基于高动态图像合成的杂散光量化方法与流程

技术特征：
1.一种杂散光量化方法，其特征在于，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。2.根据权利要求1所述的方法，其特征在于，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。3.根据权利要求1所述的方法，其特征在于，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。4.根据权利要求3所述的方法，其特征在于，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：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。5.根据权利要求1所述的方法，其特征在于，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。6.根据权利要求5所述的方法，其特征在于，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。7.根据权利要求6所述的方法，其特征在于，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：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。8.根据权利要求7所述的方法，其特征在于，所述光源图像p1至pn包括全部杂散光的种类。9.根据权利要求7所述的方法，其特征在于，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。10.根据权利要求9所述的方法，其特征在于，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。11.根据权利要求9所述的方法，其特征在于，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。12.根据权利要求9所述的方法，其特征在于，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。13.根据权利要求9所述的方法，其特征在于，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。14.根据权利要求1-13中任一项所述的方法，其特征在于，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。15.一种杂散光量化系统，其特征在于，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，对分割形成所述杂散光区块进行量化。16.根据权利要求15所述的系统，其特征在于，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。17.根据权利要求15所述的系统，其特征在于，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。18.根据权利要求15所述的系统，其特征在于，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。19.根据权利要求18所述的系统，其特征在于，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。20.根据权利要求15所述的系统，其特征在于，所述光源图像的格式是bmp、yuv和raw中的至少一种。21.根据权利要求15所述的系统，其特征在于，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。22.根据权利要求21所述的系统，其特征在于，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。23.根据权利要求21所述的系统，其特征在于，所述光源图像包括全部杂散光的种类。24.根据权利要求15所述的系统，其特征在于，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。25.一种使用如权利要求15-24中的任一项所述的杂散光量化系统的方法，其特征在于，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。

技术总结
本申请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；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形成多个连通的杂散光区块；以及对分割后的杂散光区块进行量化以得到杂散光的量化数值。化以得到杂散光的量化数值。化以得到杂散光的量化数值。


技术研发人员：张露萍 毛之华
受保护的技术使用者：宁波舜宇光电信息有限公司
技术研发日：2020.07.10
技术公布日：2022/1/10