镜头脏污程度检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及计算机视觉技术领域，特别是涉及一种镜头脏污程度检测方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.镜头是摄像设备上由透镜组成的用于在底片或幕布上形成影像的光学装置，被广泛应用于摄像机、照相机、放映机，以及具有摄像功能的智能手机、电脑、监控等电子设备中。镜头的广泛应用，也对镜头的质量提出了更高的要求。但在实际的镜头生产和装配过程中，不可避免会有灰尘、皮屑等异物附着在镜头上，导致最终产品在成像时出现阴影，称之为脏污。
3.由于镜头上脏污的存在会严重成像质量，因此脏污检测是镜头生产使用过程中的重要评测项目。然而，镜头成像时常存在背景灰度值不均的问题，导致镜头脏污区域难以准确地检测。脏污检测算法是一种基于计算机视觉的镜头脏污识别检测的计算方法，能够有效、快速检测出镜头成像的脏污区域。然而，镜头脏污程度对于镜头成像质量的影响程度难以有一个准确的评估，主要表现为镜头中连续的小面积脏污区域难以衡量脏污的程度。因此，如何根据镜头中连续的小面积脏污区域衡量镜头脏污的程度成为亟待解决的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够根据镜头中连续的小面积脏污区域衡量镜头脏污程度的镜头脏污程度检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种镜头脏污程度检测方法。所述方法包括：
6.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
7.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
8.在其中一个实施例中，所述对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像包括：
9.对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；
10.基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，所述多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理。
11.在其中一个实施例中，所述对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像包括：
12.获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图
像的二值化阈值；
13.基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
14.在其中一个实施例中，所述基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，膨胀腐蚀处理包括膨胀处理和与所述膨胀处理次数相同的腐蚀处理包括：
15.基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；
16.基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取所述处理后的待检测图像。
17.在其中一个实施例中，所述获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度包括：
18.通过计算获取所述脏污区域的面积；
19.基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
20.在其中一个实施例中，所述基于所述脏污区域的面积，判断所述待检测镜头的脏污程度包括：
21.将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
22.第二方面，本技术还提供了一种镜头脏污程度检测装置。所述装置包括：
23.获取模块，用于获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
24.检测模块，用于获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
25.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
26.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
27.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
28.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
29.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
30.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
31.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
32.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应
二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
33.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
34.上述镜头脏污程度检测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
附图说明
35.图1为一个实施例中镜头脏污程度检测方法的应用环境图；
36.图2为一个实施例中镜头脏污程度检测方法的流程示意图；
37.图3为一个实施例中对待检测图像进行自适应二值化处理步骤的流程示意图；
38.图4为一个实施例中镜头脏污程度检测装置的结构框图；
39.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
41.本技术实施例提供的镜头脏污程度检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。
42.其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、机器人、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
43.在一个实施例中，如图2所示，提供了一种镜头脏污程度检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
44.步骤202，获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像。
45.具体地，获取待检测镜头拍摄的图像作为待检测图像；其中，待检测镜头拍摄的图像是通过将拍摄对象对准均匀补光的白板拍摄获取的，通过拍摄均匀补光的白板获取的待检测图像能使得脏污显现，以便于对脏污进行处理。由于待检测镜头本身有渐变阴影，渐变阴影和镜头脏污的表现较为接近，所以普通的二值化处理，不能将脏污与场景进行分离。故需对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像。自适应二值化处理用于将待检测图像中的脏污区域和干净区域分离开。其中，自适应二
值化处理是根据图像的灰度直方图，得到一个适合本图像的二值化阈值，然后再根据二值化阈值，将图像进行二值化显示。
46.步骤204，获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
47.具体地，获取所述处理后的待检测图像中的脏污区域，通过测量获取脏污区域的面积，根据脏污区域判断待检测镜头的脏污程度；通常情况下，对于同一个待检测镜头，脏污区域的面积越大，则待检测镜头的脏污程度就越高；脏污区域的面积越小，待检测镜头的脏污程度就越低。
48.上述镜头脏污程度检测方法中，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
49.在一个实施例中，所述对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像包括：
50.对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；
51.基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理，比如三次膨胀腐蚀处理包括三次膨胀处理和三次腐蚀处理。
52.具体地，传统的非自适应的二值化存在一个问题，即一个阈值往往只对应一类图像，如果图像的光照变暗了，那个单阈值情况的二值化效果会大大的折扣，因此本实施例中对待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；之后基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取处理后的待检测图像；膨胀腐蚀处理的目的是为了将离散的点，连接起来，但脏污的区域面积会因为膨胀处理而增大，通过腐蚀处理就能恢复成原来大小。其中，膨胀腐蚀处理包括膨胀处理和与所述膨胀处理次数相同的腐蚀处理，使得处理后的待检测图像能够进行脏污区域的面积计算。
53.本实施例中，对待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像，基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，所述多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理，实现了在镜头阴影的干扰下，对脏污部分的准确标定，能够提高对于脏污面积的检测精度。
54.在一个实施例中，所述对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像包括：
55.获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；
56.基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
57.具体地，图3为一个实施例中对待检测图像进行自适应二值化处理步骤的流程示意图，包括以下步骤：
58.s302，获取待检测图像的灰度直方图，基于灰度直方图获取适合待检测图像的二值化阈值；
59.对于一个图像的灰度直方图，找到一个合适的混合高斯分布去逼近它，而两个高斯分布相交的地方的灰度值，就是要选择的待检测图像的二值化阈值。
60.s304，基于二值化阈值对待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
61.本实施例中，获取待检测图像的灰度直方图，基于灰度直方图获取适合待检测图像的二值化阈值，基于二值化阈值对待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像，实现了对于待检测图像的自适应二值化处理，提高了对于脏污面积的测量精度。
62.在一个实施例中，所述基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，膨胀腐蚀处理包括膨胀处理和与所述膨胀处理次数相同的腐蚀处理包括：
63.基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；
64.基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取所述处理后的待检测图像。
65.具体地，基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接，有利于对于脏污区域面积的计算。基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取所述处理后的待检测图像，使得细小区域的脏污区域能进行面积计算，且连成片的面积与之前白色散点所占区域面积大小无差。本实施例中通过膨胀算法进行处理以及通过腐蚀算法进行腐蚀处理的次数是一致的。
66.本实施例中，基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接，基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取处理后的待检测图像，使得细小的脏污区域的面积能够被计算，提高了对于脏污区域面积计算的精度。
67.在一个实施例中，所述获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度包括：
68.通过计算获取所述脏污区域的面积；
69.基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
70.具体地，通过计算获取所述脏污区域的面积，计算待检测图像中脏污区域的面积的方法可以基于opencv自带的边缘面积计算方式进行计算，获取脏污区域的面积之后，基于脏污区域的面积，判断待检测镜头的脏污程度。
71.本实施例中，通过计算获取所述脏污区域的面积，基于脏污区域的面积，判断待检
测镜头的脏污程度，实现了根据待检测脏污区域的面积对待检测镜头的脏污程度的判定，提高了对于镜头脏污程度判定的精度。
72.在一个实施例中，所述基于所述脏污区域的面积，判断所述待检测镜头的脏污程度包括：
73.将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
74.具体地，判断待检测镜头的脏污程度时，将待检测镜头中脏污区域的面积与预设的镜头脏污程度判断表进行对比，通过查询预设的镜头脏污程度判断表获取待检测镜头的脏污程度；其中，镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的，不同的样本镜头脏污区域面积所对应的样本镜头脏污程度值是不同的。
75.本实施例中，通过将脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取待检测镜头的脏污程度，实现了对于待检测镜头的脏污程度的判断，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
76.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
77.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的镜头脏污程度检测方法的镜头脏污程度检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个镜头脏污程度检测装置实施例中的具体限定可以参见上文中对于镜头脏污程度检测方法的限定，在此不再赘述。
78.在一个实施例中，如图4所示，提供了一种镜头脏污程度检测装置，包括：获取模块401和检测模块402，其中：
79.获取模块401，用于获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
80.检测模块402，用于获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
81.在一个实施例中，所述获取模块401具体用于：对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，所述多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理。
82.在一个实施例中，所述获取模块401还用于：获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；基于所述二值化阈值对所述
待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
83.在一个实施例中，所述获取模块401还用于：基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取处理后的待检测图像。
84.在一个实施例中，所述检测模块402具体用于：通过计算获取所述脏污区域的面积；基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
85.在一个实施例中，所述检测模块402还用于：将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
86.上述镜头脏污程度检测装置，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
87.上述镜头脏污程度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
88.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种镜头脏污程度检测方法。
89.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
90.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
91.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
92.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
93.在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；基于膨胀算法以及腐蚀
算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取处理后的待检测图像；其中，膨胀腐蚀处理包括膨胀处理和与所述膨胀处理次数相同的腐蚀处理。
94.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
95.在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取处理后的待检测图像。
96.在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过计算获取所述脏污区域的面积；基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
97.在一个实施例中，处理器执行计算机程序时还实现以下步骤：将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
98.上述计算机设备，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
99.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
100.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
101.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
102.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取处理后的待检测图像；其中，膨胀腐蚀处理包括膨胀处理和与所述膨胀处理次数相同的腐蚀处理。
103.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
104.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取处理后的待检测图像。
105.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过计算获取所述脏污区域的面积；基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
106.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
107.上述存储介质，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
108.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
109.获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；
110.获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。
111.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，所述多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理。
112.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。
113.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取处理后的待检测图像。
114.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过计算获取所述脏污区域的面积；基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。
115.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。
116.上述计算机程序产品，通过获取待检测镜头拍摄的图像作为待检测图像，对待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像，并获取所述处理后的待检测图像中的脏污区域，根据脏污区域判断待检测镜头的脏污程度，实现
了根据待检测镜头中连续的小面积脏污区域衡量镜头脏污程度，解决了非自适应二值化处理过程中由于单阈值所导致的二值化效果低的问题，提高了对待检测镜头脏污程度的检测精度。
117.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
118.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
119.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
120.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种镜头脏污程度检测方法，其特征在于，所述镜头脏污程度检测方法包括：获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像包括：对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像；基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像；其中，所述多次膨胀腐蚀处理包括多次膨胀处理和与所述多次膨胀处理次数相同的腐蚀处理。3.根据权利要求2所述的方法，其特征在于，所述对所述待检测图像进行自适应二值化处理，获取自适应二值化处理后的待检测图像包括：获取所述待检测图像的灰度直方图，基于所述灰度直方图获取适合所述待检测图像的二值化阈值；基于所述二值化阈值对所述待检测图像进行二值化显示，获取自适应二值化处理后的待检测图像。4.根据权利要求2所述的方法，其特征在于，所述基于膨胀算法以及腐蚀算法对自适应二值化处理后的待检测图像进行多次膨胀腐蚀处理，获取所述处理后的待检测图像包括：基于膨胀算法对自适应二值化处理后的待检测图像中的细小白点周围进行白点补充，实现相近的细小白点之间的连接；基于腐蚀算法将已连接起来的白色整块面积缩小到细小白点连接之前所有白点所占用的面积大小，获取所述处理后的待检测图像。5.根据权利要求1所述的方法，其特征在于，所述获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度包括：通过计算获取所述脏污区域的面积；基于所述脏污区域的面积，判断所述待检测镜头的脏污程度。6.根据权利要求5所述的方法，其特征在于，所述基于所述脏污区域的面积，判断所述待检测镜头的脏污程度包括：将所述脏污区域的面积与预设的镜头脏污程度判断表进行对比，获取所述待检测镜头的脏污程度；所述镜头脏污程度判断表中包含样本镜头脏污区域面积和样本镜头脏污程度值；所述样本镜头脏污区域面积和样本镜头脏污程度值是一一对应的。7.一种镜头脏污程度检测装置，其特征在于，所述镜头脏污程度检测装置包括：获取模块，用于获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；检测模块，用于获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种镜头脏污程度检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测镜头拍摄的图像作为待检测图像，对所述待检测图像依次进行自适应二值化处理以及膨胀腐蚀处理，获取处理后的待检测图像；获取所述处理后的待检测图像中的脏污区域，根据所述脏污区域判断所述待检测镜头的脏污程度。采用本方法能够提高对待检测镜头脏污程度的检测精度。污程度的检测精度。污程度的检测精度。


技术研发人员：唐诗然 周阳 李鹲翱 张承果 段智涓
受保护的技术使用者：成都市普渡机器人有限公司
技术研发日：2022.03.18
技术公布日：2023/9/23