CN101365050A - 检测与校正缺陷像素的方法及装置 - Google Patents

Abstract

本发明提供一种检测及校正缺陷像素的方法及装置。所述的装置包含有缺陷像素检测单元以及缺陷像素校正单元。缺陷像素检测单元获取检测像素及多个相邻像素，以及当第一条件与第二条件满足时确定此检测像素为缺陷像素，其中缺陷像素位于包含检测像素与相邻像素的n×n区块中心，第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，第二条件描述为除了检测出的相邻像素之外，其余所有相邻像素的数值小于或大于检测像素的数值。缺陷像素校正单元根据缺陷像素检测单元校正检测像素的一个值。利用本发明可以校正有缺陷的图像，使图像品质更优良。

Description

检测与校正缺陷像素的方法及装置

技术领域

本发明有关于图像处理，更具体说，是有关图像中缺陷像素的确定和校正的方法以及相关装置。

背景技术

照相机系统中大量运用了图像传感器，对于图像传感器来说，一个较重要的特性是画质(cosmetic quality)，传感器的图像必须是理想而无瑕疵的。然而，由于处理上的不完美、统计上的偏差等原因，会造成在传感器阵列中一定数量的像素会有缺陷或者产生一个信号，这个信号和准确的像素值的偏差可用肉眼辨别出。

因此，有必要为确定和校正图像中的缺陷像素提供相关方法及装置。

发明内容

本发明提供相应的可对图像中的缺陷像素进行检测及校正的操作。

本发明的一目的是提供一种检测及校正缺陷像素的装置。上述装置包含：缺陷像素检测单元获取检测像素以及多个相邻像素，当第一条件及第二条件满足时确定上述检测像素为缺陷像素；及缺陷像素校正单元校正由缺陷像素检测单元确定的缺陷像素的数值，其中缺陷像素位于包含检测像素及相邻像素的n×n区块的中心，第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，以及第二条件描述为除了检测出的相邻像素之外，其余所有相邻像素的数值小于或大于检测像素的数值。

本发明的另一目的是提供一种检测及校正缺陷像素的方法。上述方法包含：获取检测像素及多个相邻像素；当第一条件及第二条件满足时确定上述检测像素为缺陷像素；以及校正缺陷像素的数值，其中上述缺陷像素位于包含检测像素及相邻像素的n×n区块的中心，第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，以及第二条件描述为除了检测出的相邻像素之外，其余所有相邻像素的数值小于或大于检测像素的数值。

本发明根据上述方法及装置检测及校正图像中的缺陷像素来获取更佳图像。

附图说明

图1是本发明实施方式的图像处理流程的示意图。

图2A是拜耳格式图像的5x5阵列的示意图。

图2B-图2D是拜耳格式图像的5x5阵列的采样窗口的示意图。

图3是根据本发明的缺陷像素检测及校正单元的实施方式的示意图。

图4是根据本发明的缺陷像素检测及校正方法的实施方式的流程图。

图5A-图5B是根据本发明在满足第一条件与第二条件时像素值的数据分布的示意图。

图6A是根据本发明确定是否满足第三条件的实施方式的流程图。

图6B-图6C是根据本发明用来确定是否满足第三条件的5x5阵列的相邻像素的示意图。

图6D是根据本发明确定是否满足第三条件的方法实施方式的流程图。

图7A是根据本发明确定是否满足第四条件的方法实施方式的流程图。

图7B是根据本发明用来确定是否满足第四条件的5x5样本阵列的相邻像素的示意图。

图8是根据本发明为检测及校正G像素的方法实施方式的流程图。

图9是根据本发明对G像素执行缺陷像素检测及校正方法的实施方式的流程图。

图10是根据本发明对G像素执行缺陷像素检测及校正方法的实施方式的流程图。

图11是根据本发明对G像素执行缺陷像素检测及校正的方法实施方式的流程图。

图12是根据本发明对R像素或B像素执行缺陷像素检测及校正的方法实施方式的流程图。

图13是根据本发明对R像素或B像素执行缺陷像素检测及校正的方法实施方式的流程图。

具体实施方式

下面描述的是本发明的较佳实施方式，其目的是使本发明更好地被理解，而并非限制本发明。本发明的保护范围由权利要求范围所界定。

下面将参照图1到图13描述本发明。本发明大体上是关于缺陷像素的检测及校正。在接下来的详细描述中，介绍具体实施方式时，请参照附图。详细描述实施方式使得本领域的技术人员应可实施本发明，并明白在不脱离本发明的精神和范围下，可以实现其它的实施方式或更改结构、逻辑及电气连接。以下的详细描述不是限制本发明，应了解，在说明书中描述揭示的许多组件本身是具有功能的，也可被实现于一个或多个实体中，或者实现于不同于说明书描述的形式中。

本发明的实施方式为缺陷像素检测和校正提供了方法及装置，用于在n×n样本拜耳格式图像(n×n Bayer pattern image)内检测一个或多个缺陷像素。在实施方式中，提供一种检测和校正缺陷像素的装置。装置包含有缺陷像素检测单元及缺陷像素校正单元。缺陷像素检测单元获取检测像素及多个相邻像素，当第一条件与第二条件满足时确定上述检测像素为缺陷像素，其中，上述缺陷像素位于具有检测及相邻像素的n×n区块的中心，上述第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，上述第二条件描述为除了检测出的相邻像素外的所有像素的数值都小于或大于检测像素的数值。缺陷像素校正单元校正由缺陷像素检测单元确定的缺陷像素的数值。

图1是本发明实施方式的图像信号处理器(Image Signal Processor，ISP)的示意图。图像传感器110产生基于检测输入图像的原始拜耳格式图像(originalBayer pattern image)。相对于每一个像素储存红(R)、绿(G)、蓝(B)三种色彩值的RGB图像，拜耳格式图像的每一个像素含有仅对应一种色彩成分的信息，例如G、B或R。图2A是一个5x5拜耳格式图像的例子。如图2A所示，有绿色G和蓝色B像素交错的G/B行，还有红色R和绿色G像素交错的R/G列。因此，拜耳格式图像大致上就是由红色R、绿色G、蓝色B像素组成的一个马赛克，其中绿色像素数量为红色或蓝色像素的两倍。由于人眼对绿色数据比对红色或蓝色更敏感，该阵列能精确地反映图像。

一般的图像过滤流程的操作是从左上角像素开始，自上而下地扫描图像阵列。根据要处理的像素的色彩，选择要处理的像素为中心像素的恰当的选择窗(矩形或菱形)。考虑两种选择窗：如图2B所示的为绿色(G)像素的菱形掩模(mask)，以及分别如图2C和图2D所示的为红色(R)及蓝色(B)像素的矩形掩模

举例来说，拜耳图像中具有相同色彩的一组九个像素被选择做为一个选择窗，其中的一个像素位于选择窗中央，并被做为要测试的检测像素，而余下的八个像素会被做为相邻像素。举例来说，如图2B所示，若像素Xc为G像素，则像素Xc为检测像素而像素G1至G8为相邻像素。应明白，选择窗也可包含具有同样色彩的多于九个或少于九个像素的拜耳图像。

接着缺陷像素检测及校正单元120接收原始拜耳格式图像，在原始拜耳格式图像内确定缺陷像素并根据校正检测出的缺陷像素产生一个校正拜耳格式图像(corrected Bayer pattern image)。色彩插值单元130插值由缺陷像素检测及校正单元120产生的校正拜耳格式图像，来得到完整色彩图像(completecolor image)，即RGB位图图像。每一个得到的RGB位图图像都包含如G、B、R等和三种色彩成分对应的信息。RGB位图图像接着被伽玛校正(gammacorrection)单元140执行伽玛校正操作来产生校正RGB位图图像(correctedRGB bitmap image)，其通过RGB至YCbCr转化单元(RGB to YCbCr transformunit)150更进一步被转化成YCbCr位图图像。接着该YCbCr位图图像通过图像编码器(image encoder)160被编码成编码比特流(例如，JPEG、MPEG比特流)，可被显示在如LCD的显示单元(未图示)上。

根据本发明一实施方式，在原始拜耳格式图像中的所有缺陷像素可以被检测及校正来产生具有更高精准度的校正拜耳格式图像，它为随后的色彩插值单元(color interpolation unit)130准备。

图3是根据本发明对缺陷像素进行检测及校正的缺陷像素检测及校正单元(defective pixel detection and correction unit)300的实施方式。缺陷像素检测及校正单元300包含缺陷像素检测单元310以及缺陷像素校正单元320。下面要描述可被缺陷像素检测单元310采用来判断出上述检测像素是否是缺陷像素的一些条件。缺陷像素检测单元310获取一个n×n区块的像素阵列，其包含一个检测像素及多个相邻像素，当在特定条件满足的情况下确定上述检测像素为缺陷像素。缺陷像素校正单元320然后校正缺陷像素检测单元310确定的缺陷像素的值。检测像素是位于含有上述检测像素及相邻像素的n×n区块。请参考图2B，举例来说，像素210(Xc)位于5x5区块(像素阵列)200的中心，它是该检测图像点，其余G1-G8为相邻像素。第一条件描述为：最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，以及第二条件描述为：除了上述检测出的相邻像素之外的所有相邻像素的值都小于或大于上述检测像素的值。

下面将描述本发明第一和第二条件的不同实施方式，将参考在5x5拜耳格式图像中的一组9个绿色(G)像素，虽然同样实施方式也可实行于选择出红色(R)像素及蓝色(B)像素的矩形选择窗中。

图4是根据本发明的检测缺陷像素的实施方式的流程图。如图所示，通过判断第一条件及第二条件是否满足来确定检测像素是否为缺陷检测像素。其中，第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，而第二条件描述为除了上述检测出的相邻像素之外其余相邻像素的值都小于或大于上述检测像素的值。

图5A及图5B是根据本发明显示满足本发明第一条件及第二条件的像素值的数据分布示意图。假定一个像素的数值是从0到1023的范围，且八个相邻的像素在图中用较亮的圆表示，而检测像素用较暗的圆表示。需要注意的是，这仅是出于表示的目的，相邻像素与检测像素的颜色是相同的。举例来说，若检测像素的颜色是绿色，那么选择的相邻像素的颜色也是绿色，当检测像素的颜色是红色或蓝色，那么选择的相邻像素的颜色分别是红色或蓝色。如图5A和5B所示，像素(包含检测像素和相邻像素)都根据它们的像素数值来排列。参考图5A和5B，注意下面的描述。当Xc满足第一及第二条件时，最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，而且除了上述检测出相邻像素之外其余像素的数值小于(如图5B所示)或大于(如图5A所示)检测像素的数值。

由观察可得，最多检测到一个相邻像素的值距离上述检测像素的值在预设阈值范围内，且除了检测出的相邻像素之外其余在此区域外面的相邻像素都位于检测像素的一侧，或在左侧或在右侧。具体来说，请参考图5A，除了检测出的相邻像素，所有其余相邻像素的数值比检测像素的数值Xc加上预设阈值大。请参考图5B，除了检测出的相邻像素，所有其余相邻像素的数值比检测像素的数值Xc减去预设阈值小。要注意的是，上述预设阈值可以是固定值，也可以由用户可根据不同的应用来调整的。

除了必要的第一条件和第二条件，还介绍了第三条件及/或第四条件来鉴别出不重要或误判的像素。将在下面描述第三条件和第四条件，并可分别参考图6A-图6D及图7A-图7B。

图6A是根据本发明确定第三条件是否满足G像素的方法实施方式的流程图。在此例中，有四个颜色不同于检测像素Xc的像素环绕在检测像素Xc周围，此四个像素是判断上述检测像素Xc是位于平滑区域(smooth area)还是复杂区域(complex area)。举例来说，请参考图6B，当检测像素Xc为G像素时，像素R1，R2，B1，B2是被选择来分析检测像素Xc。请参考图6C，当检测像素Xc为R像素或B像素时，像素G1，G2，G3与G4被选择来分析检测像素Xc。当这四个相邻像素的数值互相近似时，则判定检测像素Xc位于平滑区域之中，否则就判定检测像素Xc位于复杂区域。如果这样的话，可以确定，原先被确认为缺陷像素候选(defective pixel candidate)的检测像素Xc被确定为缺陷像素(defective pixel and could be corrected)且可被校正。位于复杂区域的检测像素Xc可以被忽略(ignored)，因为这类检测像素Xc的偏差很难观测到。

对于为G像素的检测像素Xc，请参考图6A和图6B，可以用下列公式来计算相邻像素对(pairs of neighboring pixels)的差值：

Diff1＝abs(R1-R2)；

Diff2＝abs(B1-B2)，

其中abs(R1-R2)是R1和R2之间差异的绝对值。

若计算出来的差值Diff1和Diff2的最大值小于预设阈值Threshold1，则满足第三条件。

同样的，对于检测像素Xc是R或B像素的情况，请参考图6D和图6C。如图6C中所示的G1-G4，四个相邻像素为G像素。图6D是根据本发明判定第三条件是否满足R或B像素的方法的又一实施方式的流程图。

像素G1-G4的最大值及最小值根据下列公式计算：

ming＝min(G1，G2，G3，G4)；

maxg＝max(G1，G2，G3，G4)，

其中min(G1，G2，G3，G4)是像素G1-G4的最小值，而max(G1，G2，G3，G4)是像素G1-G4的最大值。若maxg和ming的差值小于预设阈值Threshold2时，满足第三条件。

图7A是根据本发明判定第四条件是否满足的方法的实施方式的流程图。要注意的是，第四条件仅适用于G像素。在此例中，对每一个G像素，第四条件利用了八个相邻像素来执行缺陷像素检测。在一实施方式中，上述八个相邻像素被分成两个相邻组，每一组含有四个像素。八个相邻像素中离检测像素Xc较近的四个像素被分组为第一相邻组(neighboring group)，而其余离检测像素Xc较远的像素被分组为第二相邻组。举例来说，请参考图7B，像素G1至G8被选择出来做为检测像素Xc的相邻像素，其中像素G1，G2，G3及G4因为离检测像素Xc较近而被分进第一相邻组，而像素G5，G6，G7及G8因为离检测像素Xc较远而被分进第二相邻组。然后，分别计算第一和第二相邻组的平均像素数值。接着根据平均像素数值来获取检测像素Xc的可接受范围的边界，例如，上边界与下边界。若检测像素Xc的数值超过了预计的边界，检测像素Xc满足第四条件。请参考图7A及图7B，第一相邻组像素(G1-G4)的平均值，记作Mean1，而第二相邻组像素(G5-G8)的平均值，记作Mean2，可以根据下列公式计算而得到：

Mean1＝(G1+G2+G3+G4-min(G1，G2，G3，G4)-max(G1，G2，G3，G4))/2；

Mean2＝(G5+G6+G7+G8-min(G5，G6，G7，G8)-max(G5，G6，G7，G8))/2

其中min(G1，G2，G3，G4)表示像素值G1-G4的最小值，而max(G1，G2，G3，G4)表示像素值G1-G4的最大值。于是，可以确定出Mean1和Mean2的差值Diff。然后根据下列公式确定上边界Bound1与下边界Bound2：

Diff＝Mean1-Mean2；

Bound1＝Mean1+Diff*Threshold3；

Bound2＝Mean1-Diff*Threshold3，

上边界Bound1与下边界Bound2用来产生可接受的范围(range)(Bound1，Bound2)。若检测像素Xc的数值在Bound1和Bound2所确定范围之外，则满足第四条件；否则，不满足第四条件。

图8-图13是分别描绘了使用上述条件来检测及校正缺陷像素的方法的不同实施方式。

图8是根据本发明检测及校正G像素的方法实施方式的流程图。

请同时参考图3及图8，如图2A所示5x5的像素阵列，首先被缺陷像素检测单元310所获取(步骤S810)。接着，确定是否满足第一条件及第二条件(步骤S820)。在步骤S820，执行图4中所示的步骤。若结果为是，则检测像素被确认为是缺陷像素而且缺陷像素校正单元320对缺陷像素执行缺陷像素校正操作(步骤S830)。然后校正像素被输出到色彩插值单元130来执行进一步操作(步骤S840)。若未满足第一条件或第二条件中的一个(步骤S820中的否)，检测像素则被认为是非缺陷像素(non-defective pixel)，且其数值不经校正而直接输出到色彩插值单元130(步骤S840)。

图9是根据本发明对G像素执行缺陷像素检测及校正方法的实施方式的流程图。

如图所示，图2A中5x5的像素阵列首先被获取(步骤S910)。然后，确定是否满足第一条件与第二条件(步骤S920)，步骤S910和步骤S920的操作与图8中的步骤S810和步骤S820的操作类似，所以不再赘述。在步骤S920中，将会执行图4中描绘的步骤。若不满足第一条件及第二条件其中的一个(S920中的否)，检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S950)。在第一条件与第二条件的检验后，确定是否满足第三条件(S930)。在步骤S930，执行图6A中所示的步骤，并且请参考图6B，像素R1，R2，B1及B2被选择出来做为检测像素Xc的相邻像素。若结果为是，检测像素被确认为缺陷像素并对其执行缺陷像素校正操作(步骤S940)。然后，校正像素被输出到色彩插值单元来执行进一步操作(S950)。若第三条件并未被满足(步骤S930中的否)，则检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S950)。

图10是根据本发明对G像素执行缺陷像素检测及校正方法的实施方式的流程图。

如图2A所示的5x5的像素阵列会被首先获取(S1010)。接着，确定是否满足第一条件与第二条件(S1020)。步骤S1010与步骤S1020中的操作和图8中步骤S810和步骤S820的操作相似，此处不再赘述。在步骤S1020中，执行图4所示描绘的步骤。若不满足第一条件和第二条件其中的一个(步骤S1020中的否)，检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S1050)。在检验第一条件与第二条件之后，确定是否满足第四条件(步骤S1030)。在步骤S1030中，图7A中描绘的步骤被执行，而且选择出如图7B所示的相邻像素G1-G8。若结果为是，则检测像素被确认为缺陷像素且对缺陷像素执行缺陷像素校正操作(S1040)，接着校正像素被输出到色彩插值单元执行后续操作(步骤S1050)。若第四条件并未满足(步骤S1030中的否)，则该检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S1050)。

图11是根据本发明对G像素执行缺陷像素检测及校正的方法实施方式的流程图。如图所示，图11中的一些步骤和图9中的相似，所以在此仅简单描述一下。图11与图9的不同之处在于：更增加了一个确定第四条件是否满足的步骤，其作为检查该检测像素是否为缺陷像素的又一个约束。需要注意的是，检测像素只有在满足所有的条件时才被确认为是缺陷像素，否则检测像素被确认为是非缺陷像素。

图12是根据本发明对R像素或B像素执行缺陷像素检测及校正的方法实施方式的流程图。

如图2A中所示的5x5的像素阵列会首先被获取(步骤S1210)。如图2C或图2D所示根据检测像素的颜色选择出相邻像素，接下来，确定是否满足第一条件及第二条件(S1220)。在步骤S1220，如执行图4所示的步骤。若结果为是，则缺陷像素检测单元310确认该检测像素为缺陷像素并对该检测像素执行缺陷像素校正操作(步骤S1230)。然后该校正像素被输出到色彩插值单元来进行后续处理(步骤S1240)。若未满足第一条件及第二条件其中之一(步骤S1220中的否)，则该检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S1240)。

图13是根据本发明对R像素或B像素执行缺陷像素检测及校正的方法实施方式的流程图。

如图所示，5x5的像素阵列首先被获取(步骤S1310)。接着，确定是否满足第一条件及第二条件(步骤S1320)。步骤S1310及S1320的操作与图12中的步骤S1210及S1220的操作相似。在步骤S1320中，执行图4中所描绘的步骤。若第一条件及第二条件其中之一不满足(步骤S1320中的否)，该检测像素被确认为非缺陷像素且其数值不经校正直接输出到色彩插值单元(步骤S1350)。检验第一条件及第二条件之后，确定是否满足第三条件(步骤S1330)。在步骤S1330中，执行在图6D中描绘的步骤，图6C所示的像素G1，G2，G3和G4都被选择出来做为检测像素Xc的相邻像素。若结果为是，则该检测像素被确认为缺陷像素并对该检测像素执行缺陷像素校正操作(步骤S1340)，然后该校正像素被直接输出到色彩插值单元来进行后续操作(步骤S1350)。若该第三条件并未满足(步骤S1330中的否)，则该检测像素会被确认为非缺陷像素且其值不经校正直接输出的色彩插值单元(步骤S1350)。

上面描述用于缺陷像素检测及校正的实施方式，或其中某些方面或部分，可以用逻辑电路，或用程序代码(即指令)等形式具体实现在实体媒介中，如软盘(floppy disk)，CD-ROM，硬盘(hard drive)，或任何其它机器可读存储介质(machine-readable storage medium)。其中，当程序代码被加载到机器内并被执行时，该机器便成为实施本发明的装置，其中该机器可为计算机，数字照相机，移动电话，或类似装置。揭示的方法也可应用在一些传输介质中传送的程序代码，例如电气联机，电缆，通过光纤或其它形式传输的传输介质。其中，当该程序代码被接收、加载并被机器执行时，该机器便成为实施本发明的一个装置。当应用在通用处理器(general-purpose processor)上时，程序代码结合处理器来提供一个类似特定逻辑电路的独特(unique)装置。

虽然本发明已用较佳实施方式揭露如上，然而这并非是用来限定本发明的范围，任何本领域的技术人员，在不脱离本发明的精神和范围，所作的各种的更动与改变，都在本发明的保护范围内，具体以权利要求的范围为准。

Claims (20)

1.一种检测及校正缺陷像素的装置，所述的检测及校正缺陷像素的装置包含：

缺陷像素检测单元，获取检测像素以及多个相邻像素，当满足第一条件及第二条件时确定上述检测像素为缺陷像素；及

缺陷像素校正单元，校正由上述缺陷像素检测单元确定的上述缺陷像素的数值；

其中，上述缺陷像素位于包含上述检测像素及上述多个相邻像素的n×n区块的中心，上述第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，以及上述第二条件描述为除了上述检测出的相邻像素之外，所有其余的相邻像素的数值小于或大于上述检测像素的数值。

2.如权利要求1所述的检测及校正缺陷像素的装置，其特征在于，当上述第一条件、上述第二条件及第三条件满足时，上述缺陷像素单元更确定上述检测像素为缺陷像素，其中上述第三条件描述为上述检测像素是位于平滑区域。

3.如权利要求2所述的检测及校正缺陷像素的装置，其特征在于，上述检测像素位于平滑区域是根据检验上述检测像素的数值是否与上述多个相邻像素的数值相似而确定的。

4.如权利要求3所述的检测及校正缺陷像素的装置，其特征在于，上述检测像素是绿色像素，上述缺陷像素检测单元更获取邻近上述检测像素的多个红色像素的红色数值以及获取邻近上述检测像素的多个蓝色像素的蓝色数值，计算上述多个获取的红色数值的差异作为第一差值，计算上述多个获取的蓝色数值的差异作为第二差值，以及当上述第一差值与第二差值的最大值小于预设阈值时，确定上述第三条件满足。

5.如权利要求3所述的检测及校正缺陷像素的装置，其特征在于，上述检测像素是绿色像素，上述缺陷像素单元更根据下面第一公式计算邻近上述检测像素的红色像素的两个红色数值的第一差值：

Diff1＝abs(R1-R2)，其中R1与R2表示上述红色数值，以及上述第一差值Diff1是R1与R2之间差异的绝对值，上述缺陷像素检测单元更根据下面第二公式计算邻近上述检测像素的蓝色像素的两个蓝色数值的第二差值：

Diff2＝abs(B1-B2)，其中B1与B2表示上述蓝色数值，以及上述第二差值Diff2是B1与B2之间差异的绝对值，当上述计算第一差值与第二差值的最大值小于预设阈值时，上述缺陷像素检测单元更确定上述第三条件满足。

6.如权利要求3所述的检测及校正缺陷像素的装置，其特征在于，上述检测像素是红色像素或蓝色像素，上述缺陷像素检测单元更获取邻近上述检测像素的多个绿色像素的绿色数值，确定上述多个获取的绿色数值的最小值，确定上述多个获取的绿色数值的最大值，以及当上述最大值减去上述最小值小于预设阈值时，确定满足上述第三条件。

7.如权利要求1所述的检测及校正缺陷像素的装置，其特征在于，当上述第一条件、上述第二条件及第三条件满足时，上述缺陷像素检测单元更确定上述缺陷像素为缺陷像素，其中上述第三条件描述为上述检测像素的数值在可接受范围之外，上述可接受范围是与上述检测像素同样颜色的相邻像素的数值。

8.如权利要求7所述的检测及校正缺陷像素的装置，其特征在于，上述检测像素是绿色像素。

9.如权利要求7所述的检测及校正缺陷像素之装置，其特征在于，上述相邻像素被分组成第一组与第二组，上述第一组的相邻像素距离上述检测像素较近，第二组的相邻像素距离上述检测像素较远，上述缺陷像素单元更计算上述第一组的相邻像素的第一平均值，计算上述第二组的相邻像素的第二平均值，计算上述第一平均值与上述第二平均值的差值，以及根据计算上述第一平均值与上述第一与第二平均值的差值计算出上述可接受范围的上边界与下边界。

10.如权利要求9所述的检测及校正缺陷像素的装置，其特征在于，上述第一平均值是根据下列公式计算：

Mean1＝(G1+G2+G3+G4-min(G1，G2，G3，G4)-max(G1，G2，G3，G4))/2，其中min(G1，G2，G3，G4)表示上述第一组的相邻像素数值的最小值，max(G1，G2，G3，G4)表示上述第一组的相邻像素数值的最大值，以及上述第二平均值是根据下列公式计算：

Mean2＝(G5+G6+G7+G8-min(G5，G6，G7，G8)-max(G5，G6，G7，G8))/2，其中min(G5，G6，G7，G8)表示上述第二组的相邻像素数值的最小值，max(G5，G6，G7，G8)表示上述第二组的相邻像素数值的最大值。

11.如权利要求9所述的检测及校正缺陷像素的装置，其特征在于，上述可接受范围的上述上边界根据下列公式计算：

Bound1＝Mean1+Diff*T，

其中上述可接受范围的下边界根据下列公式计算：

Bound2＝Mean1-Diff*T，

其中Mean1表示上述第一平均值，Diff表示上述第一平均值与第二平均值的差值，以及T表示预设阈值。

12.如权利要求1所述的检测及校正缺陷像素的装置，其特征在于，上述n×n区块是5x5的区块，以及上述多个相邻像素是和上述检测像素相同颜色的八个像素。

13.如权利要求1所述的检测及校正缺陷像素的装置，其特征在于，上述多个相邻像素是根据上述检测像素的颜色而选择性地从上述n×n区块中获取的。

14.如权利要求1所述的检测及校正缺陷像素的装置，其特征在于上述n×n区块是拜耳格式图像的像素阵列。

15.一种检测及校正缺陷像素的方法，其特征在与，所述的方法包含：

获取检测像素及多个相邻像素；

当第一条件及第二条件满足时确定上述检测像素为缺陷像素；以及

校正上述缺陷像素的数值，

其中上述缺陷像素位于包含上述检测像素及上述多个相邻像素的n×n区块的中心，上述第一条件描述为最多检测到一个相邻像素的值距离检测像素的值在预设阈值范围内，以及上述第二条件描述为除了上述检测出的相邻像素之外，所有其余相邻像素的数值小于或大于上述检测像素的数值。

16.如权利要求15所述的检测及校正缺陷像素的方法，其特征在于，确定上述检测像素为上述缺陷像素的步骤更包含:当上述第一条件及上述第二条件及第三条件满足时，确定上述检测像素为缺陷像素，以及上述第三条件描述为上述检测像素是位于平滑区域。

17.如权利要求16所述的检测及校正缺陷像素的方法，其特征在于，上述检测像素位于平滑区域是根据检验上述检测像素的数值是否与上述多个相邻像素的数值相似来确定的。

18.如权利要求15所述的检测及校正缺陷像素的方法，其特征在于，确定上述检测像素是上述缺陷像素的步骤更包含：当上述第一条件及上述第二条件及第三条件满足时确定上述检测像素为缺陷像素，以及上述第三条件描述为上述检测像素的数值是在可接受范围之外，上述可接受范围是从和上述检测像素相同颜色的相邻像素数值中获取的。

19.如权利要求15所述的检测及校正缺陷像素的方法，其特征在于，上述多个相邻像素是根据上述检测像素的颜色选择性地从上述n×n区块中获取的。

20.如权利要求15所述的检测及校正缺陷像素的方法，其特征在于，上述n×n区块是拜耳格式图像的像素阵列。

Images