(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210218761.9 (22)申请日 2022.03.08 (65)同一申请的已公布的文献号 申请公布号 CN 114363482 A (43)申请公布日 2022.04.15 (73)专利权人 荣耀终端 有限公司 地址 518040 广东省深圳市福田区香蜜湖 街道东海社区红荔西路8089号深业中 城6号楼A单元3401 (72)发明人 朱牧　 (74)专利代理 机构 北京中博世 达专利商标代理 有限公司 1 1274 专利代理师 申健 (51)Int.Cl. H04N 5/217(2011.01)H04N 5/232(2006.01) H04N 5/235(2006.01) G06T 7/80(2017.01) (56)对比文件 CN 109685854 A,2019.04.26 CN 110599415 A,2019.12.20 CN 102131079 A,201 1.07.20 CN 10876 5505 A,2018.1 1.06 Jianrui Cai 等.To ward Real-W orld Single Ima ge Super-Reso lution: A New Benchmark and A New Model. 《2019 IE EE/CVF Internati onal Conference o n Computer Vision (ICCV)》 .2020,第3 086-3095页. 审查员 易才钦 (54)发明名称 一种标定图像的确定方法及电子设备 (57)摘要 一种标定图像的确定方法及电子设备， 涉及 图像处理技术领域， 可以得到曝光正常且清晰的 目标标定图像， 有利于提高摄像头标定的精确 度。 该方法包括： 获取待标定摄像头采集的N帧原 始标定图像； 从N帧原始标定图像中确定异常图 像， 异常图像包括曝光异常的图像和/或清晰度 小于清晰度阈值的图像； 在异常图像包括曝光异 常的图像的情况下， 对异常图像进行曝光校正处 理， 和/或， 在异常图像包括清晰度小于清晰度阈 值的图像的情况下， 对异常图像进行去模糊处 理， 得到N帧目标标定图像； 其中， N帧目标标定图 像包括原始标定图像中除去异常图像以外的图 像和对异常图像进行校正处理和/或去模糊处理 后的图像， 目标标定图像用于对待标定摄像头进 行标定。 权利要求书2页 说明书20页 附图7页 CN 114363482 B 2022.08.23 CN 114363482 B 1.一种标定图像的确定方法， 应用于电子设备， 其特 征在于， 所述方法包括： 获取待标定摄 像头采集的N帧原 始标定图像， N 为预设的正整数； 从所述N帧原始标定图像 中确定异常图像， 所述异常图像包括曝光异常的图像和/或清 晰度小于清晰度阈值的图像； 在所述N帧原始标定 图像中的所述异常图像包括曝光异常的图像的情况下， 对所述异 常图像进行曝光校正处理， 和/或， 在所述N帧原始标定图像中的所述异常图像包括清晰度 小于清晰度阈值的图像的情况下， 对所述异常图像进行去模糊处理， 得到N帧目标标定图 像； 其中， 所述N帧目标标定 图像包括所述原始标定 图像中除去所述异常图像以外的图像 和对所述异常图像进行 曝光校正处理和/或去模糊处理后的图像， 所述 目标标定图像用于 对所述待标定摄 像头进行 标定。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述N帧原始标定 图像中确定异常 图像， 包括： 若所述原始标定图像中各像素值的均值大于第 一阈值或小于第二阈值， 和/或， 所述各 像素值的协方差大于第三阈值或小于第四阈值， 则确定所述原始标定图像为所述异常图 像， 所述第一阈值大于所述第二阈值， 所述第三阈值大于所述第四阈值。 3.根据权利要求1所述的方法， 其特征在于， 所述从所述N帧原始标定 图像中确定异常 图像， 还包括： 对所述原始标定图像分别提取水平方向和 垂直方向的梯度值， 所述水平方向的梯度值 为所述原始标定图像的各像素值与Sobel水平方向的梯度算子模板的卷积， 所述垂直方向 的梯度值 为所述原 始标定图像的各像素值与Sobel垂直方向的梯度算子模板的卷积； 根据所述原始标定图像的所述水平方向的梯度值和所述垂直方向的梯度值， 确定所述 原始标定图像的清晰度值； 若所述原始标定图像的清晰度值小于所述清晰度阈值， 则确定所述原始标定图像为所 述异常图像。 4.根据权利要求3所述的方法， 其特征在于， 所述确定所述原始标定 图像的清晰度值， 包括： 采用基于Sobel梯度算子 的Tenengrad函数对所述N帧原始标定图像进行清晰度计算， 得到对应的清晰度值。 5.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述对所述异常图像进行曝光校 正处理， 包括： 对所述异常图像进行分块处 理， 得到多个图像块； 确定所述多个图像块中各像素点的像素值对应的多个均值、 方差和协方差； 针对每一个图像块， 根据 所述图像块中各像素值的均值、 方差和 协方差， 以及所述异常 图像中各像素点的像素值的均值、 方差和协方差， 确定所述图像块中各像素值对应的校正 后的目标像素值。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述图像块中各像素值的均值、 方差和协方差， 以及所述异常图像中各像素值的均值、 方差和协方差， 确定所述图像块中各 像素值对应的校正后的目标像素值， 包括：权　利　要　求　书 1/2 页 2 CN 114363482 B 2根据所述图像块中各像素值的均值、 方差和协方差， 以及所述异常图像中各像素值的 均值、 方差和协方差， 确定所述图像块对应的校正参数； 在所述校正参数大于预设参数值的 情况下， 所述图像块的曝光情况为曝光过度， 在所述校正参数小于预设参数值的情况下， 所 述图像块的 曝光情况为曝光 不足； 根据所述图像块对应的校正参数对所图像块中各像素点的像素值进行校正， 得到所述 图像块中各像素值对应的校正后的目标像素值。 7.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述对所述异常图像进行去模糊 处理， 包括： 将所述异常图像输入图像处理模型进行去模糊处理， 所述图像处理模型具有对图像进 行去模糊的能力； 其中， 所述图像处理模型是采用多帧异常图像， 以及 对应的正常标定图像 训练得到的。 8.根据权利要求7所述的方法， 所述图像处理模型包括特征提取网络和下采样层， 其特 征在于， 所述将所述异常图像输入图像处 理模型进行去模糊处 理， 包括： 所述特征提取网络对所述异常图像进行 特征提取， 得到图像特 征； 所述下采样层对所述图像特 征进行下采样处 理， 得到第一图像特 征和第二图像特 征； 所述下采样层对所述异常图像进行 下采样处 理， 得到第一图像和第二图像； 根据所述图像特征、 所述第 一图像特征和所述第 二图像特征， 确定第 一模糊核、 第二模 糊核和第三模糊核； 将所述异常图像与 所述第一模糊核进行卷积得到第 一卷积值， 将所述第 一图像与 所述 第二模糊核进 行卷积得到第二卷积值， 以及将所述第二图像与所述第三模糊核进 行卷积得 到第三卷积值； 对所述第一卷积值、 所述第二卷积值和所述第三卷积值进行加权求和， 得到去模糊后 的标定图像。 9.根据权利要求7所述的方法， 其特征在于， 所述图像处理模型为基于拉普拉斯金字塔 的模糊内核预测LP ‑KPN网络。 10.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述获取待标定摄像头采集的N 帧原始标定图像， 包括： 获取所述待标定摄 像头从不同拍摄角度采集的N帧原 始标定图像。 11.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器； 其中， 所述存储器中存储有一个或多个计算机程序， 所述一个或多个计算机程序包括 指令， 当所述指令被所述电子设备执行时， 使得所述电子设备执行如权利要求1 ‑10中任一 项所述的标定图像的确定方法。 12.一种计算机可读存储介质， 所述计算机可读存储介质中存储有指令， 其特征在于， 当所述指 令在电子 设备上运行时， 使得所述电子 设备执行如权利要求 1‑10中任一项 所述的 标定图像的确定方法。权　利　要　求　书 2/2 页 3 CN 114363482 B 3