一种用于光学镜头的检测方法

摘要

本发明涉及一种用于光学镜头的检测方法，包括：S1.获取待测镜头对标板成像的视频流；S2.标记所述视频流所包含的图像上的至少一个区域为检测区域，每个所述检测区域包括多个黑白线对且多个所述黑白线对为同一频率；S3.计算所述检测区域的清晰度值；S4.根据所述清晰度值与判定参数比较判断所述待测镜头的成像性能。实现过程简单，成本低廉，测试精度高，测试效率较高，能针对不同实拍要求对光学镜头进行检测，适合在生产线上批量使用。

权利要求

1.一种用于光学镜头的检测方法，包括：S1.获取待测镜头对标板成像的视频流；

S2.标记所述视频流所包含的图像上的至少一个区域为检测区域，每个所述检测区域包括多个黑白线对且多个所述黑白线对为同一频率；

S3.计算所述检测区域的清晰度值；

S4.根据所述清晰度值判断所述待测镜头的成像性能；

步骤S3中，包括：

S31.以预设的原始定位块坐标为中心，查找所述图像中用于定位的定位块；

S32.根据所述原始定位块坐标和所述定位块的坐标，重新定位所述图像中的所述检测区域；

S33.对所述检测区域进行滤波处理；

步骤S32中，采用多个所述定位块并基于三点定位对所述检测区域重新定位；

步骤S33中，对所述检测区域进行映射处理，所述检测区域的二维数据投影为一维数据。

2.根据权利要求1所述的检测方法，其特征在于，所述检测区域中包含所述黑白线对的有效区域的区域占比a满足：a≥90％。

3.根据权利要求1或2所述的检测方法，其特征在于，步骤S3中，还包括：S34.获取所述检测区域的CTF值。

4.根据权利要求1所述的检测方法，其特征在于，在步骤S1之前，还包括：S01.选取部分样品镜头作为训练组镜头并对所述标板摄取训练图像，并根据所述训练图像获取用于判断所述待测镜头成像性能的计算模型。

5.根据权利要求4所述的检测方法，其特征在于，步骤S01中包括：S011.以所述训练组镜头对所述标板摄取图像，并进行人工判图实拍检测，获取满足第一清晰度要求的第一训练图像；

S012.以所述训练组镜头对所述标板摄取图像，并进行机器实拍检测，获取满足第二清晰度要求的第二训练图像；

S013.基于所述第一训练图像和所述第二训练图像构建出表示其关系的所述计算模型。

6.根据权利要求5所述的检测方法，其特征在于，还包括：S014.选取另一部分所述样品镜头作为验证组镜头；

S015.以所述验证组镜头对所述标板摄取图像，并基于所述计算模型进行机器判图，获取验证图像；

S016.对所述验证图像进行人工判图，并获取机器判图的准确性结果；

S017.若所述准确性结果满足预设条件，则输出所述计算模型。

7.根据权利要求6所述的检测方法，其特征在于，步骤S017中，若所述准确性结果不满足预设条件，则将所述样品镜头重新混合并分组后执行步骤S011‑S017。

8.根据权利要求7所述的检测方法，其特征在于，所述训练组镜头和所述验证组镜头按照4∶6或者3∶7或者5∶5的比例进行分组。

说明书

一种用于光学镜头的检测方法

技术领域

[0001] 本发明涉及光学领域，尤其涉及一种用于光学镜头的检测方法。

背景技术

[0002] 光学调制传递函数(MTF)的像质评定方法是已经被公认目前评价光学系统成像最有效，客观，全面的方法，并已广泛应用于光学设计以及一些光学镜头出货检测中，而在光
学镜头生产过程中MTF检测未成为主流解像力检测方式。

[0003] 目前光学镜头生产过程中实拍检测主要采用人眼检测的方式对解像力进行检测。由于人眼检测的主观性，制定生产规格时规格难以量化，常使用较为模糊的词(如“清晰”，
“可见”，“看清”等)，导致实际生产时规格难管控。此外人眼对画面进行主观判断时准确性
受员工状态影响较大，不利于管控产品性能的稳定性。

[0004] 现有自动MTF检测仪器多应用于设计阶段及出货检测阶段，仪器导入成本较高且操作复杂，不适宜用于大规模生产，严重影响光学镜头的生产效率。

发明内容

[0005] 本发明的目的在于提供用于光学镜头的检测方法，提高光学镜头检测效率低的问题。

[0006] 为实现上述发明目的，本发明提供一种用于光学镜头的检测方法，包括：

[0007] S1.获取待测镜头对标板成像的视频流；

[0008] S2.标记所述视频流所包含的图像上的至少一个区域为检测区域，每个所述检测区域包括多个黑白线对且多个所述黑白线对为同一频率；

[0009] S3.计算所述检测区域的清晰度值；

[0010] S4.根据所述清晰度值判断所述待测镜头的成像性能。

[0011] 根据本发明的一个方面，所述检测区域中包含所述黑白线对的有效区域的区域占比a满足：a≥90％。

[0012] 根据本发明的一个方面，步骤S3中，包括：

[0013] S31.以预设的原始定位块坐标为中心，查找所述图像中用于定位的定位块；

[0014] S32.根据所述原始定位块坐标和所述定位块的坐标，重新定位所述图像中的所述检测区域；

[0015] S33.对所述检测区域进行滤波处理；

[0016] S34.获取所述检测区域的CTF值(即清晰度值)。

[0017] 根据本发明的一个方面，步骤S32中，采用多个所述定位块并基于三点定位对所述检测区域重新定位。

[0018] 根据本发明的一个方面，步骤S33中，对所述检测区域进行映射处理，所述检测区域的二维数据投影为一维数据。

[0019] 根据本发明的一个方面，在步骤S1之前，还包括：

[0020] S01.选取部分样品镜头作为训练组镜头并对所述标板摄取训练图像，并根据所述训练图像获取用于判断所述待测镜头成像性能的计算模型。

[0021] 根据本发明的一个方面，步骤S01中包括：

[0022] S011.以所述训练组镜头对所述标板摄取图像，并进行人工判图实拍检测，获取满足第一清晰度要求的第一训练图像；

[0023] S012.以所述训练组镜头对所述标板摄取图像，并进行机器实拍检测，获取满足第二清晰度要求的第二训练图像；

[0024] S013.基于所述第一训练图像和所述第二训练图像构建出表示其关系的所述计算模型。

[0025] 根据本发明的一个方面，还包括：

[0026] S014.选取另一部分所述样品镜头作为验证组镜头；

[0027] S015.以所述验证组镜头对所述标板摄取图像，并基于所述计算模型进行机器判图，获取验证图像；

[0028] S016.对所述验证图像进行人工判图，并获取机器判图的准确性结果；

[0029] S017.若所述准确性结果满足预设条件，则输出所述计算模型。

[0030] 根据本发明的一个方面，步骤S017中，若所述准确性结果不满足预设条件，则将所述样品镜头重新混合并分组后执行步骤S011‑S017。

[0031] 根据本发明的一个方面，所述训练组镜头和所述验证组镜头按照4∶6或者3∶7或者5∶5的比例进行分组。

[0032] 根据本发明的一种方案，实现过程简单，成本低廉，测试精度高，测试效率较高，能针对不同实拍要求对光学镜头进行检测，适合在生产线上批量使用。

[0033] 根据本发明的一种方案，能够通过软件算法进行自动化计算，实时稳定且准确地反映出镜头的解像力性能。同时，该方法操作简单，适用范围广，易于推广。

[0034] 根据本发明的一种方案，能够自动补偿生产中员工的误触动造成的画面偏移，进而减小了对图像采集部分的精度要求，无需采用专用检测环境即可实现，降低了成本。

[0035] 根据本发明的一种方案，在图像上标记的检测区域大小可以根据画面实际情况自动修改以减少无效区域占比。通过上述设置保证了本发明在对检测区域中的黑白线对检测
更加精确，避免了过多无效区域对检测区域的影响，使本发明的检测精度更高。

[0036] 根据本发明的一种方案，通过定位图像中的定位块则可以获取图像中包含的黑白线对的准确位置，进而能够用于消除有画面偏移，倾斜，旋转以及镜头焦距差异引起的检测
区域的偏移。通过这种方式使得对检测区域的定位、检测效率高，并且校正误差小。

[0037] 根据本发明的一种方案，在滤波前对检测区域进行映射，映射后对所得一维数组进行滤波，可将滤波时间极大缩短，尤其是避免了对整幅画面进行滤波处理，极大的提高了
处理效率。

[0038] 根据本发明的一种方案，相对于传统的检测方式，通过计算检测区域的CTF值，使用的算法为计算MTF的一种变形应用，其不仅能够更加客观，全面的评价待测镜头的成像性
能，而且计算量小且计算结果可以准确表现出镜头解像力高低。通过采用上述方法，与现有
的针对刃边检测的SFR算法而言，其在计算时可以通过空域对检测区域进行降噪，降低了对
硬件精度的要求，可直接使用民用级别设备，极大的节约了成本，此外采用单个检测区域只
对一个频率进行计算，这样计算量大幅度减少，提高了检测效率，避免无用数据输出。

附图说明

[0039] 图1示意性表示根据本发明的一种实施方式的检测方法步骤框图；

[0040] 图2示意性表示根据本发明的一种实施方式的标板图；

[0041] 图3示意性表示根据本发明的一种实施方式的检测方法中训练过程的流程图。

具体实施方式

[0042] 为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些
实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些
附图获得其他的附图。

[0043] 在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相
关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗
示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能
理解为对本发明的限制。

[0044] 下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。

[0045] 根据本发明的一种实施方式，本发明的一种用于光学镜头的检测方法是基于一种用于智能测试光学镜头解像力的系统实现，该系统包括硬件和软件两部分，其中硬件部分
包括处理单元(如PC机)，光源、相机和标板。而软件部分包括训练单元和测试单元，其中训
练单元批量投入镜头对判定参数进行训练，测试单元利用训练单元得到的判定参数对镜头
进行检测。

[0046] 结合图1和图2所示，根据本发明的一种实施方式，本发明的一种用于光学镜头的检测方法，包括：

[0047] S1.获取待测镜头对标板成像的视频流；

[0048] S2.标记视频流所包含的图像上的至少一个区域为检测区域，每个检测区域包括多个黑白线对且多个黑白线对为同一频率；

[0049] S3.计算检测区域的清晰度值；

[0050] S4.根据清晰度值与判定参数比较判断待测镜头的成像性能。

[0051] 如图2所示根据本发明的一种实施方式，步骤S2中，检测区域中包含所述黑白线对的有效区域的区域占比a满足：a≥90％，在本实施方式中，在图像上标记的检测区域大小可
以根据画面实际情况自动修改以减少无效区域占比。通过上述设置保证了本发明在对检测
区域中的黑白线对检测更加精确，避免了过多无效区域对检测区域的影响，使本发明的检
测精度更高。

[0052] 需要指出的是，同一频率黑白线对的意思是指同一宽度的黑白线对，此宽度由镜头理论解像力确定，一般中心取极限分辨力的70％，0.9视场取中心的70％(即如果镜头理
论极限解像力为1080lp，中心检查1080*0.7lp，0.9F检查1080*0.7*0.7lp)。

[0053] 根据本发明的一种实施方式，步骤S3中，包括：

[0054] S31.以预设的原始定位块坐标为中心，查找所述图像中用于定位的定位块。在本实施方式中，根据标板上定位块的实际位置建立原始定位块坐标。以该原始定位块坐标为
中心，在图像上遍历一个100*100像素的区域，查找定位块在图像上的实际位置。

[0055] S32.根据原始定位块坐标和定位块的坐标，重新定位图像中的检测区域。在本实施方式中，利用定位块在图像上的实际位置获得定位块在图像上的新坐标，将该新坐标与
原始定位块坐标，计算图像的旋转，缩放以及偏移，利用计算结果与检测区域原始坐标，计
算出检测区域在图像上的实际位置。在本实施方式中，采用多个定位块(例如：三个)并基于
三点定位对检测区域重新定位。通过定位图像中的定位块则可以获取图像中包含的黑白线
对的检测区域的准确位置，进而能够用于消除有画面偏移，倾斜，旋转以及镜头焦距差异引
起的检测区域的偏移。通过这种方式使得对检测区域的定位、检测效率高，并且校正误差
小。

[0056] S33.对检测区域进行滤波处理。在本实施方式中，对检测区域进行映射处理，检测区域的二维数据投影为一维数据。在投影的过程中不仅滤去部分噪声，还减小了需处理的
数据量，可将滤波时间极大缩短，尤其是避免了对整幅画面进行滤波处理，极大的提高了处
理效率。

[0057] S34.获取检测区域的CTF值。在本实施方式中，通过计算检测区域的CTF值，使用的算法为计算MTF的一种变形应用，其不仅能够更加客观，全面的评价待测镜头的成像性能，
而且计算量小且计算结果可以准确表现出镜头解像力高低。通过采用上述方法，与现有的
针对刃边检测的SFR算法而言，其在计算时可以通过空域对检测区域进行降噪，降低了对硬
件精度的要求，可直接使用民用级别设备，极大的节约了成本，此外采用单个检测区域只对
一个频率进行计算，这样计算量大幅度减少，提高了检测效率，避免无用数据输出。

[0058] 根据本发明的一种实施方式，本发明的检测方法可通过软件部分的测试单元自动执行并实现，而测试单元中的所采用的判定参数则是由训练单元训练好后输入的。因此，参
见图3所示，本发明的检测方法中，在步骤S1之前，还包括：

[0059] S01.选取部分样品镜头作为训练组镜头并对标板摄取训练图像，并根据训练图像获取用于判断待测镜头成像性能的计算模型。在本实施方式中，计算模型为神经网络模型。
在本实施方式中，样品镜头可以选用一批需要测试的待测镜头代替。在本实施方式中，包
括：

[0060] S011.以训练组镜头对标板摄取图像，并进行人工判图实拍检测，获取满足第一清晰度要求的第一训练图像。在本实施方式中通过人眼判图的方式实现，通过将镜头所摄取
的图像调至人眼看到的最清晰状态，然后人工判断特定先关的黑白线对在画面中是否清晰
或合格即该画面的清晰度是否满足第一清晰度要求。当满足第一清晰度要求时，则将摄取
的图像保留并作为第一训练图像。

[0061] S012.以训练组镜头对标板摄取图像，并进行机器实拍检测，获取满足第二清晰度要求的第二训练图像。在本实施方式中，则通过硬件部分和软件部分自主实现对训练镜头
成像清晰度的判断。在本实施方式中，软件部分控制硬件部分获取训练镜头对标板拍摄图
像，在拍摄的过程中硬件部分和软件部分控制调整镜头所摄取的图像达到最清晰的状态，
然后获取一端时间内获取的图像作为第二训练图像，并将第二训练图像中各标记的检测区
域的清晰度计算值。需要指出的是，在训练过程中对图像的标记方法与前述步骤中对图像
中检测区域的标记方法是相同的。

[0062] S013.基于第一训练图像和第二训练图像构建出表示其关系的计算模型。在本实施方式中，通过向软件部分输入第一训练图像，并进行标记以及获取标记的检测区域的清
晰度计算值。这样根据获取的第一训练图像和第二训练图像的清晰度计算值，即可训练出
第一训练图像和第二训练图像具有相关性的计算模型。

[0063] 在本实施方式中，还包括：

[0064] S014.选取另一部分样品镜头作为验证组镜头。

[0065] S015.以验证组镜头对标板摄取图像，并基于计算模型进行机器判图，获取验证图像。在本实施方式中，用于智能测试光学镜头解像力的系统中的软件部分获取前述步骤中
的计算模型后，在软件部分和硬件部分的共同作用下通过验证组镜头对标板进行成像获取
满足计算模型的验证图像。在本实施方式中，软件部分基于计算模型并根据计算出的各检
测区域的CTF值对图像进行好坏分类(即优良中差等)。

[0066] S016.对验证图像进行人工判图，并获取机器判图的准确性结果。在本实施方式中，通过人工判图的方式对机器判图结果进行验证，即对验证图像的好坏分类进行验证，进
而获取机器判图的准确性结果。

[0067] S017.若准确性结果满足预设条件，则输出计算模型。在本实施方式中，可以将预设条件设定为一准确率阈值，将获取的准确性结果与准确率阈值进行比较，若准确性结果
大于或等于阈值，则输出该计算模型并用于对待检测进行成像性能的判断。在本实施方式
中，若准确性结果不满足预设条件(即小于准确率阈值)，则将样品镜头重新混合并分组后
执行步骤S011‑S017。

[0068] 根据本发明的一种实施方式，训练组镜头和验证组镜头按照4∶6或者3∶7或者5∶5的比例进行分组。通过按照上述比例分组的样品镜头在满足训练的情况下，增加验证组镜
头对计算模型的精度验证有利，保证本发明的方法的准确性。

[0069] 上述内容仅为本发明的具体方案的例子，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。

[0070] 以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修
改、等同替换、改进等，均应包含在本发明的保护范围之内。