CN105340260B - 图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质 - Google Patents

图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质 Download PDF

Info

Publication number
CN105340260B
CN105340260B CN201480035768.0A CN201480035768A CN105340260B CN 105340260 B CN105340260 B CN 105340260B CN 201480035768 A CN201480035768 A CN 201480035768A CN 105340260 B CN105340260 B CN 105340260B
Authority
CN
China
Prior art keywords
pixel
reference pixels
value
neighboring area
concerned
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201480035768.0A
Other languages
English (en)
Other versions
CN105340260A (zh
Inventor
小柴修
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Original Assignee
Olympus Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Olympus Corp filed Critical Olympus Corp
Publication of CN105340260A publication Critical patent/CN105340260A/zh
Application granted granted Critical
Publication of CN105340260B publication Critical patent/CN105340260B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/58—Edge or detail enhancement; Noise or error suppression, e.g. colour misregistration correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/64—Systems for the transmission or the storage of the colour picture signal; Details therefor, e.g. coding or decoding means therefor
    • H04N1/648—Transmitting or storing the primary (additive or subtractive) colour signals; Compression thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/12—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths with one sensor only
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/10—Circuitry of solid-state image sensors [SSIS]; Control thereof for transforming different wavelengths into image signals
    • H04N25/11—Arrangement of colour filter arrays [CFA]; Filter mosaics
    • H04N25/13—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements
    • H04N25/134—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements based on three different wavelength filter elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Color Television Image Signal Generators (AREA)
  • Studio Devices (AREA)

Abstract

相似度计算部(112)计算输入图像中的关注像素的像素值与参照像素的像素值的相似度以及关注像素的像素值与多个参照像素的像素值的平均值的相似度。权重系数计算部(113)根据计算出的相似度计算权重系数。加权平均值计算部(114)使用计算出的权重系数计算参照像素的像素值的加权平均值和参照像素的像素值的平均值的加权平均值。减法部(115)计算关注像素的像素值与参照像素的像素值的加权平均值之间的差分值。孤立度计算部(116)根据计算出的差分值计算孤立度。校正部(120)根据计算出的孤立度对关注像素进行校正。

Description

图像处理装置、图像处理方法和存储了图像处理程序的非暂 时存储介质
技术领域
本发明涉及用于从图像中检测缺陷像素和脉冲噪声的像素这样的应校正像素并进行校正的图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质。
背景技术
作为从输入图像中检测缺陷像素或脉冲噪声的像素等应校正像素的技术，例如公知有Roman Garnett,Timothy Huegerich,Charles Chui,Fellow,IEEE,and Wenjie He,Member,IEEE,“AUniversal Noise Removal Algorithm with an Impulse Detector”的方法。在该文献中，提出了计算关注像素与其附近像素的平均值之间的差分绝对值或关注像素与其附近像素之间的差分绝对值中的差分绝对值较小的4个合计值作为孤立度的方法。
发明内容
这里，在上述文献的方法中，不仅是应校正像素的区域，在像素值大幅变化的边缘区域或渐变区域中，孤立度也较高。因此，在上述文献的方法中，有时很难计算表示应校正像素的准确的孤立度。
本发明是鉴于所述情况而完成的，其目的在于，提供能够更加准确地检测缺陷像素和脉冲噪声的像素等应校正像素并进行校正的图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质。
为了实现所述目的，本发明的第1方式的图像处理装置具有：相似度计算部，其计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；权重系数计算部，其针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；加权平均值计算部，其使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；减法部，其计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；孤立度计算部，其根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及校正部，其根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第2方式的图像处理装置具有：向量生成部，其生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；相似度计算部，其计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；权重系数计算部，其针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；加权平均值计算部，其使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；减法部，其计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；孤立度计算部，其根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及校正部，其根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第3方式的图像处理装置具有：检测部，其检测输入图像中的每个像素的孤立度；向量生成部，其生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；相似度计算部，其使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；权重系数计算部，其根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；加权平均值计算部，其使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及混合部，其根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
为了实现所述目的，本发明的第4方式的图像处理方法具有以下步骤：计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第5方式的图像处理方法具有以下步骤：生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第6方式的图像处理方法具有以下步骤：检测输入图像中的每个像素的孤立度；生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
为了实现所述目的，本发明的第7方式的非暂时存储介质存储了用于使计算机实现以下步骤的图像处理程序：计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第8方式的非暂时存储介质存储了用于使计算机实现以下步骤的图像处理程序：生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；根据计算出的所述差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及根据计算出的所述孤立度对所述关注像素进行校正。
为了实现所述目的，本发明的第9方式的非暂时存储介质存储了用于使计算机实现以下步骤的图像处理程序：检测输入图像中的每个像素的孤立度；生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，按照每个像素对所述关注像素周边区域中包含的颜色信息和包含所述关注像素附近的参照像素的周边的像素的区域即参照像素周边区域中包含的颜色信息进行比较，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
附图说明
图1是示出具有本发明的各实施方式的图像处理装置的信息处理装置的结构例的图。
图2是示出作为本发明的第1实施方式的图像处理装置的图像处理部的一个结构例的框图。
图3是示出本发明的第1实施方式的图像处理部进行的图像处理的动作的流程图。
图4A是示出参照像素的第1选择例的第1图。
图4B是示出参照像素的第1选择例的第2图。
图5A是示出参照像素的第2选择例的第1图。
图5B是示出参照像素的第2选择例的第2图。
图6是示出本发明的第1实施方式中的根据相似度计算权重系数时的计算例的图。
图7是示出孤立度计算方法的例子的图。
图8是示出作为本发明的第2实施方式的图像处理装置的图像处理部的一个结构例的框图。
图9是示出关注像素特征向量的生成方法的例子的图。
图10是示出参照像素特征向量的生成方法的第1例的图。
图11是示出参照像素特征向量的生成方法的第2例的图。
图12是示出具有比3×3成分少的成分数的特征向量的第1生成例的图。
图13是示出具有比3×3成分少的成分数的特征向量的第2生成例的图。
图14是示出使用关注像素特征向量和参照像素特征向量的相似度的计算例的图。
图15是示出作为本发明的第3实施方式的图像处理装置的图像处理部的一个结构例的框图。
图16A是示出根据以关注像素和参照像素为中心的3×3像素的区域生成按照R、G、B的每个颜色信息具有一个成分的特征向量时的生成例的第1图。
图16B是示出根据以关注像素和参照像素为中心的3×3像素的区域生成按照R、G、B的每个颜色信息具有一个成分的特征向量时的生成例的第2图。
图17是示出本发明的第3实施方式中的根据相似度计算权重系数时的计算例的图。
图18是示出基于孤立度的关注像素与校正值的混合比率的设定例的图。
具体实施方式
下面，参照附图对本发明的实施方式进行说明。
图1是示出具有本发明的各实施方式的图像处理装置的信息处理装置的结构例的图。图1所示的信息处理装置1例如是个人计算机(PC)。但是，信息处理装置1并非必须是PC，可以是具有图像处理功能的各种信息处理装置。例如信息处理装置1可以是数字照相机。
信息处理装置1具有控制部2、存储部3、图像处理部4、显示部5、操作部6、RAM7、总线8。控制部2例如是CPU，根据存储部3中存储的程序对信息处理装置1的各种动作进行控制。存储部3例如是硬盘，存储信息处理装置1的动作所需要的程序和图像处理部4的处理对象的图像即输入图像这样的各种数据。作为本发明的各实施方式的图像处理装置的图像处理部4对从存储部3中读出并在RAM7中展开的输入图像实施图像处理。显示部5显示输入图像。操作部6例如是键盘或鼠标，是用户进行信息处理装置1的各种操作所需要的操作部件。RAM7暂时存储信息处理装置1的内部产生的各种数据。总线8是用于转送信息处理装置1的内部产生的各种数据的转送路径。
[第1实施方式]
(结构)
下面，对本发明的第1实施方式进行说明。图2是示出作为本发明的第1实施方式的图像处理装置的图像处理部4的一个结构例的框图。图2的实线箭头表示图像数据流。并且，图2的虚线箭头表示控制数据流。如图2所示，图像处理部4具有检测部110和校正部120。图像处理部4的各块的功能可以通过硬件来实现，也可以通过软件来实现，还可以通过它们的组合来实现。
检测部110具有参照像素选择部111、相似度计算部112、权重系数计算部113、加权平均值计算部114、减法部115、孤立度计算部116，计算用于检测输入图像中的应校正像素即孤立点的孤立度。参照像素选择部111与相似度计算部112和加权平均值计算部114连接，选择相似度计算部112和RAM7中存储的输入图像中的参照像素的像素值，将选择出的参照像素的像素值输入到相似度计算部112和加权平均值计算部114。相似度计算部112与参照像素选择部111和权重系数计算部113连接，计算关注像素与参照像素的相似度，将计算出的相似度输入到权重系数计算部113。权重系数计算部113与相似度计算部112和加权平均值计算部114连接，根据由相似度计算部112计算出的相似度计算与各个参照像素对应的权重系数，将计算出的权重系数输入到加权平均值计算部114。加权平均值计算部114与参照像素选择部111、权重系数计算部113和减法部115连接，根据参照像素选择部111的输出和权重系数计算部113的输出，计算由参照像素选择部111选择出的参照像素的像素值的加权平均值作为针对关注像素的校正值，将计算出的校正值输入到减法部115和校正部120。减法部115与加权平均值计算部114和孤立度计算部116连接，计算关注像素的像素值与校正值之间的差分值，将计算出的差分值输入到孤立度计算部116。孤立度计算部116与减法部115和校正部120连接，根据由减法部115计算出的差分值计算关注像素的孤立度，将计算出的孤立度输入到校正部120。
校正部120与孤立度计算部116连接，根据由孤立度计算部116计算出的孤立度，根据需要使用与加权平均值计算部114同样计算出的校正值对关注像素的像素值进行校正。
(动作)
接着，对本实施方式的图像处理部4的动作进行说明。图3是示出本实施方式的图像处理部4进行的图像处理的动作的流程图。图3示出仅进行缺陷像素校正作为图像处理的例子。实际上还可以进行缺陷像素校正以外的各种图像处理。
在步骤S101中，参照像素选择部111选择RAM7中存储的输入图像中的关注像素P，根据选择出的关注像素P的位置(坐标)来选择输入图像中的参照像素Qi。关注像素P是作为校正处理对象的像素。最初选择时的关注像素P例如是输入图像的左上端的像素。第2次以后，通过步骤S107的处理，依次变更关注像素P的位置。
图4A、图4B、图5A、图5B示出参照像素Qi(i＝0，1，2，3，…，N-1)的选择例。参照像素选择部111根据关注像素P的位置选择图4A和图4B或图5A和图5B所示的位置的参照像素Qi。另外，图4、图4B、图5A、图5B是输入图像的颜色排列为原色系拜耳排列的例子。输入图像的颜色排列也可以不是原色系拜耳排列。
图4A和图4B示出将关注像素P附近的同色像素(i＝0～7)和关注像素P附近的同色2个像素的平均(i＝8～11)作为参照像素Qi的例子。附近的同色像素例如是以某个关注像素P为中心位于上下左右倾斜方向的位置的最近的像素。并且，关注像素P附近的同色2个像素的平均是关注像素P附近的同色像素中的位于关于关注像素P点对称的位置的像素的平均。图4A示出与G像素有关的参照像素Qi。并且，图4B示出与B像素和R像素有关的参照像素Qi。
图5A和图5B示出将关注像素P附近的同色像素(i＝0～7)、关注像素P附近的同色2个像素的平均(i＝8～11)和关注像素P附近的同色3个像素的平均(i＝12～15)作为参照像素Qi的例子。关注像素P附近的同色3个像素的平均是关注像素P附近的同色像素中的位于左上方、右上方、左下方、右下方的位置的像素与隔着各个像素的2个像素的平均。图5A示出与G像素有关的参照像素Qi。并且，图5B示出与B像素和R像素有关的参照像素Qi。
在步骤S102中，相似度计算部112计算关注像素P与参照像素Qi的相似度difi。如以下的(式1)所示，相似度difi是关注像素P的像素值a与参照像素Qi的像素值bi的差分绝对值。
difi＝|a-bi| (式1)
通过(式1)的运算而得到N个相似度difi(i＝0～N-1)。在本实施方式中，作为例子，示出按照每个像素计算相似度的例子。除此之外，也可以将多个像素的相似度之和(差分绝对值和)作为相似度。
在步骤S103中，权重系数计算部113根据从相似度计算部112输入的各个参照像素Qi的相似度difi，计算针对各个参照像素Qi的权重系数Wi。图6示出根据相似度difi计算权重系数Wi时的计算例。根据各个参照像素Qi的相似度difi与相似度difi的最小值DIF_MIN之比来计算针对各个参照像素Qi的权重系数Wi。权重系数Wi具有0～1的值，在DIF_MIN与针对参照像素Qi的相似度difi之比为作为第2规定阈值的常数C(例如C为1以上)以下的情况下，参照像素Qi作为有效参照像素而分配非零的权重系数。另一方面，在DIF_MIN与针对参照像素Qi的相似度difi之比大于常数C的情况下，作为无效参照像素而分配权重系数0。以下的(式2)示出权重系数Wi的计算式。
[数1]
(式2)
参照像素Qi的相似度difi的分布根据关注像素P的周边区域的像素值的倾向而不同。因此，在通过相似度difi与预定阈值的单纯比较来计算权重系数Wi的情况下，被分配非零的有效权重系数Wi的参照像素Qi的个数产生偏差。该偏差成为边缘部模糊和产生阶梯差这样的校正后的画质劣化的原因。与此相对，在本实施方式中，将针对参照像素Qi计算出的相似度difi中的最小值、即最高相似度DIF_MIN作为基准来分配权重系数Wi。因此，能够根据关注像素P的周边区域的像素值的状况进行稳定的权重系数Wi的分配。
这里，关于分配权重系数Wi的方法，除了(式2)所示的方法以外，还使用在DIF_MIN与相似度difi之比为常数C以下的情况下一律分配相同权重系数的方法、不根据DIF_MIN与相似度difi之比而根据DIF_MIN与相似度difi之差来分配权重系数的方法等。即，只要是按照以DIF_MIN为基准的相似度从高到低的顺序来分配权重系数的方法即可。
在步骤S104中，如以下的(式3)所示，加权平均值计算部114计算针对参照像素Qi的像素值bi的基于权重系数Wi的加权平均值作为校正值bave。
[数2]
(式3）
在步骤S105中，如以下的(式4)所示，减法部115计算关注像素P的像素值a与从加权平均值计算部114输入的校正值bave之间的差分值isodif。
isodif＝a-bave (式4)
在步骤S106中，孤立度计算部116通过对从减法部115输入的差分值isodif进行修正，计算用于判定输入图像中的应校正像素的孤立度iso。图7示出孤立度计算方法的例子。在图7的例子中，预先设定针对差分值isodif的正增益值SLP_PLUS和负增益值SLP_MINUS以及正钳位值CLP_PLUS和负钳位值CLP_MINUS。这里，|SLP_PLUS|>|SLP_MINUS|且|CLP_PLUS|>|CLP_MINUS|。如以下的(式5)所示计算孤立度iso。
[数3]
(式5)
如(式5)所示，通过根据差分值isodif的正负来计算孤立度iso，能够计算与关注像素和位于其附近的参照像素的明暗倾向对应的孤立度iso。
在步骤S107中，校正部120根据由孤立度计算部116计算出的孤立度iso，根据需要对从RAM7中读出的关注像素P的像素值进行校正。校正部120将孤立度iso与预定阈值进行比较，在孤立度iso为阈值以下的情况下判定为不需要校正，直接输出关注像素P的像素值。另外，阈值设定为可靠判断为孤立点的阈值。孤立点是对输入图像进行摄像的摄像元件上的缺陷像素(例如与被摄体的明亮度无关、输出饱和的白斑像素)或脉冲噪声的像素等应校正像素。另一方面，校正部120在孤立度iso大于阈值的情况下判定为需要校正。例如通过将关注像素P的像素值置换为与加权平均值计算部114同样计算出的校正值来进行校正。
如以上说明的那样，根据本实施方式，通过对各个参照像素分配将按照每个参照像素计算出的相似度中的最高相似度作为基准的权重系数，能够根据关注像素的周边区域的像素值的状况进行稳定的权重系数的分配。
进而，除了位于关注像素附近的同色的参照像素以外，通过将基于多个参照像素的平均值作为参照像素进行处理，能够抑制将输入图像中包含的边缘、渐变、角部图案判定为孤立点这样的孤立度的误计算。
进而，通过根据对关注像素和参照像素的加权平均值进行减法运算而得到的结果来计算孤立度，能够掌握关注像素与位于其附近的参照像素的明暗倾向并计算孤立度。在本实施方式中，对差分值isodif进行修正并将其作为孤立度iso。与此相对，也可以直接将差分值isodif作为孤立度iso。
[第2实施方式]
(结构)
图8是示出作为本发明的第2实施方式的图像处理装置的图像处理部4的一个结构例的框图。在图8中省略与图2相同的部分的说明。在图8中，在参照像素选择部111与相似度计算部112之间设置向量生成部117。向量生成部117生成表示关注像素P的特征的特征向量(以下称为关注像素特征向量)和表示参照像素Qi的特征的特征向量(以下称为参照像素特征向量)。并且，在图8中设置缺陷位置信息生成部130。缺陷位置信息生成部130例如是ROM，存储缺陷像素的位置信息。
(动作)
接着，对本实施方式的图像处理部4的动作进行说明。这里，以与第1实施方式不同的部分为中心进行说明。即，主要对向量生成部117的动作进行说明。在图3的步骤S101中进行参照像素的选择后，向量生成部117生成关注像素特征向量和参照像素特征向量。下面，参照图9、图10、图11对关注像素特征向量和参照像素特征向量的生成例进行说明。这里，图9～图11的例子是生成具有以关注像素P或参照像素Qi为中心的3×3像素的像素值的特征向量的例子。
对关注像素特征向量的生成进行说明。图9是示出关注像素特征向量的生成方法的例子的图。向量生成部117读出图9的粗框所示的以关注像素P为中心的3×3像素的区域的像素值，生成将各个像素值作为成分的关注像素特征向量。当设关注像素P的位置为基准位置(0，0)时，针对关注像素P的关注像素周边区域A的像素值表示为am，n(-1≦m≦1，-1≦n≦1)。因此，根据以下的(式6)计算关注像素特征向量的成分a′m，n(-1≦m≦1，-1≦n≦1)。
[数4]
a’m，n＝am，n
(-1≤m≤1，-1≤n≤1) (式6)
对参照像素特征向量的生成进行说明。图10和图11是示出参照像素特征向量的生成方法的例子的图。向量生成部117针对与由参照像素选择部111选择出的关注像素P同色的参照像素Qi，读出以参照像素Qi为中心的3×3像素的区域的像素，按照每个像素对以关注像素P为中心的3×3像素的区域的像素的颜色信息(像素值)和以参照像素Qi为中心的3×3像素的区域的颜色信息进行比较。在以关注像素P为中心的3×3像素的区域的像素的颜色信息和以参照像素Qi为中心的3×3像素的区域的像素的颜色信息全部相等的情况下，如图10所示，向量生成部117生成将以参照像素Qi为中心的3×3像素的区域的像素值作为成分的参照像素特征向量。另一方面，在存在以关注像素P为中心的3×3像素的区域的像素的颜色信息和以参照像素Qi为中心的3×3像素的区域的像素的颜色信息不同的像素的情况下，如图11所示，向量生成部117读出位于以参照像素Qi为中心的3×3像素的区域的更加周边的像素，生成以具有与以关注像素P为中心的3×3像素的区域的像素的颜色信息相等的成分的方式置换为位于周边的像素的参照像素特征向量。关于根据位于具有不同颜色信息的像素的周边的像素生成具有与关注像素相等的颜色信息的像素值作为成分的方法，根据具有相等颜色信息的像素值的平均值或中央值等所容许的运算量来选择适当的方法。在图11的例子中，在使用具有相等颜色信息的像素值的平均值生成成分的情况下，当设针对参照像素Qi的参照像素周边区域Bi的像素值为bm，n(-1≦m≦1，-1≦n≦1)时，根据以下的(式7)计算针对参照像素Qi的参照像素特征向量的成分b′m，n(-1≦m≦1，-1≦n≦1)。
[数5]
这样，通过以使关注像素P的周边区域中包含的像素的颜色信息和参照像素Qi的周边区域中包含的像素的颜色信息相等的方式生成参照像素特征向量，能够增加相似度的计算中可使用的参照像素Qi的个数。因此，能够更高精度地计算相似度。
所述图9～图11示出具有3×3的成分的特征向量的生成例。与此相对，图12示出具有比3×3成分少的成分数的特征向量的第1生成例。图12示出根据以关注像素P和参照像素Qi为中心的3×3像素的区域的像素生成按照R、G、B的每个颜色信息具有一个成分的特征向量r、g、b的例子。关于生成特征向量的各成分的方法，存在生成以关注像素P或参照像素Qi为中心的3×3像素的区域中的具有相等颜色信息的像素值的平均值的方法、生成中央值的方法等，根据所容许的运算量来选择适当的方法。在使用具有相等颜色信息的像素值的平均值生成成分的情况下，在设关注像素周边区域A的像素值为am，n(-1≦m≦1，-1≦n≦1)、参照像素周边区域Bi的像素值为bm，n(-1≦m≦1，-1≦n≦1)的情况下，根据以下的(式8)计算关注像素特征向量的每个颜色信息的一个成分a′k(k＝0，1，2)和参照像素特征向量的每个颜色信息的一个成分b′k(k＝0，1，2)。
[数6]
图13示出具有比3×3成分少的成分数的特征向量的第2生成例。图13是根据以关注像素P和参照像素Qi为中心的3×3像素的区域的像素，生成针对G的颜色信息具有两个成分、针对R和B的颜色信息具有一个成分的特征向量g0、g1、mg的例子。关于生成特征向量的各成分的方法，存在生成以关注像素P或参照像素Qi为中心的3×3像素的区域中的具有相等颜色信息的像素值的平均值的方法、生成中央值的方法等，根据所容许的运算量来选择适当的方法。在使用具有相等颜色信息的像素值的平均值生成成分的情况下，根据以下的(式9)计算关注像素特征向量的每个颜色信息的一个成分a′k(k＝0，1，2)和参照像素特征向量的每个颜色信息的一个成分b′k(k＝0，1，2)。
[数7]
如图12和图13所示，通过生成具有比关注像素周边区域或参照像素周边区域中包含的像素数少的成分数的特征向量，能够削减相似度计算部112中的相似度的计算时的运算量。并且，如图13那样，通过生成利用颜色信息的配置图案或每个颜色成分的特性等与输入图像所具有的颜色成分有关的固有特性而得到的成分，能够抑制伴随成分削减而引起的特征量的精度降低，并且能够削减相似度计算部112中的相似度的计算时的运算量。
本实施方式中的相似度计算部112求出从向量生成部117输入的关注像素特征向量与各个参照像素特征向量的相似度。图14示出使用关注像素特征向量和参照像素特征向量进行的相似度的计算例。在输入像素中包含多个孤立点的情况下，在特征向量的成分中可能存在关注像素P以外的应校正孤立点。在应校正孤立点中包含位置已知的孤立点的情况下，期望考虑关注像素P的周边区域和参照像素Qi的周边区域中有无位置已知的孤立点，仅使用正常像素来计算相似度。下面，对这种考虑有无已知的孤立点的相似度的计算方法进行说明。
如以下的(式10)那样，相似度计算部112计算从向量生成部117输入的关注像素特征向量与参照像素特征向量的各成分a′m，n和参照像素特征向量b′m，n的差分绝对值dif_absm，n。
dif_absm，n＝|a′m，n-b′m，n| (式10)
并且，相似度计算部112从缺陷位置信息生成部130取得表示关注像素周边区域和参照像素周边区域中有无已知孤立点的信息。在判别为具有已知孤立点的情况下，相似度计算部112根据以下的(式11)所示的判别式，生成仅在不是已知孤立点的有效像素中遮蔽预定各成分的权重Wn而得到的权重Wn′。
[数8]
接着，如以下的(式12)所示，相似度计算部112进行差分绝对值dif_absm，n与权重Wn′的积和运算，积和运算的结果除以权重Wn′的合计值，由此，计算差分绝对值的加权平均值difi。该加权平均值difi是针对参照像素Qi的相似度。
[数9]
(式12)
这里，在本实施方式中，权重Wn的设定方法没有限定。例如可以根据与关注像素周边区域和参照像素周边区域的各自的中心像素之间的距离来设定权重Wn。如本实施方式那样，通过仅使用正常像素来计算相似度，在输入像素中包含多个位置已知的孤立点的情况下，能够计算精度特别高的相似度。并且，通过根据有无已知孤立点来调节特征向量的各成分的权重Wn，能够根据特征向量的生成方法或输入图像所具有的特性来计算相似度。
[第3实施方式]
(结构)
图15是示出作为本发明的第3实施方式的图像处理装置的图像处理部4的一个结构例的框图。在图15中省略与图8相同的部分的说明。在图15中，不是检测部110，而是校正部120具有参照像素选择部121、向量生成部122、相似度计算部123、权重系数计算部124、加权平均值计算部125。并且，校正部120具有与加权平均值计算部125连接的混合部126。混合部126通过根据由检测部110得到的孤立度对关注像素的像素值和由加权平均值计算部125计算出的校正值(加权平均值)进行混合，进行关注像素的像素值的校正。
(动作)
接着，对本实施方式的图像处理部4的动作进行说明。这里，以与第1和第2实施方式不同的部分为中心进行说明。在第3实施方式中，与第1和第2实施方式同样，参照像素选择部121选择关注像素P附近的同色的像素作为参照像素Qi。
向量生成部122分别生成表示关注像素P的特征的关注像素特征向量、表示关注像素P的孤立度的特征的关注孤立度特征向量、表示参照像素Qi的特征的参照像素特征向量、表示参照像素Qi的孤立度的特征的参照孤立度特征向量。图16A和图16B示出根据以关注像素P和参照像素Qi为中心的3×3像素的区域，生成按照R、G、B的每个颜色信息具有一个成分的特征向量时的生成例。这里，图16A示出关注像素特征向量和参照像素特征向量的生成例。并且，图16B示出关注孤立度特征向量和参照孤立度特征向量的生成例。关于生成各成分的方法，根据以关注像素P或参照像素Qi为中心的3×3像素的区域中的具有相等颜色信息的像素值的平均值或中央值等所容许的运算量来选择适当的方法。在使用具有相等颜色信息的像素值的平均值生成成分的情况下，根据以下的(式13)计算关注像素特征向量的每个颜色信息的一个成分a′k(k＝0，1，2)和参照像素特征向量的每个颜色信息的一个成分b′k(k＝0，1，2)。
[数10]
并且，在设以关注像素P为中心的3×3像素的区域的孤立度为a_isom，n(-1≦m≦1，-1≦n≦1)、以参照像素Qi为中心的3×3像素的区域的孤立度为b_isom，n(-1≦m≦1，-1≦n≦1)时，根据以下的(式14)计算关注孤立度特征向量的每个颜色信息的一个成分a_iso′k(k＝0，1，2)和参照孤立度特征向量的每个颜色信息的一个成分b_iso′k(k＝0，1，2)。
[数11]
相似度计算部123求出针对从向量生成部122输入的关注像素特征向量和各个参照像素特征向量的相似度。在输入像素中包含多个孤立点的情况下，在特征向量的成分中，可能除了关注像素以外还存在应校正孤立点。因此，期望考虑孤立度，仅使用正常成分来计算相似度。在本实施方式中，根据关注像素P的特征向量和参照像素Qi的特征向量计算各成分的差分绝对值，针对按照每个成分的差分绝对值而预定的权重，根据关注孤立度特征向量和参照孤立度特征向量计算将包含孤立点的成分除外的权重，将考虑了每个成分的孤立度的差分绝对值的加权平均值作为针对参照像素的相似度。
使用图16A和图16B进一步进行说明。如以下的(式15)那样，本实施方式中的相似度计算部123计算从向量生成部117输入的关注像素特征向量与参照像素特征向量的各成分a′m，n和参照像素特征向量b′m，n的差分绝对值dif_absm，n。
dif_absm，n＝|a′m，n-b′m，n| (式15)
并且，相似度计算部123根据以下的(式16)所示的判别式，将从向量生成部117输入的关注孤立度特征向量的各成分a_isom，n和参照孤立度特征向量的各成分b_isom，n与预定阈值TH1进行比较。然后，相似度计算部123在包含大于阈值TH1的孤立度的情况下，通过对预定的各成分的权重Wn进行遮蔽，生成考虑了各成分的孤立度的权重Wn′。
(式16)
接着，如以下的(式17)所示，相似度计算部123进行差分绝对值dif_absm，n与权重Wn′的积和运算，积和运算的结果除以权重Wn′的合计值，由此计算差分绝对值的加权平均值difi。该加权平均值difi是针对参照像素Qi的相似度。
(式17)
这里，在本实施方式中，权重Wn的设定方法没有限定。例如可以根据与关注像素周边区域和参照像素周边区域各自的中心像素之间的距离来设定权重Wn。如本实施方式那样，通过根据从检测部110输入的孤立度，仅使用正常像素来计算相似度，在输入像素中包含多个位置已知的孤立点的情况下，能够计算精度特别高的相似度。并且，在本实施方式中，与第2实施方式同样，通过调节特征向量的各成分的权重Wn，能够根据特征向量的生成方法或输入图像所具有的特性来计算相似度。
在相似度的计算后，权重系数计算部124根据从相似度计算部123输入的各个参照像素Qi的相似度difi和孤立度iso，计算针对各个参照像素Qi的权重系数Wi。图17示出根据相似度difi计算权重系数Wi时的计算例。根据各个参照像素Qi的相似度difi与相似度difi的最小值DIF_MIN之比来计算针对各个参照像素Qi的权重系数Wi。权重系数Wi具有0～1的值，在DIF_MIN与针对参照像素Qi的相似度difi之比为常数C以下的情况下，参照像素Qi作为有效参照像素而分配非零的权重系数。另一方面，在DIF_MIN与针对参照像素Qi的相似度difi之比大于常数C的情况下、或关注像素P的孤立度iso大于预先设定的阈值TH2的情况下，作为无效参照像素而分配权重系数0。以下的(式18)示出权重系数Wi的计算式。
(式18)
在权重系数Wi的计算后，如以下的(式19)所示，加权平均值计算部125计算参照像素Qi的像素值bi的基于权重系数Wi的加权平均值作为校正值bave。
(式19)
在校正后的计算后，混合部126根据从检测部110输入的孤立度来设定关注像素与校正值的混合比率，根据该混合比率进行关注像素与校正值的基于加权平均的混合处理。图18示出基于孤立度的关注像素与校正值的混合比率的设定例。在图18的例子中，根据输入图像中包含的孤立点和除此以外的像素的孤立度的数值的倾向，设置可靠判断为正常像素的阈值1和可靠判断为孤立点的阈值2，通过直线式来计算针对这两个阈值之间的孤立度的混合比率。并且，以针对具有比阈值1低的孤立度的关注像素(即正常像素)也混合校正值的方式设定混合比率，从而能够降低输入图像中包含的随机噪声。
如以上说明的那样，根据本实施方式，根据由检测部110得到的孤立度对关注像素的像素值和校正值进行混合，从而能够进行输出图像的细节保持性能的调整，能够降低输入图像中包含的随机噪声。
上述实施方式中的摄像装置的各处理手法即各流程图所示的处理均作为能够由控制部2执行的程序进行存储。该程序能够存储在存储卡(ROM卡、RAM卡等)、磁盘(软盘、硬盘等)、光盘(CD-ROM、DVD等)、半导体存储器等外部存储装置的存储介质中进行发布。而且，控制部2读入该外部存储装置的存储介质中存储的程序，根据该读入的程序对动作进行控制，由此能够执行上述处理。

Claims (11)

1.一种图像处理装置，其具有：
相似度计算部，其计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；
权重系数计算部，其针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
加权平均值计算部，其使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
减法部，其计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
孤立度计算部，其根据由所述减法部计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
校正部，其根据计算出的所述孤立度对所述关注像素进行校正。
2.一种图像处理装置，其具有：
向量生成部，其生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；
相似度计算部，其计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；
权重系数计算部，其针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
加权平均值计算部，其使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
减法部，其计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
孤立度计算部，其根据由所述减法部计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
校正部，其根据计算出的所述孤立度对所述关注像素进行校正。
3.根据权利要求1或2所述的图像处理装置，其中，
所述孤立度计算部根据输入像素值或所述差分值对所述孤立度进行修正。
4.根据权利要求1或2所述的图像处理装置，其中，
所述相似度计算部将输入图像中的通过已知的应校正像素的信息确定的所述已知的应校正像素的像素值除外来计算所述相似度。
5.一种图像处理装置，其具有：
检测部，其检测输入图像中的每个像素的孤立度；
向量生成部，其生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；
相似度计算部，其使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；
权重系数计算部，其根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；
加权平均值计算部，其使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及
混合部，其根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
6.一种图像处理方法，其具有以下步骤：
计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；
针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
根据在上述计算差分值的步骤中计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
根据计算出的所述孤立度对所述关注像素进行校正。
7.一种图像处理方法，其具有以下步骤：
生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；
计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；
针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
根据在上述计算差分值的步骤中计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
根据计算出的所述孤立度对所述关注像素进行校正。
8.一种图像处理方法，其具有以下步骤：
检测输入图像中的每个像素的孤立度；
生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；
使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；
根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；
使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及
根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
9.一种非暂时存储介质，其存储了用于使计算机实现以下步骤的图像处理程序：
计算输入图像中的关注像素的像素值与所述关注像素附近的参照像素的像素值之间的相似度以及所述关注像素的像素值与所述关注像素附近的多个参照像素的像素值的平均值之间的相似度；
针对具有如下相似度的所述参照像素的像素值和所述参照像素的像素值的平均值，分别计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
使用计算出的所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
根据在上述计算差分值的步骤中计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
根据计算出的所述孤立度对所述关注像素进行校正。
10.一种非暂时存储介质，其存储了用于使计算机实现以下步骤的图像处理程序：
生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域中包含的像素的像素值作为成分的关注像素特征向量，并且，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值；
计算生成的所述关注像素特征向量与所述参照像素特征向量之间的相似度；
针对具有如下相似度的所述参照像素的像素值，计算权重系数，其中，该相似度与对所计算出的相似度中最高的相似度乘以第1规定阈值以上的系数而得到的乘法结果之间的比值或差值为第2规定阈值以上，并且所述比值或所述差值越小则所述权重系数越大；
使用所述权重系数计算所述参照像素的像素值的加权平均值和所述参照像素的像素值的平均值的加权平均值；
计算所述关注像素的像素值与所述参照像素的像素值的加权平均值之间的差分值以及所述关注像素的像素值与所述参照像素的像素值的平均值的加权平均值之间的差分值；
根据在上述计算差分值的步骤中计算出的所有的差分值计算用于判定所述关注像素是否是应校正像素的孤立度；以及
根据计算出的所述孤立度对所述关注像素进行校正。
11.一种非暂时存储介质，其存储了用于使计算机实现以下步骤的图像处理程序：
检测输入图像中的每个像素的孤立度；
生成将输入图像中的包含关注像素的周边的像素的区域即关注像素周边区域的像素值作为成分的关注像素特征向量，针对所述关注像素的孤立度生成将所述关注像素周边区域中包含的孤立度作为成分的关注孤立度特征向量，针对每个像素，对所述关注像素周边区域中包含的颜色信息和参照像素周边区域中包含的颜色信息进行比较，其中，所述参照像素周边区域是包含所述关注像素附近的参照像素的周边的像素的区域，在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息全部相等的情况下，生成将所述参照像素周边区域中包含的像素值作为成分的参照像素特征向量和将所述参照像素周边区域中包含的孤立度作为成分的参照孤立度特征向量，在存在所述关注像素周边区域中包含的颜色信息和所述参照像素周边区域中包含的颜色信息不同的像素的情况下，生成将如下像素值作为成分的参照像素特征向量和将如下的孤立度作为成分的参照孤立度特征向量，其中，该像素值是将该参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的像素值，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素计算出的像素值，而得到的像素值，该孤立度是将所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的孤立度，置换为使用位于所述参照像素周边区域中包含的颜色信息与所述关注像素周边区域不同的像素的周边、且具有与所述关注像素周边区域相等的颜色信息的像素的孤立度计算出的孤立度，而得到的孤立度；
使用所述关注孤立度特征向量和所述参照孤立度特征向量计算所述关注像素特征向量与所述参照像素特征向量之间的相似度；
根据计算出的所述相似度和检测到的所述孤立度计算所述参照像素的权重系数；
使用计算出的所述权重系数计算多个所述参照像素的加权平均值作为校正值；以及
根据检测到的所述孤立度对所述关注像素的像素值和所述校正值进行混合。
CN201480035768.0A 2013-06-25 2014-06-20 图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质 Expired - Fee Related CN105340260B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-133099 2013-06-25
JP2013133099A JP6128987B2 (ja) 2013-06-25 2013-06-25 画像処理装置、画像処理方法及び画像処理プログラム
PCT/JP2014/066467 WO2014208472A1 (ja) 2013-06-25 2014-06-20 画像処理装置、画像処理方法及び画像処理プログラムを記憶した非一時的記憶媒体

Publications (2)

Publication Number Publication Date
CN105340260A CN105340260A (zh) 2016-02-17
CN105340260B true CN105340260B (zh) 2019-04-12

Family

ID=52141811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480035768.0A Expired - Fee Related CN105340260B (zh) 2013-06-25 2014-06-20 图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质

Country Status (5)

Country Link
US (1) US9754375B2 (zh)
EP (1) EP3016376A1 (zh)
JP (1) JP6128987B2 (zh)
CN (1) CN105340260B (zh)
WO (1) WO2014208472A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6427480B2 (ja) * 2015-12-04 2018-11-21 日本電信電話株式会社 画像検索装置、方法、及びプログラム
JP6870993B2 (ja) * 2017-01-20 2021-05-12 キヤノンメディカルシステムズ株式会社 画像処理装置及びｘ線診断装置
JP7005168B2 (ja) 2017-05-02 2022-01-21 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
DE112017007815T5 (de) 2017-08-03 2020-04-16 Eizo Corporation Bildverarbeitungsvorrichtung, Bildvergrbeitungsverfahren und Bildverarbeitungsprogramm
WO2019116975A1 (ja) * 2017-12-13 2019-06-20 キヤノン株式会社 画像処理方法、画像処理装置およびプログラム
JP6822441B2 (ja) * 2018-05-29 2021-01-27 京セラドキュメントソリューションズ株式会社 画像処理装置、画像読取装置、画像処理方法
JP7301589B2 (ja) * 2019-04-25 2023-07-03 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
CN110288674A (zh) * 2019-05-20 2019-09-27 昇显微电子(苏州)有限公司 一种异形平滑处理的方法及系统

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001086517A (ja) * 1999-09-13 2001-03-30 Toshiba Corp 画素欠陥検出装置
JP3952301B2 (ja) * 2003-08-29 2007-08-01 ノーリツ鋼機株式会社 画像処理装置、方法、及びプログラム
JP4069855B2 (ja) * 2003-11-27 2008-04-02 ソニー株式会社 画像処理装置及び方法
US20060056722A1 (en) * 2004-09-14 2006-03-16 Nathan Moroney Edge preserving method and apparatus for image processing
JP2006287623A (ja) * 2005-03-31 2006-10-19 Sharp Corp 入力画像補正装置、画像処理装置、画像形成装置、入力画像補正方法、入力画像補正プログラムおよび記録媒体
US8571346B2 (en) * 2005-10-26 2013-10-29 Nvidia Corporation Methods and devices for defective pixel detection
JP2008028475A (ja) * 2006-07-18 2008-02-07 Olympus Corp 画像処理装置、画像処理プログラム、画像処理プログラムを記録する記録媒体、画像処理方法
WO2009089032A2 (en) * 2008-01-10 2009-07-16 Thomson Licensing Methods and apparatus for illumination compensation of intra-predicted video
JP2009188822A (ja) * 2008-02-07 2009-08-20 Olympus Corp 画像処理装置及び画像処理プログラム
JP5374135B2 (ja) * 2008-12-16 2013-12-25 オリンパス株式会社 画像処理装置、画像処理装置の作動方法および画像処理プログラム
JP2011134200A (ja) * 2009-12-25 2011-07-07 Konica Minolta Holdings Inc 画像評価方法、画像処理方法および画像処理装置
JP5060643B1 (ja) * 2011-08-31 2012-10-31 株式会社東芝 画像処理装置および画像処理方法
US9998726B2 (en) * 2012-06-20 2018-06-12 Nokia Technologies Oy Apparatus, a method and a computer program for video coding and decoding
US9129188B2 (en) * 2012-06-22 2015-09-08 Canon Kabushiki Kaisha Image processing apparatus and control method thereof
WO2014080961A1 (ja) * 2012-11-20 2014-05-30 株式会社 東芝 画像処理装置、画像処理方法およびｘ線診断装置
JP2014112805A (ja) * 2012-12-05 2014-06-19 Canon Inc 画像形成装置およびその制御方法
JP6362333B2 (ja) * 2013-02-14 2018-07-25 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
KR102144994B1 (ko) * 2013-09-30 2020-08-14 삼성전자주식회사 영상의 노이즈를 저감하는 방법 및 이를 이용한 영상 처리 장치

Also Published As

Publication number Publication date
JP2015007917A (ja) 2015-01-15
EP3016376A1 (en) 2016-05-04
US20160148385A1 (en) 2016-05-26
WO2014208472A1 (ja) 2014-12-31
US9754375B2 (en) 2017-09-05
CN105340260A (zh) 2016-02-17
JP6128987B2 (ja) 2017-05-17

Similar Documents

Publication Publication Date Title
CN105340260B (zh) 图像处理装置、图像处理方法和存储了图像处理程序的非暂时存储介质
CN102273208B (zh) 图像处理设备和图像处理方法
US8295606B2 (en) Device and method for detecting shadow in image
Keelan et al. ISO 20462: a psychophysical image quality measurement standard
US8131111B2 (en) Device of processing dead pixel
AU2007324081B2 (en) Focus assist system and method
US20070071316A1 (en) Image correcting method and image correcting system
CN109257582A (zh) 一种投影设备的校正方法和装置
CN102685511B (zh) 图像处理设备和图像处理方法
EP2091260A2 (en) Image processing device, imaging device, and image processing program
CN102484721A (zh) 四通道滤色片阵列图案
CN102473293B (zh) 图像处理设备和图像处理方法
US8285135B2 (en) Method and device for adjusting weighting values in light metering
CN102075684B (zh) 成像设备和图像处理方法
CN102970463A (zh) 图像处理设备、图像处理方法以及程序
CN109035167A (zh) 对图像中的多个人脸进行处理的方法、装置、设备和介质
CN115797233A (zh) 图像灰度校正方法、视觉检测方法及装置
JP5973804B2 (ja) 画像処理装置及びその制御方法
JP7109898B2 (ja) 画像処理装置、撮像装置、画像処理装置の制御方法、撮像装置の制御方法、およびプログラム
CN114762312B (zh) 产生pdaf像素的输出信号的方法
CN109978766A (zh) 图像放大方法及图像放大装置
US20190149757A1 (en) Image processing device, image processing method, and image processing program
US7539352B2 (en) Image filter, image filtering method and computer program
CN103873786B (zh) 影像调整方法以及使用这个影像调整方法的光学导航装置
TW201103309A (en) Image processing system having scaling and sharpness device and method thereof

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190412

Termination date: 20210620

CF01 Termination of patent right due to non-payment of annual fee