CN107274353A - 一种黑白图像中缺陷像素的校正方法 - Google Patents

一种黑白图像中缺陷像素的校正方法 Download PDF

Info

Publication number
CN107274353A
CN107274353A CN201710347644.1A CN201710347644A CN107274353A CN 107274353 A CN107274353 A CN 107274353A CN 201710347644 A CN201710347644 A CN 201710347644A CN 107274353 A CN107274353 A CN 107274353A
Authority
CN
China
Prior art keywords
pixel
defect pixel
white image
defect
black white
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.)
Granted
Application number
CN201710347644.1A
Other languages
English (en)
Other versions
CN107274353B (zh
Inventor
李赟晟
王勇
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
Chengdu Image Design Technology Co Ltd
Original Assignee
Shanghai Integrated Circuit Research and Development Center Co Ltd
Chengdu Image Design Technology 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, Chengdu Image Design Technology Co Ltd filed Critical Shanghai Integrated Circuit Research and Development Center Co Ltd
Priority to CN201710347644.1A priority Critical patent/CN107274353B/zh
Publication of CN107274353A publication Critical patent/CN107274353A/zh
Application granted granted Critical
Publication of CN107274353B publication Critical patent/CN107274353B/zh
Active 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
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种黑白图像中缺陷像素的校正方法，包括：采集一张黑白图像；以2×2个像素作为一个检测单元，对黑白图像进行缺陷像素的检测，并将缺陷像素存储在存储单元中；对黑白图像中第一个缺陷像素采用基于区域边缘方向的校正方法进行校正，依次对该行中的缺陷像素进行校正；重复上述步骤，依次对黑白图像中所有行的缺陷像素进行校正，当边缘缺陷像素不能采用基于区域边缘方向的校正方法进行校正时，则该缺陷像素不做校正；输出图像。本发明提供的一种黑白图像中缺陷像素的校正方法对缺陷像素进行多次校正，并对不同的缺陷像素类型采用不同的基于边缘方向的校正方法进行校正，提高了图像的边缘处理效果。

Description

一种黑白图像中缺陷像素的校正方法
技术领域
本发明涉及半导体技术领域，具体涉及一种黑白图像中缺陷像素的校正方法。
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缺陷像素的现象，缺陷像素将导致整个图像质量下降。因此，需要对图像成像过程中的缺陷像素进行去除。
通常对整个图像进行校正，面对缺陷像素较集中的区域，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缺陷点进行判断和校正，但校正效果实际上并不理想，又或者是对于图像的边缘处理效果不佳。
发明内容
本发明所要解决的技术问题是提供一种黑白图像中缺陷像素的校正方法，将2×2个像素组成的检测单元中的每个像素放在不同的检测单元中，经过三次检测之后确定缺陷像素，对不同的缺陷像素类型采用不同的基于边缘方向的校正方法进行校正，提高了图像的边缘处理效果。
为了实现上述目的，本发明采用如下技术方案：一种黑白图像中缺陷像素的校正方法，其特征在于，包括：
步骤01：采集一张黑白图像；
步骤02：以2×2个像素作为一个检测单元，对所述黑白图像进行缺陷像素的检测，并将缺陷像素存储在存储单元中；
步骤03：找到所述黑白图像中的第一个缺陷像素，确定以该缺陷像素为顶点的检测单元，对该检测单元中的第一行缺陷像素采用基于区域边缘方向的校正方法进行校正，校正之后的缺陷像素标记为正常点，按照上述方式，依次对所述黑白图像中该缺陷像素所在行的剩余缺陷像素依次进行校正，当该行中的边缘缺陷像素不能采用基于区域边缘方向的校正方法进行校正时，则该缺陷像素不做校正；
步骤04：重复步骤03，依次对所述黑白图像中所有行的缺陷像素进行校正，输出图像；
其中，步骤02中缺陷像素的检测的具体步骤为：
步骤0201：进行缺陷像素的第一次检测，去除黑白图像中的最下行和最右列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点，其中，所述黑白图像中每行含有i+1个像素，每列含有j+1个像素；
步骤0202：进行缺陷像素的第二次检测，去除黑白图像中的最下行和最左列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点，其中，所述黑白图像中每行含有i+1个像素，每列含有j+1个像素；
步骤0203：进行缺陷像素的第三次检测，去除黑白图像中的最上行和最右列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点，其中，所述黑白图像中每行含有i+1个像素，每列含有j+1个像素。
进一步地，所述待检测像素的阈值为阈值系数与检测单元中位于待检测像素对角线上两个像素的中值的乘积。
进一步地，所述阈值系数为1.5-2.5。
进一步地，所述步骤03中第一个缺陷像素为P(0)(0)，找到以P(0)(0)为顶点的2×2个像素组成的检测单元，其中，P(0)(0)位于该检测单元的左上角，P(0)(1)位于该检测单元的右上角，P(1)(0)位于该检测单元的左下角，P(1)(1)位于该检测单元的右下角，
进一步地，当所述检测单元中缺陷像素个数小于3时，若P(0)(1)为缺陷像素，则采用第一校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正；当当所述检测单元中缺陷像素个数大于等于3时，若P(0)(1)为缺陷像素，则采用第二校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正。
进一步地，所述第一校正法包括：
步骤A01：以P(0)(0)像素为中心，其周围3×3的像素组成第一校正单元，该校正单元中第一行的像素从左到右依次为P(-1)(-1)，P(-1)(0)，P(-1)(1)，第二行的像素从左到右依次为P(0)(-1)，P(0)(0)，P(0)(1)，第三行的像素从左到右依次为P(1)(-1)，P(1)(0)，P(1)(1)；
步骤A02：判断该第一校正单元的区域边缘方向；
步骤A03：若水平方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)-P(-1)(-1)+P(0)(-1)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(0)(0)+(P(-1)(1)-P(-1)(0)+P(1)(1)-P(1)(0))/2；
若竖直方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+P(0)(-1)-P(-1)(-1)；若P(0)(1)为缺陷像素，则P(0)(1)＝P(-1)(1)+(P(0)(0)-P(-1)(0))；
若对角线方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+P(0)(-1)-P(-1)(0)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(1)(0)-P(0)(-1)-P(-1)(0)；
若反对角线方向为该第一校正单元的区域边缘方向，若P(0)(1)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(1)(0)-P(0)(-1)，P(0)(1)＝P(-1)(0)+P(1)(0)-P(0)(-1)；若P(0)(1)，P(1)(0)不是缺陷像素，则P(0)(0)＝P(-1)(-1)+(P(1)(0)-P(0)(-1)+P(0)(1)-P(-1)(0))/2；若P(1)(0)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(0)(1)-P(-1)(0)。
进一步地，所述步骤A02中判断校正单元的区域边缘方向，具体步骤包括：
步骤C01：在3×3的区域中，做水平，竖直，以及对角线方向的梯度，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度；
步骤C02：h1＝|P(0)(1)+P(0)(-1)-2*P(0)(0)|，h2＝|P(1)(1)+P(1)(-1)-2*P(1)(0)|，h3＝|P(-1)(1)+P(-1)(-1)-2*P(-1)(0)|，v1＝|P(1)(0)+P(-1)(0)-2*P(0)(0)|，v2＝|P(1)(1)+P(-1)(1)-2*P(0)(1)|，h3＝|P(1)(-1)+P(-1)(-1)-2*P(0)(-1)|；Aa1＝2*|P(-1)(1)-P(1)(-1)|，Aa2＝2*|P(0)(1)-P(1)(0)|，Aa3＝2*|P(-1)(0)-P(0)(-1)|；Ab1＝2*|P(-1)(1)-P(1)(1)|，Ab2＝2*|P(-1)(0)-P(0)(1)|，Ab3＝2*|P(0)(-1)-P(1)(0)|；
步骤C03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
进一步地，所述第二校正法的步骤包括：
步骤B01：以P(0)(0)像素为顶点，向左和向上方向的3×3个像素组成第二校正单元，该校正单元中第一行的像素从左到右依次为P(-2)(-2)，P(-2)(-1)，P(-2)(0)，第二行的像素从左到右依次为P(-1)(-2)，P(-1)(-1)，P(-1)(0)，第三行的像素从左到右依次为P(0)(-2)，P(0)(-1)，P(0)(0)；
步骤B02：判断该第二校正单元的区域边缘方向；
步骤B03：若水平方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(0)(-1)+(P(-2)(0)-P(-2)(-1)+P(-1)(0)-P(-1)(-1))/2；
若竖直方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+(P(0)(-1)-P(-1)(-1)+P(0)(-2)-P(-1)(-2))/2；
若对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+(P(0)(-1)-P(-1)(0)+P(-1)(-1)-P(-2)(0)+P(-1)(-2)-P(-2)(-1))/3；
若反对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(-1)+(P(0)(-1)-P(-1)(-2)+P(-1)(0)-P(-2)(-1))/2；
步骤B04：若P(0)(1)为缺陷像素，重复步骤B01-B04，对P(0)(1)进行校正。
进一步地，所述步骤B02中判断校正单元的区域边缘方向，具体步骤包括：
步骤D01：在3×3个像素的第二校正单元中，做水平，竖直，以及对角线方向的梯度，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度
步骤D02：h1＝|P(-1)(0)+P(-1)(-2)-2*P(-1)(-1)|，|h2＝P(0)(0)+P(0)(-2)-2*P(0)(-1)|，|h3＝P(-2)(0)+P(-2)(-2)-2*P(-2)(-1)|；v1＝|P(0)(-1)+P(-2)(-1)-2*P(-1)(-1)|，|v2＝P(0)(0)+P(-2)(0)-2*P(-1)(0)|，|h3＝P(0)(-2)+P(-2)(-2)-2*P(-1)(-2)|；Aa1＝2*|P(-2)(0)-P(0)(-2)|，Aa2＝2*|P(-1)(0)-P(0)(-1)|，Aa3＝2*|P(-2)(-1)-P(-1)(-2)|；Ab1＝2*|P(-2)(0)-P(0)(0)|，Ab2＝2*|P(-2)(-1)-P(-1)(0)|，Ab3＝2*|P(-1)(-2)-P(0)(-1)|；
步骤D03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
本发明的有益效果为：本发明的检测方法相当于将第一次检测时的检测单元经过原位检测、右移检测和下移检测之后确定缺陷像素，根据不同的检测单元进行检测，避免检测单元中存在3个以上的缺陷像素导致检测结果不准确；根据检测单元中缺陷像素个数的不同，采用基于边缘方向的不同方法来进行分类处理，提高了图像的边缘处理效果。
附图说明
图1是本发明中2×2个像素组成的一个检测单元。
图2阴影部分是本发明进行第一次检测的图像区域。
图3阴影部分是本发明进行第二次检测的图像区域。
图4阴影部分是本发明进行第三次检测的图像区域。
图5阴影部分是按照第一校正法校正缺陷像素P(0)(0)时的第一校正单元。
图6阴影部分是按照第二校正法校正缺陷像素P(0)(0)时的第二校正单元。
图7是校正单元的的区域边缘方向示意图。
图8是本发明缺陷像素的校正方法的流程图。
具体实施方式
为使本发明的内容更加清楚易懂，以下结合说明书和附图，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。
本发明提供的一种黑白图像中缺陷像素的校正方法，校正步骤如图8所示，具体包括：
步骤01：采集一张黑白图像。
步骤02：以2×2个像素作为一个检测单元，对所述黑白图像进行缺陷像素的检测，并将缺陷像素存储在存储单元中；
步骤02中缺陷像素的检测具体步骤为：
步骤0201：如图2所示，进行缺陷像素的第一次检测，去除黑白图像中的最下行和最右列像素，首两行每行有i+1个像素，除去最右列之后，则有i/2的整数个检测单元，首两列每列有j+1个像素，除去最下行之后，则有j/2的整数个检测单元，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点，。
其中，待检测像素的阈值为阈值系数与检测单元中位于待检测像素对角线上两个像素的中值的乘积，阈值系数为1.5-2.5。如图1所示，图1为一个2×2的检测单元，检测的方法为：P(0)(0)与mean(P(0)(1)，P(1)(0))的整数倍进行对比，假设整数倍为Thres，则如果P(0)(0)大于Thres*mean(P(0)(1)，P(1)(0))，则P(0)(0)为缺陷像素，坐标记入到存储单元中，然后比较P(1)(1)与Thres*mean(P(0)(1)，P(1)(0))，P(0)(1)与Thres*mean(P(0)(0)，P(1)(1))，P(1)(0)与Thres*mean(P(0)(0)，P(1)(1))，将缺陷像素坐标记入到存储单元中。
步骤0202：如图3所示，进行缺陷像素的第二次检测，去除黑白图像中的最下行和最左列像素，首两行每行有i+1个像素，除去最左列之后，则有i/2的整数个检测单元，首两列每列有j+1个像素，除去最下行之后，则有j/2的整数个检测单元，相当于将第一次检测的检测单元右移一列，对剩余像素中的j/2×i/2个检测单元进行逐个检测，按照步骤0201中的具体计算方法，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点；
步骤0203：如图4所示，进行缺陷像素的第三次检测，去除黑白图像中的最上行和最右列像素，首两行每行有i+1个像素，除去最右列之后，则有i/2的整数个检测单元，首两列每列有j+1个像素，除去最上行之后，则有j/2的整数个检测单元，相当于将第一次检测的检测单元下移一行，对剩余像素中的j/2×i/2个检测单元进行逐个检测，按照步骤0201中的具体计算方法，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点；
步骤03：找到所述黑白图像中的第一个缺陷像素，确定以该缺陷像素为顶点的检测单元，对该检测单元中的第一行缺陷像素采用基于区域边缘方向的校正方法进行校正，校正之后的缺陷像素标记为正常点，按照上述方式，依次对所述黑白图像中该缺陷像素所在行的剩余缺陷像素依次进行校正，当该行中的边缘缺陷像素不能采用基于区域边缘方向的校正方法进行校正时，则该缺陷像素不做校正。
在此步骤中，黑白图像中第一个缺陷像素为P(0)(0)，找到以P(0)(0)为顶点的2×2个像素组成的检测单元，其中，P(0)(0)位于该检测单元的左上角，P(0)(1)位于该检测单元的右上角，P(1)(0)位于该检测单元的左下角，P(1)(1)位于该检测单元的右下角。当该检测单元中缺陷像素个数小于3时，若P(0)(1)为缺陷像素，则采用第一校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正；当检测单元中缺陷像素个数大于等于3时，若P(0)(1)为缺陷像素，则采用第二校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正。
其中，当该检测单元中缺陷像素的个数少于3时，对该检测单元的缺陷像素采用第一校正法进行校正，具体步骤如下：
步骤A01：如图5所示，以P(0)(0)像素为中心，其周围3×3的像素组成第一校正单元，该校正单元中第一行的像素从左到右依次为P(-1)(-1)，P(-1)(0)，P(-1)(1)，第二行的像素从左到右依次为P(0)(-1)，P(0)(0)，P(0)(1)，第三行的像素从左到右依次为P(1)(-1)，P(1)(0)，P(1)(1)。
步骤A02：判断该第一校正单元的区域边缘方向；具体判断方法为：
步骤C01：在3×3个像素的第一校正单元中，做水平，竖直，以及对角线方向的梯度，如图7所示，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度；
步骤C02：h1＝|P(0)(1)+P(0)(-1)-2*P(0)(0)|，|h2＝P(1)(1)+P(1)(-1)-2*P(1)(0)|，|h3＝P(-1)(1)+P(-1)(-1)-2*P(-1)(0)|；v1＝|P(1)(0)+P(-1)(0)-2*P(0)(0)|，|v2＝P(1)(1)+P(-1)(1)-2*P(0)(1)|，|h3＝P(1)(-1)+P(-1)(-1)-2*P(0)(-1)|；Aa1＝2*|P(-1)(1)-P(1)(-1)|，Aa2＝2*|P(0)(1)-P(1)(0)|，Aa3＝2*|P(-1)(0)-P(0)(-1)|；Ab1＝2*|P(-1)(1)-P(1)(1)|，Ab2＝2*|P(-1)(0)-P(0)(1)|，Ab3＝2*|P(0)(-1)-P(1)(0)|；
步骤C03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
步骤A03：若水平方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)-P(-1)(-1)+P(0)(-1)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(0)(0)+(P(-1)(1)-P(-1)(0)+P(1)(1)-P(1)(0))/2；
若竖直方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+P(0)(-1)-P(-1)(-1)；若P(0)(1)为缺陷像素，则P(0)(1)＝P(-1)(1)+(P(0)(0)-P(-1)(0))；
若对角线方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+P(0)(-1)-P(-1)(0)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(1)(0)-P(0)(-1)-P(-1)(0)；
若反对角线方向为该第一校正单元的区域边缘方向，若P(0)(1)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(1)(0)-P(0)(-1)，P(0)(1)＝P(-1)(0)+P(1)(0)-P(0)(-1)；若P(0)(1)，P(1)(0)不是缺陷像素，则P(0)(0)＝P(-1)(-1)+(P(1)(0)-P(0)(-1)+P(0)(1)-P(-1)(0))/2；若P(1)(0)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(0)(1)-P(-1)(0)。
其中，当该检测单元中缺陷像素的个数大于等于3时，对该检测单元的缺陷像素采用第二校正法进行校正，具体步骤如下：
步骤B01：如图6所示，以P(0)(0)像素为顶点，向左和向上方向的3×3个像素组成第二校正单元，该校正单元中第一行的像素从左到右依次为P(-2)(-2)，P(-2)(-1)，P(-2)(0)，第二行的像素从左到右依次为P(-1)(-2)，P(-1)(-1)，P(-1)(0)，第三行的像素从左到右依次为P(0)(-2)，P(0)(-1)，P(0)(0)；
步骤B02：判断该第二校正单元的区域边缘方向，具体判断方法为：
步骤D01：在3×3个像素的第二校正单元中，做水平，竖直，以及对角线方向的梯度，如图7所示，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度
步骤D02：h1＝|P(-1)(0)+P(-1)(-2)-2*P(-1)(-1)|，|h2＝P(0)(0)+P(0)(-2)-2*P(0)(-1)|，|h3＝P(-2)(0)+P(-2)(-2)-2*P(-2)(-1)|；v1＝|P(0)(-1)+P(-2)(-1)-2*P(-1)(-1)|，|v2＝P(0)(0)+P(-2)(0)-2*P(-1)(0)|，|h3＝P(0)(-2)+P(-2)(-2)-2*P(-1)(-2)|；Aa1＝2*|P(-2)(0)-P(0)(-2)|，Aa2＝2*|P(-1)(0)-P(0)(-1)|，Aa3＝2*|P(-2)(-1)-P(-1)(-2)|；Ab1＝2*|P(-2)(0)-P(0)(0)|，Ab2＝2*|P(-2)(-1)-P(-1)(0)|，Ab3＝2*|P(-1)(-2)-P(0)(-1)|；
步骤D03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
步骤B03：若水平方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(0)(-1)+(P(-2)(0)-P(-2)(-1)+P(-1)(0)-P(-1)(-1))/2；
若竖直方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+(P(0)(-1)-P(-1)(-1)+P(0)(-2)-P(-1)(-2))/2；
若对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+(P(0)(-1)-P(-1)(0)+P(-1)(-1)-P(-2)(0)+P(-1)(-2)-P(-2)(-1))/3；
若反对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(-1)+(P(0)(-1)-P(-1)(-2)+P(-1)(0)-P(-2)(-1))/2；
步骤B04：若P(0)(1)为缺陷像素，重复步骤B01-B04，对P(0)(1)进行校正。
步骤04：重复步骤03，依次对所述黑白图像中所有行的缺陷像素进行校正，输出图像。
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，并非用于限定本发明，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和润饰，本发明所主张的保护范围以权利要求书所述为准。

Claims (9)

1.一种黑白图像中缺陷像素的校正方法，其特征在于，包括：
步骤01：采集一张黑白图像；
步骤02：以2×2个像素作为一个检测单元，对所述黑白图像进行缺陷像素的检测，并将缺陷像素存储在存储单元中；
步骤03：找到所述黑白图像中的第一个缺陷像素，确定以该缺陷像素为顶点的检测单元，对该检测单元中的第一行缺陷像素采用基于区域边缘方向的校正方法进行校正，校正之后的缺陷像素标记为正常点，按照上述方式，对所述黑白图像中该缺陷像素所在行的剩余缺陷像素依次进行校正，当该行中的边缘缺陷像素不能采用基于区域边缘方向的校正方法进行校正时，则该缺陷像素不做校正；
步骤04：重复步骤03，依次对所述黑白图像中所有行的缺陷像素进行校正，输出图像；
其中，步骤02中缺陷像素的检测的具体步骤为：
步骤0201：进行缺陷像素的第一次检测，去除黑白图像中的最下行和最右列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点；
步骤0202：进行缺陷像素的第二次检测，去除黑白图像中的最下行和最左列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点；
步骤0203：进行缺陷像素的第三次检测，去除黑白图像中的最上行和最右列像素之后，对剩余像素中的j/2×i/2个检测单元进行逐个检测，比较待检测像素值与该待检测像素的阈值之间的关系，如果待检测像素值大于阈值，则为缺陷像素，否则，为正常点；
其中，所述黑白图像中每行含有i+1个像素，每列含有j+1个像素。
2.根据权利要求1所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述待检测像素的阈值为阈值系数与检测单元中位于待检测像素对角线上两个像素的中值的乘积。
3.根据权利要求2所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述阈值系数为1.5-2.5。
4.根据权利要求1所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述步骤03中第一个缺陷像素为P(0)(0)，找到以P(0)(0)为顶点的2×2个像素组成的检测单元，其中，P(0)(0)位于该检测单元的左上角，P(0)(1)位于该检测单元的右上角，P(1)(0)位于该检测单元的左下角，P(1)(1)位于该检测单元的右下角。
5.根据权利要求4所述的一种黑白图像中缺陷像素的校正方法，其特征在于，当所述检测单元中缺陷像素个数小于3时，若P(0)(1)为缺陷像素，则采用第一校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正；当所述检测单元中缺陷像素个数大于等于3时，若P(0)(1)为缺陷像素，则采用第二校正法对P(0)(0)和P(0)(1)进行校正，若P(0)(1)不为缺陷像素，则采用第一校正法对P(0)(0)进行校正。
6.根据权利要求5所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述第一校正法包括：
步骤A01：以P(0)(0)像素为中心，其周围3×3的像素组成第一校正单元，该校正单元中第一行的像素从左到右依次为P(-1)(-1)，P(-1)(0)，P(-1)(1)，第二行的像素从左到右依次为P(0)(-1)，P(0)(0)，P(0)(1)，第三行的像素从左到右依次为P(1)(-1)，P(1)(0)，P(1)(1)；
步骤A02：判断该第一校正单元的区域边缘方向；
步骤A03：若水平方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)-P(-1)(-1)+P(0)(-1)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(0)(0)+(P(-1)(1)-P(-1)(0)+P(1)(1)-P(1)(0))/2；
若竖直方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+P(0)(-1)-P(-1)(-1)；若P(0)(1)为缺陷像素，则P(0)(1)＝P(-1)(1)+(P(0)(0)-P(-1)(0))；
若对角线方向为该第一校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+P(0)(-1)-P(-1)(0)，若P(0)(1)为缺陷像素，则P(0)(1)＝P(1)(0)-P(0)(-1)-P(-1)(0)；
若反对角线方向为该第一校正单元的区域边缘方向，若P(0)(1)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(1)(0)-P(0)(-1)，P(0)(1)＝P(-1)(0)+P(1)(0)-P(0)(-1)；若P(0)(1)，P(1)(0)不是缺陷像素，则P(0)(0)＝P(-1)(-1)+(P(1)(0)-P(0)(-1)+P(0)(1)-P(-1)(0))/2；若P(1)(0)为缺陷像素，则P(0)(0)＝P(-1)(-1)+P(0)(1)-P(-1)(0)。
7.根据权利要求6所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述步骤A02中判断校正单元的区域边缘方向，具体步骤包括：
步骤C01：在3×3的区域中，做水平，竖直，以及对角线方向的梯度，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度；
步骤C02：h1＝|P(0)(1)+P(0)(-1)-2*P(0)(0)|，h2＝|P(1)(1)+P(1)(-1)-2*P(1)(0)|，h3＝|P(-1)(1)+P(-1)(-1)-2*P(-1)(0)|，v1＝|P(1)(0)+P(-1)(0)-2*P(0)(0)|，v2＝|P(1)(1)+P(-1)(1)-2*P(0)(1)|，h3＝|P(1)(-1)+P(-1)(-1)-2*P(0)(-1)|；Aa1＝2*|P(-1)(1)-P(1)(-1)|，Aa2＝2*|P(0)(1)-P(1)(0)|，Aa3＝2*|P(-1)(0)-P(0)(-1)|；Ab1＝2*|P(-1)(1)-P(1)(1)|，Ab2＝2*|P(-1)(0)-P(0)(1)|，Ab3＝2*|P(0)(-1)-P(1)(0)|；
步骤C03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
8.根据权利要求5所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述第二校正法的步骤包括：
步骤B01：以P(0)(0)像素为顶点，向左和向上方向的3×3个像素组成第二校正单元，该校正单元中第一行的像素从左到右依次为P(-2)(-2)，P(-2)(-1)，P(-2)(0)，第二行的像素从左到右依次为P(-1)(-2)，P(-1)(-1)，P(-1)(0)，第三行的像素从左到右依次为P(0)(-2)，P(0)(-1)，P(0)(0)；
步骤B02：判断该第二校正单元的区域边缘方向；
步骤B03：若水平方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(0)(-1)+(P(-2)(0)-P(-2)(-1)+P(-1)(0)-P(-1)(-1))/2；
若竖直方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(0)+(P(0)(-1)-P(-1)(-1)+P(0)(-2)-P(-1)(-2))/2；
若对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(1)+(P(0)(-1)-P(-1)(0)+P(-1)(-1)-P(-2)(0)+P(-1)(-2)-P(-2)(-1))/3；
若反对角线方向为该第二校正单元的区域边缘方向，则P(0)(0)＝P(-1)(-1)+(P(0)(-1)-P(-1)(-2)+P(-1)(0)-P(-2)(-1))/2；
步骤B04：若P(0)(1)为缺陷像素，重复步骤B01-B04，对P(0)(1)进行校正。
9.根据权利要求8所述的一种黑白图像中缺陷像素的校正方法，其特征在于，所述步骤B02中判断校正单元的区域边缘方向，具体步骤包括：
步骤D01：在3×3个像素的第二校正单元中，做水平，竖直，以及对角线方向的梯度，其中，h为水平梯度，v为竖直梯度，Aa为对角线方向梯度，Ab为反对角线梯度
步骤D02：h1＝|P(-1)(0)+P(-1)(-2)-2*P(-1)(-1)|，|h2＝P(0)(0)+P(0)(-2)-2*P(0)(-1)|，|h3＝P(-2)(0)+P(-2)(-2)-2*P(-2)(-1)|；v1＝|P(0)(-1)+P(-2)(-1)-2*P(-1)(-1)|，|v2＝P(0)(0)+P(-2)(0)-2*P(-1)(0)|，|h3＝P(0)(-2)+P(-2)(-2)-2*P(-1)(-2)|；Aa1＝2*|P(-2)(0)-P(0)(-2)|，Aa2＝2*|P(-1)(0)-P(0)(-1)|，Aa3＝2*|P(-2)(-1)-P(-1)(-2)|；Ab1＝2*|P(-2)(0)-P(0)(0)|，Ab2＝2*|P(-2)(-1)-P(-1)(0)|，Ab3＝2*|P(-1)(-2)-P(0)(-1)|；
步骤D03：分别算出h1、h2、h3的最小值h，v1、v2、v3的最小值v，Aa1、Aa2、Aa3的最小值Aa，Ab1、Ab2、Ab3的最小值Ab，然后比较出h，v，Aa，Ab的最小值，则最小值为该校正单元的区域边缘方向。
CN201710347644.1A 2017-05-17 2017-05-17 一种黑白图像中缺陷像素的校正方法 Active CN107274353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710347644.1A CN107274353B (zh) 2017-05-17 2017-05-17 一种黑白图像中缺陷像素的校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710347644.1A CN107274353B (zh) 2017-05-17 2017-05-17 一种黑白图像中缺陷像素的校正方法

Publications (2)

Publication Number Publication Date
CN107274353A true CN107274353A (zh) 2017-10-20
CN107274353B CN107274353B (zh) 2020-12-25

Family

ID=60065201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710347644.1A Active CN107274353B (zh) 2017-05-17 2017-05-17 一种黑白图像中缺陷像素的校正方法

Country Status (1)

Country Link
CN (1) CN107274353B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886542A (zh) * 2017-12-10 2018-04-06 上海交通大学 一种视觉检测的目标恢复方法和系统
CN108088845A (zh) * 2017-12-07 2018-05-29 武汉精测电子集团股份有限公司 一种基于微弱信息保留的成像校正方法与装置
CN115442573A (zh) * 2022-08-23 2022-12-06 深圳市汇顶科技股份有限公司 图像处理方法、装置和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160065912A1 (en) * 2012-05-22 2016-03-03 Cognex Corporation Machine vision systems and methods with predictive motion control
US20160350936A1 (en) * 2015-05-27 2016-12-01 The Boeing Company Methods and Systems for Detecting Moving Objects in a Sequence of Image Frames Produced by Sensors with Inconsistent Gain, Offset, and Dead Pixels
CN106228517A (zh) * 2016-07-15 2016-12-14 西安诺瓦电子科技有限公司 图像采集装置成像元件缺陷校准方法
CN106651787A (zh) * 2016-11-08 2017-05-10 深圳市安健科技股份有限公司 基于x射线的hdr图像合成方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5517883B2 (ja) * 2010-10-20 2014-06-11 キヤノン株式会社 画像処理装置及び画像処理方法
CN104463891B (zh) * 2014-12-22 2017-05-03 西安电子科技大学 一种基于最小中值梯度滤波的坏点检测及校正方法
CN104935838B (zh) * 2015-06-04 2018-04-06 上海集成电路研发中心有限公司 一种图像还原的方法
KR101673447B1 (ko) * 2016-04-04 2016-11-07 한화시스템 주식회사 공간 비교 필터 기반의 데드 픽셀 검출 장치 및 방법
CN106210712B (zh) * 2016-08-11 2018-07-10 上海大学 一种图像坏点检测及处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160065912A1 (en) * 2012-05-22 2016-03-03 Cognex Corporation Machine vision systems and methods with predictive motion control
US20160350936A1 (en) * 2015-05-27 2016-12-01 The Boeing Company Methods and Systems for Detecting Moving Objects in a Sequence of Image Frames Produced by Sensors with Inconsistent Gain, Offset, and Dead Pixels
US20170039727A1 (en) * 2015-05-27 2017-02-09 The Boeing Company Methods and Systems for Detecting Moving Objects in a Sequence of Image Frames Produced by Sensors with Inconsistent Gain, Offset, and Dead Pixels
CN106228517A (zh) * 2016-07-15 2016-12-14 西安诺瓦电子科技有限公司 图像采集装置成像元件缺陷校准方法
CN106651787A (zh) * 2016-11-08 2017-05-10 深圳市安健科技股份有限公司 基于x射线的hdr图像合成方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108088845A (zh) * 2017-12-07 2018-05-29 武汉精测电子集团股份有限公司 一种基于微弱信息保留的成像校正方法与装置
CN107886542A (zh) * 2017-12-10 2018-04-06 上海交通大学 一种视觉检测的目标恢复方法和系统
CN115442573A (zh) * 2022-08-23 2022-12-06 深圳市汇顶科技股份有限公司 图像处理方法、装置和电子设备
CN115442573B (zh) * 2022-08-23 2024-05-07 深圳市汇顶科技股份有限公司 图像处理方法、装置和电子设备

Also Published As

Publication number Publication date
CN107274353B (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
US7783103B2 (en) Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method
CN104330167B (zh) 红外焦平面阵列动态盲元处理方法及装置
US8073236B2 (en) System and method for detecting blemishes on image sensor package
CN101210890B (zh) 缺陷检测装置及方法、图像传感器器件和模块
CN107274353A (zh) 一种黑白图像中缺陷像素的校正方法
CN113674273B (zh) 一种基于产品缺陷的光学检测方法、系统和可读存储介质
US20090040343A1 (en) Methods and apparatuses for defective pixel detection and correction
CN105338342B (zh) 一种图像坏点的检测方法及装置
US11449983B2 (en) Defect identification method and image analysis system
US10210605B2 (en) Method and device for detecting boundary of region on display motherboard
CN106197612A (zh) 一种基于机器视觉的透明瓶装液位检测方法
CN109060842B (zh) 基于曲面拟合校正的柑橘表面缺陷检测方法
CN103903224A (zh) 数字图像条带噪声的处理方法及装置
CN102156972A (zh) 图像倾斜纠正方法及系统
CN102385701A (zh) 扫描型红外成像系统的非均匀校正方法
EP2373048B1 (en) Method for detecting and correcting bad pixels in image sensor
CN113538603B (zh) 一种基于阵列产品的光学检测方法、系统和可读存储介质
Payne et al. Evaluating the accuracy of point spread function deconvolutions applied to luminescence images
US8004564B1 (en) Automated systems and methods for testing infrared cameras
CN112634179B (zh) 一种防摄像头抖动的变电设备图像变化检测方法和系统
CN114199127A (zh) 基于机器视觉的汽车零件尺寸检测系统及方法
CN104463831A (zh) 一种x线平板探测器图像坏线的修补方法
CN114877998B (zh) 红外图像盲元处理方法及红外热像仪
CN103679682A (zh) 图像污点查找系统及方法
CN111145118A (zh) 一种遥感图像条纹去除方法及装置

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