[发明专利]一种自适应评估手机防抖功能的方法

摘要

本发明公开了一种自适应评估手机防抖功能的方法，包括：1、固定手机位置，开启振动台，在防抖功能开、关状态下进行图像拍摄；2、根据拍摄图像自动判断应使用的评估策略；3、基于图像模糊量和图像目标位移量进行手机防抖功能评估参数计算；4、根据计算结果生成手机防抖功能评价报告。其通过自适应方式实现了对各类型防抖功能手机的防抖功能进行客观评价，消除了现有手机防抖测评过程单一的缺陷，满足了实际测评需要，提升了手机防抖功能评价结果的准确性和有效性，使评价结果更合理、更准确，更易实现手机间防抖功能的横向比对。

主权项

1.一种自适应评估手机防抖功能的方法，其特征在于，具体步骤包括：步骤1、待测试手机固定在振动台上，移动被拍摄物至待测试手机的相机清晰对焦，且被拍摄物充满手机整个拍摄屏幕，固定被拍摄物位置，待测试手机在静止状态下拍摄S组图像张；被拍摄物为一张只有中心区域存在一个直径为厘米的白色圆点的全黑图卡，；步骤2、根据待测试手机质量选择防抖测试标准《CIPA DC‑X011‑Translation‑2014》中阐述的对应波形，开启振动台，使待测试手机随着振动台按照固定波形一起振动；步骤3、开启待测试手机防抖设置，拍摄A组图像 张；步骤4、利用大津法对S组和A组的所有图像进行二值化，对二值化后的图像分别求非零区域的面积以及重心坐标步骤5、对S组和A组所有的图像分别求面积和重心坐标的平均值，得到：步骤6、具体评估方法包括：步骤6‑1、若且，使用基于图像模糊度的手机防抖功能评估方法进行评估，执行步骤7；步骤6‑2、若且，使用基于目标位移量估计的手机防抖功能评估方法进行评估，直接执行步骤8；步骤6‑3、若且，使用基于图像模糊度的手机防抖功能评估方法和基于目标位移量估计的手机防抖功能评估方法进行评估，执行步骤7；步骤6‑4、若且，防抖功能未工作，需返回步骤3重新拍摄；其中，H1表示S组中任意一张图像的总行数，；步骤7、若步骤6‑1或步骤6‑3成立，所述基于图像模糊度的手机防抖功能评估方法包括：步骤7‑1、待测试手机固定在振动台上，将带有边缘图案的任意场景或物体作为被拍摄物移动至待测试手机相机清晰对焦的位置，固定被拍摄物，保持待测试手机与被拍摄物距离始终固定；步骤7‑2、在待测试手机静止状态下拍摄S1组图像张；步骤7‑3、根据待测试手机质量选择防抖测试标准《CIPA DC‑X011‑Translation‑2014》中阐述的对应波形，开启振动台，使待测试手机随着振动台按照固定波形一起振动；步骤7‑4、在关闭待测试手机防抖设置的前提下拍摄A1组图像 张；在开启待测试手机防抖设置的前提下拍摄B1组图像 张；步骤7‑5、搭建DeblurGAN网络架构，包含两个1/2间隔的卷积单元、9个残差单元和两个反卷积单元，每个残差单元由一个卷积层、实例归一化层和ReLU激活组成；步骤7‑6、载入预训练模型DeblurGANWILD、DeblurGANSynth或DeblurGANComb，对DeblurGAN网络所有权重参数进行初始化；步骤7‑7、设代表S1组图像中的任一图像，，用替换DeblurGAN网络中生成器网络G生成的图像，输入鉴别器网络D中，输出全连接层得到的特征向量；设代表A1组图像中的任一图像，，用替换DeblurGAN网络中生成器网络G生成的图像，输入鉴别器网络D中，输出全连接层得到的特征向量FA_a；设代表B1组图像中的任一图像，，用替换DeblurGAN网络中生成器网络G生成的图像，输入鉴别器网络D中，输出全连接层得到的特征向量FB_b；步骤7‑8、根据Wasserstein距离计算公式，使用其对偶形式的等价替代公式计算特征向量与的Wasserstein距离为：其中，E代表数学期望；步骤7‑9、对A1组和B1组的每一张图像分别与S1组的张图像计算特征向量之间的Wasserstein距离，然后求平均值，即为每张图像的模糊量，计算公式为：步骤7‑10、对A1组和B1组所有图像的模糊量值求平均，得到A1组和B1组各自的模糊量，公式如下：步骤8、若步骤6‑2或步骤6‑3成立，所述基于目标位移量估计的手机防抖功能评估方法包括：步骤8‑1、待测试手机固定在振动台上，通过手动或自动对焦使远景画面清晰，保持振动台静止状态下拍摄一张图像S2，拍摄的远景图像中包含具有角点特征结构的物体；步骤8‑2、根据待测试手机质量选择防抖测试标准《CIPA DC‑X011‑Translation‑2014》中阐述的对应波形，开启振动台，使待测试手机随着振动台按照固定波形一起振动；步骤8‑3、在关闭待测试手机防抖设置的前提下拍摄A2组图像 张；在开启待测试手机防抖设置的前提下拍摄B2组图像 张；步骤8‑4、通过手动框选的方式在图像S2上选择一个只包含有唯一角点结构的正方形区域图像，保存区域图像作为模板图像M；步骤8‑5、设图像S2的长度为W，宽度为H2，以规定步长的方式组成尺度序列对M进行缩放，得到相应的模板组Mh；步骤8‑6、将模板组Mh中的一张模板放在A2组的一张图像上，从图像左上角开始，以1个像素为步长进行平移，计算每平移一步模板与被覆盖区域的相关系数，保存该模板的最大相关系数及其对应的被覆盖区域的区域坐标，直至所有模板组Mh中模板平移结束，得到A2组中该张图像上每个不同尺度模板对应的被覆盖区域相关性最强的区域坐标T(xh,yh)和对应的相关系数Rh，选择Rh中最大值对应的T(xh,yh)区域图像，即为A2组中该图像只包含唯一角点结构的区域图像；步骤8‑7、重复步骤8‑6，完成所有A2组图像对应的只包含唯一角点结构的区域图像；步骤8‑8、根据步骤8‑6和步骤8‑7，完成所有B2组图像对应的只包含唯一角点结构的区域图像；步骤8‑9、搭建DeblurGAN网络架构，包含两个1/2间隔的卷积单元、9个残差单元和两个反卷积单元，每个残差单元由一个卷积层、实例归一化层和ReLU激活组成；步骤8‑10、载入预训练模型DeblurGANWILD、DeblurGANSynth或DeblurGANComb；步骤8‑11、将所有A2组和B2组图像对应的只包含唯一角点结构的区域图像输入加载成功的模型中，输出去模糊后的结果图像；步骤8‑12、用角点检测算法提取角点，提取得到的角点即为目标点；步骤8‑13、将目标点坐标映射回原图坐标，并以A2、B2两组图像各自的第一张图像目标点坐标为标准坐标，将组内所有目标点坐标与各组标准坐标相减，得到每张图像目标点的相对位移，记为：步骤8‑14、计算防抖开启和关闭状态下的平均位移量：步骤9、若步骤6‑1成立，则根据A1组和B1组模糊量的比值，生成图像模糊度评价结果，包括：若，手机防抖功能定义为差；若，,手机防抖功能定义为良；若，，手机防抖功能定义为优；若，评价过程出错，评价结果无效；步骤10、若步骤6‑2成立，由平均位移量生成评价结果，包括：其中，H2为S2总行数；若，手机防抖功能定义为差；若，，手机防抖功能定义为良；若，，手机防抖功能定义为优；若，评价过程出错，评价结果无效；步骤11、若步骤6‑3成立，评价结果包括：根据A1组和B1组模糊量的比值，生成图像模糊度评价结果，包括：；由平均位移量生成评价结果，包括：其中，H2为S2总行数；若或，手机防抖功能定义为差；若 或，，，手机防抖功能定义为良；若且 ，，，手机防抖功能定义为优；若 或，评价过程出错，评价结果无效。