CN105704406B - 一种图像处理中坏点去除的方法 - Google Patents

一种图像处理中坏点去除的方法 Download PDF

Info

Publication number
CN105704406B
CN105704406B CN201610070948.3A CN201610070948A CN105704406B CN 105704406 B CN105704406 B CN 105704406B CN 201610070948 A CN201610070948 A CN 201610070948A CN 105704406 B CN105704406 B CN 105704406B
Authority
CN
China
Prior art keywords
pixel
bad point
threshold
value
row
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.)
Active
Application number
CN201610070948.3A
Other languages
English (en)
Other versions
CN105704406A (zh
Inventor
李赟晟
王勇
王凯
叶红磊
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.)
Shanghai IC R&D Center Co Ltd
Original Assignee
Shanghai Integrated Circuit Research and Development Center Co Ltd
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 Shanghai Integrated Circuit Research and Development Center Co Ltd filed Critical Shanghai Integrated Circuit Research and Development Center Co Ltd
Priority to CN201610070948.3A priority Critical patent/CN105704406B/zh
Publication of CN105704406A publication Critical patent/CN105704406A/zh
Application granted granted Critical
Publication of CN105704406B publication Critical patent/CN105704406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

本发明提供了一种图像处理中坏点去除的方法，包括：采集一张全黑的raw图像；确认raw图像中的坏点；对坏点进行校正，采用与该坏点相邻最近的同一颜色的非坏点像素来替换该坏点；其中，针对第一行、第二行、第一列和第二列中每一行或每一列中的所有单号像素和双号像素分别设定像素阈值，比较单号或双号像素的值与所设定的相应像素阈值的大小，当单号或双号像素的值大于所设定的相应像素阈值时，则该像素为坏点；从第三行和第三列开始，针对每一个像素设定像素阈值，并且比较每一个像素的值与所设定的相应像素阈值的大小，当某个像素的值大于所设定的相应像素阈值时，则该像素为坏点；从第三行和第三列开始，针对每一个坏点的确认和校正交替进行。

Description

一种图像处理中坏点去除的方法
技术领域
本发明涉及半导体技术领域，具体涉及一种图像处理中坏点去除的方法。
背景技术
在图像成像过程中，最先出来的Raw图像数据会存在拥有坏点的现象，坏点将导致整个图像质量下降。因此，需要对图像成像过程中的坏点进行去除。
通常对整个图像进行校正，面对坏点较集中的区域，校正效果不明显；或者虽然在一定程度上能达到明显的校正效果，但是采用的运算步骤较为复杂，例如，一般采用从多种梯度来对坏点进行判断和校正，其运算过程繁长；此外，该方法对于坏点聚集的区域，会出现校正后的坏点仍然是坏点的问题，校正效果实际上并不理想。
发明内容
为了克服以上问题，本发明提供了一种较为简单的图像处理中坏点去除的方法，以提高坏点校正效率。
为了达到上述目的，本发明提供了一种图像处理中坏点去除的方法，其包括：
步骤01：采集一张全黑的raw图像；
步骤02：确认所述raw图像中的坏点；
步骤03：对坏点进行校正，采用与该坏点相邻最近的同一颜色的非坏点像素来替换该坏点；
其中，
步骤02中，针对第一行、第二行、第一列和第二列中每一行或每一列中的所有单号像素和双号像素分别设定像素阈值，并且比较单号像素的值或双号像素的值与所设定的相应像素阈值的大小，当单号像素的值或双号像素的值大于所设定的相应像素阈值时，则该单号像素或双号像素为坏点；从第三行和第三列开始，针对每一个像素设定像素阈值，并且比较每一个像素的值与所设定的相应像素阈值的大小，当某个像素的值大于所设定的相应像素阈值时，则该像素为坏点；并且，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行。
优选地，针对所述单号像素的坏点确认包括：
步骤0201：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有单号像素的中值；
步骤0202：将所述中值和所述阈值系数的乘积作为所述单号像素的像素阈值；
步骤0203：比较所述单号像素的值与所述单号像素的像素阈值，当所述单号像素的值大于所述单号像素的像素阈值时，则该单号像素为所述每一行或每一列的坏点；
针对所述双号像素的坏点确认包括：
步骤0204：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有双号像素的中值；
步骤0205：将所述中值和所述阈值系数的乘积作为所述双号像素的像素阈值；
步骤0206：比较所述双号像素的值与所述双号像素的像素阈值，当所述双号像素的值大于所述双号像素的像素阈值时，则该双号像素为所述每一行或每一列的坏点。
优选地，所述单号像素的中值或所述双号像素的中值的计算包括：将第一行、第二行、第一列和第二列中的每一行的像素值求平均值或每一列的像素值求平均值。
优选地，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，针对坏点的确认过程具体包括：
若某一个像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一个像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一个像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i+1,j-1))/2；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点。
优选地，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，针对坏点的确认过程还包括：针对最大行或者最大列的像素P(i,j)的坏点确认方法包括：
若某一像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点。
优选地，所述阈值系数为1～2.5。
优选地，所述步骤03包括：
针对第一行和第二行的校正过程包括：若坏点所在单号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的单号像素P(i,j)是连在一起的，即P(i,j),P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；若坏点所在双号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的双号像素P(i,j)是连在一起的，即P(i,j),P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；
针对第一列和第二列的校正过程包括：若坏点所在单号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的单号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在双号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的双号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2。
优选地，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，对坏点的校正过程具体包括：
若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-1,j+1))/2来替换该坏点。
优选地，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，对坏点的校正过程还包括：针对最大行或者最大列的像素P(i,j)的坏点的校正过程，其包括：
若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3替换该坏点。
优选地，所述全黑的raw图像为理论上整个图像的像素值为0的raw图像。
本发明的图像处理中坏点去除方法，通过逐一查找坏点和逐一校正坏点的方式，采用非坏点来校正坏点，这样在raw图像中能够更准确的计算坏点的位置，对于后续的图像处理，只需要对相同坏点位置进行校正处理即可，而无需再次寻找坏点；本发明的方法运算简单，提高了坏点去除效率；对于坏点较集中的区域，处理效果较好；由于坏点校正时，替换坏点的数值为非坏点数值或校正后的数值，降低了校正后的该坏点位置仍然是坏点的几率；同时由于算法简单，可以采用FPGA简单实现。
附图说明
图1为本发明的一个较佳实施例的图像处理中坏点去除方法的流程示意图
图2为以R像素为中心的像素区域图
图3为以B像素为中心的像素区域图
图4为以G像素为中心的像素区域图
具体实施方式
为使本发明的内容更加清楚易懂，以下结合说明书附图，对本发明的内容作进一步说明。当然本发明并不局限于该具体实施例，本领域内的技术人员所熟知的一般替换也涵盖在本发明的保护范围内。
以下结合附图1-4和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式、使用非精准的比例，且仅用以方便、清晰地达到辅助说明本实施例的目的。
请参阅图1，本实施例中，图像处理中坏点去除的方法，其包括：
步骤01：采集一张全黑的raw图像；这里，全黑的raw图像为理论上整个图像的像素值为0的raw图像，但是在实际中，因为会有暗电流，噪声，坏点等因素的影响，像素值并不为0，所以在实际操作中我们选取的是将整个传感器可以完全遮挡不透光的情况下拍摄的raw图像，为全黑的图像；之所以采用全黑的raw图像是因为全黑图像采集起来比较方便，同时状态比较固定，只要将传感器完全遮挡或者用镜头盖完全盖住就可以实现；
步骤02：确认raw图像中的坏点；
具体的，针对第一行、第二行、第一列和第二列中每一行或每一列中的所有单号像素和双号像素分别设定像素阈值，并且比较单号像素的值或双号像素的值与所设定的相应像素阈值的大小，当单号像素的值或双号像素的值大于所设定的相应像素阈值时，则该单号像素或双号像素为坏点。从第三行和第三列开始，针对每一个像素设定像素阈值，并且比较每一个像素的值与所设定的相应像素阈值的大小，当某个像素的值大于所设定的相应像素阈值时，则该像素为坏点。并且，从第三行和第三刘开始，针对每一个坏点的确认和校正交替进行。
本实施例中，针对单号像素的坏点确认包括：
步骤0201：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有单号像素的中值；这里，单号像素的中值的计算包括：将第一行、第二行、第一列和第二列中的每一行的像素值求平均值或每一列的像素值求平均值；阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
步骤0202：将所述中值和所述阈值系数的乘积作为所述单号像素的像素阈值；
步骤0203：比较所述单号像素的值与所述单号像素的像素阈值，当所述单号像素的值大于所述单号像素的像素阈值时，则该单号像素为所述每一行或每一列的坏点；
针对所述双号像素的坏点确认包括：
步骤0204：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有双号像素的中值；双号像素的中值的计算包括：将第一行、第二行、第一列和第二列中的每一行的像素值求平均值或每一列的像素值求平均值；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
步骤0205：将中值和阈值系数的乘积作为双号像素的像素阈值；
步骤0206：比较双号像素的值与所述双号像素的像素阈值，当双号像素的值大于双号像素的像素阈值时，则该双号像素为所述每一行或每一列的坏点；
从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，针对坏点的确认过程具体包括：
请参阅图2，若某一个像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
请参阅图3，若某一个像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
请参阅图4，若某一个像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i+1,j-1))/2；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
针对最大行或者最大列的像素P(i,j)的坏点确认方法包括：
请继续参阅图2，若某一像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
请继续参阅图3，若某一像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
请继续参阅图4，若某一像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；这里，阈值系数为根据全黑raw图像上的状态来确定，较佳的，阈值系数为1～2.5，较佳的为1.5～2；这个阈值系数可以根据具体的坏点的值和黑像素的值做调整更改。
步骤03：对坏点进行校正，采用与该坏点相邻最近的同一颜色的非坏点像素来替换该坏点；
具体的，针对第一行和第二行的校正过程包括：若坏点所在单号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的单号像素P(i,j)是连在一起的，即P(i,j),P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；若坏点所在双号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的双号像素P(i,j)是连在一起的，即P(i,j),P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；
针对第一列和第二列的校正过程包括：若坏点所在单号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的单号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在双号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的双号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；
从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，对坏点的校正过程具体包括：
请继续参阅图2，若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
请继续参阅图3，若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
请继续参阅图4，若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-1,j+1))/2来替换该坏点；
针对最大行或者最大列的像素P(i,j)的坏点的校正过程，其包括：
请继续参阅图2，若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
请继续参阅图3，若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
请继续参阅图4，若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3替换该坏点。
虽然本发明已以较佳实施例揭示如上，然所述实施例仅为了便于说明而举例而已，并非用以限定本发明，本领域的技术人员在不脱离本发明精神和范围的前提下可作若干的更动与润饰，本发明所主张的保护范围应以权利要求书所述为准。

Claims (9)

1.一种图像处理中坏点去除的方法，其特征在于，包括：
步骤01：采集一张全黑的raw图像；
步骤02：确认所述raw图像中的坏点；
步骤03：对坏点进行校正，采用与该坏点相邻最近的同一颜色的非坏点像素来替换该坏点；
其中，
步骤02中，针对第一行、第二行、第一列和第二列中每一行或每一列中的所有单号像素和双号像素分别设定像素阈值，并且比较单号像素的值或双号像素的值与所设定的相应像素阈值的大小，当单号像素的值或双号像素的值大于所设定的相应像素阈值时，则该单号像素或双号像素为坏点；从第三行和第三列开始，针对每一个像素设定像素阈值，并且比较每一个像素的值与所设定的相应像素阈值的大小，当某个像素的值大于所设定的相应像素阈值时，则该像素为坏点；
并且，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行；
其中，针对所述单号像素的坏点确认包括：
步骤0201：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有单号像素的中值；
步骤0202：将所述中值和所述阈值系数的乘积作为所述单号像素的像素阈值；
步骤0203：比较所述单号像素的值与所述单号像素的像素阈值，当所述单号像素的值大于所述单号像素的像素阈值时，则该单号像素为所述每一行或每一列的坏点；
针对所述双号像素的坏点确认包括：
步骤0204：设定一个阈值系数，分别计算出第一行、第二行、第一列和第二列中每一行或每一列中所有双号像素的中值；
步骤0205：将所述中值和所述阈值系数的乘积作为所述双号像素的像素阈值；
步骤0206：比较所述双号像素的值与所述双号像素的像素阈值，当所述双号像素的值大于所述双号像素的像素阈值时，则该双号像素为所述每一行或每一列的坏点。
2.根据权利要求1所述的方法，其特征在于，所述单号像素的中值或所述双号像素的中值的计算包括：将第一行、第二行、第一列和第二列中的每一行的像素值求平均值或每一列的像素值求平均值。
3.根据权利要求1所述的方法，其特征在于，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，针对坏点的确认过程具体包括：
若某一个像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一个像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一个像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i+1,j-1))/2；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点。
4.根据权利要求1所述的方法，其特征在于，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，针对坏点的确认过程还包括针对最大行或者最大列的像素P(i,j)的坏点确认方法，该针对最大行或者最大列的像素P(i,j)的坏点确认方法包括：
若某一像素P(i,j)为R像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一像素P(i,j)为B像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点；
若某一像素P(i,j)为G像素，则设定一个阈值系数，该像素的像素阈值为该阈值系数乘以(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3；比较该像素的值与该像素的像素阈值，当该像素的值大于该像素的像素阈值时，则该像素为坏点。
5.根据权利要求1所述的方法，其特征在于，所述阈值系数为1～2.5。
6.根据权利要求1所述的方法，其特征在于，所述步骤03包括：
针对第一行和第二行的校正过程包括：若坏点所在单号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的单号像素P(i,j)是连在一起的，即P(i,j)、P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；若坏点所在双号像素P(i,j)是独立的，即P(i-2,j)、P(i+2,j)不为坏点，则令P(i,j)＝(P(i-2,j)+P(i+2,j))/2；若坏点所在的双号像素P(i,j)是连在一起的，即P(i,j),P(i+2,j)都为坏点，则令P(i,j)＝P(i-2,j)，P(i+2,j)＝(P(i,j)+P(i+4,j))/2；
针对第一列和第二列的校正过程包括：若坏点所在单号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的单号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在双号像素P(i-4,j+4)是独立的，即P(i-4,j+2)、P(i-4,j+6)不为坏点，则令P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2；若坏点所在的双号像素P(i-4,j+4)是连在一起的，即P(i-4,j+4)与P(i-4,j+2)都为坏点，则令P(i-4,j+2)＝P(i-4,j)，P(i-4,j+4)＝(P(i-4,j+2)+P(i-4,j+6))/2。
7.根据权利要求6所述的方法，其特征在于，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，对坏点的校正过程具体包括：
若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i+2,j-2)+P(i-2,j))/4来替换该坏点；
若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-1,j+1))/2来替换该坏点。
8.根据权利要求6所述的方法，其特征在于，从第三行和第三列开始，针对每一个坏点的确认和校正交替进行的过程中，对坏点的校正过程还包括针对最大行或者最大列的像素P(i,j)的坏点的校正过程，针对最大行或者最大列的像素P(i,j)的坏点的校正过程包括：
若某一个坏点P(i,j)为R像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
若某一个坏点P(i,j)为B像素，则采用(P(i-2,j-2)+P(i,j-2)+P(i-2,j))/3替换该坏点；
若某一个坏点P(i,j)为G像素，则采用(P(i-1,j-1)+P(i-2,j)+P(i,j-2))/3替换该坏点。
9.根据权利要求1所述的方法，其特征在于，所述全黑的raw图像为理论上整个图像的像素值为0的raw图像。
CN201610070948.3A 2016-02-01 2016-02-01 一种图像处理中坏点去除的方法 Active CN105704406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610070948.3A CN105704406B (zh) 2016-02-01 2016-02-01 一种图像处理中坏点去除的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610070948.3A CN105704406B (zh) 2016-02-01 2016-02-01 一种图像处理中坏点去除的方法

Publications (2)

Publication Number Publication Date
CN105704406A CN105704406A (zh) 2016-06-22
CN105704406B true CN105704406B (zh) 2018-12-18

Family

ID=56229111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610070948.3A Active CN105704406B (zh) 2016-02-01 2016-02-01 一种图像处理中坏点去除的方法

Country Status (1)

Country Link
CN (1) CN105704406B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108007873B (zh) * 2016-10-27 2020-12-08 中国人民解放军第二军医大学 光谱检测处理装置、方法以及药品真伪判定系统
CN107991280B (zh) * 2016-10-27 2021-09-03 中国人民解放军第二军医大学 光谱处理比对装置、处理比对方法以及药品真伪判定系统
EP3688981B1 (en) 2017-10-19 2024-02-28 Zhejiang Dahua Technology Co., Ltd. Methods and devices for processing images

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5552827A (en) * 1993-08-31 1996-09-03 Sanyo Electric Co., Ltd. Color video camera with a solid state image sensing device
US6724945B1 (en) * 2000-05-24 2004-04-20 Hewlett-Packard Development Company, L.P. Correcting defect pixels in a digital image
CN101715050A (zh) * 2009-11-20 2010-05-26 北京中星微电子有限公司 一种图像传感器坏点检测的方法和系统
CN101764926A (zh) * 2008-09-29 2010-06-30 凹凸电子（武汉）有限公司 缺陷像素检测纠正设备、系统及检测纠正缺陷像素的方法
CN102265628A (zh) * 2008-12-26 2011-11-30 Lg伊诺特有限公司 用于检测和校正图像传感器中的坏像素的方法
CN104935838A (zh) * 2015-06-04 2015-09-23 上海集成电路研发中心有限公司 一种图像还原的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542082B2 (en) * 2004-03-30 2009-06-02 Canon Kabushiki Kaisha Method and apparatus for correcting a defective pixel

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5552827A (en) * 1993-08-31 1996-09-03 Sanyo Electric Co., Ltd. Color video camera with a solid state image sensing device
US6724945B1 (en) * 2000-05-24 2004-04-20 Hewlett-Packard Development Company, L.P. Correcting defect pixels in a digital image
CN101764926A (zh) * 2008-09-29 2010-06-30 凹凸电子（武汉）有限公司 缺陷像素检测纠正设备、系统及检测纠正缺陷像素的方法
CN102265628A (zh) * 2008-12-26 2011-11-30 Lg伊诺特有限公司 用于检测和校正图像传感器中的坏像素的方法
CN101715050A (zh) * 2009-11-20 2010-05-26 北京中星微电子有限公司 一种图像传感器坏点检测的方法和系统
CN104935838A (zh) * 2015-06-04 2015-09-23 上海集成电路研发中心有限公司 一种图像还原的方法

Also Published As

Publication number Publication date
CN105704406A (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
EP3308537B1 (en) Calibration of defective image sensor elements
US8576309B2 (en) Pixel defect correction device, imaging apparatus, pixel defect correction method, and program
JP4388909B2 (ja) 画素欠陥補正装置
CN105704406B (zh) 一种图像处理中坏点去除的方法
WO2018130177A1 (zh) 图像紫边消除系统、方法、计算机可读存储介质和拍摄装置
US8913161B2 (en) Image capturing apparatus and control method thereof
US9558395B2 (en) Image correction device, image correction method, and imaging device
CN110211056A (zh) 基于局部中值直方图的自适应红外图像去条纹算法
CN109813442B (zh) 一种基于多帧处理的内部杂散辐射非均匀性校正方法
JP2015179985A (ja) マルチエリアホワイトバランス制御装置、マルチエリアホワイトバランス制御方法、マルチエリアホワイトバランス制御プログラム、マルチエリアホワイトバランス制御プログラムを記録したコンピュータ、マルチエリアホワイトバランス画像処理装置、マルチエリアホワイトバランス画像処理方法、マルチエリアホワイトバランス画像処理プログラム、マルチエリアホワイトバランス画像処理プログラムを記録したコンピュータ及びマルチエリアホワイトバランス画像処理装置を備えた撮像装置
JP2019087794A5 (zh)
JP6362098B2 (ja) 画像処理装置、撮像装置、画像処理方法、及びプログラム
TW201310439A (zh) 適應性畫素補償方法
JP2011041056A (ja) 撮像装置及び撮像方法
JP2017158018A5 (zh)
De Silva et al. A novel adaptive shading correction algorithm for camera systems
CN106525247A (zh) 基于变积分时间的实时红外线成像方法及装置
JP2015231140A (ja) 画像処理装置、画像処理方法、及び、プログラム
JP2010197541A (ja) プロジェクター、画像補正方法、画像補正装置及びプロジェクションシステム
JP2021505016A (ja) アレイ内光学的黒画素のためのクロストーク補償を有する感光撮像システムおよびデバイス
JP5631769B2 (ja) 画像処理装置
JP2011065097A5 (ja) 画像処理装置、撮像装置、及び制御方法
JP4994158B2 (ja) 画像補正装置
JP2016057474A (ja) 撮像装置および焦点調節方法
US7656441B2 (en) Hue correction for electronic imagers

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