CN106952254A - 图像坏行坏列的检测方法 - Google Patents
图像坏行坏列的检测方法 Download PDFInfo
- Publication number
- CN106952254A CN106952254A CN201710160168.2A CN201710160168A CN106952254A CN 106952254 A CN106952254 A CN 106952254A CN 201710160168 A CN201710160168 A CN 201710160168A CN 106952254 A CN106952254 A CN 106952254A
- Authority
- CN
- China
- Prior art keywords
- image
- bad row
- bad
- maximum
- max
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本发明公开了一种图像坏行坏列的检测方法,包括:以N%灰板为背景,连续采集n幅图像;将n幅图像进行平均,得到图像Im;分别求取图像Im水平方向和垂直方向的均值,进而求取水平方向与垂直方向的梯度;分别将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列。该方案检测结果准确,并且算法简单,计算量小,速度快。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像坏行坏列的检测方法。
背景技术
随着半导体芯片技术的数字图像处理技术的不断发展,如今人们可以通过数码相机与手机可以很方便地获得高分辨率的视频或图片,然而由于设计或工艺问题,图像可能会出现坏行坏列,影响图像效果,所以进行坏行坏列检测尤为重要。
然而,目前还没有较为有效的方案进行坏行坏列检测,因此,有必要进行深入研究。
发明内容
本发明的目的是提供一种图像坏行坏列的检测方法,其检测结果准确,并且算法简单,计算量小,速度快。
本发明的目的是通过以下技术方案实现的:
一种图像坏行坏列的检测方法,包括:
以N%灰板为背景,连续采集n幅图像;
将n幅图像进行平均,得到图像Im;
分别求取图像Im水平方向和垂直方向的均值,进而求取水平方向与垂直方向的梯度;
分别将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列。
所述以N%灰板为背景,连续采集n幅图像包括:
在预定光源下,以N%灰板为背景,将图像模拟增益调整至最大的M%,连续采集n幅图像;
或者,在纯黑环境下,以N%灰板为背景,将图像模拟增益调整至最大的P%,连续采集n幅图像;
其中,M<P。
所述将n幅图像进行平均,得到图像Pm的亮度Im的公式如下:
Im=(I1+I2+...+In)/n;
其中,I1、I2、In分别表示第1、第2、第n幅图像的亮度。
分别求取图像Pm水平方向和垂直方向的均值包括:
水平方向均值的计算公式为:
垂直方向均值的计算公式为:
其中,W、H分别为图像宽度、高度;i、j分别为图像Pm中像素的列号、行号。
所述求取水平方向与垂直方向的梯度包括:
水平方向梯度的计算公式为:
Gx(j)=abs(Ix(j)-Ix(j-1))
垂直方向梯度的计算公式为:
Gy(i)=abs(Iy(i)-Iy(i-1));
其中,abs代表求取绝对值。
所述将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列包括:
计算水平方向的梯度最大值:
MAX_x=max(Gx(j));
计算垂直方向的梯度最大值:
MAX_y=max(Gy(i));
如果MAX_x>T,则说明存在坏列;如果MAX_y>T,则说明存在坏行。
其中,max代表求取最大值,T为阈值。
由上述本发明提供的技术方案可以看出,通过一系列连续图像的均值来计算水平、垂直方向的梯度,再与阈值进行比较,从而对图像坏行坏列进行检测,其检测结果准确,并且算法简单,计算量小,速度快。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种图像坏行坏列的检测方法的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
图1为本发明实施例提供的一种图像坏行坏列的检测方法的流程图;如图1所示,其主要包括如下步骤:
步骤S1、以N%灰板为背景,连续采集n幅图像。
本发明实施例中,可以采用两种方式来采集图像。
1)在预定光源下(例如,D65光源),以N%灰板为背景,将图像模拟增益调整至最大的M%,连续采集n幅图像。
2)在纯黑环境下,以N%灰板为背景,将图像模拟增益调整至最大的P%,连续采集n幅图像。
其中,M<P。
示例性的,其中的N可以设置为18,M可以设置为25,P可以设置为75。举例来说,如果图像模拟增益最大为16倍,则在预定光源下,图像模拟增益为4倍;纯黑环境下,图像模拟增益为12倍。
步骤S2、将n幅图像进行平均,得到图像Pm的亮度Im。
其公式如下:
Im=(I1+I2+...+In)/n;
其中,I1、I2、In分别表示第1、第2、第n幅图像的亮度。
步骤S3、分别求取图像像Pm水平方向和垂直方向的均值,进而求取水平方向与垂直方向的梯度。
水平方向均值的计算公式为:
垂直方向均值的计算公式为:
其中,W、H分别为图像宽度、高度;i、j分别为图像Pm中像素的列号、行号。
水平方向梯度的计算公式为:
Gx(j)=abs(Ix(j)-Ix(j-1))
垂直方向梯度的计算公式为:
Gy(i)=abs(Iy(i)-Iy(i-1));
其中,abs代表求取绝对值。
步骤S4、分别将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列。
计算水平方向的梯度最大值:
MAX_x=max(Gx(j));
计算垂直方向的梯度最大值:
MAX_y=max(Gy(i));
如果MAX_x>T,则说明存在坏列;如果MAX_y>T,则说明存在坏行。
其中,max代表求取最大值,T为阈值。
本发明实施例上述方案,可以应用于bayer图像、YUV图像与RGB图像的坏行坏列检测。其通过一系列连续图像的均值来计算水平、垂直方向的梯度,再与阈值进行比较,从而对图像坏行坏列进行检测,其检测结果准确,并且算法简单,计算量小,速度快。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种图像坏行坏列的检测方法,其特征在于,包括:
以N%灰板为背景,连续采集n幅图像;
将n幅图像进行平均,得到图像Im;
分别求取图像Im水平方向和垂直方向的均值,进而求取水平方向与垂直方向的梯度;
分别将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列。
2.根据权利要求1所述的一种图像坏行坏列的检测方法,其特征在于,所述以N%灰板为背景,连续采集n幅图像包括:
在预定光源下,以N%灰板为背景,将图像模拟增益调整至最大的M%,连续采集n幅图像;
或者,在纯黑环境下,以N%灰板为背景,将图像模拟增益调整至最大的P%,连续采集n幅图像;
其中,M<P。
3.根据权利要求1所述的一种图像坏行坏列的检测方法,其特征在于,所述将n幅图像进行平均,得到图像Pm的亮度Im的公式如下:
Im=(I1+I2+...+In)/n;
其中,I1、I2、In分别表示第1、第2、第n幅图像的亮度。
4.根据权利要求3所述的一种图像坏行坏列的检测方法,其特征在于,分别求取图像Pm水平方向和垂直方向的均值包括:
水平方向均值的计算公式为:
垂直方向均值的计算公式为:
其中,W、H分别为图像宽度、高度;i、j分别为图像Pm中像素的列号、行号。
5.根据权利要求4所述的一种图像坏行坏列的检测方法,其特征在于,所述求取水平方向与垂直方向的梯度包括:
水平方向梯度的计算公式为:
Gx(j)=abs(Ix(j)-Ix(j-1))
垂直方向梯度的计算公式为:
Gy(i)=abs(Iy(i)-Iy(i-1));
其中,abs代表求取绝对值。
6.根据权利要求5所述的一种图像坏行坏列的检测方法,其特征在于,所述将水平方向与垂直方向的梯度最大值与阈值进行比较,从而检测图像坏行坏列包括:
计算水平方向的梯度最大值:
MAX_x=max(Gx(j));
计算垂直方向的梯度最大值:
MAX_y=max(Gy(i));
如果MAX_x>T,则说明存在坏列;如果MAX_y>T,则说明存在坏行。
其中,max代表求取最大值,T为阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710160168.2A CN106952254A (zh) | 2017-03-17 | 2017-03-17 | 图像坏行坏列的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710160168.2A CN106952254A (zh) | 2017-03-17 | 2017-03-17 | 图像坏行坏列的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106952254A true CN106952254A (zh) | 2017-07-14 |
Family
ID=59473043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710160168.2A Pending CN106952254A (zh) | 2017-03-17 | 2017-03-17 | 图像坏行坏列的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106952254A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091405A (zh) * | 2022-11-30 | 2023-05-09 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592351A (zh) * | 2012-02-28 | 2012-07-18 | 广州广电运通金融电子股份有限公司 | 纸页类介质鉴别装置及其鉴别方法 |
CN105184740A (zh) * | 2015-05-20 | 2015-12-23 | 华中科技大学 | 一种红外焦平面图像非均匀性条带校正方法 |
-
2017
- 2017-03-17 CN CN201710160168.2A patent/CN106952254A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592351A (zh) * | 2012-02-28 | 2012-07-18 | 广州广电运通金融电子股份有限公司 | 纸页类介质鉴别装置及其鉴别方法 |
CN105184740A (zh) * | 2015-05-20 | 2015-12-23 | 华中科技大学 | 一种红外焦平面图像非均匀性条带校正方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091405A (zh) * | 2022-11-30 | 2023-05-09 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
CN116091405B (zh) * | 2022-11-30 | 2024-01-26 | 武汉极动智能科技有限公司 | 图像处理方法及装置、计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | An advanced contrast enhancement using partially overlapped sub-block histogram equalization | |
CN107481271B (zh) | 一种立体匹配方法、系统及移动终端 | |
CN104517110A (zh) | 一种二维码图像的二值化方法及系统 | |
WO2019041842A1 (zh) | 一种图像处理方法及装置、存储介质和计算机设备 | |
CN109060842B (zh) | 基于曲面拟合校正的柑橘表面缺陷检测方法 | |
CN111353984B (zh) | 一种自适应鲁棒的灰度图像中液位高精度检测方法 | |
JP2013175003A (ja) | Psf推定方法とそれを用いた劣化画像の復元方法およびこれらを記録したプログラムとそれを実行するコンピュータ装置 | |
CN114092355A (zh) | 自适应红外图像对比度增强方法及装置 | |
US20180365805A1 (en) | Apparatus, system, and method for enhancing an image | |
CN102236790B (zh) | 一种图像处理方法和设备 | |
US20140098098A1 (en) | Method for accelerating monte carlo renders | |
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
CN106952254A (zh) | 图像坏行坏列的检测方法 | |
CN102413271B (zh) | 消除假轮廓的图像处理方法及装置 | |
CN104835121B (zh) | 基于无穷范数约束与最大熵原则的色调映射方法 | |
US20110158516A1 (en) | Image classification methods and systems | |
Azetsu et al. | Trilateral filter using rank order information of pixel value for mixed Gaussian and impulsive noise removal | |
CN107945196B (zh) | 一种用于航拍校正图像拼接的图像边沿检测方法 | |
CN115239653A (zh) | 支持多分屏的黑屏检测方法、装置、电子设备及可读存储介质 | |
CN104915937B (zh) | 基于频域矩阵分解的快速单透镜计算成像方法 | |
US9754162B2 (en) | Image processing method and device for adaptive image enhancement | |
CN100533479C (zh) | 可适性影像锐化方法 | |
TW201510934A (zh) | 影像銳化方法與影像處理裝置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |
|
RJ01 | Rejection of invention patent application after publication |