CN107194886B - 一种用于相机传感器的灰尘检测方法及装置 - Google Patents

一种用于相机传感器的灰尘检测方法及装置 Download PDF

Info

Publication number
CN107194886B
CN107194886B CN201710302979.1A CN201710302979A CN107194886B CN 107194886 B CN107194886 B CN 107194886B CN 201710302979 A CN201710302979 A CN 201710302979A CN 107194886 B CN107194886 B CN 107194886B
Authority
CN
China
Prior art keywords
value
pixel
point
image
median
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
CN201710302979.1A
Other languages
English (en)
Other versions
CN107194886A (zh
Inventor
洪国伟
王昆
江健民
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201710302979.1A priority Critical patent/CN107194886B/zh
Publication of CN107194886A publication Critical patent/CN107194886A/zh
Application granted granted Critical
Publication of CN107194886B publication Critical patent/CN107194886B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Abstract

本发明适用计算机技术领域，提供了一种用于相机传感器的灰尘检测方法及装置，所述方法包括：将待测相机对白色平面进行拍照，得到测试图像；对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测。本发明利用待测相机对明亮的白色平面进行拍照，得到测试图像，在进行滤波处理后，得到差值图像，根据差值图像计算阈值，并对差值图像进行阈值处理，不仅提高了对灰尘探测的准确性，而且在一定程度上能够排除噪声干扰，另外，根据差值图像来自适应调整阈值，从而使得对不同图像进行针对性的处理，增强稳定性。

Description

一种用于相机传感器的灰尘检测方法及装置
技术领域
本发明属于计算机技术领域，尤其涉及一种用于相机传感器的灰尘检测方法及装置。
背景技术
为了追求更高质量的图像，相机镜头的分辨率越来越高，人们开始关注相机传感器的缺陷，比如灰尘、缺陷像素等，其中，缺陷像素包括热点和坏点，具体表现为比周围的像素点更亮或者更暗的像素点，灰尘是由一组非常轻微的死点或者由相机模块内部的灰尘或其他物体造成的暗区。传感器的缺陷会对相机质量带来影响，单独位于角落区域的死点对相机质量的影响较小，而灰尘却是能够严重影响相机质量的缺陷。现有灰尘检测的缺点是对灰尘探测的准确性较低，同时难以排除噪声带来的干扰。
发明内容
本发明的目的在于提供一种用于相机传感器的灰尘检测方法及装置，旨在解决现有技术中灰尘探测准确性较低的问题。
一方面，本发明提供了一种用于相机传感器的灰尘检测方法，所述方法包括下述步骤：
将待测相机对白色平面进行拍照，得到测试图像；
对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；
根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测。
另一方面，本发明提供了一种用于相机传感器的灰尘检测装置，所述装置包括：
测试图像获取单元，用于将待测相机对白色平面进行拍照，得到测试图像；
差值图像获取单元，用于对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；以及
阈值处理单元，用于根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测。
本发明实施例利用待测相机对明亮的白色平面进行拍照，得到测试图像，在进行滤波处理后，得到差值图像，根据差值图像计算阈值，并对差值图像进行阈值处理，不仅提高了对灰尘探测的准确性，而且在一定程度上能够排除噪声干扰，另外，根据差值图像来自适应调整阈值，从而使得对不同图像进行针对性的处理，增强稳定性。
附图说明
图1是本发明实施例一提供的用于相机传感器的灰尘检测方法的实现流程图；
图2是本发明实施例中的一种滤波处理方法的示意图；
图3是本发明实施例中的另一种滤波处理方法的示意图；
图4是本发明实施例二提供的用于相机传感器的灰尘检测装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的用于相机传感器的灰尘检测方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，将待测相机对白色平面进行拍照，得到测试图像。
在本发明实施例中，采用一个明亮的白色平面，将待测相机对着该白色平面进行拍照，得到测试图像，对明亮的白色平面进行拍照后，可以在上述测试图像中检测到灰尘或者其他物体造成的暗区，进一步地，可以对上述测试图像进行缩放处理，可以减少数据运算量，为后续图像处理节省时间，同时在一定程度上也可以降低噪声所带来的干扰，具体地，对上述测试图像，进行下采样处理，如采用最邻近插值法对图像进行缩放处理，由此，得到对上述测试图像进行缩放操作后的低分辨率图像。
在步骤S102中，对测试图像进行滤波处理，得到滤波图像，并根据测试图像及滤波图像，得到差值图像。
在本发明实施例中，对上述测试图像进行滤波处理，将得到的滤波图像与上述测试图像进行相减，从而得到差值图像。
进一步地，对测试图像计算像素点的像素均值，得到滤波图像；
将像素点的像素值与像素点的像素均值相减，得到差值图像。
具体地，由于灰尘区域在图像中直观地表现为比周围的像素点更暗的区域，利用灰尘区域的这一特性，将滤波处理后的滤波图像与上述测试图像进行相减，在所得到的上述差值图像中，像素值为正值的区域就是灰尘区域。
优选地，对测试图像计算像素点的像素均值，得到滤波图像的步骤，包括：
分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值；
计算水平像素均值及垂直像素均值的均值，得到像素点的第一像素均值。
具体地，如果只在水平方向上对灰尘进行检测，忽略了其他方向上对灰尘的检测，容易受到干扰，会造成对灰尘造成误检测的情况，并且难以排除噪声带来的干扰，通过分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值，在水平方向以及垂直方向检测灰尘。
如图2示出了本发明实施例中的一种滤波处理方法的示意图，在水平方向及垂直方向上对灰尘进行检测，图中参数d可以根据实验数据调整，以使得能够完成灰尘的检测，同时能够有效避免来自图像暗角的干扰，参数f也可以根据实验数据调整，以使得灰尘检测更加准确。
在水平方向上Fliter1对灰尘进行检测：
ValueL＝median[A(x-1,y-d),A(x,y-d),A(x+1,y-d)]
ValueR＝median[A(x-1,y+d),A(x,y+d),A(x+1,y+d)]
A(x,y)1＝(ValueL+ValueR)/2
其中，ValueL表示点A(x-1,y-d),点A(x,y-d),点A(x+1,y-d)的中值，ValueR表示点A(x-1,y+d),点A(x,y+d),点A(x+1,y+d)的中值，A(x,y)1表示点A水平方向的像素值。
在垂直方向上Fliter2对灰尘进行检测：
ValueB＝median[A(x+d,y-1),A(x+d,y),A(x+d,y+1)]
ValueT＝median[A(x-d,y-1),A(x-d,y),A(x-d,y+1)]
A(x,y)2＝(ValueB+ValueT)/2
其中，ValueB表示点A(x+d,y-1),点A(x+d,y),点A(x+d,y+1)的中值，ValueT表示点A(x-d,y-1),点A(x-d,y),点A(x-d,y+1)的中值，A(x,y)2表示点A垂直方向的像素值。
最终，A′(x,y)的值为水平方向及垂直方向上的滤波得到的A点像素值的第一像素均值：
A′(x,y)＝[A(x,y)1+A(x,y)2]/2
Adifference＝A′(x,y)-A(x,y)
将得到的滤波图像A′(x,y)与测试图像A(x,y)相减，由于灰尘区域的灰度值低于其周围区域，滤波图像A′(x,y)与测试图像A(x,y)相减得到的差值图像Adifference中，像素值为正值的区域将被认为是灰尘。
在水平方向的基础上，增加了垂直方向上对灰尘的检测，灰尘的检测由水平和垂直方向的检测结果共同决定，考虑到了更多的空间信息，针对灰尘的多种不同形状，从而对灰尘的检测更加准确。
优选地，对测试图像计算像素点的像素均值，得到滤波图像的步骤，还包括：
分别计算水平方向上的水平像素均值、由水平方向顺时针旋转45度方向上的45度方向像素均值、由水平方向顺时针旋转90度方向上的90度方向像素均值及由水平方向顺时针旋转135度方向上的135度方向像素均值；
计算水平像素均值、45度方向像素均值、90度方向像素均值及135度方向像素均值的均值，得到像素点的第二像素均值。
具体地，在水平方向和垂直方向的基础上，为了进一步增加灰尘检测的准确性，在4个方向上针对灰尘进行探测。如图3示出了本发明实施例中的另一种滤波处理方法的示意图，沿顺时针方向依次旋转45度，90度，135度，提出包含4个单一方向的滤波方式，从而使得对灰尘的探测更为准确，同时，可以在一定程度上排除噪声带来的干扰，其中，参数d的设置可以根据实验调整，以使得能够完成对灰尘的探测，同时能够有效避免来自图像暗角的干扰。参数f的设置可以根据实验调整，以使得对灰尘的探测更加准确。
在水平方向上Fliter1对灰尘进行检测：
ValueL＝median[A(x-1,y-d),A(x,y-d),A(x+1,y-d)]
ValueR＝median[A(x-1,y+d),A(x,y+d),A(x+1,y+d)]
A(x,y)1＝(ValueL+ValueR)/2
其中，ValueL表示点A(x-1,y-d),点A(x,y-d),点A(x+1,y-d)的中值，ValueR表示点A(x-1,y+d),点A(x,y+d),点A(x+1,y+d)的中值，A(x,y)1表示点A水平方向的像素值。
在由水平方向顺时针旋转45度方向上Fliter2对灰尘进行检测：
ValueLT＝median[A(x-d+1,y-d-1),A(x-d,y-d),A(x-d-1,y-d+1)]
ValueRB＝median[A(x+d+1,y+d-1),A(x+d,y+d),A(x+d-1,y+d+1)]
A(x,y)2＝(ValueLT+ValueRB)/2
其中，ValueLT表示点A(x-d+1,y-d-1),点A(x-d,y-d),点A(x-d-1,y-d+1)的中值，ValueRB表示点(x+d+1,y+d-1),点A(x+d,y+d),点A(x+d-1,y+d+1)的中值，A(x,y)2表示点A由水平方向顺时针旋转45度方向上的像素值。
在由水平方向顺时针旋转90度方向上Fliter3对灰尘进行检测：
ValueB＝median[A(x+d,y-1),A(x+d,y),A(x+d,y+1)]
ValueT＝median[A(x-d,y-1),A(x-d,y),A(x-d,y+1)]
A(x,y)3＝(ValueB+ValueT)/2
其中，ValueB表示点A(x+d,y-1),点A(x+d,y),点A(x+d,y+1)的中值，ValueT表示点(x-d,y-1),点A(x-d,y),点A(x-d,y+1)的中值，A(x,y)3表示点A由水平方向顺时针旋转90度方向上的像素值。
在由水平方向顺时针旋转135度方向上Fliter4对灰尘进行检测：
ValueLB＝median[A(x+d-1,y-d-1),A(x+d,y-d),A(x+d+1,y-d+1)]
ValueRT＝median[A(x-d-1,y+d-1),A(x-d,y+d),A(x-d+1,y+d+1)]
A(x,y)4＝(ValueLB+ValueRT)/2
其中，ValueLB表示点A(x+d-1,y-d-1),点A(x+d,y-d),点A(x+d+1,y-d+1)的中值，ValueRT表示点A(x-d-1,y+d-1),点A(x-d,y+d),点A(x-d+1,y+d+1)的中值，A(x,y)4表示点A由水平方向顺时针旋转135度方向上的像素值。
最终，A′(x,y)的值为水平像素均值、45度方向像素均值、90度方向像素均值及135度方向上的滤波得到的A点像素值的第二像素均值：
A′(x,y)＝[A(x,y)1+A(x,y)2+A(x,y)3+A(x,y)4]/2
Adifference＝A′(x,y)-A(x,y)
将得到的滤波图像A′(x,y)与测试图像A(x,y)相减，由于灰尘区域的灰度值低于其周围区域，滤波图像A′(x,y)与测试图像A(x,y)相减得到的差值图像Adifference中，像素值为正值的区域将被认为是灰尘。
在步骤S103中，根据差值图像计算阈值，并对差值图像进行阈值处理，以实现灰尘检测。
在本发明实施例中，根据差值图像计算阈值，关于阈值利用上述差值图像中的图像信息自适应产生合适的阈值，进而完成灰尘检测，增强系统稳定性。
进一步地，阈值计算依赖于整个差值图像的标准方差，根据差值图像上像素值的标准方差，计算阈值。将上述差值图像的标准方差记为s，则计算阈值的公式可以表达为：
Threshold＝a*s+b；
其中，Threshold为阈值，s为差值图像的标准方差，常数a、b可以根据实验数据进行调整，从而能使得会灰尘检测的结果更加准确。
本发明实施例利用待测相机对明亮的白色平面进行拍照，得到测试图像，在进行滤波处理后，得到差值图像，根据差值图像计算阈值，并对差值图像进行阈值处理，不仅提高了对灰尘探测的准确性，而且在一定程度上能够排除噪声干扰，另外，根据差值图像来自适应调整阈值，从而使得对不同图像进行针对性的处理，增强稳定性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
实施例二：
图4示出了本发明实施例二提供的用于相机传感器的灰尘检测装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。在本发明实施例中，用于相机传感器的灰尘检测装置包括：测试图像获取单元41，差值图像获取单元42及阈值处理单元43，其中：
测试图像获取单元41，用于将待测相机对白色平面进行拍照，得到测试图像。
在本发明实施例中，采用一个明亮的白色平面，将待测相机对着该白色平面进行拍照，得到测试图像，对明亮的白色平面进行拍照后，可以在上述测试图像中检测到灰尘或者其他物体造成的暗区，进一步地，可以对上述测试图像进行缩放处理，可以减少数据运算量，为后续图像处理节省时间，同时在一定程度上也可以降低噪声所带来的干扰，具体地，对上述测试图像，进行下采样处理，如采用最邻近插值法对图像进行缩放处理，由此，得到对上述测试图像进行缩放操作后的低分辨率图像。
差值图像获取单元42，用于对测试图像进行滤波处理，得到滤波图像，并根据测试图像及滤波图像，得到差值图像。
在本发明实施例中，对上述测试图像进行滤波处理，将得到的滤波图像与上述测试图像进行相减，从而得到差值图像。
进一步地，差值图像获取单元42，包括：
滤波图像获取单元421，用于对测试图像计算像素点的像素均值，得到滤波图像；以及
差值图像获取子单元422，用于将像素点的像素值与所述像素点的像素均值相减，得到差值图像。
具体地，由于灰尘区域在图像中直观地表现为比周围的像素点更暗的区域，利用灰尘区域的这一特性，将滤波处理后的滤波图像与上述测试图像进行相减，在所得到的上述差值图像中，像素值为正值的区域就是灰尘区域。
优选地，滤波图像获取单元421，包括：
第一均值计算单元，用于分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值；以及
第一像素均值计算单元，用于计算水平像素均值及垂直像素均值的均值，得到像素点的第一像素均值。
具体地，如果只在水平方向上对灰尘进行检测，忽略了其他方向上对灰尘的检测，容易受到干扰，会造成对灰尘造成误检测的情况，并且难以排除噪声带来的干扰，通过分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值，在水平方向以及垂直方向检测灰尘。
如图2示出了本发明实施例中的一种滤波处理方法的示意图，在水平方向及垂直方向上对灰尘进行检测，图中参数d可以根据实验数据调整，以使得能够完成灰尘的检测，同时能够有效避免来自图像暗角的干扰，参数f也可以根据实验数据调整，以使得灰尘检测更加准确。
在水平方向上Fliter1对灰尘进行检测：
ValueL＝median[A(x-1,y-d),A(x,y-d),A(x+1,y-d)]
ValueR＝median[A(x-1,y+d),A(x,y+d),A(x+1,y+d)]
A(x,y)1＝(ValueL+ValueR)/2
其中，ValueL表示点A(x-1,y-d),点A(x,y-d),点A(x+1,y-d)的中值，ValueR表示点A(x-1,y+d),点A(x,y+d),点A(x+1,y+d)的中值，A(x,y)1表示点A水平方向的像素值。
在垂直方向上Fliter2对灰尘进行检测：
ValueB＝median[A(x+d,y-1),A(x+d,y),A(x+d,y+1)]
ValueT＝median[A(x-d,y-1),A(x-d,y),A(x-d,y+1)]
A(x,y)2＝(ValueB+ValueT)/2
其中，ValueB表示点A(x+d,y-1),点A(x+d,y),点A(x+d,y+1)的中值，ValueT表示点A(x-d,y-1),点A(x-d,y),点A(x-d,y+1)的中值，A(x,y)2表示点A垂直方向的像素值。
最终，A′(x,y)的值为水平方向及垂直方向上的滤波得到的A点像素值的第一像素均值：
A′(x,y)＝[A(x,y)1+A(x,y)2]/2
Adifference＝A′(x,y)-A(x,y)
将得到的滤波图像A′(x,y)与测试图像A(x,y)相减，由于灰尘区域的灰度值低于其周围区域，滤波图像A′(x,y)与测试图像A(x,y)相减得到的差值图像Adifference中，像素值为正值的区域将被认为是灰尘。
在水平方向的基础上，增加了垂直方向上对灰尘的检测，灰尘的检测由水平和垂直方向的检测结果共同决定，考虑到了更多的空间信息，针对灰尘的多种不同形状，从而对灰尘的检测更加准确。
优选地，滤波图像获取单元421，还包括：
第二均值计算单元，用于分别计算水平方向上的水平像素均值、由水平方向顺时针旋转45度方向上的45度方向像素均值、由水平方向顺时针旋转90度方向上的90度方向像素均值及由水平方向顺时针旋转135度方向上的135度方向像素均值；以及
第二像素均值计算单元，用于计算水平像素均值、45度方向像素均值、90度方向像素均值及135度方向像素均值的均值，得到像素点的第二像素均值。
具体地，在水平方向和垂直方向的基础上，为了进一步增加灰尘检测的准确性，在4个方向上针对灰尘进行探测。如图3示出了本发明实施例中的另一种滤波处理方法的示意图，沿顺时针方向依次旋转45度，90度，135度，提出包含4个单一方向的滤波方式，从而使得对灰尘的探测更为准确，同时，可以在一定程度上排除噪声带来的干扰，其中，参数d的设置可以根据实验调整，以使得能够完成对灰尘的探测，同时能够有效避免来自图像暗角的干扰。参数f的设置可以根据实验调整，以使得对灰尘的探测更加准确。
在水平方向上Fliter1对灰尘进行检测：
ValueL＝median[A(x-1,y-d),A(x,y-d),A(x+1,y-d)]
ValueR＝median[A(x-1,y+d),A(x,y+d),A(x+1,y+d)]
A(x,y)1＝(ValueL+ValueR)/2
其中，ValueL表示点A(x-1,y-d),点A(x,y-d),点A(x+1,y-d)的中值，ValueR表示点A(x-1,y+d),点A(x,y+d),点A(x+1,y+d)的中值，A(x,y)1表示点A水平方向的像素值。
在由水平方向顺时针旋转45度方向上Fliter2对灰尘进行检测：
ValueLT＝median[A(x-d+1,y-d-1),A(x-d,y-d),A(x-d-1,y-d+1)]
ValueRB＝median[A(x+d+1,y+d-1),A(x+d,y+d),A(x+d-1,y+d+1)]
A(x,y)2＝(ValueLT+ValueRB)/2
其中，ValueLT表示点A(x-d+1,y-d-1),点A(x-d,y-d),点A(x-d-1,y-d+1)的中值，ValueRB表示点(x+d+1,y+d-1),点A(x+d,y+d),点A(x+d-1,y+d+1)的中值，A(x,y)2表示点A由水平方向顺时针旋转45度方向上的像素值。
在由水平方向顺时针旋转90度方向上Fliter3对灰尘进行检测：
ValueB＝median[A(x+d,y-1),A(x+d,y),A(x+d,y+1)]
ValueT＝median[A(x-d,y-1),A(x-d,y),A(x-d,y+1)]
A(x,y)3＝(ValueB+ValueT)/2
其中，ValueB表示点A(x+d,y-1),点A(x+d,y),点A(x+d,y+1)的中值，ValueT表示点(x-d,y-1),点A(x-d,y),点A(x-d,y+1)的中值，A(x,y)3表示点A由水平方向顺时针旋转90度方向上的像素值。
在由水平方向顺时针旋转135度方向上Fliter4对灰尘进行检测：
ValueLB＝median[A(x+d-1,y-d-1),A(x+d,y-d),A(x+d+1,y-d+1)]
ValueRT＝median[A(x-d-1,y+d-1),A(x-d,y+d),A(x-d+1,y+d+1)]
A(x,y)4＝(ValueLB+ValueRT)/2
其中，ValueLB表示点A(x+d-1,y-d-1),点A(x+d,y-d),点A(x+d+1,y-d+1)的中值，ValueRT表示点A(x-d-1,y+d-1),点A(x-d,y+d),点A(x-d+1,y+d+1)的中值，A(x,y)4表示点A由水平方向顺时针旋转135度方向上的像素值。
最终，A′(x,y)的值为水平像素均值、45度方向像素均值、90度方向像素均值及135度方向上的滤波得到的A点像素值的第二像素均值：
A′(x,y)＝[A(x,y)1+A(x,y)2+A(x,y)3+A(x,y)4]/2
Adifference＝A′(x,y)-A(x,y)
将得到的滤波图像A′(x,y)与测试图像A(x,y)相减，由于灰尘区域的灰度值低于其周围区域，滤波图像A′(x,y)与测试图像A(x,y)相减得到的差值图像Adifference中，像素值为正值的区域将被认为是灰尘。
阈值处理单元43，用于根据差值图像计算阈值，并对差值图像进行阈值处理，以实现灰尘检测。
在本发明实施例中，根据差值图像计算阈值，关于阈值利用上述差值图像中的图像信息自适应产生合适的阈值，进而完成灰尘检测，增强系统稳定性。
进一步地，阈值处理单元43，包括：
阈值计算单元431，用于根据差值图像上像素值的标准方差，计算阈值。
阈值计算依赖于整个差值图像的标准方差，根据差值图像上像素值的标准方差，计算阈值。将上述差值图像的标准方差记为s，则计算阈值的公式可以表达为：
Threshold＝a*s+b；
其中，Threshold为阈值，s为差值图像的标准方差，常数a、b可以根据实验数据进行调整，从而能使得会灰尘检测的结果更加准确。
本发明实施例利用待测相机对明亮的白色平面进行拍照，得到测试图像，在进行滤波处理后，得到差值图像，根据差值图像计算阈值，并对差值图像进行阈值处理，不仅提高了对灰尘探测的准确性，而且在一定程度上能够排除噪声干扰，另外，根据差值图像来自适应调整阈值，从而使得对不同图像进行针对性的处理，增强稳定性。
在本发明实施例中，用于相机传感器的灰尘检测装置各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。该装置各单元的实施方式具体可参考前述实施例一的描述，在此不再赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于相机传感器的灰尘检测方法，其特征在于，所述方法包括下述步骤：
将待测相机对白色平面进行拍照，得到测试图像；
对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；
根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测，计算阈值的公式为Threshold＝a*s+b，其中，Threshold为阈值，s为差值图像的标准方差，a、b为常数；
对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像的步骤，包括：
对所述测试图像计算像素点的像素均值，得到滤波图像；
将所述像素点的像素值与所述像素点的像素均值相减，得到差值图像；
对所述测试图像计算像素点的像素均值，得到滤波图像的步骤，包括：
分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值；
计算所述水平像素均值及垂直像素均值的均值，得到像素点的第一像素均值A′(x，y)＝[A(x，y)1+A(x，y)2]/2，其中：
A(x，y)1＝(ValueL+ValueR)/2，ValueL＝median[A(x-1，y-d)，A(x，y-d)，A(x+1，y-d)]，ValueR＝median[A(x-1，y+d)，A(x，y+d)，A(x+1，y+d)]，ValueL表示点A(x-1，y-d)，点A(x，y-d)，点A(x+1，y-d)的中值，ValueR表示点A(x-1，y+d)，点A(x，y+d)，点A(x+1，y+d)的中值，A(x，y)1表示点A水平方向的像素值；
A(x，y)2＝(ValueB+ValueT)/2，ValueB＝median[A(x+d，y-1)，A(x+d，y)，A(x+d，y+1)]，ValueT＝median[A(x-d，y-1)，A(x-d，y)，A(x-d，y+1)]，ValueB表示点A(x+d，y-1)，点A(x+d，y)，点A(x+d，y+1)的中值，ValueT表示点A(x-d，y-1)，点A(x-d，y)，点A(x-d，y+1)的中值，A(x，y)2表示点A垂直方向的像素值；
参数d根据实验数据调整，以使得能够完成灰尘的检测，同时能够有效避免来自图像暗角的干扰。
2.如权利要求1所述的方法，其特征在于，对所述测试图像计算像素点的像素均值，得到滤波图像的步骤，还包括：
分别计算水平方向上的水平像素均值、由水平方向顺时针旋转45度方向上的45度方向像素均值、由水平方向顺时针旋转90度方向上的90度方向像素均值及由水平方向顺时针旋转135度方向上的135度方向像素均值；
计算所述水平像素均值、45度方向像素均值、90度方向像素均值及135度方向像素均值的均值，得到像素点的第二像素均值。
3.如权利要求1所述的方法，其特征在于，根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测的步骤，包括：
根据所述差值图像上像素值的标准方差，计算所述阈值。
4.一种用于相机传感器的灰尘检测装置，其特征在于，所述装置包括：
测试图像获取单元，用于将待测相机对白色平面进行拍照，得到测试图像；
差值图像获取单元，用于对所述测试图像进行滤波处理，得到滤波图像，并根据所述测试图像及所述滤波图像，得到差值图像；以及
阈值处理单元，用于根据所述差值图像计算阈值，并对所述差值图像进行阈值处理，以实现灰尘检测，计算阈值的公式为Threshold＝a*s+b，其中，Threshold为阈值，s为差值图像的标准方差，a、b为常数；
所述差值图像获取单元，包括：
滤波图像获取单元，用于对所述测试图像计算像素点的像素均值，得到滤波图像；以及
差值图像获取子单元，用于将所述像素点的像素值与所述像素点的像素均值相减，得到差值图像；
所述滤波图像获取单元，包括：
第一均值计算单元，用于分别计算水平方向上的水平像素均值及垂直方向上的垂直像素均值；以及
第一像素均值计算单元，用于计算所述水平像素均值及垂直像素均值的均值，得到像素点的第一像素均值A′(x，y)＝[A(x，y)1+A(x，y)2]/2，其中：
A(x，y)1＝(ValueL+ValueR)/2，ValueL＝median[A(x-1，y-d)，A(x，y-d)，A(x+1，y-d)]，ValueR＝median[A(x-1，y+d)，A(x，y+d)，A(x+1，y+d)]，ValueL表示点A(x-1，y-d)，点A(x，y-d)，点A(x+1，y-d)的中值，ValueR表示点A(x-1，y+d)，点A(x，y+d)，点A(x+1，y+d)的中值，A(x，y)1表示点A水平方向的像素值；
A(x，y)2＝(ValueB+ValueT)/2，ValueB＝median[A(x+d，y-1)，A(x+d，y)，A(x+d，y+1)]，ValueT＝median[A(x-d，y-1)，A(x-d，y)，A(x-d，y+1)]，ValueB表示点A(x+d，y-1)，点A(x+d，y)，点A(x+d，y+1)的中值，ValueT表示点A(x-d，y-1)，点A(x-d，y)，点A(x-d，y+1)的中值，A(x，y)2表示点A垂直方向的像素值；
参数d根据实验数据调整，以使得能够完成灰尘的检测，同时能够有效避免来自图像暗角的干扰。
5.如权利要求4所述的装置，其特征在于，所述滤波图像获取单元，还包括：
第二均值计算单元，用于分别计算水平方向上的水平像素均值、由水平方向顺时针旋转45度方向上的45度方向像素均值、由水平方向顺时针旋转90度方向上的90度方向像素均值及由水平方向顺时针旋转135度方向上的135度方向像素均值；以及
第二像素均值计算单元，用于计算所述水平像素均值、45度方向像素均值、90度方向像素均值及135度方向像素均值的均值，得到像素点的第二像素均值。
6.如权利要求4所述的装置，其特征在于，所述阈值处理单元，包括：
阈值计算单元，用于根据所述差值图像上像素值的标准方差，计算所述阈值。
CN201710302979.1A 2017-05-03 2017-05-03 一种用于相机传感器的灰尘检测方法及装置 Expired - Fee Related CN107194886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710302979.1A CN107194886B (zh) 2017-05-03 2017-05-03 一种用于相机传感器的灰尘检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710302979.1A CN107194886B (zh) 2017-05-03 2017-05-03 一种用于相机传感器的灰尘检测方法及装置

Publications (2)

Publication Number Publication Date
CN107194886A CN107194886A (zh) 2017-09-22
CN107194886B true CN107194886B (zh) 2020-11-10

Family

ID=59873962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710302979.1A Expired - Fee Related CN107194886B (zh) 2017-05-03 2017-05-03 一种用于相机传感器的灰尘检测方法及装置

Country Status (1)

Country Link
CN (1) CN107194886B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533857B (zh) * 2018-05-23 2020-11-27 安徽省华腾农业科技有限公司经开区分公司 书桌多功能监控方法
CN110012287B (zh) * 2019-02-16 2019-11-05 深圳市创生达电子有限公司 基于视网膜感知的数字相机影像传感器的脏污自检方法
CN111325715A (zh) * 2020-01-21 2020-06-23 上海悦易网络信息技术有限公司 相机色斑检测方法及设备
CN112365486A (zh) * 2020-11-20 2021-02-12 普联技术有限公司 基于移动侦测的灰尘检测方法、装置、介质及终端设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509264A (zh) * 2011-11-01 2012-06-20 武汉大学 一种基于图像分割的扫描图像去灰尘方法
JP2012222508A (ja) * 2011-04-06 2012-11-12 Nikon Corp 画像処理装置および画像処理プログラム
CN104463870A (zh) * 2014-12-05 2015-03-25 中国科学院大学 一种图像显著区域检测方法
CN104792794A (zh) * 2015-04-28 2015-07-22 武汉工程大学 基于机器视觉的光学薄膜表面缺陷检测方法
CN104867159A (zh) * 2015-06-05 2015-08-26 北京大恒图像视觉有限公司 一种数字相机传感器污点检测及分级方法与装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012222508A (ja) * 2011-04-06 2012-11-12 Nikon Corp 画像処理装置および画像処理プログラム
CN102509264A (zh) * 2011-11-01 2012-06-20 武汉大学 一种基于图像分割的扫描图像去灰尘方法
CN104463870A (zh) * 2014-12-05 2015-03-25 中国科学院大学 一种图像显著区域检测方法
CN104792794A (zh) * 2015-04-28 2015-07-22 武汉工程大学 基于机器视觉的光学薄膜表面缺陷检测方法
CN104867159A (zh) * 2015-06-05 2015-08-26 北京大恒图像视觉有限公司 一种数字相机传感器污点检测及分级方法与装置

Also Published As

Publication number Publication date
CN107194886A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN107194886B (zh) 一种用于相机传感器的灰尘检测方法及装置
CN110189285B (zh) 一种多帧图像融合方法及装置
US9595087B2 (en) Image processing method for detail enhancement and noise reduction
WO2020259271A1 (zh) 图像畸变校正方法和装置
US9135683B2 (en) System and method for temporal video image enhancement
EP3798975A1 (en) Method and apparatus for detecting subject, electronic device, and computer readable storage medium
KR20110124965A (ko) 아웃 포커싱 촬영에서 빛망울 효과를 생성하기 위한 장치 및 방법
US9727984B2 (en) Electronic device and method for processing an image
CN108965839B (zh) 一种自动调整投影画面的方法及装置
CN112583999B (zh) 相机模块的镜头脏污检测方法
CN106296608B (zh) 一种基于映射表的鱼眼图像处理方法及系统
JP7449507B2 (ja) カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体
CN113627306B (zh) 关键点处理方法及装置、可读存储介质、终端
WO2017120796A1 (zh) 路面病害的检测方法及其装置、电子设备
CN111444555B (zh) 一种测温信息显示方法、装置及终端设备
CN107909554B (zh) 图像降噪方法、装置、终端设备及介质
WO2017128646A1 (zh) 一种图像处理的方法及装置
JP2003168103A (ja) 画面の線欠陥検出方法及び装置並びに画像データの補正方法
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
CN112435278A (zh) 一种基于动态目标检测的视觉slam方法及装置
CN112446889A (zh) 一种基于超声的医学视频读取方法
WO2022127491A1 (zh) 图像处理方法及装置、存储介质、终端
WO2023019681A1 (zh) 一种图像内容的提取方法、装置、终端和存储介质
CN115797233A (zh) 图像灰度校正方法、视觉检测方法及装置
CN111935480B (zh) 一种用于图像获取装置的检测方法及相关装置

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201110

Termination date: 20210503

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