一种LED模糊图片识别判断方法及其系统与流程

本发明涉及图片加工处理技术领域，尤其涉及一种led模糊图片识别判断方法及其系统。

背景技术：

为了预防或者消除led显示屏花斑和模糊等情况，需要做led灯的亮度校正。由于led灯模组的生产批次不一样，或因为led灯长时间的使用，使每个灯珠的亮度出现不同程度上衰减或者灯珠的损耗，导致led灯亮度不一致。此时通过软件校正，可以改变led灯之间亮度不一样的情况。

在以往的校正过程中，是通过相机拍摄led屏，对拍到的照片进行分析和处理，得到最终的校正数据。在此过程中默认拍到的照片是清晰的，可以看到每个led灯像素点的分布情况。而实际情况下，往往因为环境干扰，导致拍摄到的照片出现异常，例如：照片中的每个led灯的形状异常，不是正常的圆形；或每个led灯的像素点分布出现了交叉。这种异常的照片，会导致最终得到的校正结果非常不理想，从而需要重新进行校正。

技术实现要素：

为解决以上问题，本发明提供了一种可以判断筛选模糊图片的一种led模糊图片识别判断方法及其系统。

本发明公开了一种led模糊图片识别判断方法，包括以下步骤：

s1、使用图像采集模块采集led灯照片；

s2、使用读取模块读取照片，使用定位模块定位照片上的每个led灯区域，并根据led屏体上的led灯阵列排布规律，定位每个led灯的中心点；

s3、以每个led灯的中心点为坐标原点、使用测量模块分别测量出所所关注led灯区域在x轴和y轴上的区域边缘位置xn和yn，其中n为大于等于1的自然数；

s4、比较xn和yn，若xn和yn中至少一个值大于等于1.2倍的led灯灯珠半径r或｜xn-yn｜≥0.2r，则判断该所关注led灯区域为异常区域，并将异常区域的数目值增加1；

s5、对整个照片抽样区域的每个led灯都进行如步骤s4之判断，统计抽样区域的所有异常区域个数x；

s6、若异常区域个数x大于抽样区域led灯的总数的1/15，则判断此张led灯照片为模糊照片，需要返回重拍，否则为非模糊照片。

优选地，其中步骤s6进一步为：

若异常区域个数x大于抽样区域led灯的总数的1/10，则判断此张照片为模糊照片，需要返回重拍，否则为非模糊照片。

其中，所述抽样方法具体为选取led数目占整张led灯照片数目的范围为1/10-1的区域部分作为抽样区域。

优选地，筛选亮度值小于led灯像素点的最小亮度值的led区域作为被判断为异常区域对象进行测量。

本发明还公开了一种应用于如上所述一种led模糊图片识别判断方法的系统，包括：图像采集模块，读取模块，定位模块，亮度测量模块，测量模块和计算模块，所述图像采集模块采集led灯照片；所述读取模块读取led灯照片信息；所述定位模块定位每颗led灯在led灯照片上的led灯区域，并根据led屏体上的led灯阵列排布规律定位每颗led灯的中心位置；所述亮度测量模块测试所关注led灯区域的亮度值；所述测量模块以关注的led灯的中心点为坐标原点，测量led灯区域沿着x轴方向和y轴方向的位置xn和yn，所述计算模块输入led灯区域沿着x轴方向和y轴方向的区域边缘位置xn、yn、以及led灯半径r、所关注led灯区域亮度值和led灯像素点的最小亮度值。

具体地，所述图像采集模块包括数码相机和手机，所述读取模块包括打印机、电脑和手机，所述定位模块包括笔和圆规，所述测量模块包括刻度尺，所述亮度测试模块包括测光仪，所述计算模块包括电脑、手机和计算机。

本发明提供的一种led模糊图片识别判断方法，其有益效果如下：

为是否需要重新拍摄照片提供判断标准，有利于提升照片的校正效率，降低拍摄到模糊照片反复校正的人工耗费成本。

附图说明

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。

图1为正常led灯照片示意图；

图2为拍摄到非正常的led灯照片示意图；

图3为拍摄到非正常led灯照片示意图。

具体实施方式

为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施例及其附图进行详细描述。

本发明公开了一种led模糊图片识别判断方法，包括以下步骤：

s1、使用图像采集模块采集led灯照片；

s2、使用读取模块读取照片，使用定位模块定位照片上的每个led灯区域，并根据led屏体上的led灯阵列排布规律，定位每个led灯的中心点；

s3、以每个led灯的中心点为坐标原点、使用测量模块分别测量出所所关注led灯区域在x轴和y轴上的区域边缘位置xn和yn，其中n为大于等于1的自然数；

s4、比较xn和yn，若xn和yn中至少一个值大于等于1.2倍的led灯灯珠半径r或｜xn-yn｜≥0.2r，则判断该所关注led灯区域为异常区域，并将异常区域的数目值增加1；

s5、对整个照片抽样区域的每个led灯都进行如步骤s4之判断，统计抽样区域的所有异常区域个数x；

s6、若异常区域个数x大于抽样区域led灯的总数的1/15，则判断此张led灯照片为模糊照片，需要返回重拍，否则为非模糊照片。以上方法为是否需要重新拍摄照片提供判断标准，有利于提升照片的校正效率，降低拍摄到模糊照片反复校正的人工耗费成本。

优选地，其中步骤s6进一步为：

若异常区域个数x大于抽样区域led灯的总数的1/10，则判断此张照片为模糊照片，需要返回重拍，否则为非模糊照片。

其中，所述抽样方法具体为选取led数目占整张led灯照片数目的范围为1/10-1的区域部分作为抽样区域。

优选地，筛选亮度值小于led灯像素点的最小亮度值的led区域作为被判断为异常区域对象进行测量，以增加异常区域筛选效率。

本发明还公开了应用于如上所述一种led模糊图片识别判断方法的系统，包括：图像采集模块，读取模块，定位模块，亮度测量模块，测量模块和计算模块，所述图像采集模块采集led灯照片；所述读取模块读取led灯照片信息；所述定位模块定位每颗led灯在led灯照片上的led灯区域，并根据led屏体上的led灯阵列排布规律定位每颗led灯的中心位置；所述亮度测量模块测试所关注led灯区域的亮度值；所述测量模块以关注的led灯的中心点为坐标原点，测量led灯区域沿着x轴方向和y轴方向的位置xn和yn，所述计算模块输入led灯区域沿着x轴方向和y轴方向的区域边缘位置xn、yn、以及led灯半径r、所关注led灯区域亮度值和led灯像素点的最小亮度值。

具体地，所述图像采集模块包括数码相机和手机，所述读取模块包括打印机、电脑和手机，所述定位模块包括笔和圆规，所述测量模块包括刻度尺，所述亮度测试模块包括测光仪，所述计算模块包括电脑、手机和计算机。

请参考图1，为一拍摄到的正常的led照片，每个led灯区域的像素点呈圆形分布，每个led灯像素点不会出现交叉情况，非正常的的图片请参考图2和图3。

实施例1，请参考图2，为一拍摄到的非正常的led灯照片，右下角的几个led灯像素点因外界环境干扰，拍摄到这种led灯像素点分布已经相互交叉，已经不能正常识别每个led灯的分布了。图2右下角的led灯计算得到xn值会小于yn值，并且yn值大于led灯半径r，则判断该led区域为异常区域，然后依次统计整张图片中的异常led灯，判断异常led灯个数是否大于所有总led灯的个数的1/10。若大于，则该图片属于模糊图片，需要返回重新拍摄。

实施例2，请参考图3，为拍摄的另一非正常led灯照片，每个led灯之间的并没有交叉，但是灯的形状出现拉伸，这种情况属于相机上下抖动造成的异常，相机的其他抖动情况也会造成不同类型和方向上拉伸。此种情况下，在获取到每个led灯的中心位置后，得到led灯xn和yn，然后比较两xn和yn，可以明显得到和yn远大于xn的，则该led灯区域为异常区域，然后依次统计整张图片中的异常区域个数，判断异常区域个数是否大于所有总led灯区域数目的1/10，若大于，则该图片属于模糊图片，需要返回重新拍摄。

以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方案和技术构思作出其他各种相应的改变和变形，而所有这些改变和变形都应属于本发明权利要求的保护范围。