CN108965749B - 基于纹理识别的缺陷像素检测和校正装置及方法 - Google Patents

Abstract

本发明提供一种基于纹理识别的缺陷像素检测和校正装置，该装置包括像传感器数据输入单元，用于输入图像传感器的图像数据；色差补偿单元，连接到所述图像传感器数据输入单元，对所述图像数据的每个像素点在m×n数据窗口内统计色差，取其色差中值，得到所述当前像素点的色差值，减去该色差值，进行色差补偿；缺陷像素检测单元，对所述当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点，根据计算结果确定当前像素点的纹理强度，检测出缺陷像素；缺陷像素校正单元，用于根据所述缺陷像素检测单元的检测结果，对所述缺陷像素进行校正。本发明还提供一种基于纹理识别的缺陷像素检测和校正的方法。

Description

基于纹理识别的缺陷像素检测和校正装置及方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于纹理识别的缺陷像素检测和校正的装置及实现方法。

背景技术

图像传感器装置在制造或操作使用过程中，部分缺陷像素可能无法准确地感测光线水平，因此输出会存在一些坏点。这些坏点存在两种情况，过亮或者过暗的固定坏点，一种是在时间上变化的方差比周围的像素点大。为校正或去除这些像素坏点，有必要进行缺陷像素校正。一般情况下对缺陷像素进行校正的方式是以其临近像素为基础为特定的缺陷像素估算一个正确值，然后对估算值和初始值进行比较，如果差异大于设定阈值，则认为其为缺陷像素，需要校正到合理值。

如何选取阈值非常重要，其直接影响图像的质量。如果缺陷像素校正的阈值取太大，一些有缺陷较小的像素其初始值仅比正确值高一点或低一点，校正过程结束后因其不会被看作是坏点像素而被留在图像中。后端处理功能，例AWB(自动白平衡，AutomaticWhite Balance)和Gamma(伽马校正)会使得其差异变大因而变得更明显。如果缺陷像素校正的阈值取的太小，一些处在合理边缘范围内的像素也会被看作是缺陷像素而校正到一相对平滑的滤波值，会使得整个的图像调制传递函数降低。

因此如何选取缺陷像素校正的阈值，并对缺陷像素进行有效的校正是本发明所要解决的技术问题，从而输出更高质量的图像信号，以满足图像传感器装置在各种环境条件下的应用需求。

发明内容

本发明目的是提供一种基于纹理识别的缺陷像素检测和校正装置，该装置用于对图像传感器图像数据的缺陷像素进行检测和校正，所述装置包括：

图像传感器数据输入单元，用于输入图像传感器的图像数据；

色差补偿单元，连接到所述图像传感器数据输入单元，用于对所述图像传感器数据输入单元所输入图像数据的每个像素点在m×n数据窗口内统计色差，取其色差中值，得到所述当前像素点的色差值，减去该色差值，进行色差补偿，m为行，n为列；

缺陷像素检测单元，与所述色差补偿单元连接，用于对所述当前像素点四周N个像素点计算全变差(total variation)，根据计算结果确定所述当前像素点的纹理强度，进而检测出缺陷像素，N不大于100；

缺陷像素校正单元，连接到所述缺陷像素检测单元，根据所述缺陷像素检测单元的检测结果，对缺陷像素进行校正；

进一步地，所述色差补偿单元实现色差补偿包括减去该色差值，将多颜色通道数据转为单颜色通道数据；

进一步地，所述缺陷像素检测单元检测所述当前像素点的纹理强度，当所述当前像素点处于平滑区域，全变差较小，纹理强度小，缺陷像素校正阈值设定低；所述当前像素点处于细纹理区域，全变差较大，纹理强度大，缺陷像素校正阈值设定高；

进一步地，所述缺陷像素检测单元对所述当前像素点与其四周M个像素点的像素值进行计算分析，如果比所述M个像素点的像素值最大值还大于所述缺陷像素校正阈值以上，则判定所述当前像素点为缺陷像素，为白点；如果比所述M个像素点的像素值最小值还小于所述缺陷像素校正阈值以上，则判定所述当前像素点为缺陷像素，为黑点；

进一步地，所述缺陷像素检测单元通过检测结果确定所述缺陷像素为白点时，所述缺陷像素校正单元中以M个像素点的像素值最大值替换所述缺陷像素；所述缺陷像素为黑点时，以M个像素点的像素值最小值替换所述缺陷像素；

进一步地，所述M≤N，M取值为≥8，为所述当前像素点四周的像素点；所述M的取值范围不大于16；

进一步地，所述对所述当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点；

进一步地，所述图像传感器数据格式为RAW数据格式(源图像数据)，其包含但不限于Bayer格式。

本发明还提供一种基于纹理识别的缺陷像素检测和校正方法，其包含以下步骤：

输入图像传感器所输出的数据；

对输入数据的每个像素点在m×n数据窗口内统计色差，进行色差补偿，m为行，n为列；

对当前像素点四周N个像素点计算全变差，根据计算分析结果确定所述当前像素点的纹理强度，检测出缺陷像素，N不大于100；

根据所述缺陷像素检测结果，对所述缺陷像素进行校正；

其中，所述色差补偿过程包括取其色差中值，得到所述当前像素点的色差值；减去所述色差值将多颜色通道数据转换为单颜色通道数据，进行色差补偿；

进一步地，若所述当前像素点处于平滑区域，全变差较小，纹理强度小，缺陷像素校正阈值设定低；若所述当前像素点处于细纹理区域，全变差较大，纹理强度大，缺陷像素校正阈值设定高；

进一步地，将所述当前像素点与其四周M个像素点的像素值进行比较，如果比所述M个像素点的像素值的最大值还大于所述缺陷像素校正阈值以上，则判定所述当前像素点为缺陷像素，为白点；如果比所述M个像素点的像素值的最小值还小于所述缺陷像素校正阈值以上，则判定所述当前像素点为缺陷像素，为黑点；

进一步地，所述缺陷像素为白点时，所述缺陷像素校正单元中以所述M个像素点的像素值的最大值替换所述缺陷像素；所述缺陷像素为黑点时，以所述M个像素点的像素值的最小值替换所述缺陷像素；

进一步地，所述M≤N，M≥8，为所述当前像素点四周的像素点；所述M的取值范围不大于16；

进一步地，对所述当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点；

进一步地，所述图像传感器数据格式为RAW数据格式，其包含但不限于Bayer格式。

本发明提出的基于纹理识别的缺陷像素检测和校正装置及方法，能够对图像传感器输出的图像数据中缺陷像素进行有效的检测及校正。本发明中的色差补偿单元采用统计色差，取其色差中值以得到当前像素点的色差值，并减去色差值将多颜色通道问题转为单颜色通道问题，能有效实现缺陷像素检测和校正在更小的像素区域内完成，最小程度地影响(或破坏)原始图像数据，且对缺陷像素的检测不限于同通道像素点。同时，本发明给出的方案，根据对像素点纹理区域的识别和分析，设定准确合理的缺陷像素校正阈值，既能有效对缺陷像素进行校正，同时又保证了良好的图像细节。

附图说明

图1为基于纹理识别的缺陷像素检测和校正装置的基本框图；

图2为基于纹理识别的缺陷像素检测和校正装置的方法流程图。

具体实施方式

以下结合各附图，对本发明给出的内容进行详细的说明。图1为基于纹理识别的缺陷像素检测和校正装置的基本框图，如图中所示：

基于纹理识别的缺陷像素检测和校正装置100包括图像传感器数据输入单元110，其输入图像传感器装置输出的图像数据；色差补偿单元120连接到图像传感器数据输入单元110，对图像传感器数据输入单元110所输入图像数据的每个像素点在m×n数据窗口内统计色差，如5×11数据窗口内，取其色差中值，得到所述当前像素点的色差值，减去该色差值，进行色差补偿；缺陷像素检测单元130，连接到色差补偿单元120，对当前像素点四周N个像素点计算全变差，计算全变差的过程中，包括同通道或非同通道的像素点。N的取值范围不大于100，N可设定取值为当前像素点四周的25个像素点。根据计算结果确定当前像素点的纹理强度，检测出缺陷像素；缺陷像素校正单元140，连接到缺陷像素检测单元130，根据缺陷像素检测单元130的检测结果，对缺陷像素进行校正。

色差补偿单元120，对当前像素点减去色差，进行色差补偿，能有效实现缺陷像素检测和校正在更小的像素区域内完成，最小程度地影响原始图像数据。

缺陷像素检测单元130检测当前像素点的纹理强度，当前像素点处于平滑区域时，其全变差较小，相应地纹理强度较小，则缺陷像素校正阈值设定值较低；当前像素点处于细纹理区域时，其全变差较大，相应地纹理强度较大，缺陷像素校正阈值设定值较高。设定准确合理的缺陷像素校正阈值，能准确有效地对缺陷像素实现校正，同时能保证良好的图像细节。

缺陷像素检测单元130对当前像素点与其四周M个像素点的像素值进行计算分析，一般情形下M≤N，M可以取值该像素点四周的8个像素点，最多不超过其四周的16个像素点。如果比M个像素点中像素值最大值还大缺陷像素校正阈值以上，则认为当前像素点为缺陷像素，判定其为白点；如果比M个像素点中像素值最小值还小缺陷像素校正阈值以上，则认为当前像素点为缺陷像素，判定其为黑点。

确定当前缺陷像素为白点时，缺陷像素校正单元140以M个像素点的像素值的最大值替换该像素点；确定当前缺陷像素为黑点时，以M个像素点的像素值的最小值替换该像素点，对图像中无论是白点还是黑点的缺陷像素进行校正。

在本发明实施例中，图像传感器所输出数据为RAW数据格式，其包含但不限于Bayer格式，RGBIR格式，RGBW格式及其他格式数据。

图2为本发明给出的基于纹理识别的缺陷像素检测和校正装置的方法流程图200，图中给出了缺陷像素检测和校正的方法步骤：

210：输入图像传感器装置输出的图像数据；

220：对输入数据的每个像素点在m×n数据窗口内统计色差，进行色差补偿；

此步骤中，m×n可设定为5×11的数据窗口，统计色差包括取其色差中值，得到当前像素点的色差值；减去色差值将多颜色通道数据转换为单颜色通道数据，进行色差补偿。

230：对当前像素点四周N个像素点计算全变差，根据计算分析结果确定所述当前像素点的纹理强度，检测出缺陷像素；

此步骤中，如果当前像素点处于平滑区域，则全变差较小，纹理强度小，缺陷像素校正阈值设定较低；如果当前像素点处于细纹理区域，全变差较大，纹理强度大，则缺陷像素校正阈值设定高。将当前像素点与其四周M(M≤N)个像素点的像素值进行比较，如果比M个像素点的像素值的最大值还大缺陷像素校正阈值以上，则认为当前像素点为缺陷像素，判定为白点；如果比M个像素点的像素值的最小值还小缺陷像素校正阈值以上，则认为所述当前像素点为缺陷像素，判定为黑点。在本实施例的步骤中，对当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点。N可设定为当前像素点四周的25个像素点，N的取值不大约100。

240：根据所缺陷像素检测结果，对所述缺陷像素进行校正；

此步骤中，当前缺陷像素为白点时，以M个像素点的像素值的最大值替换该缺陷像素点；当前缺陷像素为黑点时，以M个像素点的像素值的最小值替换该缺陷像素。

本发明给出的基于纹理识别的缺陷像素检测和校正装置的方法中，图像传感器输出的数据格式为RAW数据格式。

本发明给出的上述实施例，能够有效对图像传感器输出的图像数据中缺陷像素进行有效的检测并进行校正。

本发明给出的实施例及附图，是为了说明的目的，在不背离本发明更广泛的主旨和范围下，不同形式的等效修改是可行的。根据上述详细的说明可对本发明实施例进行修改。用于权利要求中的术语不应解释为限定于本发明具体实施内容和权利要求部分中所揭露的具体实施例。相反地，权利要求中完整确定的范围应解释为根据权利要求解释确立的声明。本发明的说明书和附图应被看作是解释性的，而不是约束性的。

Claims (12)

1.一种基于纹理识别的缺陷像素检测和校正装置，所述装置包括：

图像传感器数据输入单元，用于输入图像传感器的图像数据；

色差补偿单元，连接到所述图像传感器数据输入单元，对所述图像数据的每个像素点在m×n数据窗口内统计色差，取其色差中值，得到当前像素点的色差值，进行色差补偿，m为行，n为列；

缺陷像素检测单元，连接到所述色差补偿单元，对所述当前像素点四周N个像素点计算全变差，确定所述当前像素点的纹理强度，检测出缺陷像素，N不大于100；

缺陷像素校正单元，连接到所述缺陷像素检测单元，根据所述缺陷像素检测单元的检测结果，对所述缺陷像素进行校正；

其中，所述色差补偿单元进行色差补偿包括减去所述色差值，将多颜色通道数据转为单颜色通道数据；

其中，所述缺陷像素检测单元检测所述当前像素点的纹理强度，所述当前像素点处于平滑区域，全变差小，纹理强度小，缺陷像素校正阈值设定低；所述当前像素点处于细纹理区域，全变差大，纹理强度大，缺陷像素校正阈值设定高。

2.根据权利要求1所述的基于纹理识别的缺陷像素检测和校正装置，其特征在于，所述缺陷像素检测单元对所述当前像素点与其四周M个像素点的像素值进行计算分析，如果比所述M个像素点的像素值最大值大缺陷像素校正阈值以上，判定所述当前像素点为缺陷像素，为白点；如果比所述M个像素点的像素值最小值小缺陷像素校正阈值以上，判定所述当前像素点为缺陷像素，为黑点，其中M≤N。

3.根据权利要求2所述的基于纹理识别的缺陷像素检测和校正装置，其特征在于，所述缺陷像素检测单元判定所述缺陷像素为白点，所述缺陷像素校正单元以所述M个像素点中的像素值最大值替换所述缺陷像素；所述缺陷像素为黑点，以所述M个像素点中的像素值最小值替换所述缺陷像素。

4.根据权利要求2或3所述的基于纹理识别的缺陷像素检测和校正装置，其特征在于，所述M取值为8≤M≤16。

5.根据权利要求1所述的基于纹理识别的缺陷像素检测和校正装置，其特征在于，所述缺陷像素检测单元对所述当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点。

6.根据权利要求1所述的基于纹理识别的缺陷像素检测和校正装置，其特征在于，所述图像传感器的图像数据格式为RAW格式。

7.一种基于纹理识别的缺陷像素检测和校正方法，包括以下步骤：

输入图像传感器所输出的数据；

对输入数据的每个像素点在m×n数据窗口内统计色差，进行色差补偿，m为行，n为列；

对当前像素点四周N个像素点计算全变差，根据计算结果确定所述当前像素点的纹理强度，检测出缺陷像素，N不大于100；

根据所述缺陷像素检测结果，对所述缺陷像素进行校正；

其中，所述进行色差补偿包括取其色差中值，得到所述当前像素点的色差值；减去所述色差值将多颜色通道数据转为单颜色通道数据；

其中，若所述当前像素点处于平滑区域，全变差较小，纹理强度小，缺陷像素校正阈值设定低；若所述当前像素点处于细纹理区域，全变差较大，纹理强度大，缺陷像素校正阈值设定高。

8.根据权利要求7所述的基于纹理识别的缺陷像素检测和校正方法，其特征在于，将所述当前像素点与其四周M个像素点的像素值进行比较，如果比所述M个像素点的像素值的最大值大缺陷像素校正阈值以上，判定所述当前像素点为缺陷像素，为白点；如果比所述M个像素点的像素值的最小值小缺陷像素校正阈值以上，判定所述当前像素点为缺陷像素，为黑点，其中M≤N。

9.根据权利要求8所述的基于纹理识别的缺陷像素检测和校正方法，其特征在于，所述缺陷像素为白点时，以所述M个像素点的像素值的最大值替换所述缺陷像素；所述缺陷像素为黑点时，以所述M个像素点的像素值的最小值替换所述缺陷像素。

10.根据权利要求8或9所述的基于纹理识别的缺陷像素检测和校正方法，其特征在于，所述M取值为8≤M≤16。

11.根据权利要求7所述的基于纹理识别的缺陷像素检测和校正方法，其特征在于，对当前像素点四周N个像素点计算全变差，包括同通道或非同通道的像素点。

12.根据权利要求7所述的基于纹理识别的缺陷像素检测和校正方法，其特征在于，所述输入图像传感器所输出的数据为RAW数据格式。

Images