基于像素分析的模组污点检测算法详解

污点测试是计算机视觉领域中的一个重要技术，主要应用于模组内部Sensor或IR滤光片的自动缺陷检测。其目的是确保图像质量不受内部脏污点的影响，这些污点可能来源于传感器元件（IC污点）或红外滤光片（IR污点）。污点测试的核心算法涉及以下几个步骤： 1. **前期图片处理**：首先对原始图像进行预处理，这包括选择合适的取值框Y1和Y2来定义前景和背景区域。Y1通常较小，比如1Pixel对于IC污点，而对于IR污点，由于需要更高的准确性，可能会根据污点类型（小、中、大）设置不同的尺寸，如17*17到35*35像素。 2. **取值框设置**：取值框的大小根据污点的大小和位置进行调整，确保能准确捕捉污点信号而不误判。例如，5M模组的默认设置中，小污点取值为17*17和85*85像素，大污点为35*35和175*175像素。 3. **计算对比度**：通过计算每个Pixel在Y1和Y2区域的平均值差异，得出对比度Ci,j，然后与预设的阈值Threshold比较。如果Ci,j大于阈值，则认为该Pixel可能存在污点。 4. **二值化处理**：检测到疑似污点后，进行二值化处理，将图像转换为黑白二值图像，以便于后续的面积计算和判断。 5. **污点面积计算与筛选**：根据设定的标准，计算污点的面积，然后根据预设的判定标准进行筛选，确定是否为真正的污点区域。 6. **测试环境**：污点测试通常在均匀光照条件下进行，以确保结果的可靠性，例如使用LED光源，并保持曝光稳定。 7. **标准与验证**：测试过程以极限样品作为基准，以确保检测方法的有效性和准确性。污点测试原理基于直观的图像分析，易于理解和证明。 8. **实际测试效果展示**：通过比较原图、二值化后的图像以及最终判定结果，可以直观地看到污点检测的效果，例如，污点区域通常会比正常区域暗。 此外，文章还提到了SFR（空间频率响应）测试和EIAJ（电子工业协会）测试原理，后者强调了算法设计与人类视觉检查的相似性，易于理解和适应。这些测试都是为了确保摄像头模组的性能达到预期，减少生产过程中的瑕疵率。