阅读说明：本技术 检测摄像头模组的方法、设备、系统、机器可读存储介质 (Method, equipment and system for detecting camera module and machine-readable storage medium ) 是由 赵超 常坚 任伟 于 2018-07-27 设计创作，主要内容包括：一种检测摄像头模组的方法、设备、系统、机器可读存储介质。其中所述方法包括：获取摄像头模组所拍摄的特定图像；获取所述特定图像的亮度分布和/或形状特征；根据所述亮度分布和/或形状特征判断所述摄像头模组是否存在脏污。本方法中无需人工检测,从而使检测结果与主观判断无关,有利于提升检测结果的准确度。另外,本方法确定检测结果的速度远远大于人工检测的速度,能够提升检测摄像头模组脏污的效率。(A method, equipment, a system and a machine readable storage medium for detecting a camera module are provided. Wherein the method comprises: acquiring a specific image shot by a camera module; acquiring the brightness distribution and/or the shape characteristic of the specific image; and judging whether the camera module is dirty or not according to the brightness distribution and/or the shape characteristics. The method does not need manual detection, so that the detection result is irrelevant to subjective judgment, and the accuracy of the detection result is improved. In addition, the speed of determining the detection result by the method is far higher than the speed of manual detection, and the efficiency of detecting the dirt of the camera module can be improved.)

检测摄像头模组的方法、设备、系统、机器可读存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及检测摄像头模组的方法、设备、系统、机器可读存储介质。

背景技术

现有的电子设备大部分配置有摄像头模组。在组装过程中，灰尘、毛发等异物可能会落入感光芯片上或者镜面存在不平整、油污等情形，都会使图像脏污，因此在配置之前需要对摄像头模组进行脏污检测。

目前，摄像头模组的脏污检测由人工完成，检测人员采用显微镜查看摄像头模组的镜面等部位，以判断出存在的脏污。但是，该方法检测效率较低，且人工判断主观性太强，导致检测结果的误差较大。

发明内容

本发明提供一种检测摄像头模组的方法、设备、系统、机器可读存储介质。

根据本发明的第一方面，提供一种检测摄像头模组的方法，包括：

获取摄像头模组所拍摄的特定图像；

获取所述特定图像的亮度分布和/或形状特征；

根据所述亮度分布和/或形状特征判断所述摄像头模组是否存在脏污。

可选地，所述特定图像包括M个特定形状，M为自然数。

可选地，所述特定形状包括矩形、三角形、圆形中的至少一种。

可选地，所述亮度分布为所述特定图像中各像素点的指定参数的参数值，所述指定参数至少包括亮度值或者灰度值。

可选地，所述形状特征为所述特定形状的形变量。

可选地，根据所述亮度分布判断所述摄像头模组是否存在脏污包括：

获取所述指定参数的第一阈值和第二阈值；

根据所述亮度分布、所述第一阈值和所述第二阈值判断所述摄像头模组是否存在脏污。

可选地，所述第一阈值和所述第二阈值基于大数据方式学习得到或者基于经验值预先设置。

可选地，根据所述亮度分布、所述第一阈值和所述第二阈值判断所述摄像头模组是否存在脏污包括：

获取所述特定图像中指定参数的参数值位于所述第一阈值和所述第二阈值之间的像素点的数量A；所述第一阈值大于所述第二阈值；

根据所述数量A判断所述摄像头模组是否存在脏污。

可选地，根据所述数量A判断所述摄像头模组是否存在脏污包括：

对比所述数量A和预先设置的数量阈值AA；

若所述A大于或等于所述AA，则确定所述摄像头模组存在脏污；若所述A小于所述AA，则确定所述摄像头模组未存在脏污。

可选地，根据所述数量A判断所述摄像头模组是否存在脏污包括：

获取所述特定图像中指定参数的参数值大于所述第一阈值的像素点的数量B；

计算所述数量A和所述数量B的比值C；

若所述比值C大于或等于预先设置的第一比值阈值CC，则确定所述摄像头模组存在脏污；若所述C小于所述CC，则确定所述摄像头模组未存在脏污。

可选地，根据所述亮度分布、所述第一阈值和所述第二阈值判断所述摄像头模组是否存在脏污包括：

根据所述亮度分布和所述第一阈值获取所述特定图像的第一分割图像，以及根据所述亮度分布和所述第二阈值获取所述特定图像的第二分割图像；

根据所述第一分割图像和所述第二分割图像判断所述摄像头模组是否存在脏污。

可选地，根据所述亮度分布和所述第一阈值获取所述特定图像的第一分割图像包括：

针对所述特定图像中每个像素点，比较所述像素点的指定参数的参数值与所述第一阈值；

若所述参数值大于或者等于所述第一阈值，则将所述像素点的参数值更新为第一设定值；若所述参数值小于所述第一阈值，则将所述像素点的参数值更新为第二设定值；

根据所述每个像素点更新后的参数值，形成第一分割图像。

可选地，根据所述亮度分布和所述第二阈值获取所述特定图像的第二分割图像包括：

针对所述特定图像中每个像素点，比较所述像素点的指定参数的参数值与预设的第二阈值；

若所述参数值小于或者等于所述第二阈值，则将所述像素点的参数值更新为第二设定值；若所述参数值大于所述第二阈值，则将所述像素点的参数值更新为第一设定值；

根据所述每个像素点更新后的参数值，形成第二分割图像。

可选地，根据所述第一分割图像和所述第二分割图像判断所述摄像头模组是否存在脏污包括：

获取所述第一分割图像中指定参数的参数值为第一设定值的像素点的数量D1，以及所述第二分割图像中指定参数的参数值为第一设定值的像素点的数量D2；

获取所述D2和所述D1的差值D；

获取所述D和所述D1的比值E；

若所述E大于或等于预先设置的第二比值阈值EE，则确定所述摄像头模组存在脏污；若所述E小于所述EE，则确定所述摄像头模组未存在脏污。

可选地，所述形状特征是指所述特定形状的形变程度。

可选地，所述形变程度通过所述特定形状的填充率来表征；所述填充率是指，所述特定形状的连通域面积和最小外接图形的面积的比值。

可选地，获取所述特定图像的形状特征包括：

获取第一分割图像内的N个连通域；N为自然数；

获取所述N个连通域中每个连通域的最小外接图形；所述最小外接图形与所述特定形状相同；

根据所述连通域和对应的最小外接图形确定所述特定图像的形状特征。

可选地，获取第一分割图像内的N个连通域包括：

获取所述第一分割图像内的M1个连通域；M1为正整数，且大于或者等于M；

获取所述M1个连通域中每个连通域的属性；

根据所述每个连通域的属性滤除所述M1个连通域中不满足预设条件的连通域，得到N个连通域；

所述预设条件是指连通域的中心距离与所述特定图像的中心距离小于或者等于预先设置的距离阈值。

可选地，所述连通域的属性包括：中心位置、面积、最小外接图形、最小外接图形的面积、宽高比、连通域边界与第一分割图像边界的相互位置中的至少一种。

可选地，根据所述连通域和对应的最小外接图形确定所述特定图像的形状特征包括：

分别计算所述每个连通域的面积与对应的所述最小外接图形的面积；

计算所述每个连通域的面积与对应的所述最小外接图形的面积的比值F，所述比值F为所述特定图像的填充率。

可选地，根据所述形状特征判断所述摄像头模组是否存在脏污包括：

若所述N个连通域中每个连通域对应的比值F大于或等于预先设置的形变阈值FF，则确定所述摄像头模组未存在脏污；

若所述N个连通域中存在一个连通域对应的比值F小于所述形变阈值FF，则确定所述摄像头模组存在脏污。

根据本发明的第二方面，提供一种检测摄像头模组的设备，包括处理器和存储器，所述存储器中存储若干指令，所述处理器从所述存储器中读取指令，用于实现第一方面所述方法的步骤。

根据本发明的第三方面，提供一种检测摄像头模组的系统，包括第二方面所述的检测摄像头模组的设备、光源模组和密封箱体；其中，

所述光源模组用于提供均匀的出光；

所述密封箱体设置在所述光源模组的外部，用于为所述摄像头模组提供一个仅有所述光源模组出光的检测环境；

在检测前，将所述摄像头模组放置在所述密封箱体内部，且所述摄像头模组中镜面的法线与所述光源模组的出光面垂直；

所述设备与所述摄像头模组连接，用于控制所述摄像头模组拍摄特定图像，并根据所述特定图像检测所述摄像头模组是否脏污。

可选地，所述光源模组包括：面光源和标志透光板；

所述面光源设置有平整的出光面；所述出光面上贴附有所述标志透光板；

所述标志透光板采用黑色吸光材料制成，且所述标志透光板上设有若干个特定形状的孔洞。

可选地，所述光源模组包括：面光源；所述面光源设置有采用黑色吸光材料制成的出光面，且所述出光面上设有若干个特定形状的孔洞。

可选地，所述特定形状包括：矩形、三角形、圆形中的至少一种。

可选地，所述若干个特定形状的孔洞按照规则分布。

可选地，所述系统还包括由动组件和静组件构成的位置调整模组；所述动组件用于固定在所述光源模组或者所述摄像头模组；所述光源模组和所述摄像头模组之间的距离与所述动组件和所述静组件之间的相对位置相关。

可选地，所述光源模组和所述摄像头模组之间的距离小于或者等于第一距离；所述第一距离为所述光源模组的出光面充满所述摄像头模组拍摄的图像时对应的距离。

可选地，所述系统还包括显示模组，所述显示模组与所述设备连接，至少用于显示所述摄像头模组的脏污检测结果。

根据本发明的第四方面，提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时实现第一方面所述方法的步骤。

由上述的技术方案可见，本实施例通过摄像头模组所拍摄的特定图像；然后获取特定图像的亮度分布和/或形变特征；最后，根据亮度分布和/或形变特征判断摄像头模组是否存在脏污。可见，本实施例中无需人工检测，从而使检测结果与主观判断无关，有利于提升检测结果的准确度。另外，本实施例确定检测结果的速度远远大于人工检测的速度，能够提升检测摄像头模组脏污的效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种检测摄像头模组的系统的框图；

图2是本发明一实施例提供的一种光源模组的结构示意图；

图3是本发明另一实施例提供的一种光源模组的结构示意图；

图4是本发明一实施例提供的一种包含M个特定形状的特定图像的示意图；

图5是本发明一实施例提供的摄像头模组中图像传感器的感光区域和光源模组的出光面之间位置关系的示意图；其中，图5(a)是出光面位于感光区域内部的场景；图5(b)是感光区域位于出光面内部的场景；

图6是本发明一实施例提供的一种位置调整模组的结构示意图；其中图6(a)是图1中密封箱体去掉顶盖(图6的上方)之后的俯视图；图6(b)是图1中密封箱体去掉前侧面(图6的正前方)之后的正视图；

图7是本发明另一实施例提供的一种检测摄像头模组的系统的框图；

图8是本发明一实施例提供的一种检测摄像头模组的设备的框图；

图9是本发明一实施例提供的一种检测摄像头模组的方法的流程示意图；

图10是本发明另一实施例提供的一种检测摄像头模组的方法的流程示意图；

图11是本发明又一实施例提供的一种检测摄像头模组的方法的流程示意图；

图12是本发明再一实施例提供的一种检测摄像头模组的方法的流程示意图；

图13是本发明再一实施例提供的一种检测摄像头模组的方法的流程示意图；

图14是本发明又一实施例提供的一种检测摄像头模组的方法的流程示意图；

图15是本发明一实施例提供的第一分割图像获取过程的示意图；

图16是本发明一实施例提供的第二分割图像获取过程的示意图；

图17是本发明又一实施例提供的一种检测摄像头模组的方法的流程示意图；

图18是本发明又一实施例提供的一种检测摄像头模组的方法的流程示意图；

图19是本发明一实施例提供的特定图像的连通域的示意图；

图20是本发明一实施例提供的获取连通域的流程示意图；

图21是本发明一实施例提供的连通域的最小外接图形的示意图；

图22是本发明一实施例提供的获取填充率的流程示意图；

图23是本发明又一实施例提供的一种检测摄像头模组的方法的流程示意图；

图24是本发明一实施例提供的一种检测摄像头模组的方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有的摄像头模组至少包括图像传感器和镜头两部分，在拍摄特定图像的过程中，来自光源的光线会通过镜头到达图像传感器，由图像传感器感光后得到相应的图像。若不存在脏污，镜头和镜头与图像传感器之间空气可看成均匀介质，这样各光线到达图像传感器的光程相等。

实际应用中，在生产、制造、检测等过程中摄像头模组的镜头上会沾有油污、指纹、灰尘等脏污、图像传感器上会有灰尘等脏污，使得镜头或者镜头与图像传感器之间空气不再是均匀介质，为保证光程相等，光线会发生相应的折射，导致光线出射到不应该出现的位置，从而使得有脏污和无脏污所形成的图像存在不同。因此在配置之前需要对摄像头模组进行脏污检测。

目前，摄像头模组的脏污检测由人工完成，检测人员采用显微镜查看摄像头模组的镜面等部位，以判断出存在的脏污。但是，该方法检测效率较低，且人工判断主观性太强，导致检测结果的误差较大。

为此，本发明实施例提供了一种解决上述问题的检测摄像头模组的系统，图1是本发明一实施例提供的一种检测摄像头模组的系统的框图。参见图1，一种检测摄像头模组的系统包括：光源模组11、密封箱体12和检测摄像头模组的设备13。其中：

密封箱体12设置在光源模组11的外部，被检测的摄像头模组14也需要在检测前放置在密封箱体12的内部。并且摄像头模组14镜面的法线141与光源模组11的出光面112垂直。其中，出光面的形状不作限定，可以为矩形、圆形或多边形等，后续以出光面为圆形为例进行描述。光源模组11可以以粘贴、螺栓等方式固定在密封箱体上，也可以固定在后续的位置调整模组15的动组件151之上。摄像头模组14可以粘贴、螺栓等方式可以拆卸地固定在密封箱体12的内部，也可以可拆卸地固定在后续的位置调整模组15的动组件151之上。

本实施例中，密封箱体12能够避免箱体之外的光线进入其内部，即：在光源模组11关闭(即无出光)时，密封箱体12内部呈现黑暗状态；在光源模组11开启后，密封箱体12内部仅存在光源模组11的出光。

本实施例中，光源模组11可以提供均匀的出光。从摄像头模组14的角度看向光源模组11的出光面，可以看到M个特定形状，M为自然数。

在一实施例中，特定形状可以包括：矩形、三角形、圆形中的至少一种。当然，技术人员还可以选择例如正五边形、正六边形等正多边形的形状来替代上述矩形等，同样可以实现本申请的方案。

本实施例中，M可以取值为1，即特定形状可以为一个。当然，为提高检测精度，M可以取值为多个，此时特定形状可以为多个，这些特定形状可以按照规则布置多个，例如，按行排列、按列排列、按照图形排列，从而尽可能多的布置孔洞。为方便说明，后续实施例中以正方形为例说明。

在又一实施例中，可以通过调整光源模组11的结构，从而形成特定图像中的特定形状，包括以下方式：

方式一，参见图2，光源模组11可以包括：面光源113和标志透光板114。其中，面光源113设置有平整的出光面；出光面上贴附有标志透光板114。通常情况下，标志透光板114还可以称之为Chart表。标志透光板114上可以设有M(为自然数)个特定形状的孔洞115，从而使光线从孔洞115中透过以及投射到标志透光板114上的光线无法透过。为此，标志透光板114可以采用黑色吸光材料制成，例如黑色布、纳米碳管黑体材料、或者石墨烯等。技术人员可以根据具体场景选择合适的材料制成标志透光板114，在能够实现孔洞115透光且孔洞115之外区域不透光的基础上，技术人员所选择的制成标志透光板114的材料也落入本申请的保护范围。

在一实施例中，光源模组11还可以包括粘贴层116。这样，可以通过粘贴层116将标志透光板114粘贴在面光源113的出光面112一侧。该粘贴层116可以为固态材料直接制成，将面光源113和标志透光板114分别置于粘贴层116的两侧后压实即可。当然，该粘贴层116也可以采用液态材料形成将液态材料均匀的涂抹在面光源113上，将标志透光板114压实在面光源113上，等液态材料凝固后即可。可理解的是，该粘贴层116需要有较好的透光性，从而保证面光源113的出光尽可能多的到达标志透光板114，这样在摄像头模组14的位置可以看到包含M个特定形状的出光面。

方式二，参见图3，光源模组11可以包括：面光源113。面光源113设置有采用黑色吸光材料制成的出光面112，且出光面112上设有M个特定形状的孔洞115，这样面光源113发出的光线仅可以透过孔洞115出射，从而在摄像头模组14的位置可以看到包含M个特定形状的出光面。

本实施例中，检测摄像头模组的设备13与摄像头模组14连接，连接方式可以包括有线连接和无线连接，技术人员可以根据具体场景选择合适的连接方式，在此不作限定。

检测摄像头模组的设备13上可以设置按钮或者触摸屏上可以设置有虚拟按钮，检测人员可以触发设备13上的按钮或者虚拟按钮，控制摄像头模组14拍摄特定图像，且特定图像中可以包括如图4所示的特定形状。摄像头模组14可以将所拍摄的特定图像发送给检测摄像头模组的设备13。之后，检测摄像头模组的设备13可以根据特定图像检测摄像头模组是否有脏污。其中脏污可以包括污渍、油污、指纹痕迹或者灰尘等外部脏污，还可以包括镜头不均匀、镜面不平整、图像传感器感光有问题等摄像头模组14的自身脏污。即本发明提供的系统可以检测摄像头模组14的自身脏污和/或外部脏污，检测方式在后续的方法实施例中会作详细描述，在此先不作说明。

本实施例中，摄像头模组14和光源模组11的出光面的位置关系，参见图5(a)和图5(b)，可以包括：

参见图5(a)，技术人员还可以调整摄像头模组14的位置、摄像头模组14中镜头的焦距或者光源模组11的位置，使摄像头模组14中图像传感器的感光区域142大于或者外接于光源模组11的出光面。这样，特定图像中可以包括光源模组11的出光面周围区域。

本实施例中，检测摄像头模组的设备13可以通过调整摄像头模组14的镜头角度，这样可以在不同角度拍摄至少一张特定图像，得到多张特定图像。基于每个角度的至少一张特定图像，设备13调用图像识别算法可以识别出出光面区域，从而可以确定出摄像头模组14对应区域是否脏污。然后，可以结合多个角度的脏污程度确定摄像头模组14是否脏污。后续作详细描述，在此先不作说明。

参见图5(b)，技术人员可以调整摄像头模组14的位置或者摄像头模组14中镜头的焦距，使摄像头模组14中图像传感器的感光区域142小于或者内切于光源模组11的出光面。这样，特定图像中可以不包括光源模组11的出光面周围的区域，即特定图像全部对应光源模组11出光面的有效检测区域，因此仅需要一张特定图像即可检测出摄像头模组14是否脏污，从而降低检测摄像头模组的设备13的数据计算量，提高后续检测脏污的实时性。

需要说明的是，技术人员可以根据具体场景选择图5(a)或者图5(b)所示的布置方式。当然，技术人员还可以选择其他方式调整摄像头模组14和出光面的位置关系，在实现获取到特定图像的情况下，并且利用特定图像能够检测出摄像头模组是否脏污的情况下，相应的方案同样落入本申请的保护范围。

由于摄像头模组有不同的尺寸，导致摄像头模组14和光源模组11的出光面之间的位置关系发生变化。参见图6(a)和图6(b)，在一实施例中，检测摄像头模组的系统还包括由动组件151和静组件152构成的位置调整模组15。其中，动组件151可以固定在光源模组11或者摄像头模组14(图6中以固定摄像头模组14为例)。光源模组11和摄像头模组14之间的距离L与动组件151和静组件152之间的相对位置相关。可理解的是，通过移动动组件151，可以调整动组件151和静组件152之间的相对位置，从而调整光源模组11的出光面在摄像头模组14中图像传感器的感光区域142的位置。

在另一实施例中，在检测摄像头模组14之前，检测人员可以预先通过位置调整模组15，调整摄像头模组14和光源模组11之间的位置，使光源模组11的出光面在感光区域142的位置呈现图5(a)或者图5(b)所示，并记录下此场景下光源模组11和摄像头模组14之间的距离。在一实施例中，可以将光源模组11的出光面刚充满感光区域142(即感光区域142内切于出光面)时的距离称之为第一距离。例如，在光源模组11和摄像头模组14之间的距离L小于或等于第一距离时，光源模组11的出光面可以充满感光区域142；在大于第一距离时，光源模组11的出光面无法充满感光区域142。

可见，通过设置位置调整模组，本实施例中可以使检测摄像头模组的系统检测不同尺寸的摄像头模组，从而提高系统的适应范围。

在一实施例中，参见图7，检测摄像头模组的系统还可以包括显示模组16。显示模组16与检测摄像头模组的设备13连接，至少用于显示摄像头模组的脏污检测结果。当然，该显示模组16还可以显示摄像头模组14所拍摄的特定图像，以及显示历次检测结果等，技术人员可以根据具体场景设置显示模组的显示内容，在此不作限定。

本发明一实施例还提供了一种检测摄像头模组的设备，图8是本发明一实施例提供的一种检测摄像头模组的设备的框图。参见图8，检测摄像头模组的设备800包括处理器801和存储器802。其中，存储器802中存储若干指令，处理器801从存储器802中读取指令，从而实现如图9所示的方法，包括：

901，获取到摄像头模组所拍摄的特定图像；

902，获取特定图像的亮度分布和/或形状特征；

903，最后根据特定图像的亮度分布和/或形状特征判断摄像头模组是否存在脏污。

可见，本实施例提供的检测摄像头模组的设备可以自动确定摄像头模组是否存在脏污，无需人工检测，从而使检测结果与主观判断无关，有利于提升检测结果的准确度。另外，本实施例确定检测结果的速度远远大于人工检测的速度，能够提升检测摄像头模组脏污的效率。

下面结合图1～图7所示的检测摄像头模组的系统、图8所示的检测摄像头模组的设备以及图9所示的方法流程示意图，描述检测摄像头模组的设备确定摄像头模组是否存在脏污的过程，可以包括场景一、场景二、场景一和场景二形成的场景三和场景四。可理解的是，各场景可以检测一个摄像头模组，还可以同时检测两个以上的摄像头模组模组。其中，两个以上的摄像头模组的检测过程和一个摄像头模组检测过程相似，为方便描述，后续以检测一个摄像头模组为例进行说明。

场景一

本场景中，处理器根据特定图像的亮度分布判断摄像头模组是否存在脏污。若摄像头模组未存在脏污，则光线仅透过标志透光板上的孔洞且无折射，从而可以形成特定形状。若摄像头模组存在脏污，则光线穿过孔洞的光线会受到脏污的影响发生折射，从而使光线出射到本应该为黑色的背景区域(特定形状之外的区域)，使得图像上白点增多，导致背景异亮。

需要说明的是，特定图像中各像素点可以包括多个参数的参数值，例如亮度值、灰度值等等。本实施例中以各像素点的灰度值作为指定参数进行描述。

参见图10，处理器通过获取特定图像中各像素点的灰度值，例如灰度值的取值范围可以为0～255，可以得到特定图像的亮度分布(对应步骤902)。

理想情况下，拍摄的特定图像中特定形状内像素点的灰度值都为灰度最大值(例如255)，特定形状之外的区域即背景区域内像素点的灰度值都为灰度最小值(例如为0)。由于光源模组的出光、空气、镜头均匀度等(符合标准的)客观误差造成特定区域内像素点的灰度值不一定为最大值，以及传播过程中光线能量损耗，到达背景区域后对应白点的灰度值也不是灰度最大值(例如200)。

为保证能够选取出背景异亮时位于背景区域内的白点，本实施例中可以预先设置灰度值的阈值即第一阈值和第二阈值，且第一阈值大于第二阈值。理想情况下，特定形状内像素点的灰度值应该全部大于或等于第二阈值，特定形状之外像素点的灰度值应该全部小于或等于第一阈值，并且不存在灰度值位于第一阈值和第二阈值之间的像素点。实际应用中，由于光源模组出光面的各处光线的强度可能有强有弱以及标志透光板并不是理论上的纯黑，使光线到达标志透光板时可能存在亮度，即特定形状之外区域的像素点的灰度值可能大于第一阈值。或者，光线在到达感光区域之前存在衰减损耗，导致特定形状内像素点的灰度值小于第二阈值，即存在灰度值位于第一阈值和第二阈值之间的极少数像素点。

另外，若摄像头模组脏污，应该到达特定形状内光线受到脏污的影响肯定会衰减并发生折射而到达特定区域之外，使特定区域之外的区域内像素点(白点)的灰度值超过第一阈值，这样，灰度值大于第一阈值的像素点的数量会远大于灰度值大于第二阈值的像素点的数量。

换言之，理想情况下，灰度值位于第一阈值和第二阈值之间的像素点数量应该为0；在误差允许的情况下，灰度值位于第一阈值和第二阈值之间的像素点数量是较少(例如占比1％～4％)；在脏污的情况下，灰度值位于第一阈值和第二阈值之间的像素点数量迅速增加(例如占比10％以上)。

其中，第一阈值和第二阈值可以基于现有的大数据方式学习得到，具体学习方式可以参考相关技术，在此不作限定。

当然，第一阈值和第二阈值可以基于经验值预先设置。例如，第一阈值可以设置为180，第二阈值可以设置为65。技术人员可以根据具体场景选择第一阈值和第二阈值，在能够实现本申请的方案的情况下，同样落入本申请的保护范围。

因此，处理器可以从存储器内读取灰度值的第一阈值和第二阈值(对应步骤1001)。

最后，处理器根据亮度分布、第一阈值和第二阈值可以判断摄像头模组是否存在脏污(对应步骤1002)。

本实施例中，根据亮度分布、第一阈值和第二阈值判断摄像头模组是否存在脏污的方式可以包括方式一和方式二。其中：

方式一，原理为：若特定图像中灰度值位于第一阈值和第二阈值之间的像素点的数量为0或者较少(例如占比1％～4％)，则确定摄像头模组是干净的。若数量较多，则确定摄像头模组是脏污的。

参见图11，针对特定图像中各像素点，处理器对比各像素点的灰度值与第一阈值和第二阈值的大小，然后统计灰度值位于第一阈值和第二阈值之间的像素点的数量A(对应步骤1101)。之后，处理器可以根据数量A判断出摄像头模组是否存在脏污(对应步骤1102)。

在一实施例中，参见图12，处理器获取预先设置的数量阈值AA，对比数量阈值AA和数量A的大小(对应步骤1201)。若数量A大于或等于数量阈值AA，则处理器可以确定摄像头模组存在脏污(对应步骤1202)。

其中，数量阈值AA可以基于大数据方式学习得到或者可以基于经验值预先设置。例如，可以建立数量阈值AA与摄像头模组的脏污结果的模型，在保证脏污结果准确率的情况下，确定数量阈值AA的取值范围，并从取值范围内随机选择，或者选择最小或最大的值作为数量阈值AA的最终取值。

在另一实施例中，参见图13，处理器可以在统计灰度值位于第一阈值和第二阈值之间的像素点的数量A的同时、之前或之后，统计出特定图像中灰度值大于第一阈值的像素点的数量B(对应步骤1301)。然后，处理器计算数量A和数量B的比值C(对应步骤1302)。之后，处理器获取预先设置的第一比值阈值CC，并对比C和CC的大小，若C大于或者等于CC，处理器确定摄像头模组存在脏污；若C小于CC，则确定摄像头模组未存在脏污(对应步骤1303)。

需要说明的是，第一比值阈值CC可以基于大数据方式学习得到或可以基于经验值预先设置，其设置方式可以参考第一阈值和第二阈值的设置方式，在此不作限定。

方式二，原理为：若特定图像中灰度值位于第一阈值和第二阈值之间的像素点的数量为0或者较少的，则确定摄像头模组是干净的。若数量较多，则确定摄像头模组是脏污的。继续延伸，对于同一帧特定图像，以第一阈值为灰度值的临界点，然后调整特定图像中各像素点的灰度值：若像素点的灰度值大于该第一阈值，则像素点的灰度值调整为灰度最大值(如255)；若像素点的灰度值小于或等于该第一阈值，则像素点的灰度值调整灰度最小值(如0)，从而获取到特定图像对应的二值化图像即第一分割图像。同理，以第二阈值为灰度值的临界点，获取到特定图像对应的二值化图像即第二分割图像。若摄像头模组是干净的，那么第一分割图像和第二分割图像中灰度值为255的像素点的数量差值应该为0或较少。若摄像头模组是脏污的，则数量差值较多。

需要说明的是，第一分割图像、第二分割图像两者之间灰度值为255的像素点的数量来判断摄像头模组是否脏污的构思，技术人员还可以利用灰度值为0的像素点的数量来判断摄像头模组是否脏污。由于灰度值0和灰度值255为各分割图像的两个灰度值，对应像素点的数量是互补的，因此可以利用第二分割图像中灰度值为0的像素点与第一分割图像灰度值为0的像素点的数量变化来判断摄像头模组是否脏污，即若摄像头模组是干净的，那么第一分割图像和第二分割图像中灰度值为0的像素点的数量差值应该为0或较少。若摄像头模组是脏污的，则数量差值较多。

参见图14，处理器根据特定图像的亮度分布、第一阈值和第二阈值获取第一分割图像和第二分割图像(对应步骤1401)。

首先，参见图15，处理器可以根据亮度分布和第一阈值获取第一分割图像的步骤包括：

图15(a)是特定图像的亮度分布的示意图。针对特定图像中每个像素点，假设第一阈值为180，处理器比较像素点的灰度值和第一阈值的大小，得到如图15(b)所示的对比结果，其中加粗和加下划线的数字为大于或者等于第一阈值的像素点的灰度值，其他数字为小于第一阈值的像素点的灰度值。最后，处理器将大于或者等于第一阈值的像素点的灰度值更新为第一设定值，并且将灰度值小于第一阈值的像素点的灰度值更新为第二设定值，从而可以得到如图15(c)所示的第一分割图像。

其中，第一设定值可以设置为255，即灰度值最大值；第二设定值可以设置为0，即灰度值最大值。当然，第一设定值可以设置为1，第二设定值还可以设置为0。技术人员可以根据具备场景进行设置，在此不作限定。

参见图16，处理器可以根据亮度分布和第二阈值获取第二分割图像的步骤包括：

图16(a)是特定图像的亮度分布的示意图。针对特定图像中每个像素点，假设第二阈值为65，处理器比较像素点的灰度值和第二阈值的大小，得到如图16(b)所示的对比结果，其中加粗和加下划线的数字为小于或者等于第二阈值的像素点的灰度值，其他数字为大于第二阈值的像素点的灰度值。最后，处理器将小于或者等于第二阈值的像素点的灰度值更新为第二设定值，并且将灰度值大于第二阈值的像素点的灰度值更新为第一设定值，从而可以得到如图16(c)所示的第二分割图像。

然后，处理器可以根据第一分割图像和第二分割图像判断摄像头模组是否存在脏污(对应步骤1402)，参见图17，包括：

第一，处理器可以获取第一分割图像中灰度值为第一设定值(255)的像素点的个数D1，图15(c)中D1为13。同时，处理器还可以获取第二分割图像中灰度值为第一设定值(255)的像素点的个数D2，图16(c)中D2为14(对应步骤1701)。

第二，处理器获取D2和D1的差值D，图15(c)和图16(c)对应差值D为1(对应步骤1702)。

第三，处理器获取差值D和第一分割图像中灰度值为第一设定值的像素点的个数D1的比值E(对应步骤1702)，图15对应比值E为1/13*100％＝7.69％。

第四，处理器获取预先设置的第二比值阈值EE，并对比E和EE的大小。若E大于或等于EE，则确定摄像头模组存在脏污；若E小于EE，则确定摄像头模组未存在脏污。例如第二比值阈值EE为5％，比值E大于EE，则处理器可以确定摄像头模组存在脏污。

需要说明的是，第二比值阈值EE可以基于大数据方式学习得到或可以基于经验值预先设置，其设置方式可以参考第一阈值和第二阈值的设置方式，在此不作限定。

由上述的技术方案可见，本实施例通过摄像头模组所拍摄的特定图像；然后获取特定图像的亮度分布；最后根据亮度分布判断摄像头模组是否存在脏污。可见，本实施例中无需人工检测，从而使检测结果与主观判断无关，有利于提升检测结果的准确度。另外，本实施例确定检测结果的速度远远大于人工检测的速度，能够提升检测摄像头模组脏污的效率。

场景二

本场景中，处理器根据特定图像的形状特征分布判断摄像头模组是否存在脏污。若摄像头模组不存在脏污，由于摄像头模组与光源模组的出光面垂直，因此特定图像中特定形状是规则的，与孔洞的形状相同。若摄像头模组存在脏污，光线会折射并导致特定形状的边缘发生变化，如内凹或者外凸，从而使特定形状存在形变。因此，本实施例中，特定形状的形状特征是指特定形状的形变程度。在一实施例中，形变程度通过特定形状的填充率来表征。填充率是指，特定形状的连通域面积和最小外接图形的面积的比值。

首先，本实施例中处理器获取特定图像的形状特征，参见图18，包括：

1801，处理器获取第一分割图像内的N个连通域，得到如图19所示的连通域分布图。其中，N为自然数。

本实施例中，参见图20，处理器可以调用预先设置的连通域算法获取第一分割图像内的M1个连通域(对应步骤2001)；其中M1为正整数，且大于或者等于特定形状的数量M。然后，处理器可以获取M1个连通域中每个连通域的属性(对应步骤2002)。其中，属性包括：中心位置、面积、最小外接图形、最小外接图形的面积、宽高比、连通域边界与第一分割图像边界的相互位置中的至少一种。之后，处理器根据每个连通域的属性滤除所述M1个连通域中不满足预设条件的连通域，得到N个连通域(对应步骤2003)。

需要说明的是，本实施例中连通域算法可以采用相关技术中的四连通法或者八连通法实现，本发明不作限定。

需要说明的是，在一实施例中连通域的属性可以为中心位置和宽高比，此时预设条件可以是连通域的中心位置与特定图像的中心位置之间的距离小于或者等于预先设置的距离阈值，可见本实施例中通过设置预设条件可以滤除图像传感器的感光区域142内切于出光面的情况下，感光区域142的边缘分割特定形状而出现的连通域，从而得到特定图像的中心位置周围且完整的连通域，有利于提升确定摄像头模组是否脏污的准确度。

1802，处理器获取N个连通域中每个连通域的最小外接图形；所述最小外接图形与所述特定形状相同。参见图21，右侧下方虚线圈内的连通域20的形状与特定形状相同，因此其最小外接图形22与特定形状仍然相同，因此，本实施例中对于连通域与最小外接图形相同的连通域未标出其最小外接图形。继续参见图21，右侧上方虚线圈内的连通域21发生形变，其最小外接图形22仍然与特定形状相同。

1803，处理器根据所述连通域和对应的最小外接图形确定所述特定图像的形状特征。在一实施例中，参见图22，处理器计算每个连通域的面积与对应的最小外接图形的面积(对应步骤2201)。例如，对于图21右侧上方虚线圈内的连通域21，处理器可以计算出连通域21的面积为0.0945平方毫米，同时，处理器还可以计算出连通域21的最小外接图形的面积为0.10平方毫米。又如，连通域20的面积为0.10平方毫米。最后，处理器可以计算出连通域的面积与对应的最小外接图形的面积的比值F。继续以连通域20、连通域21和最小外接图形22的比值F，其中，连通域20对应的比值F为100％，而连通域21对应的比值F为94.5％，即比值F为连通域与最小外接图形的填充率。

由于本实施例中通过填充率表征特定图像的形变程度，因此本实施例可以得到特定图像的形变程度，即特定图像的形变程度为94.5％。

其次，处理器根据形状特征判断摄像头模组是否存在脏污。参见图23，处理器获取预先设置的形变阈值FF(对应步骤2301)，此形变阈值可以基于大数据方式学习方式得到，还可以基于经验值预先设置。之后，处理器对应比值F和形变阈值FF，若N个连通域中每个连通域对应的比值F大于或等于预先设置的形变阈值FF，则确定摄像头模组未存在脏污；若N个连通域中存在一个连通域对应的比值F小于形变阈值FF，则确定摄像头模组存在脏污(对应步骤2302)。

例如，形变阈值FF可以设置为95％。由于特定图像中存在一个连通域对应的比值F为94.5％小于形变阈值FF(95％)，因此基于该特定图像可以确定出摄像头模组存在脏污。

由上述的技术方案可见，本实施例通过摄像头模组所拍摄的特定图像；然后获取特定图像的形变特征；最后根据形变特征判断摄像头模组是否存在脏污。可见，本实施例中无需人工检测，从而使检测结果与主观判断无关，有利于提升检测结果的准确度。另外，本实施例确定检测结果的速度远远大于人工检测的速度，能够提升检测摄像头模组脏污的效率。

场景三

可理解的是，场景一和场景二中的各特征在不冲突的情况下，可以互相组合，从而构成不同的方案，这些方案同样落入本申请的保护范围。下面描述一种组合方案，参见图24：

首先，处理器可以先获取摄像头模组所拍摄的特定图像，并获取特定图像的亮度分布，亮度分布可以参见图15(a)所示。

然后，处理器获取灰度值的第一阈值和第二阈值，并且处理器可以根据亮度分布和第一阈值获取到特定图像的第一分割图像，获取第一分割图像的方式可以参考图15(a)～图15(c)，第一分割图像可以参见图15(c)；以及根据亮度分布和第二阈值获取特定图像的第二分割图像，获取第二分割图像的方式可以参考图16(a)～图16(c)，并且第二分割图像可以参见图16(c)。

之后，处理器可以计算出第一分割图像中灰度值为第一设定值的像素点的数量D1以及第二分割图像中灰度值为第一设定值的像素点的数量D2。

再者，处理器根据数量D1和数量D2的差值D，并计算差值D和数量D1的比值E。处理器继续获取预先设置的第二比值阈值EE，对比比值E和第二比值阈值EE的大小。若E大于或者等于EE，则确定摄像头模组存在脏污；若E小于EE，则根据亮度分布和第一阈值继续获取特定图像的第一分割图像，或者采用之前获取的第一分割图像。

然后，处理器可以调用预先设置的连通域算法获取第一分割图像内的N个连通域，其中滤除连通域步骤可以参见图20。该连通域算法可以采用相关技术中的四连通法或者八连通法实现。处理器获取N个连通域中每个连通域的最小外接图形，其中最小外接图像与特定图像中特定形状相同，连通域及其最小外接图形可以参见图21。

继续，处理器计算每个连通域的面积以及每个连通域对应的最小外接图形的面积，并基于两个面积计算比值F，该比值F为特定图像的填充率。

最后，处理器获取形变阈值FF，对比每个连通域F对应的比值F和形变阈值FF的大小。若比值F大于或者等于FF，则确定摄像头模组未存在脏污；若比值F小于FF，则确定摄像头模组存在脏污。

由上述的技术方案可见，本实施例通过摄像头模组所拍摄的特定图像；然后获取特定图像的亮度分布和形变特征；最后，根据亮度分布和形变特征判断摄像头模组是否存在脏污。可见，本实施例中无需人工检测，从而使检测结果与主观判断无关，有利于提升检测结果的准确度。另外，本实施例确定检测结果的速度远远大于人工检测的速度，能够提升检测摄像头模组脏污的效率。

场景四

场景一～场景三介绍了利用一张特定图像确定摄像头模组是否存在脏污的方案。

当摄像头模组的尺寸较大时，处理器还可以将摄像头模组中镜头分为X(为正整数)个区域，例如X取值4，这样处理器可以控制图像传感器分别获取X个角度中每个角度对应的特定图像，然后针对每个角度的特定图像，确定镜头对应的区域是否脏污。最终结合X个区域的脏污结果，从而可以得到摄像头模组是否脏污。处理器确定摄像头模组各区域是否脏污的方案可以参考场景一、场景二和场景三的方案，在此不再赘述。

可见，本实施例通过将摄像头模组的镜头划分为多个区域，无需增加图像传感器的分辨率，也无需调整摄像头模组与图像传感器之间的距离(即无需增加检测摄像头模组的系统中密封箱体的尺寸)，还可以使本方案适用于不同尺寸的摄像头模组的检测场景。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明实施例所提供的检测装置和方法进行了详细介绍，本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。