تست دوربین ITS

این صفحه فهرست جامعی از تست‌های مجموعه تست تصویر دوربین (ITS) را ارائه می‌کند که بخشی از تأییدکننده مجموعه تست سازگاری Android (CTS) است. تست‌های ITS تست‌های عملکردی هستند، به این معنی که کیفیت تصویر را اندازه‌گیری نمی‌کنند، اما همه عملکردهای دوربین تبلیغاتی همانطور که انتظار می‌رود کار می‌کنند. این سند به توسعه‌دهندگان و آزمایش‌کنندگان اجازه می‌دهد بفهمند که آزمایش‌های فردی چه می‌کنند و چگونه خطاهای آزمایش را اشکال‌زدایی کنند.

دوربین ITS gates را بر اساس ویژگی های دوربین مورد نیاز، سطح API و سطح کلاس عملکرد رسانه (MPC) آزمایش می کند. برای سطح API، ITS از ro.product.first_api_level برای دروازه‌سازی تست‌های اضافه شده در سطح API خاص استفاده می‌کند که تجربیات منفی کاربر را برای عملکرد در سطوح پایین‌تر API آزمایش می‌کند. ITS از ro.vendor.api_level برای تست گیت برای ویژگی‌های اضافه شده در سطح API خاص استفاده می‌کند که به قابلیت سخت‌افزاری جدید نیاز دارد. اگر ro.odm.build.media_performance_class برای دستگاهی تعریف شده باشد، ITS نیاز به تست های خاصی دارد که بسته به سطح MPC اجرا شوند.

تست ها بر اساس صحنه به صورت زیر گروه بندی می شوند:

برای توضیح هر صحنه به بخش های جداگانه مراجعه کنید.

صحنه 0

تست های Scene0 به اطلاعات صحنه خاصی نیاز ندارند. اما برای تست ژیروسکوپ و لرزش گوشی باید ثابت باشد.

test_jitter

لرزش را در مهرهای زمانی دوربین اندازه گیری می کند.

API های آزمایش شده:

پاس: حداقل 30 میلی‌ثانیه دلتا بین فریم‌ها وجود دارد.

test_jitter_plot.png

test_jitter_plot.png (به محدوده کوچک محور y توجه کنید. Jitter در واقع در این نمودار کوچک است.)

test_metadata

اعتبار ورودی های فراداده را آزمایش می کند. به نتایج عکس‌برداری و ویژگی‌های دوربین به اشیاء نگاه می‌کند. این آزمایش از نوردهی و دریافت مقادیر auto_capture_request استفاده می کند زیرا محتوای تصویر مهم نیست.

API های آزمایش شده:

Pass: سطح سخت‌افزار، rollingShutterSkew ، برچسب‌های frameDuration ، timestampSource ، croppingType ، blackLevelPattern ، pixel_pitch ، FoV، فاصله هایپرکانونی موجود هستند و مقادیر معتبری دارند.

test_request_capture_match

آزمایش می کند که دستگاه با بازخوانی فراداده ضبط، مقادیر نوردهی و افزایش صحیح را می نویسد.

API های آزمایش شده:

پاس: درخواست و گرفتن مقادیر فراداده در تمام عکس‌ها مطابقت دارد.

test_sensor_events

آزمایش می کند که دستگاه پرس و جو می کند و رویدادهای حسگر را برای دستگاه هایی که پشتیبانی از همجوشی حسگر را تبلیغ می کنند چاپ می کند. سنسورهای مورد انتظار شتاب سنج، ژیروسکوپ و مغناطیس سنج هستند. این تست فقط در صورتی کار می کند که صفحه نمایش روشن باشد، یعنی دستگاه در حالت آماده به کار نیست.

API های آزمایش شده:

پاس: رویدادها برای هر سنسور دریافت می شود.

test_solid_color_test_pattern

آزمایش‌هایی که الگوهای تست رنگ ثابت به درستی برای بی‌صدا کردن دوربین ایجاد می‌شوند. اگر قطع دوربین پشتیبانی می شود، الگوهای تست رنگ ثابت باید پشتیبانی شوند. اگر بی‌صدا کردن دوربین پشتیبانی نمی‌شود، الگوهای تست رنگ ثابت فقط در صورتی آزمایش می‌شوند که قابلیت تبلیغ شده باشد.

اگر تصاویر RAW پشتیبانی می شوند، تخصیص رنگ نیز آزمایش می شود. رنگ های تست شده مشکی، سفید، قرمز، آبی و سبز هستند. برای دوربین هایی که از تصاویر RAW پشتیبانی نمی کنند، فقط مشکی تست شده است.

API های آزمایش شده:

پاس: الگوهای تست جامد پشتیبانی شده رنگ صحیح هستند و واریانس کمی در تصویر وجود دارد.

test_test_pattern

پارامتر android.sensor.testPatternMode را برای گرفتن فریم‌ها برای هر الگوی آزمایشی معتبر آزمایش می‌کند و بررسی می‌کند که فریم‌ها برای رنگ‌های ثابت و نوارهای رنگی درست تولید شده‌اند. این آزمون شامل مراحل زیر است:

  1. تصاویر را برای همه الگوهای تست پشتیبانی شده می گیرد.
  2. یک بررسی صحت ساده برای الگوی تست رنگ ثابت و نوارهای رنگی انجام می دهد.

API های آزمایش شده:

پاس: الگوهای تست پشتیبانی شده به درستی تولید می شوند.

test_test_patterns_2

test_test_patterns_2.jpg

test_tonemap_curve

تبدیل الگوی آزمایشی از RAW به YUV را با نقشه خطی آزمایش می کند. این آزمایش به android.sensor.testPatternMode = 2 (COLOR_BARS) نیاز دارد تا یک الگوی تصویر عالی برای تبدیل نقشه تن ایجاد کند. اطمینان حاصل می کند که خط لوله دارای خروجی های رنگی مناسب با نقشه خطی و ورودی تصویر ایده آل است (متکی به test_test_patterns ).

API های آزمایش شده:

پاس: YUV و RAW شبیه یکدیگر هستند.

test_tonemap_curve_raw_2

test_tonemap_curve_raw_2.jpg

test_tonemap_curve_yuv_2.jpg

test_tonemap_curve_yuv_2.jpg

test_unified_timestamp

آزمایش می کند که آیا رویدادهای حسگر تصویر و حرکت در یک حوزه زمانی هستند یا خیر.

API های آزمایش شده:

پاس: مهرهای زمانی حرکت بین دو مهر زمانی تصویر هستند.

test_vibration_restriction

آزمایش می کند که آیا لرزش دستگاه مطابق انتظار عمل می کند یا خیر.

API های آزمایش شده:

پاس: هنگامی که توسط API محدودیت صوتی دوربین بی‌صدا می‌شود، دستگاه نمی‌لرزد.

صحنه 1_1

صحنه 1 یک نمودار خاکستری است. نمودار خاکستری باید مرکز 30 درصد میدان دید دوربین را پوشش دهد. انتظار می رود نمودار خاکستری 3A (نور خودکار، تعادل رنگ سفید خودکار، فوکوس خودکار) را به طور متوسط ​​به چالش بکشد زیرا منطقه مرکزی هیچ ویژگی ندارد. با این حال، درخواست عکسبرداری کل صحنه را مشخص می کند که شامل ویژگی های کافی برای همگرایی 3A است.

دوربین های RFoV را می توان در دستگاه تست WFoV یا RFoV آزمایش کرد. اگر یک دوربین RFoV در دستگاه تست WFoV آزمایش شود، نمودار با ⅔ مقیاس می شود تا از برخی مرزهای نمودار خاکستری در FoV اطمینان حاصل شود تا به همگرایی 3A کمک کند. برای توضیحات دقیق تر از دستگاه های تست دوربین، دوربین ITS-in-a-a-box را ببینید.

صحنه 1

صحنه 1: نمودار اندازه کامل (سمت چپ). ⅔ نمودار مقیاس شده (راست).

test_ae_precapture_trigger

هنگام استفاده از ماشه پیش گرفتن، دستگاه حالت AE را آزمایش می کند. پنج درخواست دستی را با AE غیرفعال می گیرد. آخرین درخواست دارای یک ماشه Precapture AE است که باید نادیده گرفته شود زیرا AE غیرفعال است.

API های آزمایش شده:

پاس: AE همگرا می شود.

test_auto_vs_manual

تست‌هایی که عکس‌های خودکار و دستی گرفته‌اند یکسان هستند.

API های آزمایش شده:

پاس: افزایش و تبدیل دستی تراز سفیدی گزارش شده در هر نتیجه عکسبرداری با estimate تعادل رنگ سفید خودکار از الگوریتم 3A دوربین مطابقت دارد.

test_auto_vs_manual_auto

test_auto_vs_manual_auto.jpg

test_auto_vs_manual_wb

test_auto_vs_manual_wb.jpg

test_auto_vs_manual_manual_wb_tm

test_auto_vs_manual_manual_wb_tm.jpg

تست_سیاه_سفید

تست هایی که دستگاه تصاویر سیاه و سفید کامل تولید می کند. دو عکس می گیرد، اولی با بهره بسیار کم و نوردهی کوتاه که منجر به یک عکس سیاه می شود و دومی با بهره بسیار زیاد و نوردهی طولانی که منجر به یک عکس سفید می شود.

API های آزمایش شده:

Pass: تصاویر سیاه و سفید تولید می کند. کانال های اشباع شده تصاویر سفید دارای مقادیر RGB [255، 255، 255] با حاشیه خطای کمتر از 1٪ اختلاف هستند.

تست_سیاه_سفید_سیاهتست_سیاه_سفید_سیاه
test_black_white_black.jpg test_black_white_white.jpg

test_black_white_plot_means

test_black_white_plot_means.png

test_burst_capture

تأیید می کند که کل خط لوله ضبط می تواند با سرعت ضبط کامل و زمان CPU مطابقت داشته باشد.

API های آزمایش شده:

Pass: مجموعه ای از تصاویر در اندازه کامل را می گیرد، افت فریم و روشنایی تصویر را بررسی می کند.

test_burst_sameness_manual

5 بار پشت سر هم از 50 عکس با تنظیمات ضبط دستی می گیرد و بررسی می کند که همه آنها یکسان هستند. از این آزمایش می توان برای شناسایی فریم های پراکنده ای که به روش متفاوتی پردازش می شوند یا مصنوعاتی دارند استفاده کرد.

API های آزمایش شده:

پاس: تصاویر از نظر بصری و در مقادیر RGB یکسان هستند.

Fail: یک افزایش یا کاهش نمودار میانگین RGB را در ابتدای هر انفجار نشان می دهد

  • تحمل برای first_API_level <30 3٪ است
  • تحمل برای first_API_level >= 30 2٪ است

test_burst_sameness_manual_mean

test_burst_sameness_manual_mean.jpg

test_burst_sameness_manual_plot_means

test_burst_sameness_manual_plot_means.png

test_crop_region_raw

آزمایش می کند که جریان های RAW قابل برش نیستند.

API های آزمایش شده:

پاس: تصاویر YUV در مرکز برش داده می شوند اما تصاویر خام نه.

test_crop_region_raw_comp_raw_crop

test_crop_region_raw_comp_raw_crop.jpg

test_crop_region_raw_comp_raw_full

test_crop_region_raw_comp_raw_full.jpg

test_crop_region_raw_comp_yuv_crop

test_crop_region_raw_comp_yuv_crop.jpg

test_crop_region_raw_yuv_full

test_crop_region_raw_yuv_full.jpg

test_crop_regions

آزمایش هایی که مناطق کشت کار می کنند. یک تصویر کامل می گیرد و وصله هایی از 5 ناحیه مختلف (گوشه ها و مرکز) ایجاد می کند. با مجموعه برش برای 5 منطقه عکس می گیرد. مقادیر پچ و برش تصویر را با هم مقایسه می کند.

API های آزمایش شده:

Pass: تصویر ناحیه برش خورده با وصله مربوط به تصویر برش مطابقت دارد.

test_ev_compensation

آزمایش هایی که نشان می دهد جبران ارزش نوردهی (EV) اعمال می شود. این آزمون شامل یک بخش مقدماتی و یک بخش پیشرفته است.

بخش اصلی آزمایش می کند که جبران EV با استفاده از محدوده ایجاد شده با CONTROL_AE_COMPENSATION_STEP اعمال می شود. در هر مقدار جبرانی هشت فریم گرفته می شود.

بخش پیشرفته نوردهی را در هشت مرحله افزایش می دهد و روشنایی اندازه گیری شده را در مقابل روشنایی مورد انتظار بررسی می کند. مقادیر مورد انتظار از روشنایی تصویر بدون اعمال جبران EV محاسبه می شود و اگر مقادیر محاسبه شده از محدوده مقدار واقعی تصویر بیشتر شود، مقدار مورد انتظار اشباع می شود. اگر مقادیر مورد انتظار و مقادیر اندازه‌گیری شده مطابقت نداشته باشند یا اگر تصاویر در عرض پنج مرحله بیش از حد نوردهی کنند، آزمایش با شکست مواجه می‌شود.

API های آزمایش شده:

پاس بخش اصلی: تصاویر افزایش نوردهی را بدون نوردهی بیش از حد در پنج مرحله نشان می‌دهند.

test_ev_compensation_basic

test_ev_compensation_basic.png

پاس بخش پیشرفته: افزایش لوما را با افزایش تنظیم جبران EV ثبت می کند. هشت فریم گرفته شده برای هر تنظیم جبران EV دارای مقادیر لوما پایدار هستند.

test_ev_compensation_advanced_plot_means

test_ev_compensation_advanced_plot_means.png

test_exposure_x_iso

تست هایی که نشان می دهد نوردهی ثابت به عنوان ISO و زمان نوردهی متفاوت است. مجموعه‌ای از عکس‌ها را می‌گیرد که ISO و زمان نوردهی برای متعادل کردن یکدیگر انتخاب شده‌اند. نتایج باید روشنایی یکسانی داشته باشند، اما در طول توالی تصویر باید نویزتر شود. تأیید می کند که مقادیر میانگین پیکسل های نمونه به یکدیگر نزدیک هستند. اطمینان حاصل می کند که تصاویر روی 0 یا 1 قرار نگرفته اند (که آنها را مانند خطوط صاف می کند). با تنظیم پرچم debug در فایل پیکربندی، آزمایش را می توان با تصاویر RAW نیز اجرا کرد.

API های آزمایش شده:

پاس: تصاویر دارای روشنایی یکسان هستند، اما با ISO بالاتر نویزتر می شوند. صفحات RGB زمانی که مقدار ISO*exposure در فضای بهره آزمایش شده ثابت باشد صاف هستند.

مکانیسم شکست:

  • در test_exposure_plot_means.png ، با افزایش مقادیر ضریب بهره (محور x)، مقادیر میانگین صفحه نرمال شده RGB (محور y) شروع به انحراف از مقادیر ضریب بهره کم می کند.

test_exposure_plot_means

test_exposure_plot_means.png

test_exposure_mult=1.00test_exposure_mult=64.00
test_exposure_mult=1.00.jpg test_exposure_mult=64.00.jpg

test_latching

تست هایی که تنظیمات (نور و افزایش) روی قاب سمت راست دوربین های FULL و LEVEL_3 می چسبند. یک سری عکس با استفاده از درخواست های پشت سر هم می گیرد و پارامترهای درخواست عکس برداری را بین عکس ها تغییر می دهد. بررسی می کند که تصاویر دارای ویژگی های مورد انتظار هستند.

API های آزمایش شده:

پاس: تصاویر [2، 3، 6، 8، 10، 12، 13] ISO یا نوردهی را افزایش داده اند و با میانگین RGB بالاتر در test_latching_plot_means.png نشان داده می شوند.

test_latching_i=00.jpgtest_latching_i=01.jpgtest_latching_i=02.jpg
test_latching_i=00.jpg test_latching_i=01.jpg test_latching_i=02.jpg
test_latching_i=03.jpgtest_latching_i=04.jpgtest_latching_i=05.jpg
test_latching_i=03.jpg test_latching_i=04.jpg test_latching_i=05.jpg
test_latching_i=06.jpgtest_latching_i=07.jpgtest_latching_i=08.jpg
test_latching_i=06.jpg test_latching_i=07.jpg test_latching_i=08.jpg
test_latching_i=09.jpgtest_latching_i=10.jpgtest_latching_i=11.jpg
test_latching_i=09.jpg test_latching_i=10.jpg test_latching_i=11.jpg
test_latching_i=12.jpg
test_latching_i=12.jpg

test_latching_plot_means

test_latching_plot_means.png

تست_خطی

آزمایش می کند که پردازش دستگاه را می توان به پیکسل های خطی معکوس کرد. دنباله ای از عکس ها را با دستگاه به سمت یک هدف یکنواخت می گیرد.

API های آزمایش شده:

پاس: مقادیر R، G، B باید به صورت خطی با افزایش حساسیت افزایش یابد.

test_linearity_plot_means

test_linearity_plot_means.png

test_locked_burst

تست قفل 3A و انفجار YUV (با استفاده از تنظیم خودکار). این آزمون برای قبولی در دستگاه‌های محدودی طراحی شده است که MANUAL_SENSOR یا PER_FRAME_CONTROLS ندارند. تست سازگاری تصویر YUV را بررسی می کند در حالی که بررسی نرخ فریم در CTS است.

API های آزمایش شده:

پاس: عکس‌ها یکدست به نظر می‌رسند.

test_locked_burst_frame0

test_locked_burst_frame0.jpg

test_locked_burst_frame1

test_locked_burst_frame1.jpg

test_locked_burst_frame2

test_locked_burst_frame2.jpg

صحنه 1_2

صحنه 1_2 یک کپی از لحاظ عملکردی یکسان از صحنه 1_1 است که ساختار فرعی صحنه را برای کاهش مدت زمان طولانی صحنه 1 پیاده سازی می کند.

test_param_color_correction

آزمایش می کند که پارامترهای android.colorCorrection.* هنگام تنظیم اعمال می شوند. عکس هایی با مقادیر تبدیل و افزایش متفاوت می گیرد، و آزمایش می کند که به نسبت متفاوت به نظر می رسند. تبدیل و سود به گونه ای انتخاب می شوند که خروجی به طور فزاینده ای قرمز یا آبی شود. از نقشه خطی استفاده می کند. نگاشت تن تکنیکی است که در پردازش تصویر برای نگاشت یک مجموعه از رنگ ها به مجموعه ای دیگر به منظور تقریب ظاهر تصاویر با دامنه دینامیکی بالا در محیطی که محدوده دینامیکی محدودتری دارد استفاده می شود.

API های آزمایش شده:

پاس: مقادیر R و B با توجه به تبدیل افزایش می یابد.

test_param_color_correction_plot_means

test_param_color_correction_plot_means.png

*محور x درخواست های ضبط است: 0 = وحدت، 1 = تقویت قرمز، 2 = تقویت آبی

test_param_color_correction_req=0

test_param_color_correction_req=0.jpg

test_param_color_correctness_req=1

test_param_color_correctness_req=1.jpg (تقویت R)

test_param_color_correction_req=2

test_param_color_correction_req=2.jpg (تقویت B)

test_param_flash_mode

آزمایش می کند که پارامتر android.flash.mode اعمال می شود. به صورت دستی نوردهی را در سمت تاریک قرار می دهد، به طوری که مشخص است که فلاش روشن شده است یا نه، و از یک نقشه خطی استفاده می کند. مرکز را با تصویر کاشی بررسی می کند تا ببیند آیا یک گرادیان بزرگ ایجاد شده است تا بررسی کند که فلاش روشن شده است یا خیر.

API های آزمایش شده:

Pass: مرکز تصویر کاشی دارای یک گرادیان بزرگ است به این معنی که فلاش شلیک می شود.

test_param_flash_mode_1

test_param_flash_mode_1.jpg

test_param_flash_mode_1_tile

test_param_flash_mode_1_tile.jpg

test_param_flash_mode_2

test_param_flash_mode_2.jpg

test_param_flash_mode_2_tile

test_param_flash_mode_2_tile.jpg

test_param_noise_reduction

آزمایش می کند که هنگام تنظیم پارامتر android.noiseReduction.mode به درستی اعمال شود. با دوربین کم نور عکس می گیرد. از یک بهره آنالوگ بالا برای اطمینان از نویز بودن تصویر گرفته شده استفاده می کند. سه عکس برای NR خاموش، "سریع" و "کیفیت بالا" می گیرد. همچنین تصویری با بهره کم و NR خاموش می گیرد و از واریانس آن به عنوان خط پایه استفاده می کند. هرچه SNR (نسبت سیگنال به نویز) بالاتر باشد، کیفیت تصویر بهتر است.

API های آزمایش شده:

پاس: SNR با حالت های مختلف کاهش نویز متفاوت است و مانند نمودار زیر رفتار می کند.

test_param_noise_reduction_plot_SNRs

test_param_noise_reduction_plot_SNRs.png

0: OFF، 1: FAST، 2: HQ، 3: MIN، 4: ZSL

test_param_noise_reduction_high_gain_nr=0

test_param_noise_reduction_high_gain_nr=0.jpg

test_param_noise_reduction_high_gain_nr=1

test_param_noise_reduction_high_gain_nr=1.jpg

test_param_noise_reduction_high_gain_nr=2

test_param_noise_reduction_high_gain_nr=2.jpg

test_param_noise_reduction_high_gain_nr=3

test_param_noise_reduction_high_gain_nr=3.jpg

test_param_noise_reduction_low_gain

test_param_noise_reduction_low_gain.jpg

test_param_shading_mode

آزمایش می کند که پارامتر android.shading.mode اعمال می شود.

API های آزمایش شده:

پاس: حالت‌های سایه‌زنی تغییر می‌کنند و نقشه‌های سایه‌زنی لنز مطابق انتظار اصلاح می‌شوند.

test_param_shading_mode_ls_maps_mode_0_loop_0

test_param_shading_mode_ls_maps_mode_0_loop_0.png

test_param_shading_mode_ls_maps_mode_1_loop_0

test_param_shading_mode_ls_maps_mode_1_loop_0.png

test_param_shading_mode_ls_maps_mode_2_loop_0

test_param_shading_mode_ls_maps_mode_2_loop_0.png

test_param_tonemap_mode

آزمایش هایی که پارامتر android.tonemap.mode اعمال می شود. منحنی های نقشه رنگی مختلف را برای هر کانال R، G، B اعمال می کند و بررسی می کند که تصاویر خروجی مطابق انتظار اصلاح شده باشند. این آزمون از دو تست تست 1 و تست 2 تشکیل شده است.

API های آزمایش شده:

پاس:

  • test1: هر دو تصویر دارای نقشه خطی هستند، اما n=1 دارای شیب تندتری است. کانال G (سبز) برای تصویر n=1 روشن تر است.
  • test2: نقشه تن یکسان، اما طول متفاوت. تصاویر هم همینطور.
test_param_tonemap_mode_n=0.jpgtest_param_tonemap_mode_n=1.jpg
test_param_tonemap_mode_n=0.jpg test_param_tonemap_mode_n=1.jpg

test_post_raw_sensitivity_boost

افزایش حساسیت RAW را بررسی می کند. مجموعه ای از تصاویر RAW و YUV را با حساسیت های مختلف می گیرد، ترکیب تقویت حساسیت RAW را پست می کند و بررسی می کند که آیا میانگین پیکسل خروجی با تنظیمات درخواست مطابقت دارد یا خیر.

API های آزمایش شده:

پاس: با افزایش بوست، تصاویر RAW تیره تر می شوند در حالی که روشنایی تصاویر YUV ثابت می مانند

test_post_raw_sensitivity_boost_raw_s=3583_boost=0100

test_post_raw_sensitivity_boost_raw_s=3583_boost=0100.jpg

test_post_raw_sensitivity_boost_raw_s=1792_boost=0200

test_post_raw_sensitivity_boost_raw_s=1792_boost=0200.jpg

test_post_raw_sensitivity_boost_raw_s=0896_boost=0400

test_post_raw_sensitivity_boost_raw_s=0896_boost=0400.jpg

test_post_raw_sensitivity_boost_raw_s=0448_boost=0800

test_post_raw_sensitivity_boost_raw_s=0448_boost=0800.jpg

test_post_raw_sensitivity_boost_raw_s=0224_boost=1600

test_post_raw_sensitivity_boost_raw_s=0224_boost=1600.jpg

test_post_raw_sensitivity_boost_raw_s=0112_boost=3199

test_post_raw_sensitivity_boost_raw_s=0112_boost=3199.jpg

test_post_raw_sensitivity_boost_raw_plot_means

test_post_raw_sensitivity_boost_raw_plot_means.png

test_post_raw_sensitivity_boost_yuv_s=0112_boost=3199

test_post_raw_sensitivity_boost_yuv_s=0112_boost=3199.jpg

test_post_raw_sensitivity_boost_yuv_s=0448_boost=0800

test_post_raw_sensitivity_boost_yuv_s=0448_boost=0800.jpg

test_post_raw_sensitivity_boost_yuv_s=0896_boost=0400

test_post_raw_sensitivity_boost_yuv_s=0896_boost=0400.jpg

test_post_raw_sensitivity_boost_yuv_s=1792_boost=0200

test_post_raw_sensitivity_boost_yuv_s=1792_boost=0200.jpg

test_post_raw_sensitivity_boost_yuv_s=3585_boost=0100

test_post_raw_sensitivity_boost_yuv_s=3585_boost=0100.jpg

test_post_raw_sensitivity_boost_yuv_plot_means

test_post_raw_sensitivity_boost_yuv_plot_means.png

test_raw_exposure

مجموعه ای از تصاویر خام را با افزایش زمان نوردهی می گیرد و مقادیر پیکسل را اندازه گیری می کند.

API های آزمایش شده:

Pass: افزایش ISO (بهره) پیکسل ها را نسبت به نور حساس تر می کند، بنابراین نمودار به سمت چپ حرکت می کند.

test_raw_exposure_s=55

test_raw_exposure_s=55.png

(10⁰ 1 ms، 101 10 ms، 10-1 0.1 ms است)

test_raw_exposure_s=132

test_raw_exposure_s=132.png

test_raw_exposure_s=209

test_raw_exposure_s=209.png

test_raw_exposure_s=286

test_raw_exposure_s=286.png

test_raw_exposure_s=363

test_raw_exposure_s=363.png

test_raw_exposure_s=440

test_raw_exposure_s=440.png

test_reprocess_noise_reduction

تست هایی که android.noiseReduction.mode برای پردازش مجدد درخواست ها اعمال می شود. تصاویر پردازش شده را با دوربین کم نور می گیرد. از یک بهره آنالوگ بالا برای اطمینان از نویز بودن تصویر ضبط شده استفاده می کند. سه تصویر پردازش شده را برای NR خاموش، "سریع" و "کیفیت بالا" می گیرد. یک تصویر پردازش مجدد با بهره کم و NR خاموش می گیرد و از واریانس آن به عنوان خط پایه استفاده می کند.

API های آزمایش شده:

پاس: FAST >= OFF، HQ >= FAST، HQ >> OFF

نمودار SNR معمولی در مقابل NR_MODE

نمودار SNR معمولی در مقابل NR_MODE

test_tonemap_sequence

دنباله‌ای از عکس‌ها را با منحنی‌های نقشه رنگی مختلف آزمایش می‌کند. 3 عکس دستی با نقشه رنگی خطی می گیرد. 3 عکس دستی با نقشه آهنگ پیش فرض می گیرد. دلتا را بین هر جفت فریم متوالی محاسبه می کند.

API های آزمایش شده:

پاس: 3 فریم یکسان و به دنبال آن یک مجموعه متفاوت از 3 فریم یکسان وجود دارد.

test_tonemap_sequence_i=0

test_tonemap_sequence_i=0.jpg

test_tonemap_sequence_i=1

test_tonemap_sequence_i=1.jpg

test_tonemap_sequence_i=2

test_tonemap_sequence_i=2.jpg

test_tonemap_sequence_i=3

test_tonemap_sequence_i=3.jpg

test_tonemap_sequence_i=4

test_tonemap_sequence_i=4.jpg

test_tonemap_sequence_i=5

test_tonemap_sequence_i=5.jpg

test_yuv_jpeg_all

تست‌هایی که تمام اندازه‌ها و فرمت‌های گزارش‌شده برای عکس‌برداری کار می‌کنند. از یک درخواست دستی با یک نقشه خطی استفاده می کند تا YUV و JPEG هنگام تبدیل توسط ماژول image_processing_utils یکسان به نظر برسند. تصاویر به‌طور پیش‌فرض ذخیره نمی‌شوند، اما می‌توانند با فعال کردن debug_mode ذخیره شوند.

API های آزمایش شده:

پاس: همه مراکز تصویر دارای حداکثر تفاوت RMS (مقدار ریشه میانگین مربع سیگنال) در تصاویر تبدیل شده RGB با 3٪ بالاترین وضوح تصویر YUV هستند.

test_yuv_jpeg_all

test_yuv_jpeg_all.png

test_yuv_plus_dng

تست هایی که اندازه ها و فرمت های گزارش شده برای ثبت تصویر کار می کنند.

API های آزمایش شده:

Pass: تست تصاویر درخواستی را تکمیل و برمی گرداند.

test_yuv_plus_dng

test_yuv_plus_dng.jpg

صحنه 1_3

صحنه 1_3 یک کپی از لحاظ عملکردی یکسان از صحنه 1_1 است که ساختار فرعی صحنه را برای کاهش مدت زمان طولانی صحنه 1 پیاده سازی می کند.

test_capture_result

آزمایش می کند که داده های معتبر در اشیاء CaptureResult برمی گردند. عکسبرداری خودکار، دستی و خودکار انجام می دهد.

API های آزمایش شده:

پاس: ابرداده برای همه عکس‌برداری‌ها معتبر است و تنظیمات دستی در ضبط خودکار دوم به بیرون درز نمی‌کنند. تصحیح سایه لنز را برای عکسبرداری ترسیم می کند.

test_capture_result_plot_lsc_auto_ch0

test_capture_result_plot_lsc_auto_ch0.png

test_dng_noise_model

بررسی می کند که پارامترهای مدل خام DNG صحیح هستند. طرح، واریانس اندازه‌گیری شده یک وصله مرکزی کارت خاکستری را در عکس‌های خام گرفته‌شده در طیف وسیعی از حساسیت‌ها نشان می‌دهد و این مقادیر را با واریانسی که در هر حساسیت توسط مدل نویز DNG در دوربین HAL انتظار می‌رود مقایسه می‌کند (بر اساس پارامترهای O,S که در اشیاء نتیجه عکس‌برداری بازگردانده شده‌اند). برای جزئیات بیشتر در مورد مدل نویز DNG، سند زیر را در مورد مدل نویز DNG دانلود کنید.

API های آزمایش شده:

پاس: پارامترهای مدل خام DNG صحیح است. مقادیر RGB مورد انتظار با مقادیر واقعی RGB اندازه گیری شده مطابقت دارد.

test_dng_noise_model_plog

test_dng_noise_model_plog.png

test_jpeg

آزمایش‌هایی که تصاویر YUV و تصاویر JPEG دستگاه را تبدیل کرده‌اند یکسان به نظر می‌رسند. تست مرکز 10% تصویر را می گیرد و مقدار RGB را محاسبه می کند و مطابقت آنها را تأیید می کند.

API های آزمایش شده:

Pass: میانگین تفاوت RGB بین هر تصویر کمتر از 3٪ است.

test_jpeg_fmt=jpg.jpgtest_jpeg=fmt=yuv.jpg
test_jpeg_fmt=jpg.jpg test_jpeg=fmt=yuv.jpg

test_raw_burst_sensitivity

مجموعه ای از تصاویر خام را با افزایش افزایش می دهد و نویز را اندازه گیری می کند. فقط به صورت خام و به صورت رگباری عکس می گیرد.

API های آزمایش شده:

پاس: هر شات نویزتر از شلیک قبلی است، زیرا بهره در حال افزایش است.

از واریانس سلول شبکه آمار مرکز استفاده می کند.

test_raw_burst_sensitivity_variance

test_raw_burst_sensitivity_variance.png

test_raw_sensitivity

مجموعه ای از تصاویر خام را با افزایش حساسیت می گیرد و نویز (واریانس) در مرکز 10% تصویر را اندازه گیری می کند. آزمایش هایی که نشان می دهد هر شات نویزتر از عکس قبلی است.

API های آزمایش شده:

پاس: با هر ضربه واریانس افزایش می یابد.

test_raw_sensitivity_variance

test_raw_sensitivity_variance.png

test_yuv_plus_jpeg

گرفتن یک فریم را به عنوان خروجی YUV و JPEG آزمایش می کند. از یک درخواست دستی با یک نقشه خطی استفاده می کند تا YUV و JPEG هنگام تبدیل توسط ماژول image_processing_utils یکسان به نظر برسند.

API های آزمایش شده:

پاس: تصاویر YUV و JPEG مشابه هستند و کمتر از 1٪ RMS (مقدار ریشه میانگین مربع سیگنال) تفاوت دارند.

test_yuv_plus_jpg_jpg.jpgtest_yuv_plus_jpeg_yuv.jpg
test_yuv_plus_jpg_jpg.jpg test_yuv_plus_jpeg_yuv.jpg

test_yuv_plus_raw

در صورت پشتیبانی، گرفتن یک فریم را به عنوان خروجی RAW/RAW10/RAW12 و YUV آزمایش می‌کند. از یک درخواست دستی با نقشه خطی استفاده می کند، بنابراین انتظار می رود خام و YUV یکسان باشند. مقادیر RGB 10% مرکز تصاویر تبدیل شده را با هم مقایسه می کند. گزارشات android.shading.mode .

API های آزمایش شده:

پاس: تصاویر YUV و خام مشابه هستند و کمتر از 3.5٪ RMS (مقدار ریشه میانگین مربع سیگنال) تفاوت دارند.

test_yuv_plus_raw_shading=1_raw.jpgtest_yuv_plus_raw_shading=1_yuv.jpg
test_yuv_plus_raw_shading=1_raw.jpg test_yuv_plus_raw_shading=1_yuv.jpg

آزمون_حساسیت_اولویت

CONTROL_AE_PRIORITY_MODE_SENSOR_SENSITIVITY_PRIORITY را در تنظیمات ISO مختلف آزمایش می کند تا ارتباط بین ISO بالاتر و سطوح نویز افزایش یافته را تأیید کند.

API های آزمایش شده:

Pass: ISO بالاتر منجر به افزایش سطح نویز می شود.

معیارهای رد شدن از آزمون

در صورت رعایت هر یک از معیارهای زیر، از آزمون test_sensitivity_priority.py صرفنظر می شود:

test_exposure_time_priority

CONTROL_AE_PRIORITY_MODE_SENSOR_EXPOSURE_TIME_PRIORITY را در زمان‌های مختلف نوردهی آزمایش می‌کند و روشنایی پایدار را در محدوده‌ای که ISO می‌تواند جبران کند، بررسی می‌کند.

API های آزمایش شده:

پاس: روشنایی (در محدوده تحمل) در طول زمان نوردهی ثابت است اگر ISO در محدوده جبران آن باشد.

معیارهای رد شدن از آزمون

در صورت رعایت هر یک از معیارهای زیر، آزمون test_exposure_time_priority نادیده گرفته می‌شود:

صحنه2_a

scene2_a دارای سه چهره با زمینه خاکستری و لباس خنثی است. چهره ها به گونه ای انتخاب می شوند که طیف وسیعی از رنگ پوست داشته باشند. نمودار باید جهت گیری درستی داشته باشد تا تشخیص چهره به طور بهینه کار کند.

صحنه2_a

صحنه2_a

test_autoframing

رفتار قاب خودکار دستگاه دوربین را آزمایش می کند. بزرگنمایی زیادی انجام می دهد به طوری که هیچ یک از چهره های صحنه قابل مشاهده نباشد، با تنظیم AUTOFRAMING در CaptureRequest روی True ، حالت قاب خودکار را فعال می کند، و بررسی می کند که آیا تمام چهره های صحنه اصلی در هنگام همگرا شدن وضعیت قابل AUTOFRAMING_STATE_CONVERGED هستند (یعنی زمانی که AUTOFRAMING_STATE در CaptureResult تنظیم شده است.

API های آزمایش شده:

پاس: هر سه چهره شناسایی می شوند.

test_display_p3

آزمایش‌ها، ضبط P3 را در JPEG با استفاده از ColorSpaceProfiles API نمایش می‌دهد. آزمایش می کند که JPEG گرفته شده دارای یک نمایه ICC مناسب در هدر خود باشد و اینکه تصویر حاوی رنگ هایی خارج از محدوده sRGB باشد.

API های آزمایش شده:

پاس: JPEG حاوی نمایه نمایشگر P3 ICC و رنگ‌هایی خارج از محدوده sRGB است.

test_effects

قاب را برای جلوه های دوربین پشتیبانی شده می گیرد و بررسی می کند که آیا آنها به درستی تولید شده اند یا خیر. این آزمایش فقط جلوه‌های OFF و MONO را بررسی می‌کند، اما تصاویر را برای همه جلوه‌های پشتیبانی شده ذخیره می‌کند.

API های آزمایش شده:

Pass: تصویر صحنه را با جلوه‌های OFF و یک تصویر تک رنگ با جلوه‌ها روی MONO می‌گیرد.

test_effects_MONO

test_effects_MONO.jpg

test_exposure_keys_consistent

این تست میانگین لومای یک عکسبرداری با قابلیت AE را با یک عکس برداری غیرفعال شده با AE مقایسه می کند که به صورت دستی پارامترهای نوردهی (حساسیت، زمان نوردهی، مدت زمان فریم، افزایش حساسیت پس از خام) دریافت شده در CaptureResult از عکسبرداری با قابلیت AE را اعمال می کند.

API های آزمایش شده:

پاس: اختلاف نسبی لوما بین دو ضبط کمتر از چهار درصد است.

test_format_combos

ترکیب های مختلف فرمت های خروجی را آزمایش می کند.

API های آزمایش شده:

پاس: همه ترکیب ها با موفقیت ضبط می شوند.

test_num_faces

تشخیص چهره را آزمایش می کند.

API های آزمایش شده:

پاس: سه چهره را پیدا می کند.

test_num_faces_fd_mode_1

test_num_faces_fd_mode_1.jpg

test_reprocess_uv_swap

آزمایش‌هایی که نشان می‌دهد پردازش مجدد YUV هواپیماهای U و V را تعویض نمی‌کند. این با محاسبه مجموع تفاوت‌های مطلق (SAD) بین تصویر پردازش‌شده مجدد و عکس‌برداری غیر پردازش‌شده شناسایی می‌شود. اگر مبادله صفحات خروجی U و V ضبط مجدد منجر به افزایش SAD شود، در این صورت خروجی دارای صفحات U و V صحیح فرض می شود.

API های آزمایش شده:

پاس: هواپیماهای U و V تعویض نمی شوند.

test_reprocess_uv_swap

test_reprocess_uv_swap.png

صحنه2_ب

test_preview_num_faces

تشخیص چهره را در پیش نمایش با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره را با نشانه‌های چهره در جعبه‌های محدودکننده چهره پیدا می‌کند.

test_num_faces_fd_mode_1

test_num_faces_fd_mode_1.jpg

test_yuv_jpeg_capture_sameness

دو تصویر را با استفاده از بزرگترین فرمت‌های رایج YUV و JPEG با نسبت ابعادی مشابه با بزرگ‌ترین فرمت JPEG با وضوح تصویر 1920x1440 می‌گیرد. jpeg.quality را روی 100 تنظیم می کند و درخواست دو سطحی را می گیرد. هر دو تصویر را به آرایه‌های RGB تبدیل می‌کند و اختلاف ریشه سه‌بعدی میانگین مربع (RMS) بین دو تصویر را محاسبه می‌کند.

به‌علاوه، این آزمایش تأیید می‌کند که خروجی‌های YUV برای همه موارد استفاده از جریان پشتیبانی‌شده تا حد معقولی شبیه به YUV با حالت استفاده STILL_CAPTURE هستند.

API های آزمایش شده:

پاس: تصاویر YUV و JPEG برای مورد استفاده STILL_CAPTURE کمتر از 3٪ RMS (مقدار ریشه میانگین مربع سیگنال) تفاوت دارند. تصاویر YUV برای همه موارد استفاده پشتیبانی شده کمتر از 10٪ تفاوت RMS با تصاویر YUV با استفاده STILL_CAPTURE دارند.

صحنه2_ج

test_num_faces

تشخیص چهره را با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره را پیدا می کند.

test_num_faces_fd_mode_1

test_num_faces_fd_mode_1.jpg

test_jpeg_capture_perf_class

تأخیر ضبط JPEG را برای کلاس عملکرد S همانطور که در بخش 2.2.7.2 دوربین در CDD مشخص شده است، آزمایش می کند.

پاس: باید دارای تأخیر ضبط JPEG camera2 کمتر از 1000 میلی ثانیه برای وضوح 1080p باشد که توسط دوربین CTS PerformanceTest در شرایط نور ITS (3000K) برای هر دو دوربین اصلی اندازه‌گیری شده است.

test_camera_launch_perf_class

تأخیر راه اندازی دوربین را برای کلاس عملکرد S طبق بخش 2.2.7.2 دوربین در CDD مشخص شده آزمایش می کند.

پاس: باید تاخیر راه اندازی camera2 (باز کردن دوربین تا اولین فریم پیش نمایش) کمتر از 600 میلی ثانیه باشد که توسط دوربین CTS PerformanceTest در شرایط نوری ITS (3000K) برای هر دو دوربین اصلی اندازه گیری شده است.

test_default_camera_hdr

تست‌هایی که ضبط پیش‌فرض دوربین، Ultra HDR برای کلاس عملکرد 15 است، همانطور که در بخش 2.2.7.2 دوربین CDD مشخص شده است.

پاس: ضبط پیش‌فرض بسته دوربین باید Ultra HDR برای دستگاه کلاس عملکرد 15 باشد.

صحنه2_د

test_preview_num_faces

تشخیص چهره را در پیش نمایش با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره را با نشانه‌های چهره در جعبه‌های محدودکننده چهره پیدا می‌کند.

صحنه2_e

test_continuous_picture

50 فریم با وضوح VGA با اولین تنظیم درخواست عکسبرداری گرفته می شود android.control.afMode = 4 (CONTINUOUS_PICTURE).

API های آزمایش شده:

Pass: سیستم 3A در پایان گرفتن 50 فریم ته نشین می شود.

test_num_faces

تشخیص چهره را با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره را پیدا می کند.

صحنه2_f

scene2_f دارای سه چهره با زمینه سفید و لباس سفید است. چهره ها طیف وسیعی از رنگ پوست و کنتراست بالایی با پس زمینه دارند.

scene2_f.png

صحنه2_f

test_preview_num_faces

تشخیص چهره را با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره را با نشانه‌های چهره در جعبه‌های محدودکننده چهره پیدا می‌کند.

test_num_faces_fd_mode_1

test_num_faces_fd_mode_1.jpg

صحنه2_g

scene2_g دارای سه چهره پروفایل با زمینه سفید و لباس سفید است. چهره ها طیف وسیعی از رنگ پوست و کنتراست بالایی با پس زمینه دارند.

scene2_g.png

صحنه2_g

test_preview_num_faces

تشخیص چهره را با افزایش تنوع رنگ پوست در صحنه های صورت آزمایش می کند.

API های آزمایش شده:

پاس: 3 چهره با نقاط دیدنی در جعبه های محدود شده صورت پیدا می کند.

test_preview_num_faces

test_preview_num_faces

صحنه 3

Scene3 از نمودار ISO12233 استفاده می کند و بیشتر آزمایشات از یک روش استخراج نمودار برای یافتن نمودار در صحنه استفاده می کنند. به همین دلیل ، بیشتر تصاویر ذخیره شده مرزهایی مانند تصاویر برای صحنه های 1 ، 2 یا 4 ندارند ، اما فقط نمودار هستند. نمودار باید در جهت گیری صحیح باشد تا یاب نمودار بهینه کار کند.

test_edge_enhancement

آزمایشاتی که پارامتر android.edge.mode به درستی اعمال می شود. تصاویر غیر پردازش را برای هر حالت لبه ضبط می کند و وضوح تصویر خروجی و ابرداده نتیجه ضبط را برمی گرداند. یک درخواست ضبط را با یک حالت لبه معین ، حساسیت ، زمان قرار گرفتن در معرض ، فاصله تمرکز و پارامتر سطح خروجی پردازش می کند.

عبور: حالت HQ (2) واضح تر از حالت OFF (0). حالت FAST (1) واضح تر از حالت OFF . حالت HQ واضح تر یا برابر با حالت FAST .

API آزمایش کرد:

پارامترهای دوربین تأثیرگذار:

  • EDGE_MODE

test_edge_enhancement_edge = 0

test_edge_enhancement_edge = 0.jpg

test_edge_enhancement_edge = 1

test_edge_enhancement_edge = 1.jpg (حالت سریع)

test_edge_enhancement_edge = 2

test_edge_enhancement_edge = 2.jpg (حالت با کیفیت بالا)

test_flip_mirror

تست ها اگر تصویر به درستی در بخش CDD 7.5.2 دوربین جلوی [C-1-5] گرایش داشته باشد.

تصاویر آینه ای ، تلنگر یا چرخان شده را می توان با ویژگی الماس در نزدیکی مرکز مشخص کرد.

PASS: تصویر تلنگر ، آینه یا چرخانده نمی شود.

test_flip_mirror_scene_patch

test_flip_mirror_scene_patch.jpg

test_imu_drift

آزمایش اگر واحد اندازه گیری اینرسی (IMU) در حالی که دستگاه ثابت است و یک پیش نمایش با کیفیت بالا را ضبط می کند ، به مدت 30 ثانیه از خروجی پایدار برخوردار است.

API آزمایش کرد:

پاس:

  • رانش ژیرو در زمان آزمایش کمتر از 0.01 RAD است.
  • واریانس خواندن ژیرو کمتر از 1E-7 RAD 2 /S 2 /هرتز در طول زمان است.
  • رانش بردار چرخش در زمان آزمایش کمتر از 0.01 RAD است.
  • (هنوز اجباری نشده است) رانش ژیرو کمتر از 1 درجه در ثانیه است.

test_imu_drift_gyro_drift.png

test_imu_drift_gyro_drift.png

test_imu_drift_rotation_veector_drift.png

test_imu_drift_rotation_veector_drift.png

test_landscape_to_portrait

در صورتی که چشم انداز به پرتره به درستی برای سنسورهای منظره محور عمل کند ، آزمایش می کند.

API آزمایش کرد:

PASS: این آزمون قادر است نمودار را با چرخش مورد انتظار قرار دهد (0 درجه در هنگام غیرفعال کردن چشم انداز به پرتره ، 90 درجه در هنگام فعال کردن).

test_landscape_to_portrait

test_landscape_to_portrait.png

test_lens_movement_reporting

در صورت گزارش صحیح پرچم حرکت لنز ، آزمایشات انجام می شود. با 12 فریم اول در فاصله بهینه فوکوس (همانطور که توسط 3A یافت می شود) و 12 فریم آخر در حداقل فاصله فوکوس ، 24 تصویر را ضبط می کند. در اطراف قاب 12 ، لنزها حرکت می کنند و باعث کاهش وضوح می شوند. با حرکت لنز به موقعیت نهایی ، وضوح در نهایت تثبیت می شود. پرچم حرکت لنز باید در تمام قاب هایی که در آن وضوح در وضوح در چند فریم اول با لنز ثابت در فاصله کانونی بهینه قرار دارد ، و چند فریم پایانی که لنز در حداقل فاصله کانونی ثابت است ، ادعا شود. قاب دقیقی که لنز حرکت می کند مهم نیست: آنچه بررسی می شود این است که هنگام حرکت لنز ، پرچم حرکت ادعا می شود.

API آزمایش کرد:

پاس: پرچم حرکت لنز در قاب با تغییر وضوح True است.

مکانیسم های شکست:

  • lens_moving: True ( android.hardware.camera2.CaptureResult#LENS_STATE = 1) در test_log.DEBUG فقط در قاب هایی ادعا می شود که وضوح تغییر نمی کند.
  • قاب هایی با lens_moving: False ( android.hardware.camera2.CaptureResult#LENS_STATE = 0) در test_log.DEBUG در مقایسه با چند فریم اول در فاصله کانونی بهینه یا چند فریم آخر در حداقل فاصله تمرکز ، اختلاف وضوح دارد.

test_reprocess_edge_enhancement

آزمایشات اگر روشهای پردازش مجدد برای تقویت لبه به درستی کار می کنند. یک درخواست ضبط را با یک حالت لبه پردازش مجدد پردازش می کند و حالت های مختلف را برای ضبط با حالت های لبه پردازشگر غیرفعال مقایسه می کند.

API آزمایش کرد:

پاس: وضوح برای حالتهای مختلف لبه صحیح است. HQ (حالت 2) واضح تر از OFF است (حالت 0) ، و بهبود بین حالت های مختلف مشابه است.

test_reprocess_edge_enhancement_plot

test_reprocess_edge_enhancement_plot.png

صحنه 4

صحنه 4 از یک دایره سیاه روی یک پس زمینه سفید در داخل یک مربع تشکیل شده است. آزمایشات در صحنه 4 می تواند به تراز حساس باشد ، بنابراین با شروع از 15 ، می توانید از check_alignment.py در فهرست ابزارها استفاده کنید تا بررسی تراز DUT و نمودار را فعال کنید.

صحنه 4

صحنه 4

test_30_60fps_preview_fov_match

آزمایشاتی که 30 فریم در ثانیه و 60 فریم در ثانیه فیلم های پیش نمایش دارای همان FOV هستند. این تست دو فیلم را ضبط می کند ، یکی با 30 فریم در ثانیه و دیگری با 60 فریم در ثانیه. یک قاب نماینده از هر ویدیو انتخاب شده و مورد تجزیه و تحلیل قرار می گیرد تا اطمینان حاصل شود که تغییر FOV در دو فیلم در مشخصات قرار دارد. آزمایشاتی که نسبت ابعاد دایره ثابت باقی می ماند ، مرکز دایره پایدار است و شعاع دایره ثابت است.

API آزمایش کرد:

پاس: تصاویر کشیده نشده ، مرکز تصاویر بیش از 3 ٪ متفاوت نیست و حداکثر نسبت ابعاد بین 30 فریم بر ثانیه و 60 فیلم تغییر می کند

مکانیسم های شکست:

  • دایره از فیلم 30 فریم در ثانیه از نظر اندازه با ویدیوی 60 فریم در ثانیه متفاوت است.
  • دایره موجود در تصویر ضبط شده توسط خط لوله پردازش تحریف شده است.
  • دایره موجود در تصویر ضبط شده به دلیل درخواست ضبط نسبت ابعاد شدید ، باعث کاهش ارتفاع یا عرض تصویر می شود.
  • دایره موجود در تصویر ضبط شده بازتاب در مرکز دارد و کاملاً پر نمی شود.

test_aspect_ratio_and_crop

آزمایش اگر تصاویر در خط لوله تصویر تحریف شده یا به طور غیر منتظره ای بریده شده اند. از یک دایره از همه قالب ها عکس می گیرد. تأیید می کند که دایره تحریف نشده است ، دایره از مرکز تصویر حرکت نمی کند ، و دایره با نسبت یا وضوح ابعاد مختلف اندازه را نادرست تغییر نمی دهد.

API آزمایش کرد:

پاس: تصاویر کشیده نشده اند ، مرکز تصاویر بیش از 3 ٪ متفاوت نیست و حداکثر FOV ممکن (میدان دید) حفظ می شود.

مکانیسم های شکست:

  • این دوربین با دایره نمایش داده شده روی رایانه لوحی در مرکز صحنه ضبط شده تراز نشده است.
  • دایره موجود در تصویر ضبط شده توسط خط لوله پردازش تحریف شده است.
  • تصویر با وضوح پایین در خط لوله تصویر دو برابر شده است و باعث ایجاد FOV مختلف بین تصاویر با وضوح بالا و پایین می شود.
  • دایره موجود در تصویر ضبط شده به دلیل درخواست ضبط نسبت ابعاد شدید ، باعث کاهش ارتفاع یا عرض تصویر می شود.
  • دایره موجود در تصویر ضبط شده بازتاب در مرکز دارد و کاملاً پر نمی شود.

test_multi_camera_alignment

پارامترهای کالیبراسیون دوربین مربوط به موقعیت یابی دوربین را برای سیستم های چند دوربین آزمایش می کند. با استفاده از زیر دوربین های فیزیکی چند دوربین ، با یکی از دوربین های فیزیکی عکس می گیرد. مرکز دایره را پیدا می کند. مرکز دایره را به مختصات جهان برای هر دوربین می پردازد. تفاوت بین مراکز دایره دوربین ها در مختصات جهان را مقایسه می کند. مختصات جهان را به مختصات پیکسل بازگرداند و در برابر اصل به عنوان یک بررسی اعتبار مقایسه می شود. اندازه های دایره را بررسی می کند که آیا فاصله کانونی دوربین ها متفاوت است یا خیر.

API آزمایش کرد:

پاس: مراکز و اندازه های دایره همانطور که در تصاویر پیش بینی شده در مقایسه با تصاویر ضبط شده با استفاده از داده های کالیبراسیون دوربین و طول کانونی انتظار می رود.

مکانیسم های شکست:

  • LENS_INTRINSIC_CALIBRATION ، LENS_POSE_TRANSLATION یا LENS_POSE_ROTATION مقادیر طراحی هستند و داده های کالیبراسیون واقعی نیستند.
  • سیستم دوربین برای تنظیم تست مناسب نیست. به عنوان مثال ، آزمایش یک سیستم دوربین گسترده و فوق العاده گسترده با دکل تست RFOV. برای اطلاعات بیشتر ، به دوربین آن در یک جعبه FQ1 مراجعه کنید.

test_preview_aspect_ratio_and_crop

این تست مشابه تست TEST_ASPECT_RATIO_AND_CROP برای ضبط های هنوز هم ، فرمت های پیش نمایش پشتیبانی شده را بررسی می کند تا اطمینان حاصل شود که قاب های پیش نمایش کشیده نشده و یا به طور نامناسب خرد نمی شوند. تأیید می کند که نسبت ابعاد دایره تغییر نمی کند ، تصاویر بریده شده دایره را در مرکز قاب نگه می دارند و اندازه دایره برای یک قالب ثابت یا با وضوح مختلف تغییر نمی کند (زمینه نمایش بررسی).

API آزمایش کرد:

پاس: تصاویر کشیده نشده اند ، مرکز تصاویر بیش از 3 ٪ متفاوت نیست و حداکثر FOV ممکن (میدان دید) حفظ می شود.

test_preview_stabilization_fov

اندازه های پیش نمایش پشتیبانی شده را بررسی می کند تا اطمینان حاصل شود که FOV به طور مناسب از آن استفاده می شود. این تست دو فیلم را ضبط می کند ، یکی با ON پیش نمایش و دیگری با OFF پیش نمایش. یک قاب نماینده از هر ویدیو انتخاب شده و مورد تجزیه و تحلیل قرار می گیرد تا اطمینان حاصل شود که تغییر FOV در دو فیلم در مشخصات است.

API آزمایش کرد:

پاس: نسبت ابعاد دایره در مورد ثابت باقی مانده است ، محل مرکزی دایره پایدار است و اندازه دایره بیش از 20 ٪ تغییر نمی کند.

test_video_aspect_ratio_and_crop

فیلم هایی از یک دایره را در داخل یک مربع در تمام قالب های ویدیویی می گیرد. فریم های کلیدی را استخراج می کند و نسبت ابعاد دایره را تغییر نمی دهد ، تصاویر خرد شده دایره را در مرکز نگه می دارند و اندازه دایره برای یک قالب ثابت یا با وضوح متفاوت (بررسی میدان نمایش) تغییر نمی کند.

API آزمایش کرد:

پاس: قاب های ویدئویی کشیده نشده اند ، مرکز قاب ها بیش از 3 ٪ تفاوت ندارند و حداکثر FOV ممکن (میدان دید) حفظ می شود.

صحنه 5

Scene5 به یک صحنه خاکستری یکنواخت روشن نیاز دارد. این کار توسط یک دیفیوزر قرار داده شده بر روی لنز دوربین انجام می شود. ما دیفیوزر زیر را توصیه می کنیم: www.edmundoptics.com/optics/window-diffusers/optical-diffusers/opal-diffusing-glass/46168 .

برای تهیه صحنه ، یک دیفیوزر را در مقابل دوربین وصل کنید و دوربین را به منبع روشنایی در حدود 2000 لوکس نشان دهید. تصاویر ضبط شده برای Scene5 نیاز به نورپردازی پراکنده و بدون هیچ ویژگی مشهود دارند. موارد زیر یک تصویر نمونه است:

صحنه 5

صحنه 5

test_lens_shading_and_color_uniformity

آزمایشاتی که اصلاح سایه لنز به طور مناسب اعمال می شود ، و رنگ یک صحنه یکنواخت تک رنگ به طور مساوی توزیع می شود. این تست را روی یک قاب YUV با Auto 3A انجام می دهد. سایه لنز بر اساس کانال Y ارزیابی می شود. مقدار متوسط ​​Y را برای هر بلوک نمونه مشخص شده اندازه گیری می کند و با مقایسه با مقدار مرکز Y ، پاس یا شکست را تعیین می کند. تست یکنواختی رنگ در فضای R/G و B/G ارزیابی می شود.

API آزمایش کرد:

پاس: در شعاع مشخص شده تصویر ، واریانس مقدار R/G و B/G باید برای گذراندن آزمون کمتر از 20 ٪ باشد.

صحنه 6

Scene6 شبکه ای از نشانگرهای Aruco منحصر به فرد قابل شناسایی است. آزمایشات در صحنه 6 می تواند به تراز حساس باشد ، بنابراین با شروع از 15 ، می توانید از check_alignment.py در فهرست ابزارها استفاده کنید تا بررسی تراز DUT و نمودار را فعال کنید.

صحنه 6

صحنه 6

test_in_sensor_zoom

آزمایش عملکرد بزرگنمایی دوربین در سنسور ، که تصاویر خام خرد شده را تولید می کند.

با استفاده از جریان استفاده از جریان به CROPPED_RAW ، این آزمایش دو ضبط از محدوده زوم ، یک میدان کامل از نمایش (FOV) و یک تصویر خام خرد شده می گیرد. این تست تصاویر را به آرایه های RGB تبدیل می کند ، تصویر خام خرد شده با اندازه کامل را به اندازه گزارش شده توسط SCALER_RAW_CROP_REGION تبدیل می کند و تفاوت میانگین مربع ریشه سه بعدی (RMS) بین دو تصویر را محاسبه می کند.

API آزمایش کرد:

PASS: تفاوت میانگین مربع ریشه سه بعدی (RMS) بین تصویر خام خرد شده پایین و تصویر خام FOV کمتر از آستانه تعیین شده در آزمون است.

test_zoom

رفتار بزرگنمایی دوربین را از لنز Ultrawide به لنزهای گسترده آزمایش می کند. ضبط را از محدوده زوم می گیرد و بررسی می کند که آیا نشانگرهای Aruco با بزرگنمایی دوربین بزرگتر می شوند. این آزمایش همچنین بررسی می کند که آیا موقعیت نشانگر مرکز به طور قابل پیش بینی بر روی هر ضبط تغییر می کند. فاصله از مرکز نشانگر مرکز تا مرکز تصویر می تواند با توجه به نسبت بزرگنمایی با سرعت ثابت تغییر کند تا سوئیچ دوربین فیزیکی ، یا می تواند بعد از سوئیچ دوربین فیزیکی به صورت یکنواخت به سمت همان نشانگر تغییر کند. برنامه دوربین JetPack ( JCA ) باید قبل از آزمایش روی دستگاه نصب شود.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر Aruco ضبط شده در برابر نسبت بزرگنمایی درخواست شده برای اطمینان از اینکه دوربین به درستی زوم شده است ، دقیق است و فاصله نشانگر تا مرکز تصویر با توجه به معیارهای بیان شده در توضیحات آزمون تغییر می کند.

test_zoom

test_zoom برای یافتن کانتور نشانگر آروکو نزدیک به مرکز.

test_low_latency_zoom

رفتار بزرگنمایی دوربین را آزمایش می کند. ضبط از محدوده زوم با android.control.settingsOverride = 1 (SETTINGS_OVERRIDE_ZOOM) می گیرد و بررسی می کند که آیا نشانگرهای موجود در تصاویر خروجی با نسبت های بزرگنمایی در ابرداده ضبط مطابقت دارند یا خیر. از همان جلسه ضبط دوربین برای همگرایی 3A و گرفتن ضبط استفاده می شود.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر ضبط شده در برابر ابرداده نتیجه نسبت بزرگنمایی دقیق است.

test_preview_video_zoom_match

تست هایی که هنگام ضبط و بزرگنمایی ، پیش نمایش ویدیو و خروجی ویدیو را نمایش داده و همان خروجی را ضبط می کنید. اندازه نشانگر نزدیک به مرکز را با نسبت های مختلف بزرگنمایی محاسبه می کند و بررسی می کند که آیا با افزایش نسبت بزرگنمایی ، اندازه نشانگر افزایش می یابد یا خیر.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر ضبط شده در برابر نسبت بزرگنمایی درخواست شده در فیلم و پیش نمایش دقیق است.

HD_1280X720_KEY_FRAME.PNG

HD_1280X720_KEY_FRAME.PNG (قبل از بزرگنمایی)

preview_1280x720_key_frame.png

preview_1280x720_key_frame.png (قبل از بزرگنمایی)

HD_1280X720_KEY_FRAME_ZOOMED.PNG

HD_1280X720_KEY_FRAME.PNG (بعد از بزرگنمایی)

preview_1280x720_key_frame_zoomed.png

preview_1280x720_key_frame.png (بعد از بزرگنمایی)

test_preview_zoom

آزمایشاتی که نسبت بزرگنمایی هر قاب پیش نمایش با ابرداده ضبط مربوطه از لنز Ultrawide به لنزهای گسترده مطابقت دارد. این آزمایش فریم های پیش نمایش را از محدوده زوم می گیرد و نشانگر آروکو را نزدیک به مرکز می یابد. آزمون سپس بررسی می کند که آیا موقعیت نشانگر مرکز به طور قابل پیش بینی در هر ضبط تغییر می کند. فاصله از مرکز نشانگر مرکز تا مرکز تصویر می تواند با توجه به نسبت بزرگنمایی با سرعت ثابت تغییر کند تا سوئیچ دوربین فیزیکی ، یا می تواند بعد از سوئیچ دوربین فیزیکی به صورت یکنواخت به سمت همان نشانگر تغییر کند.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر آروکو انتخاب شده برای نسبت بزرگنمایی گزارش شده از نتیجه ضبط مربوطه برای همه فریم های پیش نمایش دقیق است. فاصله نسبی نشانگر انتخاب شده از مرکز تصویر برای نسبت بزرگنمایی گزارش شده از نتیجه ضبط مربوطه از تمام فریم های پیش نمایش دقیق است.

test_zoom

تصاویر test_preview_zoom که نشانگر منتخب را نزدیک به مرکز نشان می دهد

test_session_characteristics_zoom

محدوده نسبت بزرگنمایی را برای کلیه تنظیمات جلسه پشتیبانی شده ذکر شده در CameraCharacteristics#INFO_SESSION_CONFIGURATION_QUERY_VERSION آزمایش می کند. برای هر یک از این تنظیمات ، اگر CameraDeviceSetup#isSessionConfigurationSupported True بازگردد ، این آزمایش تأیید می کند که دامنه نسبت بزرگنمایی که در CameraDeviceSetup#getSessionCharacteristics وجود دارد ، می توان به دست آورد.

API آزمایش کرد:

پاس: هر دو نسبت حداقل و حداکثر بزرگنمایی را می توان برای هر SessionConfiguration پشتیبانی شده پشتیبانی شده ذکر شده در CameraCharacteristics#INFO_SESSION_CONFIGURATION_QUERY_VERSION دریافت کرد.

صحنه 7

Scene7 یک قاب مستطیل شکل است که به چهار ربع مساوی تقسیم می شود که هر کدام با رنگ دیگری پر شده اند. در مرکز مستطیل یک نمودار لبه شیب دار برای بررسی وضوح قرار دارد. چهار نشانگر Aruco با چهار گوشه بیرونی مستطیل تراز شده است تا در به دست آوردن مختصات دقیق قاب مستطیل اصلی در نسبت های مختلف بزرگنمایی کمک کند.

صحنه 7

صحنه 7

test_multi_camera_switch

این آزمایش تأیید می کند که در طول ضبط پیش نمایش در نسبت های مختلف بزرگنمایی ، سوئیچ بین لنزهای Ultrawide (UW) و گسترده (W) منجر به مقادیر RGB مشابه می شود.

در این آزمون از نسبت های بزرگنمایی مختلف در محدوده از پیش تعریف شده استفاده می کند تا یک ضبط پیش نمایش پویا را انجام دهد و نقطه ای را که دوربین فیزیکی در آن تغییر می کند ، شناسایی کند. این نقطه کراس اوور را از UW به لنز W نشان می دهد.

قاب های ضبط شده در و قبل از نقطه متقاطع برای قرار گرفتن در معرض خودکار (AE) ، تعادل سفید خودکار (AWB) و فوکوس خودکار (AF) تجزیه و تحلیل می شوند.

بررسی AE تضمین می کند که تغییر LUMA در محدوده مورد انتظار برای هر دو لنز UW و W قرار دارد. بررسی AWB تأیید می کند که نسبت های R/G و B/G برای هر دو تصویر لنز UW و W در آستانه مقادیر آستانه قرار دارند. بررسی AF مقدار تخمین وضوح را بر اساس میانگین بزرگی شیب بین تصاویر لنز UW و W ارزیابی می کند.

در حین اجرای این آزمایش اگر اثر Moire با نتایج تداخل دارد ، از لیست دوربین با وضوح بالاتر از لیست دوربین مصوب تبلت های خود استفاده کنید.

API آزمایش کرد:

پاس: برای گذراندن آزمون ، چک های AE و AWB باید عبور کنند. نتایج بررسی AF فقط برای اهداف ورود به سیستم استفاده می شود. موارد زیر معیارهای هر چک است:

  • بررسی AE: تغییر LUMA (مقدار Y) بین تصاویر لنز UW و W باید برای همه لکه های رنگی کمتر از 4 ٪ باشد اگر دستگاه از ae_regions و awb_regions پشتیبانی کند. اگر فقط ae_regions پشتیبانی شود ، فقط مقادیر پچ رنگ خاکستری باید معیارها را رعایت کنند.
  • بررسی AWB: تفاوت بین مقادیر R/G و B/G برای تصاویر لنز UW و W باید برای وصله رنگ خاکستری کمتر از 3 ٪ باشد و اگر دستگاه از ae_regions و awb_regions پشتیبانی کند ، باید برای سایر لکه های رنگی کمتر از 10 ٪ باشد.
  • بررسی AF: وضوح تصویر برای ضبط لنز W باید بالاتر از وضوح با ضبط UW باشد.

test_multi_camera_switch_gray_uw_y

پچ خاکستری گرفته شده با لنز UW

test_multi_camera_switch_gray_w_y

پچ خاکستری گرفته شده با لنز W

scene8

Scene8 یک قاب مستطیل شکل است که به چهار منطقه مساوی تقسیم می شود ، هر کدام حاوی یک پرتره با قرار گرفتن در معرض متفاوت یا پوششی با سایه رنگی متفاوت (سایه آبی ، افزایش قرار گرفتن در معرض ، کاهش قرار گرفتن در معرض ، سایه زرد). چهار نشانگر Aruco با چهار گوشه بیرونی مستطیل تراز شده است تا مختصات دقیق قاب مستطیل اصلی بدست آید.

scene8

scene8

test_ae_awb_regions

آزمایشاتی که مقادیر RGB و LUMA هنگام ضبط پیش نمایش در مناطق مختلف قرار گرفتن در معرض خودکار (AE) و مناطق تعادل سفید (AWB) متفاوت است.

این تست یک ضبط پیش نمایش هشت ثانیه ای را ضبط می کند ، AE و اندازه گیری AWB را در هر ربع به مدت دو ثانیه انجام می دهد. سپس این آزمایش یک قاب را از ضبط پیش نمایش هر منطقه استخراج می کند و از قاب های استخراج شده برای انجام چک های زیر AE و AWB استفاده می کند:

  • Check AE: تأیید می کند که اندازه گیری قاب منطقه با کاهش قرار گرفتن در معرض ، مقدار لوما را بیش از 1 ٪ افزایش می دهد تا قاب که منطقه را با افزایش قرار گرفتن در معرض اندازه گیری می کند. این تأیید می کند که تصاویر هنگام اندازه گیری یک منطقه تاریک روشن می شوند.
  • بررسی AWB: تأیید می کند که نسبت قرمز به آبی (از میانگین مقادیر RGB تصویر) در قاب با منطقه اندازه گیری آبی بیش از 2 ٪ بیشتر از قاب با ناحیه اندازه گیری زرد است. این تأیید می کند که تصاویر هنگام اندازه گیری یک منطقه زرد (گرم) یا آبی (خنک) دارای مقدار RGB متعادل هستند.

API آزمایش کرد:

PASS: AE و AWB هر دو پاس را بررسی می کنند.

test_ae_awb_regions_dark_region

اندازه گیری قاب منطقه تاریک با افزایش قرار گرفتن در معرض

test_ae_awb_regions_light_region

اندازه گیری قاب منطقه سبک تر با کاهش قرار گرفتن در معرض

مکانیسم های شکست:

  • تشخیص دقیق هر چهار نشانگر آروکو برای این آزمایش ضروری است. اگر تشخیص اولیه از بین برود ، سیستم با استفاده از نسخه سیاه و سفید تصویر ، سعی می کند تشخیص دوم را انجام دهد. تصویر زیر مقیاس خاکستری مرحله پردازش ثانویه را نشان می دهد.

    نشانگرهای آروکو نادرست

test_color_correction_mode_cct

تست های COLOR_CORRECTION_MODE در دمای مختلف رنگ و رنگ ها ، تأیید تغییرات در نسبت RGB در برابر صحنه ضبط ، Scene8 .

API آزمایش کرد:

PASS: نسبت RGB نسبت به دمای رنگ انتخاب شده و رنگ های انتخاب شده ، افزایش یا کاهش پیش بینی شده را نشان می دهد.

معیارهای پرش تست

در صورت رعایت هر یک از معیارهای زیر ، تست test_color_correction_mode_cct از بین می رود:

صحنه 9

Scene9 از هزاران محافل به اندازه تصادفی و رنگی تشکیل شده است تا صحنه ای با تکرارپذیری بسیار کم برای استرس الگوریتم های فشرده سازی JPEG ایجاد شود.

صحنه 9

صحنه 9

test_jpeg_high_entropy

تست هایی که فشرده سازی دوربین JPEG در صحنه 9 با آنتروپی بالا و فاکتور کیفیت JPEG به 100 ٪ کار می کند. فاکتور بزرگنمایی افزایش می یابد تا اطمینان حاصل شود که صحنه نمایش داده شده در رایانه لوحی ، میدان دید دوربین را پر می کند.

API آزمایش کرد:

پاس: پرونده JPEG به درستی فشرده می شود ، نوشته شده و از دیسک خوانده می شود.

test_jpeg_quality

کیفیت فشرده سازی دوربین JPEG را آزمایش می کند. ویژگی های مرحله jpeg از طریق android.jpeg.quality و تضمین می کند که جداول کمیت به درستی تغییر می کند.

API آزمایش کرد:

پاس: ماتریس کمیت با افزایش کیفیت کاهش می یابد. (ماتریس عامل تقسیم را نشان می دهد.)

test_jpeg_quality

Pixel 4 دوربین عقب Luma/Chroma DQT ماتریس میانگین در مقابل کیفیت JPEG

test_jpeg_quality ناموفق بود

مثال آزمون ناموفق

توجه داشته باشید که برای تصاویر با کیفیت بسیار پایین (jpeg.quality <50) ، در ماتریس کمیت افزایش فشرده سازی وجود ندارد.

Scene_video

صحنه scene_video یک صحنه ویدیویی است. این شامل چهار دایره رنگی مختلف است که با نرخ قاب های مختلف در برابر پس زمینه سفید به جلو و عقب حرکت می کنند.

Scene_video

test_preview_frame_drop

آزمایشاتی که نرخ فریم پیش نمایش درخواست شده با صحنه پویا حفظ می شود. این آزمایش بر روی تمام دوربین هایی که در معرض برنامه های شخص ثالث قرار دارند اجرا می شود.

API آزمایش کرد:

پاس: نرخ فریم پیش نمایش در حداکثر محدوده نرخ فریم درخواست شده است و میانگین تغییر بین قاب های متوالی کمتر از تحمل نسبی است که در آزمون تعیین شده است.

endextensions

تست های scene_extensions برای پسوندهای دوربین است و باید از دوربین آن در یک جعبه استفاده کند ، زیرا به کنترل دقیق محیط آزمایش نیاز دارند. علاوه بر این ، تمام نشت نور باید کنترل شود. این ممکن است نیاز به پوشش دکل آزمایشی ، DUT و قرص با پارچه قطره ای و همچنین از بین بردن نشت نور از صفحه جلوی DUT داشته باشد.

strenge_hdr

صحنه scene_hdr از یک پرتره در سمت چپ و کد QR کم کنتراست در سمت راست تشکیل شده است.

strenge_hdr

strenge_hdr

test_hdr_extension

پسوند HDR را آزمایش می کند. ضبط ها را با و بدون فعال شدن پسوند انجام می دهد ، و بررسی می کند که آیا پسوند باعث می شود کد QR قابل تشخیص تر باشد.

API آزمایش کرد:

پاس: پسوند HDR تعداد تغییرات کنتراست مورد نیاز برای تشخیص کد QR را کاهش می دهد یا شیب را در کد QR کاهش می دهد.

Scene_low_light

صحنه scene_low_light از شبکه ای از مربع های مختلف سایه های خاکستری در برابر پس زمینه سیاه تشکیل شده است و شبکه مربع ها با یک طرح قرمز محدود می شوند. مربع ها در جهت گیری منحنی هیلبرت مرتب شده اند.

Scene_low_light

Scene_low_light

test_night_extension

آزمایش شبانه . ضبط را با برنامه افزودنی فعال می کند و موارد زیر را انجام می دهد:

  • حضور 20 مربع را تشخیص می دهد
  • لوما محدود شده توسط هر مربع را محاسبه می کند
  • مقدار لوما متوسط ​​6 مربع اول را با توجه به جهت گیری شبکه منحنی هیلبرت محاسبه می کند
  • تفاوت در مقدار LUMA مربع های متوالی (به عنوان مثال ، Square2 - Square) تا مربع های 5 و 6 (Square6 - Square5) را محاسبه می کند و میانگین پنج تفاوت محاسبه شده را می یابد.

برای دستگاه هایی که Android 16 یا بالاتر را اجرا می کنند ، درخواست ضبط شامل یک منطقه اندازه گیری شده مربوط به مستطیل است که شبکه مربع ها را محدود می کند. این افزودنی معیارهای عبور آستانه را تغییر می دهد.

API آزمایش کرد:

پاس:

  • برای دستگاه هایی که Android 16 یا بالاتر را اجرا می کنند ، میانگین مقدار LUMA 6 مربع اول باید حداقل 80 باشد و میانگین تفاوت در مقدار LUMA مربع های متوالی تا مربع های 5 و 6 باید حداقل 18.75 باشد.
  • برای دستگاه هایی که 15 و پایین دارند ، میانگین مقدار LUMA 6 مربع اول باید حداقل 85 باشد و میانگین تفاوت در مقدار LUMA مربع های متوالی تا مربع های 5 و 6 باید حداقل 17 باشد.

طرح درخشش زیر نشان می دهد که نتیجه تست عبور چگونه به نظر می رسد.

STRENGE_LOW_LIGHT_INGY_PASS

test_low_light_boost_extension

حالت AE Low Light Boost را آزمایش می کند. اگر Camera2 از حالت AE Low Light Boost پشتیبانی می کند ، این تست برای Camera2 انجام می شود. اگر پسوند دوربین حالت شب پشتیبانی شود و پسوند از حالت کم نور AE پشتیبانی کند ، این تست نیز برای پسوند دوربین حالت شب انجام می شود. این تست حالت AE را به سمت کم نور تنظیم می کند ، یک قاب از پیش نمایش می گیرد و موارد زیر را انجام می دهد:

  • حضور 20 جعبه را تشخیص می دهد
  • لوما محدود شده توسط هر جعبه را محاسبه می کند
  • مقدار لوما متوسط ​​6 مربع اول را با توجه به جهت گیری شبکه منحنی هیلبرت محاسبه می کند
  • تفاوت در مقدار LUMA مربع های متوالی (به عنوان مثال ، Square2 - Square) تا مربع های 5 و 6 (Square6 - Square5) را محاسبه می کند و میانگین پنج تفاوت محاسبه شده را می یابد.

برای دستگاه هایی که Android 16 یا بالاتر را اجرا می کنند ، درخواست ضبط شامل یک منطقه اندازه گیری شده مربوط به مستطیل است که شبکه مربع ها را محدود می کند. این افزودنی معیارهای عبور آستانه را تغییر می دهد.

API آزمایش کرد:

پاس:

  • برای دستگاه هایی که Android 16 یا بالاتر را اجرا می کنند ، میانگین مقدار LUMA 6 مربع اول باید حداقل 54 باشد و میانگین تفاوت در مقدار LUMA مربع های متوالی تا مربع های 5 و 6 باید حداقل 17 باشد.

  • برای دستگاه هایی که 15 و پایین دارند ، میانگین مقدار LUMA 6 مربع اول باید حداقل 70 باشد و میانگین تفاوت در مقدار LUMA مربع های متوالی تا مربعات 5 و 6 باید حداقل 18 باشد.

صحنه_

یک نیاز اصلی برای تست های scene_tele این است که فاصله نمودار باید حداقل حداقل فاصله فوکوس لنز تله فوتو باشد. از آنجا که این حداقل فاصله فوکوس می تواند بین دستگاه ها متفاوت باشد ، شما باید تنظیمات خود را متناسب با دوربین تله فوتو خاص پیکربندی کنید.

Sende_tele Setup بر اساس فاصله تمرکز دوربین گسترده و Tele

برای کسب اطلاعات بیشتر در مورد تنظیمات سخت افزار تست ، به تنظیم تنظیم Tele Extension Rig مراجعه کنید.

صحنه 6_tele

صحنه scene6_tele از شبکه ای از نشانگرهای آروکو در پس زمینه سفید تشکیل شده است.

اگر ضبط های scene6_tele در دکل مدولار به نظر می رسد ، صفحه جلوی دکل مدولار را بردارید.

remove_phone_mount

دکل تست WFOV را از پسوند جدا کرده و سوار تلفن را بردارید.

remove_front_plate

صفحه جلویی را بردارید.

test_zoom_tele

رفتار بزرگنمایی دوربین را از لنزهای وسیع به لنز تله فوتو آزمایش می کند. این آزمایش با test_zoom یکسان است ، اما رفتار بزرگنمایی دوربین را از لنزهای گسترده به لنز تله تست می کند.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر Aruco ضبط شده در برابر نسبت بزرگنمایی درخواست شده برای اطمینان از اینکه دوربین به درستی زوم شده است ، و فاصله نشانگر تا مرکز تصویر با توجه به معیارهای ذکر شده در test_zoom تغییر می کند.

test_preview_zoom_tele

رفتار بزرگنمایی دوربین را برای فریم های پیش نمایش از لنزهای گسترده به لنز تله فوتو آزمایش می کند. این آزمایش با TEST_PREVIEW_ZOOM یکسان است ، اما رفتار بزرگنمایی دوربین را برای فریم های پیش نمایش از لنزهای گسترده به لنزهای تله فوتو آزمایش می کند.

API آزمایش کرد:

پاس: اندازه نسبی نشانگر Aruco ضبط شده در برابر نسبت بزرگنمایی درخواست شده برای اطمینان از اینکه دوربین به درستی زوم شده است ، و فاصله نشانگر تا مرکز تصویر با توجه به معیارهای ذکر شده در test_preview_zoom تغییر می کند.

Scene7_tele

Scene7_Tele با Scene7 یکسان است ، اما برای آزمایش لنزهای تله فوتو تنظیم شده است. این یک قاب مستطیل شکل است که به چهار ربع مساوی تقسیم می شود که هر کدام با رنگ دیگری پر شده اند. در مرکز مستطیل یک نمودار لبه شیب دار برای بررسی وضوح قرار دارد. چهار نشانگر Aruco با چهار گوشه بیرونی مستطیل تراز شده است تا در به دست آوردن مختصات دقیق قاب مستطیل اصلی در نسبت های مختلف بزرگنمایی کمک کند.

test_multi_camera_switch_tele

این آزمایش تأیید می کند که در طول ضبط پیش نمایش در نسبت های مختلف بزرگنمایی ، سوئیچ بین لنزهای گسترده (W) و تله فوتو (Tele) منجر به مقادیر RGB مشابه می شود.

در این آزمون از نسبت های بزرگنمایی مختلف در محدوده از پیش تعریف شده استفاده می کند تا یک ضبط پیش نمایش پویا را انجام دهد و نقطه ای را که دوربین فیزیکی در آن تغییر می کند ، شناسایی کند. این نقطه کراس اوور از W تا لنز Tele را نشان می دهد.

قاب های ضبط شده در و قبل از نقطه متقاطع برای قرار گرفتن در معرض خودکار (AE) ، تعادل سفید خودکار (AWB) و فوکوس خودکار (AF) تجزیه و تحلیل می شوند.

بررسی AE تضمین می کند که تغییر LUMA در محدوده مورد انتظار برای هر دو تصویر لنز W و Tele قرار دارد. بررسی AWB تأیید می کند که نسبت های R/G و B/G در مقادیر آستانه برای هر دو تصویر لنز W و Tele قرار دارد. بررسی AF مقدار تخمین وضوح را بر اساس میانگین بزرگی شیب بین تصاویر W و لنز Tele ارزیابی می کند.

API آزمایش کرد:

پاس: برای گذراندن آزمون ، چک های AE ، AWB و AF باید همه عبور کنند. موارد زیر معیارهای هر چک است:

  • بررسی AE: تغییر LUMA بین تصاویر لنز W و Tele باید کمتر از 4 ٪ باشد.
  • بررسی AWB: در فضای آزمایشگاه آزمایشگاه ، دلتا C بین r/g و b/g برای گسترده و تله فوتو نمی تواند از 10 تجاوز کند.
  • بررسی AF: وضوح تصویر لنزهای Tele باید بالاتر از لنز W باشد.

flash_flash

تست های scene_flash به یک صحنه تاریک در جعبه فیوژن سنسور نیاز دارند.

test_auto_flash

آزمایشاتی که به صورت خودکار در صحنه تاریک برای دوربین های عقب و جلوی جلوی آن قرار می گیرد. برای دوربین های جلویی ، Auto-Flash از صفحه نمایش برای روشنایی صحنه استفاده می کند ، نه یک واحد فلش فیزیکی. این آزمایش تأیید می کند که با بررسی اینکه مرکز تصویر کاشی با فعال کردن خودکار فلش روشن تر است ، شلیک خودکار شلیک می شود. برای تحریک خودکار فلش ، چراغ های موجود در دکل تست باید خاموش شوند. چراغ ها را می توان به طور خودکار با کنترلر Arduino خاموش کرد. صحنه باید کاملاً تاریک باشد تا آزمون به درستی کار کند. برنامه دوربین JetPack ( JCA ) باید قبل از آزمایش روی دستگاه نصب شود. Flash Auto-Flash برای دوربین های عقب به حالت AE متکی است که باعث ایجاد شود ، اما Flash خودکار برای دوربین های جلویی به AE متکی نیست و همیشه تحریک می شود.

API آزمایش کرد:

PASS: مرکز تصویر کاشی با فعال کردن خودکار فلش روشن تر از تصویر صحنه اصلی برای همه دوربین ها است.

test_flash_strength

تست هایی که کنترل قدرت فلش در حالت SINGLE به درستی انجام می شود.

تأیید می کند که اگر دستگاه از کنترل قدرت فلش در حین استفاده از دوربین در حالت SINGLE پشتیبانی کند ، قدرت فلش با سطح قدرت درخواستی مختلف تغییر می کند. تأیید می کند که کنترل قدرت فلش با AE_MODES مختلف کار می کند. به عنوان مثال ، اگر حالت قرار گرفتن در معرض خودکار ON یا OFF باشد ، سطح استحکام فلش تأثیر آن را در روشنایی دارد و اگر حالت ON_AUTO_FLASH باشد ، سطح استحکام فلش هیچ تاثیری در روشنایی ندارد. برای انجام آزمایش ، چراغ های موجود در دکل آزمایش باید خاموش شوند. چراغ ها را می توان به طور خودکار با کنترلر Arduino خاموش کرد. صحنه باید کاملاً تاریک باشد تا آزمون به درستی کار کند.

API آزمایش کرد:

پاس:

هنگامی که حالت قرار گرفتن در معرض خودکار ON یا OFF است ، با افزایش سطح استحکام فلاش از FLASH_SINGLE_STRENGTH_MAX_LEVEL ، روشنایی تکه های تصویر افزایش می یابد. هنگامی که حالت قرار گرفتن در معرض خودکار ON_AUTO_FLASH است ، تفاوت در روشنایی تکه های تصویر در تحمل است زیرا سطح استحکام فلاش از Flash به FLASH_SINGLE_STRENGTH_MAX_LEVEL افزایش می یابد.

test_led_snapshot

تست هایی که عکس های LED به تصویر اشباع نمی شوند یا رنگ آن را رنگ نمی کنند.

این تست یک کنترلر روشنایی را به جعبه فیوژن سنسور اضافه می کند تا چراغ ها را کنترل کند. با OFF کردن چراغ ها ، آزمایش با حالت AUTO_FLASH تنظیم شده روی ON ضبط می شود. During this capture, the test runs a precapture sequence with the aePrecapture trigger set to START , and sets the capture intent to Preview to take the capture with flash.

Because the capture has a distinctive hotspot due to flash, the test computes the flash image mean of the entire capture and verifies whether the value is within the (68, 102) range. To check if the image is reasonably white-balanced, the test calculates the R/G and B/G ratios and verifies whether the ratios are within 0.95 and 1.05.

APIs tested:

Pass: The R/G and B/G ratios are within 0.95 and 1.05. The flash image mean is within the (68, 102) range.

test_night_mode_indicator

Tests the functionality of the night mode indicator, a feature that indicates whether the camera is operating in low light conditions and will benefit from a Night Mode Camera Extension still capture. This feature is only available on devices that support Night Mode Camera Extensions.

This test checks that the night mode indicator correctly reflects the lighting conditions during camera preview. The test performs the following steps:

  1. Initialization: The test initializes an ItsSession and retrieves camera properties. It also establishes a connection with the lighting controller.
  2. Skip Conditions: The test is skipped if the device doesn't support the required API level or the night mode indicator feature.
  3. Camera2 Session:
    • The test starts a preview capture session using a Camera2 session.
    • The light is turned on and a preview frame is captured.
    • The test verifies that the night mode indicator is in the OFF state.
    • The light is turned off and a preview frame is captured.
    • The test verifies that the night mode indicator is in the ON state.
  4. Camera extension session:
    • The test repeats the same procedure as for the Camera2 session, but using a CameraExtension session with the EXTENSION_NIGHT extension.
  5. Cleanup: The test closes ItsSession and releases the lighting controller.

APIs tested:

پاس:

  • When the light is on, the night mode indicator should be in the OFF state.
  • When the light is off, the night mode indicator should be in the ON state.
  • Applies for both Camera2 and CameraExtension sessions.

test_preview_min_frame_rate

Tests that the preview frame rate decreases correctly in a dark scene. For this test to work correctly, the lights in the test rig must be turned off by the controller or manually by the test operator.

APIs tested:

Pass: The preview frame rate is at the minimum of the requested frame rate range, and the variation between frames is less than the absolute tolerance set in the test.

test_torch_strength

Tests that flash strength control in TORCH mode is implemented correctly.

Verifies that if the device supports flash strength control during camera use in TORCH mode, the torch strength changes with different requested strength levels. Verifies that flash strength control works with different AE_MODES . For example, if the auto-exposure mode is ON or OFF , the flash strength level has an effect on brightness, and if the mode is ON_AUTO_FLASH , the flash strength level has no effect on brightness. Verifies that the torch strength stays the same throughout the duration of a burst, simulating a video capture session. To conduct the test, lights in the test rig must be turned off. The lights can be turned off automatically with the Arduino controller. The scene must be completely dark for the test to work correctly.

APIs tested:

پاس:

When the auto-exposure mode is ON or OFF , the brightness of the image burst patches increases as the flash strength level increases from no flash to FLASH_TORCH_STRENGTH_MAX_LEVEL . When the auto-exposure mode is ON_AUTO_FLASH , the difference in brightness of the image burst patches are within tolerance as the flash strength level increases from no flash to FLASH_TORCH_STRENGTH_MAX_LEVEL .

sensor_fusion

Sensor fusion tests require specific phone movement in front of a checkerboard pattern and ArUco markers. For optimum results, ensure the test chart is mounted flat. Charts that aren't flat affect the rotation calculations for many of the tests. The chart must fill the back of the sensor fusion box by printing at 17"x17" (43x43 cm). The sensor_fusion tests can be automated with the Sensor Fusion Box .

Sensor fusion chart

Sensor fusion chart

Sensor fusion chart in Rig

Sensor fusion chart that fills the back of the sensor fusion box

test_lens_intrinsic_calibration

Tests that the optical center of the lens intrinsic changes when the lens moves due to optical image stabilization (OIS). If lens intrinsic samples are supported, tests that the optical center of the lens intrinsic samples changes when the lens moves due to optical image stabilization (OIS).

APIs tested:

Pass: The optical center of the lens intrinsic changes by one pixel or more. If lens intrinsic samples are supported, the optical centers of the lens intrinsic samples change by one pixel or more.

test_lens_intrinsic_calibration_example.png

Example of test_lens_intrinsic_calibration plot showing changes of principal points in pixels for each frame

test_multi_camera_frame_sync

Tests that frame timestamps captured by logical camera are within 10 ms by computing angles of squares within the checkerboard to determine the timestamp.

APIs tested:

Pass: Angle between images from each camera doesn't change appreciably as phone is rotated.

test_preview_distortion

Tests that distortion is corrected throughout each preview frame taken at various zoom levels. For each preview frame, the test calculates ideal points based on camera intrinsics and extrinsics. In the example image, ideal points are shown in green; actual points are shown in red. The distortion error is calculated based on the root mean square (RMS) pixel distance between the actual points and ideal points. The green and red highlights on the image are used to visually detect the area of distortion error.

test_preview_distortion_example.jpg

Image of checkerboard with ideal points as green and actual points as red

APIs tested:

Pass: The normalized distortion error of each preview frame is less than the threshold set in the test.

test_preview_stabilization

Tests that stabilized preview video rotates less than gyroscope.

APIs tested:

Pass: Max angle rotation over frames is less than 70% of gyroscope rotation.

The following are sample videos with and without stabilization.

  • Sample video with stabilization

  • Sample video without stabilization

test_sensor_fusion

Tests the timestamp difference between the camera and the gyroscope for AR and VR applications. Phone is rotated 90 degrees 10 times in front of the checkerboard pattern. Motion is about 2 s round trip. This test is skipped if no gyroscope is included or if the timestamp source REALTIME parameter is not enabled.

The test_sensor_fusion test generates a number of plots. The two most important plots for debugging are:

  • test_sensor_fusion_gyro_events : Shows the gyroscope events for the phone during the test. Movement in the x and y direction implies the phone isn't securely mounted on the mounting plate, reducing the probability of the test passing. The number of cycles in the plot depends on the write speed for saving frames.

    test_sensor_fusion_gyro_events.png

    test_sensor_fusion_gyro_events

  • test_sensor_fusion_plot_rotations : Shows the alignment of the gyroscope and camera events. This plot must show matching movement between camera and gyroscope to +/-1 ms.

    test_sensor_fusion_plot_rotations.png

    test_sensor_fusion_plot_rotations

APIs tested:

Pass: Camera and gyroscope timestamps' offset is less than 1 ms as per CDD section 7.3.9 High Fidelity Sensors [C-2-14] .

Fail mechanisms:

  • Offset error: The camera-gyroscope offset isn't correctly calibrated to within +/-1 ms.
  • Frame drops: The pipeline isn't fast enough to capture 200 frames consecutively.
  • Socket errors: adb can't reliably connect to the DUT long enough to execute the test.
  • The chart isn't mounted flat. The plot test_sensor_fusion_plot_rotations has frames where the gyroscope and camera rotation vary considerably as the camera rotates through the parts of the chart that aren't flat.
  • The camera isn't mounted flat. The plot test_sensor_fusion_gyro_events shows movement in the X and Y planes. This failure is more common in front-facing cameras as the rear camera often has a raised bump to the rest of the phone body, creating a tilt when mounting the rear of the phone to the mounting plate.

test_video_stabilization

Tests that stabilized video rotates less than gyroscope.

APIs tested:

Pass: Max angle rotation over frames is less than 60% of gyroscope rotation.

The following are sample videos with and without stabilization.

  • Sample video with stabilization

  • Sample video without stabilization

test_video_stabilization_jca

Tests that stabilized video captured using the Jetpack Camera App (JCA) rotates less than the gyroscope. The JCA must be installed on the device before testing.

APIs tested:

Pass: The maximum angle rotation over frames extracted from video captured using the JCA is less than 70% of gyroscope rotation.

feature_combination

The feature_combination tests verify that features work correctly when multiple camera features are enabled at the same time. These tests use the same checkerboard image that is used in the sensor fusion scene .

test_feature_combination

Tests all combinations of different stream combinations, video stabilization mode, target FPS range, 10-bit HDR video, and Ultra HDR that are supported by the camera device.

For 16 and higher, the test runs all combinations of supported features, and logs the results into a proto file. Failure assertions are called only for combinations of features for which isSessionConfigurationSupported returns True .

APIs tested:

Pass: For each supported feature combination:

  • The preview stream is stabilized if preview stabilization is on.
  • The preview frame rate falls within the configured AE_TARGET_FPS_RANGE .
  • The recorded preview stream's color space matches what's set.
  • The Ultra HDR capture has a valid gain map.

scene_ip

(Available from Android 16) Scene scene_ip enables image parity checks between the default camera app and the Jetpack camera app (JCA) to identify major differences between captured images. The JCA replicates social media app captures and provides a baseline image that that social media apps then process and refine.

Hardware setup requirements

The following hardware setup is required for scene_ip tests:

  • Tests are executed in the Gen2 camera ITS-in-a-box .
  • The lighting and servo controllers that are part of the Gen2 rig are used to control the test environment
  • A test feature chart is placed inside the Gen2 rig.

test_chart_gen2

Gen2chart_sample.png

Test skip criteria

The scene_ip tests are skipped if any of the following criteria are met:

  • The device has a first API level ( first_api_level ) of 35 or lower.
  • The device isn't a phone device with front and rear primary camera devices (for example, a tablet or TV).

test_default_jca_ip

Takes captures of the test feature chart under controlled lighting conditions using the default camera app and the JCA and performs the following checks:

  • FoV: Checks that the default camera app and JCA captures have the same FoV. This check uses the center QR Code feature extracted from the captures chart image.

  • Brightness: Checks that the brightness difference measured between the default camera app and JCA doesn't exceed 10. This check uses the dynamic range patch for brightness measurement.

  • White balance: Checks that the white balance difference between the default camera app and JCA doesn't exceed 4. This check uses the dynamic range patch for brightness measurement.

Basic section pass: Test passes the FoV, brightness, and white balance checks. In Android 16, this test isn't mandated ( NOT_YET_MANDATED ).