录各个外接最小矩形r1，r2，r3
…
的例如左上角的坐标作为对应的杂散光区块的位置坐标。还可通过二重离散积分方法获得每个杂散光区块的能量值。
73.本技术提供的杂散光量化方法有利于提高待测摄像模组的检测速度和检测结果的准确性，避免了人眼观察的主观性，杂散光的量化数值还有助于更精确地消除杂散光，提高摄像模组的成像质量。
74.本技术还提供了一种杂散光量化检测系统，包括：叠加设备、分割设备以及量化设备。
75.叠加设备可用于获取待检测摄像模组拍摄的光源图像，将光源图像进行拼接叠加，并将完成拼接叠加的光源图像转换为灰度图像。叠加设备可包括叠加模块和转化模块。其中，叠加模块可用于将光源图像进行归一化处理，并对完成归一化处理的光源图像进行拼接叠加；转化模块可用于将完成拼接叠加的光源图像转换为灰度图像。
76.具体地，转化模块可用于将完成拼接叠加后形成的合成图像p转换为灰度图像。首先，转换模块可将合成图像p按照对应的拜耳排布格式进行rgb插值，然后，将插值得到的rgb图像转换为灰度图像，用于计算统一的杂光分量，避免不同通道对光信号的响应值不同造成的影响。进一步地，转化模块还将灰度图像中像素值大于等于1023(即像素点的像素值在原始数据raw10中大于等于1023)的像素点置为0，排除过度曝光的杂光信号以及光源信号，最终得到灰度图像记为pgray。
77.分割设备可用于标记灰度图像pgray中的杂散光区域，并采用形态学分水岭算法对每个杂散光区域进行分割形成多个连通的杂散光区块。分割设备可包括：边界提取模块和分割模块。其中，边界提取模块可用于获取灰度图像中多个具有完整且连续边界的杂散光区域，并根据杂散光区域内的像素值标记杂散光区域；以及分割模块可采用形态学分水岭算法对各个杂散光区域进行分割以形成多个连通的杂散光区块。
78.具体地，边界提取模块为了更容易地定位灰度图像pgray中的杂光位置和形状，需要对灰度图像pgray的特征进行强化。对灰度图pgray中每个像素点的值进行平方处理，得到平方灰度图像，并看记为p2gray。图像p2gray采用边缘检测算子canny获取图像边界信息。对边界信息进行连通处理，获得多个具有完整且连续的边界轮廓的杂散光区域，分别记为b1、b2、b3
…
。在此基础上，按照杂散光区域内的像素值等级并结合已标记的边界来标记不同的杂散光区域b1、b2、b3
…
，采用形态学分水岭算法对各个杂散光区域b1、b2、b3
…
进行分割，将灰度图像pgray转换为梯度图像，并在梯度图像中以多个像素值的局部极小值作为“形心”配合其周围的邻域形成多个连通的杂散光区块，杂散光区块可记为f1、f2、f3
…
。
79.量化设备可对分割后的杂散光区块进行量化。量化设备可包括：面积计算模块、尺寸计算模块、标记模块和能量值计算模块。其中，面积计算模块可用于计算每个杂散光区块中包括的像素点个数以获取每个杂散光区块的面积值；尺寸计算模块可用于计算每个杂散光区块的外接最小矩形的尺寸以获取每个杂散光区块的尺寸；标记模块可将每个杂散光区块的位置坐标标记为其对应的外接最小矩形的坐标；以及能量值计算模块可通过二重离散积分方法获得每个杂散光区块的能量值。
80.杂散光量化检测系统可通过输入获取的光源图像，经过检测软体计算并输出光源图像中杂散光区块的序号、位置、尺寸、形状、面积以及能量值数据。有利于提高待测摄像模组的检测速度和检测结果的准确性，避免了人眼观察的主观性，并且杂散光的量化数值有助于更精确地消除杂散光，提高摄像模组的成像质量。
81.叠加设备还可包括图像输入模块，用于向杂散光量化检测系统输入获取的光源图像。同时还可向杂散光量化检测系统输入包含光源图像的文件路径、尺寸的信息，拜耳模块以及不同的曝光值(待测摄像模组的感光元件的感光度iso数值)的信息。
82.杂散光量化检测系统对于光源图像的接收格式可以是bmp(bitmap，windows操作系统中的标准图像文件格式)图单通道格式，即接收bmp图单通道输出的光源图像数据，也可以是yuv格式图像y通道格式，即接收y图格式的光源图像数据；此外，光源图像还可以是raw图g通道的格式，即接收来自于待测摄像模组采集的raw图g通道的光源图像数据。
83.光源图像可通过迭代地调整待测摄像模组的感光元件的感光度iso数值而分别获得。在各个iso数值状态下拍摄的光源图像可包括全部杂散光的种类。
84.在一个实施方式中，光源图像可通过将iso数值en调整为5
×
en-1，而获取的iso数值为en的状态下的待测摄像模组拍摄的光源图像pn，其中，n为调整iso数值的次数，n取整数且n≥2；en为第n次调整的iso数值；en-1为第n-1次调整的iso数值；以及pn为在iso数值为en的状态下，待测摄像模组拍摄的光源图像。
85.叠加设备还可包括坏点检测模块和去噪模块。其中，坏点检测模块可对输入的光源图像分多通道采用13
×
13邻域遍历筛查坏点；去噪模块可分多通道采用5
×
5邻域均值滤波器进行去噪。如上文描述的在一个实施方式中，在确定待测摄像模组的第一iso数值后，每间隔5倍的iso设置拍摄一张点光源的图像，直至将各种杂散光类型全部表现在拍摄的图像中，分别记录各光源图像为p1、p2、p3、p4
……
p8。可将光源图像p1、p2、p3、p4
……
p8分四通道进行坏点检测，筛除8幅图像中相同的异常像素点，并用异常像素点周围的像素点的像素值进行填充。其中，坏点检测方法可采用13
×
13邻域进行遍历筛查，同时排除掉光源位置过度曝光像素的影响。之后，将对筛除坏点后的8幅图像分四通道采用5
×
5邻域均值滤波器
进行去噪，得到的8幅去除坏点和去噪的光源图像，通过归一化处理并对8幅光源图像中每个相同的像素点进行累加求均值，可最终得到合成图像p。
86.图3是根据本技术的一个实施方式的使用基于高动态图像合成的杂散光量化系统的方法流程图。如图3所示，根据本技术的一个实施方式的使用方法可包括以下步骤：
87.s201，将获取的光源图像的信息，例如文件路径、尺寸信息、拜耳模块和曝光值(待测摄像模组的感光元件的感光度数值)输入进图像输入模块；
88.s202，分多通道提取光源图像数据，例如可分四通道提取光源图像数据；
89.s203，采用邻域进行筛查光源图像中的坏点，例如可采用13
×
13邻域进行筛查光源图像中的坏点；
90.s204，采用邻域均值滤波器分多通道对筛除坏点后的光源图像进行去噪，例如，可分四通道对筛除坏点后的光源图像采用5
×
5邻域均值滤波器进行去噪；
91.s205，重复步骤s203和步骤s204至所有通道完成坏点筛除和去噪处理；
92.s206，图像进行归一化处理，将处理后的图像转化为rgb图像后，再将rgb图像转换为灰度图像；
93.s207，对获取的灰度图像进行平方处理以强化图像特征，即对图像中每个像素点的像素值进行平方处理。
94.s208，采用边缘检测算子canny计算获取杂散光的边界信息。标记边界信息并进行连通处理，获得多个具有完整且连续的边界的杂散光区域。并根据杂散光区域内的像素值标记杂散光区域。
95.s209，采用形态学分水岭算法对各个杂散光区域进行分割，标记分割后的杂散光区块；
96.s210，计算每个杂散光区块中包括的像素点个数，以获取每个杂散光区块的面积值；计算每个杂散光区块的外接最小矩形的尺寸以获取每个杂散光区块的尺寸；将每个杂散光区块的位置坐标标记为其对应的外接最小矩形的坐标；
97.s211，通过二重离散积分方法获得各个杂散光区块的能量值；
98.s212，输出光源图像的杂散光区块的量化值，例如杂散光区块的序号、坐标、尺寸、形状、面积值以及能量值等。
99.本技术提供的使用杂散光量化系统的方法可输出杂散光的量化数值，能够更加直观、准确地与待测摄像模组的客观指标进行对标，提升相互对标的效率和准确率，避免了在反复对标过程中资源的浪费。
100.以上描述仅为本技术的实施方式以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的保护范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离技术构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。