專利名稱：攝像頭聚焦性能檢測系統(tǒng)及方法
技術領域：
本發(fā)明涉及多媒體通信領域中的檢測技術，尤其涉及一種攝像頭聚焦性能檢測系統(tǒng)及方法。
背景技術：
在攝像頭的生產(chǎn)加工過程中，最后需要對攝像頭進行聚焦性能檢測，以排除不能夠正常聚焦的攝像頭。這個過程通常是通過人眼觀察攝像頭所攝入的測試圖像的清晰度來完成的。
圖1所示為通過人眼觀察對攝像頭進行聚焦性能檢測的示意圖。進行聚焦性能檢測時，需要將攝像頭的輸出連接到顯示設備上，然后將攝像頭對準設置在測試卡上的測試圖像，那么測試圖像將顯示在顯示設備上，人工對攝像頭進行聚焦調節(jié)，顯示設備上顯示的測試圖像的清晰度將會出現(xiàn)變化，當觀察到顯示設備上的測試圖像的清晰度達到最好時，我們認為攝像頭處于最佳聚焦位置，由此判斷此攝像頭能夠較好的進行聚焦。在上述檢測過程中，某些攝像頭可能會出現(xiàn)下面的情況那就是無論我們怎么對攝像頭進行聚焦調節(jié)，在顯示設備上都不能得到足夠清晰度的測試圖像，那么我們認為此攝像頭不能正常聚焦。
上述攝像頭聚焦檢測過程中，攝像頭是否處于最佳聚焦位置是通過人眼判斷顯示設備中的測試圖像的清晰度來確定的。由于整天用眼睛看著一幅同樣的圖像，所以從事此項工作的人容易出現(xiàn)頭痛、惡心、易疲勞等癥狀，從而容易造成檢測效率低下、檢測差錯率高等問題。

發(fā)明內(nèi)容
本發(fā)明提供一種攝像頭聚焦性能檢測系統(tǒng)及方法，用以解決現(xiàn)有技術中采用人工方式對攝像頭的聚焦性能進行檢測時，檢測效率低下、檢測差錯率高的問題。
為解決上述問題，本發(fā)明采用以下技術方案一種攝像頭聚焦性能檢測系統(tǒng)，包括攝入測試圖像的攝像頭和該測試圖像的顯示設備；還包括圖像處理器連接在所述攝像頭與所述顯示設備之間，在攝像頭進行聚焦調節(jié)過程中，通過分析處理攝像頭輸出的視頻信號得出攝像頭的聚焦性能檢測結果。
所述攝像頭為數(shù)字攝像頭時，所述圖像處理器中設置有數(shù)字信號處理單元在攝像頭進行聚焦調節(jié)過程中，對攝像頭輸出的數(shù)字視頻信號進行梯度檢測或偏移值檢測，得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
所述攝像頭為模擬攝像頭時，所述圖像處理器中設置有視頻解碼單元將攝像頭輸出的模擬視頻信號轉換為數(shù)字視頻信號輸入數(shù)字信號處理單元；數(shù)字信號處理單元在攝像頭進行聚焦調節(jié)過程中，對視頻解碼單元輸出的數(shù)字視頻信號進行梯度檢測或偏移值檢測，得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
所述顯示設備為數(shù)字顯示設備時，所述數(shù)字信號處理單元與顯示設備直接連接，將攝像頭的檢測結果和/或攝像頭攝入的測試圖像以數(shù)字視頻信號形式輸出到顯示設備進行顯示。
所述顯示設備為模擬顯示設備時，所述圖像處理器進一步包括視頻編碼單元將數(shù)字信號處理單元輸出的攝像頭的檢測結果和/或攝像頭攝入的測試圖像轉換為模擬視頻信號，輸出到顯示設備進行顯示。
所述數(shù)字視頻信號為RGB格式的數(shù)字視頻信號或YCbCr格式的數(shù)字視頻信號。
所述測試圖像內(nèi)包括具有亮度差異的兩種顏色相間的條紋。
所述數(shù)字信號處理單元包括條紋區(qū)域定位模塊在數(shù)字視頻信號形式的測試圖像中對條紋區(qū)域進行定位，輸出條紋區(qū)域的位置信息；運算模塊與所述條紋區(qū)域定位模塊連接，根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值或偏移值得出攝像頭當前的聚焦質量檢測結果。
判斷模塊與所述運算模塊連接，在攝像頭進行聚焦調節(jié)的過程中，記錄運算模塊輸出的攝像頭實時聚焦質量檢測結果，找出檢測結果的峰值，根據(jù)該峰值判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
所述兩種顏色相間的條紋為黑白相間的條紋。
一種攝像頭聚焦性能檢測方法，所述攝像頭用于攝入測試圖像，包括步驟A、在攝像頭進行聚焦調節(jié)的同時對攝像頭輸出的視頻信號進行分析處理，得出若干個用于反映攝像頭聚焦質量的聚焦指數(shù)，確定其中最大值為聚焦指數(shù)峰值；B、判斷所述聚焦指數(shù)峰值是否達到預先設定的門限值，若是，則該攝像頭聚焦性能合格，否則，該攝像頭的聚焦性能不合格。
所述測試圖像內(nèi)包括具有亮度差異的兩種顏色相間的條紋。
所述兩種顏色相間的條紋為黑白相間的條紋。
所述步驟A中，對攝像頭輸出的視頻信號中的條紋區(qū)域進行定位，并根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值或偏移值得出攝像頭當前的聚焦指數(shù)。
所述彩色空間某一分量為YCbCr格式數(shù)字視頻信號的Y分量或RGB格式數(shù)字視頻信號的G分量。
所述根據(jù)條紋區(qū)域內(nèi)Y分量的梯度值計算聚焦指數(shù)的公式如下S＝100×g/|Y1-Y2|其中S為攝像頭當前的聚焦指數(shù)；
g為通過sobel算子計算得出的條紋區(qū)域內(nèi)Y分量的梯度值；YI和Y2分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型Y分量值。
所述根據(jù)條紋區(qū)域內(nèi)G分量的梯度值計算聚焦指數(shù)的公式如下S＝100×g/|Gmax-Gmin|其中S為攝像頭當前的聚焦指數(shù)；g為通過sobel算子計算得出的條紋區(qū)域內(nèi)G分量的梯度值；Gmax和Gmin分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型G分量值。
所述根據(jù)條紋區(qū)域內(nèi)Y分量的偏移值計算聚焦指數(shù)的公式如下S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)Y分量的偏移值；T0為兩種顏色條紋的Y分量值相等時條紋區(qū)域內(nèi)Y分量的偏移值。
所述根據(jù)條紋區(qū)域內(nèi)G分量的偏移值計算聚焦指數(shù)的公式如下S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)G分量的偏移值；T0為兩種顏色條紋的G分量值相等時條紋區(qū)域內(nèi)G分量的偏移值。
在條紋區(qū)域內(nèi)所述兩種顏色條紋的面積相等。
本發(fā)明采用了以上技術方案，具有以下有益效果本發(fā)明在現(xiàn)有攝像頭聚焦檢測系統(tǒng)的攝像頭與顯示設備之間增加了用于對攝像頭當前的聚焦質量進行檢測的圖像處理器，該圖像處理器在攝像頭進行聚焦調節(jié)的過程中，對攝像頭輸出的視頻信號進行實時分析處理，找出攝像頭聚焦質量檢測結果的峰值，根據(jù)該峰值判斷攝像頭的聚焦性能是否合格。與現(xiàn)有聚焦檢測方法相比，本發(fā)明將圖像聚焦質量進行了量化，通過聚焦指數(shù)這個概念的引入，我們可以根據(jù)當前攝像頭的聚焦指數(shù)值來斷定攝像頭當前的聚焦狀況。并根據(jù)聚焦調節(jié)過程中的聚焦指數(shù)峰值來判斷攝像頭的聚焦性能是否合格。本發(fā)明提高了檢測的效率和正確性，同時也減輕了測試工人的勞動強度。


圖1為現(xiàn)有技術中攝像頭聚焦性能檢測系統(tǒng)的結構示意圖；圖2為本發(fā)明的攝像頭聚焦性能檢測系統(tǒng)的結構示意圖；圖3為本發(fā)明的圖像處理器的結構示意圖；圖4為本發(fā)明具體實施例中采用的測試圖像示意圖；圖5為本發(fā)明根據(jù)條紋區(qū)域內(nèi)Y分量的梯度值來確定聚焦指數(shù)的流程圖；圖6為本發(fā)明根據(jù)條紋區(qū)域內(nèi)G分量的梯度值來確定聚焦指數(shù)的流程圖；圖7為本發(fā)明根據(jù)條紋區(qū)域內(nèi)Y分量的偏移值來確定聚焦指數(shù)的流程圖；圖8為本發(fā)明根據(jù)條紋區(qū)域內(nèi)G分量的偏移值來確定聚焦指數(shù)的流程圖；圖9為本發(fā)明對圖像整體聚焦效果要求較高時所采用的測試圖像示意圖。
具體實施例方式
下面結合說明書附圖來說明本發(fā)明的具體實施方式
。
本發(fā)明在現(xiàn)有攝像頭聚焦檢測系統(tǒng)中增加了用于對攝像頭當前的聚焦質量進行檢測的圖像處理器，該圖像處理器在攝像頭進行聚焦調節(jié)的過程中，通過對攝像頭輸出的視頻信號進行實時分析處理來判斷攝像頭的聚焦性能是否合格。
圖2所示為攝像頭聚焦性能檢測系統(tǒng)的結構示意圖，從圖中可見，該系統(tǒng)主要包括攝像頭用于攝入測試圖像；圖像處理器連接在攝像頭與顯示設備之間，在攝像頭進行聚焦調節(jié)的過程中，通過分析處理攝像頭輸出的視頻信號得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果的峰值判斷攝像頭的聚焦性能是否合格。
顯示設備對攝像頭的聚焦性能檢測結果和/或攝像頭當前的聚焦質量檢測結果和/或攝像頭攝入的測試圖像進行顯示。
圖3所示為圖像處理器的結構示意圖，該圖像處理器一定包括數(shù)字信號處理單元，在攝像頭進行聚焦調節(jié)的過程中，數(shù)字信號處理單元對輸入其中的數(shù)字視頻信號進行梯度檢測或偏移值檢測，得出攝像頭的實時聚焦質量檢測結果，確定檢測結果中的最大值為檢測結果峰值，根據(jù)該峰值判斷攝像頭的聚焦性能是否合格。
在攝像頭為數(shù)字攝像頭的情況下，攝像頭輸出的信號為數(shù)字視頻信號，如RGB格式或YCbCr格式的數(shù)字視頻信號等，該攝像頭直接與圖像處理器中的數(shù)字信號處理單元連接，將數(shù)字視頻信號直接輸入到數(shù)字信號處理單元中進行分析處理，得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果的峰值即可判斷攝像頭的聚焦性能是否合格。在攝像頭為模擬攝像頭的情況下，攝像頭輸出的視頻信號為模擬視頻信號，如CVBS格式的模擬視頻信號等，圖像處理器中還需包括視頻解碼單元，該視頻解碼單元連接在攝像頭與數(shù)字信號處理單元之間，將攝像頭輸出的模擬視頻信號轉換為RGB格式或YCbCr格式的數(shù)字視頻信號后輸入數(shù)字信號處理單元，數(shù)字信號處理單元對輸入其中的數(shù)字視頻信號進行分析處理，根據(jù)檢測結果的峰值即可判斷攝像頭的聚焦性能是否合格。
若顯示設備為數(shù)字顯示設備，則數(shù)字信號處理單元直接與顯示設備連接，將攝像頭的聚焦性能檢測結果和/或攝像頭當前的聚焦質量檢測結果和/或攝像頭攝入的測試圖像以數(shù)字視頻信號形式輸出到顯示設備進行顯示；若顯示設備為模擬顯示設備，則圖像處理器中還需包括視頻編碼單元，該視頻編碼單元連接在數(shù)字信號處理單元與顯示設備之間，用于將攝像頭的聚焦性能檢測結果和/或攝像頭當前的聚焦質量檢測結果和/或攝像頭攝入的測試圖像轉換成模擬視頻信號，輸出到顯示設備上進行顯示。
在攝像頭進行聚焦調節(jié)過程中，數(shù)字信號處理單元通過實時檢測測試圖像的清晰度來表征攝像頭當前的聚焦質量，本發(fā)明通過對輸入數(shù)字信號處理單元中的數(shù)字視頻信號進行彩色空間某一分量的梯度檢測或偏移值檢測來完成測試圖像的清晰度檢測。由于條紋圖案在清晰度發(fā)生變化時彩色空間分量的梯度變化和偏移較明顯，因此攝像頭攝入的測試圖像中應具有兩種顏色相間的條紋，這兩種顏色的條紋之間具有一定的亮度差異，由于黑色和白色的亮度差異最為明顯，因此選用具有黑白相間的條紋的測試圖像為最優(yōu)。
數(shù)字信號處理單元主要包括條紋區(qū)域定位模塊、運算模塊和判斷模塊，其中條紋區(qū)域定位模塊對攝像頭輸出的視頻信號的條紋區(qū)域進行定位，并將得出的條紋區(qū)域位置信息發(fā)送給運算模塊；運算模塊根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值或偏移值得出攝像頭的實時聚焦質量檢測結果；判斷模塊與運算模塊連接，在攝像頭進行聚焦調節(jié)的過程中，記錄運算模塊輸出的攝像頭實時聚焦質量檢測結果，找出檢測結果的峰值，根據(jù)該峰值判斷攝像頭的聚焦性能是否合格，并輸出判斷結果。
攝像頭當前的聚焦質量檢測結果由聚焦指數(shù)來表征，聚焦指數(shù)越高，說明攝像頭當前的聚焦質量越好，聚焦指數(shù)越低，說明攝像頭當前的聚焦質量越差。在攝像頭進行聚焦調節(jié)的過程中，運算模塊將測量到的聚焦指數(shù)實時輸出到判斷模塊中，判斷模塊記錄運算模塊輸出的聚焦指數(shù)，確定其中最大值為聚焦指數(shù)峰值，并判斷該聚焦指數(shù)峰值是否達到預先設定的門限值，若是，則該攝像頭聚焦性能合格，否則，該攝像頭的聚焦性能不合格。
聚焦指數(shù)可采用兩種方式得出，下面以圖4所示的中央具有水平和垂直的黑白相間條紋的測試圖像為例，對兩種確定聚焦指數(shù)的過程分別進行說明第一種方式是根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值來確定聚焦指數(shù)，攝像頭聚焦不好的情況下，圖像會出現(xiàn)模糊，圖像邊緣的梯度會變小，因此可以利用模糊后的條紋邊緣的梯度與理想聚焦情況下條紋邊緣的梯度相比較的結果來確定攝像頭的聚焦指數(shù)。
如圖5所示，對于YCbCr格式的數(shù)字視頻信號，可通過計算條紋的Y分量(即亮度分量)的梯度值來表征聚焦指數(shù)，具體過程如下步驟S10、確定條紋區(qū)域的確切位置；
對測試圖像進行自上而下或自下而上的逐行掃描，先掃描第一行，記錄該行所有象素的Y分量平均值mean0和三個象素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的值不會偏離0太遠；依次掃描各行，掃描時記錄每行所有象素的Y分量平均值mean和三個象素Y分量最小值的平均值smallmean；如果mean-smallmean＜5×(mean0-smallmean0)，則認為該行仍是白色背景，如果mean-smallmean＞＝5×(mean0-smallmean0)，則認為該行為條紋區(qū)域，即可確定條紋區(qū)域的起始行和結束行。類似地，對測試圖像進行從左至右或從右至左的逐列掃描，確定條紋區(qū)域的起始列和結束列，即可確定條紋區(qū)域的確切位置。
步驟S11、確定測試圖像中的典型白色的Y分量值Yw和典型黑色的Y分量值Yb；對條紋區(qū)域進行掃描，將Y分量值最小的一些象素點的Y分量平均值作為典型黑色的Y分量值Yb，將Y分量最大的一些象素點的Y分量平均值作為典型白色的Y分量值Yw。
步驟S12、確定條紋區(qū)域內(nèi)條紋邊緣的梯度平均值g；使用sobel算子計算條紋區(qū)域內(nèi)條紋邊緣的水平梯度，由于圖4的測試圖像的邊緣是平直的一條線，因此，計算梯度的公式可以簡化，簡化后的水平梯度計算公式為g(i，j)＝Y(i+1，j)-Y(i-1，j)，Y(i，j)為象素點的Y分量值，計算圖4中兩白豎條紋的兩側邊緣的四個梯度值，四個梯度值中每一個都是取兩白豎條紋的兩側邊緣多個點梯度的平均值，然后求這四個梯度值的平均值gh；使用sobel算子計算條紋區(qū)域內(nèi)條紋邊緣的豎直梯度，簡化后的豎直梯度計算公式為g(i，j)＝Y(i，j+1)-Y(i，j-1)，Y(i，j)為象素點的Y分量值，計算圖4中兩個白色橫條紋兩側邊緣的四個梯度值，四個梯度值中每一個都是取邊緣多個點梯度的平均值，然后求其這四個梯度值的平均值gv；條紋區(qū)域內(nèi)條紋邊緣的梯度平均值g等于豎直梯度gh和水平梯度gv的平均值，即g＝(gh+gv)/2。
步驟S13、利用模糊后的條紋邊緣的梯度與理想聚焦情況下條紋邊緣的梯度相比較的結果來確定攝像頭的聚焦指數(shù)；聚焦指數(shù)的計算公式為S＝100×g/|Yw-Yb|其中S為攝像頭當前的聚焦指數(shù)；g為條紋區(qū)域內(nèi)條紋邊緣的梯度平均值；Yw和Yb分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型Y分量值。
RGB彩色空間分量與YCbCr彩色空間分量的轉換關系如下R＝Y+1.402(Cr-128)G＝Y-0.34414(Cb-128)-0.71414(Cr-128)B＝Y+1.772(Cb-128)從上述的轉換公式中我們可以看出，當測試圖像為理想的黑白圖像，即無彩色分量的時候，Cb＝128，Cr＝128，上述公式為R＝G＝B＝Y，所以此時選取RGB彩色空間中的任何一個分量即可等同與YCbCr彩色空間中的Y分量，即亮度分量。雖然不可能得到毫無顏色的測試圖像，但是可以得到幾乎無彩色分量的黑白測試圖像，此時色度分量Cb、Cr的值都非常接近128。根據(jù)上面的轉換公式，我們可以知道G分量受Cb、Cr分量的變化影響最小，所以在RGB彩色空間中，我們可以使用G分量來計算圖像聚焦指數(shù)，當然我們也可以使用R分量和B分量來計算圖像的聚焦指數(shù)，但是G分量是最好的選擇。
如圖6所示，對于RGB格式的數(shù)字視頻信號，可通過計算條紋的G分量的梯度來表征聚焦指數(shù)，具體過程如下步驟S20、確定條紋區(qū)域的確切位置；對測試圖像進行自上而下或自下而上的逐行掃描，先掃描第一行，記錄該行所有象素的G分量平均值mean0和三個象素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的值不會偏離0太遠；依次掃描各行，掃描時記錄每行所有象素的G分量平均值mean和三個象素G分量最小值的平均值smallmean；如果mean-smallmean＜5×(mean0-smallmean0)，則認為該行仍是白色背景，如果mean-smallmean＞＝5×(mean0-smallmean0)，則認為該行為條紋區(qū)域，即可確定條紋區(qū)域的起始行和結束行。類似地，對測試圖像進行從左至右或從右至左的逐列掃描，確定條紋區(qū)域的起始列和結束列，即可確定條紋區(qū)域的確切位置。
步驟S21、確定測試圖像中的典型白色的G分量值Gmax和典型黑色的G分量值Gmin；對條紋區(qū)域進行掃描，將G分量最小的一些象素點的G分量平均值作為典型黑色的G分量值Gmin，將G分量最大的一些象素點的G分量平均值作為典型白色的G分量值Gmax。
步驟S22、確定條紋區(qū)域內(nèi)條紋邊緣的梯度平均值g；使用sobel算子計算條紋區(qū)域內(nèi)條紋邊緣的水平梯度，由于圖4的測試圖像的邊緣是平直的一條線，因此，計算梯度的公式可以簡化，簡化后的水平梯度計算公式為g(i，j)＝Y(i+1，j)-Y(i-1，j)，Y(i，j)為象素點的G分量值，計算圖4中兩白豎條紋的兩側邊緣的四個梯度值，四個梯度值中每一個都是取兩白豎條紋的兩側邊緣多個點梯度的平均值，然后求這四個梯度值的平均值gh；使用sobel算子計算條紋區(qū)域內(nèi)條紋邊緣的豎直梯度，簡化后的豎直梯度計算公式為g(i，j)＝Y(i，j+1)-Y(i，j-1)，Y(i，j)為象素點的G分量值，計算圖4中兩個白色橫條紋兩側邊緣的四個梯度值，四個梯度值中每一個都是取邊緣多個點梯度的平均值，然后求其這四個梯度值的平均值gv；條紋區(qū)域內(nèi)條紋邊緣的梯度平均值g等于豎直梯度gh和水平梯度gv的平均值，即g＝(gh+gv)/2。
步驟S23、利用模糊后的條紋邊緣的梯度與理想聚焦情況下條紋邊緣的梯度相比較的結果來確定攝像頭的聚焦指數(shù)；聚焦指數(shù)的計算公式為S＝100×g/|Gmax-Gmin|其中S為攝像頭當前的聚焦指數(shù)；g為條紋區(qū)域內(nèi)條紋邊緣的梯度平均值；Gmax和Gmin分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型G分量值。
第二種方式是根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的偏移值來確定聚焦指數(shù)，攝像頭聚焦不好的情況下，圖像會出現(xiàn)模糊，此時圖像的對比度也會變小，因此可以利用條紋的彩色空間某一分量的偏移值來表征聚焦系數(shù)。采用這種方式確定聚焦指數(shù)時，要求攝像頭攝入的測試圖像中的條紋區(qū)域內(nèi)兩種顏色條紋的面積相等。
如圖7所示，對于YCbCr格式的數(shù)字視頻信號，可通過計算Y分量(即亮度分量)的偏移來表征聚焦指數(shù)，具體過程如下步驟S30、確定條紋區(qū)域的確切位置；確定條紋區(qū)域的起始行和結束行，起始列和結束列，確定方法與上述步驟S10的方法相同。
步驟S31、確定測試圖像中的典型白色的Y分量值Yw和典型黑色的Y分量值Yb；確定方法同上述步驟S11的方法相同。
步驟S32、確定條紋區(qū)域內(nèi)兩種顏色條紋Y分量偏移值的最大值；對于圖4所示的測試圖像，圖像的對比度變小會使黑色條紋的Y分量值變大，白色條紋的Y分量值變小，如果圖像完全模糊，即黑色條紋與白色條紋的Y分量變得完全一樣，這時Y分量偏移值最大；圖4中黑條紋與白條紋的長度、寬度和個數(shù)都相同，因此黑條紋與白條紋的面積相同，條紋區(qū)域內(nèi)兩種顏色條紋Y分量偏移值的最大值的計算公式為T0＝L×W×N×(Yw+Yb)/2其中L為黑條紋的長度，W為黑條紋的寬度，N為條紋區(qū)域內(nèi)黑白條紋的個數(shù)和，Yb為典型黑色的Y分量值，Yw是典型白色的Y分量值。
步驟S33、計算條紋區(qū)域內(nèi)兩種顏色條紋實際的Y分量偏移值；對條紋區(qū)域進行二值化處理，以(Yw+Yb)/2為閾值，小于閾值的象素點標記為1，表示黑色象素點；大于閾值的象素點標記為0，表示白色象素點；對條紋區(qū)域內(nèi)的象素點進行逐點掃描，計算各個點的Y分量值偏離典型黑色的Y分量值Yb或典型白色的Y分量值Yw的絕對值的和，計算結果為條紋區(qū)域的Y分量偏移值T。對于二值化后為1的點計算其偏離典型黑色的Y分量值Yb的絕對值，而對于二值化后為0的點，計算其偏離典型白色的Y分量值Yw的絕對值。
步驟34、利用條紋區(qū)域內(nèi)兩種顏色條紋Y分量的偏移值來表征聚焦系數(shù)；聚焦指數(shù)的計算公式為S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)條紋Y分量的偏移值；T0為兩種顏色條紋的Y分量相等時條紋區(qū)域內(nèi)條紋Y分量的偏移值。
在圖像聚焦不好時，黑色象素點的G分量值會變大而使白色象素點的G分量值會變小。如圖8所示，對于RGB格式的數(shù)字視頻信號，可以利用條紋區(qū)域內(nèi)G分量的偏移值來表征攝像頭的聚焦系數(shù)，其具體過程如下步驟S40、確定條紋區(qū)域的確切位置；確定條紋區(qū)域的起始行和結束行，起始列和結束列，確定方法與上述步驟S20的方法相同。
步驟S41、確定測試圖像中的典型白色的G分量值Gmax和典型黑色的G分量值Gmin；確定方法同上述步驟S21的方法相同。
步驟S42、確定條紋區(qū)域內(nèi)兩種顏色條紋的G分量偏移值的最大值；對于圖4所示的測試圖像，圖像的對比度變小會使黑色條紋的G分量變大，白色條紋的G分量變小，如果圖像完全模糊，即黑色條紋與白色條紋的G分量值變得完全一樣，這時條紋區(qū)域內(nèi)G分量的偏移值最大；圖4中黑條紋與白條紋的長度、寬度和個數(shù)都相同，因此黑條紋與白條紋的面積相同，條紋區(qū)域內(nèi)兩種顏色條紋G分量偏移值的最大值的計算公式為T0＝L×W×N×(Gmin+Gmax)/2其中L為黑條紋的長度，W為黑條紋的寬度，N為條紋區(qū)域內(nèi)黑白條紋的個數(shù)和，Gmax為典型白色的G分量值，Gmin為典型黑色的G分量值。
步驟S43、計算條紋區(qū)域內(nèi)兩種顏色條紋實際的G分量偏移值；
對條紋區(qū)域進行二值化處理，以(Gmin+Gmax)/2為閾值，小于閾值的象素點標記為1，表示黑色象素點；大于閾值的象素點標記為0，表示白色象素點；對條紋區(qū)域內(nèi)的象素點進行逐點掃描，計算各個點的G分量偏離典型黑色的G分量值Gmin或典型白色的G分量值Gmax的絕對值的和T，對于二值化后為1的點計算其偏離典型黑色G分量值Gmin的絕對值，而對于二值化后為0的點，計算其偏離典型白色G分量值Gmax的絕對值。
步驟44、利用條紋區(qū)域內(nèi)兩種顏色條紋的G分量偏移值來表征聚焦系數(shù)；聚焦指數(shù)的計算公式為S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)條紋G分量偏移值；T0為兩種顏色條紋的G分量值相等時條紋區(qū)域內(nèi)的G分量偏移值。
若要求攝像頭攝入圖像的顯示畫面的中心聚焦情況較好，可采用圖4所示的中心具有條紋區(qū)域的測試圖像，在進行聚焦性能檢測時，將針對該條紋區(qū)域的聚焦指數(shù)峰值門限設置為較高值，如90，即可滿足顯示畫面中心聚焦情況較好的要求，此時圖像的中心聚焦情況較好，而圖像的邊緣聚焦情況會相對較差。在對顯示畫面的整體聚焦效果要求較高的情況下，應在測試圖像中設置多個條紋區(qū)域，如圖8所示，可在測試圖像的中心設置一個條紋區(qū)域，在測試圖像的四周設置若干個條紋區(qū)域，在進行聚焦性能檢測時，分別計算出所設置的每個條紋區(qū)域的聚焦指數(shù)，對每個條紋區(qū)域的聚焦指數(shù)峰值門限分別進行設定，將其中的中心條紋區(qū)域的聚焦指數(shù)峰值門限設置為較低值，如80，此時雖然圖像中心點的聚焦情況不是最好，但整幅圖像的聚焦情況較均勻，圖像的整體聚焦效果較好。
以上僅以較佳實施例對本發(fā)明進行說明，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
權利要求
1.一種攝像頭聚焦性能檢測系統(tǒng)，包括攝入測試圖像的攝像頭和該測試圖像的顯示設備；其特征在于，還包括圖像處理器連接在所述攝像頭與所述顯示設備之間，用于在攝像頭進行聚焦調節(jié)過程中，通過分析處理攝像頭輸出的視頻信號得出攝像頭的聚焦性能檢測結果。
2.根據(jù)權利要求1所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述攝像頭為數(shù)字攝像頭，所述圖像處理器中設置有數(shù)字信號處理單元在攝像頭進行聚焦調節(jié)過程中，用于對攝像頭輸出的數(shù)字視頻信號進行梯度檢測或偏移值檢測，得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
3.根據(jù)權利要求1所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述攝像頭為模擬攝像頭，所述圖像處理器中設置有視頻解碼單元用于將攝像頭輸出的模擬視頻信號轉換為數(shù)字視頻信號輸入數(shù)字信號處理單元；數(shù)字信號處理單元用于在攝像頭進行聚焦調節(jié)過程中，對視頻解碼單元輸出的數(shù)字視頻信號進行梯度檢測或偏移值檢測，得出攝像頭的實時聚焦質量檢測結果，根據(jù)檢測結果判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
4.根據(jù)權利要求2或3所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述顯示設備為數(shù)字顯示設備，所述數(shù)字信號處理單元與該顯示設備直接連接，用于將攝像頭的檢測結果和/或攝像頭攝入的測試圖像以數(shù)字視頻信號形式輸出到顯示設備進行顯示。
5.根據(jù)權利要求2或3所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述顯示設備為模擬顯示設備，所述圖像處理器進一步包括視頻編碼單元用于將數(shù)字信號處理單元輸出的攝像頭的檢測結果和/或攝像頭攝入的測試圖像轉換為模擬視頻信號，輸出到顯示設備進行顯示。
6.根據(jù)權利要求2或3所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述數(shù)字視頻信號為RGB格式的數(shù)字視頻信號或YCbCr格式的數(shù)字視頻信號。
7.根據(jù)權利要求2或3所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述測試圖像內(nèi)包括具有亮度差異的兩種顏色相間的條紋。
8.根據(jù)權利要求7所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述數(shù)字信號處理單元包括條紋區(qū)域定位模塊用于在數(shù)字視頻信號形式的測試圖像中對條紋區(qū)域進行定位，輸出條紋區(qū)域的位置信息；運算模塊與所述條紋區(qū)域定位模塊連接，用于根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值或偏移值得出攝像頭當前的聚焦質量檢測結果；判斷模塊與所述運算模塊連接，用于在攝像頭進行聚焦調節(jié)的過程中，記錄運算模塊輸出的攝像頭實時聚焦質量檢測結果，找出檢測結果的峰值，根據(jù)該峰值判斷攝像頭的聚焦性能是否合格，輸出判斷結果。
9.根據(jù)權利要求7所述的攝像頭聚焦性能檢測系統(tǒng)，其特征在于，所述兩種顏色相間的條紋為黑白相間的條紋。
10.一種攝像頭聚焦性能檢測方法，所述攝像頭用于攝入測試圖像，其特征在于，包括步驟A、在攝像頭進行聚焦調節(jié)的同時對攝像頭輸出的視頻信號進行分析處理，得出若干個用于反映攝像頭聚焦質量的聚焦指數(shù)，確定其中最大值為聚焦指數(shù)峰值；B、判斷所述聚焦指數(shù)峰值是否達到預先設定的門限值，若是，則確定該攝像頭聚焦性能合格，否則，確定該攝像頭的聚焦性能不合格。
11.根據(jù)權利要求10所述的攝像頭聚焦性能檢測方法，其特征在于，所述測試圖像內(nèi)包括具有亮度差異的兩種顏色相間的條紋。
12.根據(jù)權利要求11所述的攝像頭聚焦性能檢測方法，其特征在于，所述兩種顏色相間的條紋為黑白相間的條紋。
13.根據(jù)權利要求11所述的攝像頭聚焦性能檢測方法，其特征在于，所述步驟A中，對攝像頭輸出的視頻信號中的條紋區(qū)域進行定位，并根據(jù)條紋區(qū)域內(nèi)彩色空間某一分量的梯度值或偏移值得出攝像頭當前的聚焦指數(shù)。
14.根據(jù)權利要求13所述的攝像頭聚焦性能檢測方法，其特征在于，所述彩色空間某一分量為YCbCr格式數(shù)字視頻信號的Y分量或RGB格式數(shù)字視頻信號的G分量。
15.根據(jù)權利要求14所述的攝像頭聚焦性能檢測方法，其特征在于，所述根據(jù)條紋區(qū)域內(nèi)Y分量的梯度值計算聚焦指數(shù)的公式如下S＝100×g/|Y1-Y2|其中S為攝像頭當前的聚焦指數(shù)；g為通過sobel算子計算得出的條紋區(qū)域內(nèi)Y分量的梯度值；Y1和Y2分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型Y分量值。
16.根據(jù)權利要求14所述的攝像頭聚焦性能檢測方法，其特征在于，所述根據(jù)條紋區(qū)域內(nèi)G分量的梯度值計算聚焦指數(shù)的公式如下S＝100×g/|Gmax-Gmin|其中S為攝像頭當前的聚焦指數(shù)；g為通過sobel算子計算得出的條紋區(qū)域內(nèi)G分量的梯度值；Gmax和Gmin分別為條紋區(qū)域內(nèi)兩種顏色條紋的典型G分量值。
17.根據(jù)權利要求14所述的攝像頭聚焦性能檢測方法，其特征在于，所述根據(jù)條紋區(qū)域內(nèi)Y分量的偏移值計算聚焦指數(shù)的公式如下S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)Y分量的偏移值；T0為兩種顏色條紋Y分量值相等時條紋區(qū)域內(nèi)Y分量的偏移值。
18.根據(jù)權利要求14所述的攝像頭聚焦性能檢測方法，其特征在于，所述根據(jù)條紋區(qū)域內(nèi)G分量的偏移值計算聚焦指數(shù)的公式如下S＝100×(1.0-T/T0)其中S為攝像頭當前的聚焦指數(shù)；T為條紋區(qū)域內(nèi)G分量的偏移值；T0為兩種顏色條紋的G分量值相等時條紋區(qū)域內(nèi)G分量的偏移值。
19.根據(jù)權利要求17或18所述的攝像頭聚焦性能檢測方法，其特征在于，在條紋區(qū)域內(nèi)所述兩種顏色條紋的面積相等。
全文摘要
本發(fā)明公開了一種攝像頭聚焦性能檢測系統(tǒng)及方法，用以解決現(xiàn)有技術中采用人工方式對攝像頭的聚焦性能進行檢測時，檢測效率低下、檢測差錯率高的問題。本發(fā)明在現(xiàn)有攝像頭聚焦檢測系統(tǒng)的攝像頭與顯示設備之間增加了圖像處理器，該圖像處理器在攝像頭進行聚焦調節(jié)的過程中，通過分析處理攝像頭輸出的視頻信號得出攝像頭的聚焦性能檢測結果。本發(fā)明大大提高了攝像頭聚焦性能檢測的效率和正確性，同時也減輕了檢測工人的勞動強度。
文檔編號G03B43/00GK1874529SQ20051007316
公開日2006年12月6日 申請日期2005年5月31日 優(yōu)先權日2005年5月31日
發(fā)明者趙光耀, 魏小霞, 公維賓, 常義林 申請人:華為技術有限公司