CN109615587B - 一种图像奇异点校正方法 - Google Patents

Abstract

本发明公开的是一种图像奇异点校正方法，属于图像信号处理领域，将输入的bayer图像通过奇异点检测模块找出图像中的奇异点，再根据奇异点类型判断模块判断奇异点的类型，并根据不同类型通过奇异点校正模块，采用不同的方法对奇异点进行校正，输出奇异点校正后的图像，本发明对图像中的奇异点进行校正，可以改善图像的观感，采用与周围样点的差值对奇异点进行检测，不需要特殊的环境和特殊的工序，大大降低实现复杂度，对奇异点进行校正，不会对图像的清晰度造成影响。

Description

一种图像奇异点校正方法

技术领域

本发明涉及一种奇异点校正方法，更具体一点说，涉及一种图像奇异点校正方法，属于图像信号处理领域。

背景技术

图像奇异点是指图像中的某些样点与其周围像素相差太大，在视觉上比较刺目的点。根据奇异点的形成原因，现有技术中一般有两种方式来对奇异点进行校正。具体为：第一种，由于制造工艺和材料差异等原因导致图像传感器某些像素点位置感光失效，即无论外部光线如何，该位置始终显示同一亮度，这种奇异点的特征是在图像中的位置是固定不变的，根据其值可分为“亮点”和“暗点”两种，可通过将其位置事先存储起来，再通过特殊的方式进行校正，但存储奇异点位置需要大量内存空间，特别是对于较大分辨率的图像，实现成本更高，同时，每一个感光元器件位置不同，需要在特殊环境下进行检测，工序比较复杂；第二种，奇异点由于噪声引起，这种奇异点的取值和在图像中的位置都是不固定的，在实际处理中通常通过滤波的方式，利用其周围样点的加权值对其进行校正，会对其清晰度造成影响。

发明内容

为了解决上述现有技术问题，本发明提出具有改善图像的观感、不需要特殊的环境和特殊的工序、可大大降低实现复杂度、不会对图像的清晰度造成影响等技术特点的一种图像奇异点校正方法。

为了实现上述目的，本发明是通过以下技术方案实现的：

一种图像奇异点校正方法，该校正方法包括如下步骤：

步骤1)：将bayer图像中当前样点及其邻近点输入到奇异点检测模块中，所述奇异点检测模块通过计算当前样点与其邻近点的差值以判断当前样点是否为奇异点，并通过奇异点标识F对该当前样点进行标识，若当前样点为奇异点，则奇异点标识取值为“1”，否则，奇异点标识取值为“0”；

步骤2)：将步骤1)中的奇异点标识F送入存储单元，在下一帧数据处理时，以在奇异点类型判断模块中将其作为上一帧奇异点标识F_pre使用；

步骤3)：将步骤1)中当前帧奇异点标识F和步骤2)中上一帧奇异点标识F_pre送入奇异点类型判断模块，通过两者的取值关系以判断当前奇异点为第一种类型奇异点或第二种类型奇异点，并通过奇异点类型标识T对其标识，若为第一种类型奇异点，则奇异点类型标识取值为“0”，否则为第二种类型奇异点，奇异点类型标识取值为“1”，其中，若当前帧为第一帧时，所述上一帧奇异点标识F_pre的值为初始值“0”；所述第一种类型奇异点由制造工艺和材料差异导致图像传感器像素点位置感光失效产生的奇异点，第二种类型奇异点由噪声外部原因产生的奇异点；

步骤4)：将步骤3)输出的奇异点类型标识T输入到奇异点校正模块中，根据输入的奇异点类型标识T采取不同的方式对当前奇异点进行校正，若当前奇异点为第一种类型的奇异点，首先判断当前奇异点是亮点或暗点，并选取其周围邻近点中合适的点作为当前奇异点的取值，进行校正；若当前奇异点为第二种类型的奇异点，则选取3x3的2D滤波和中值滤波，两者加权以对当前奇异点进行校正，输出当前奇异点校正值BP_out(i,j)；

步骤5)：多次重复步骤4)校正直至输出整帧奇异点校正图像BP_out。

作为一种改进，所述奇异点标识F的计算表达式为：

其中，BP为输入bayer数据样点，i和j为当前样点的行号和列号，TH为可配置的判断阈值，所述ave为8个邻近点的均值。

作为一种改进，所述奇异点类型标识T的计算表达式为：

其中，F、F_pre分别为当前帧奇异点标识和上一帧的奇异点标识。

作为一种改进，所述第一类奇异点校正：首先，将当前样点记为BP(i,j)，将其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，通过表达式sub₀＝BP(i,j)-BP₃计算中间参数sub₀，通过表达式sub₁＝BP(i,j)-BP_{min_idx}计算中间参数sub₁,所述min_idx默认为7，设置两个差分门限THD₁和THD₂，当sub₀大于或等于THD₁，则确认当前点为亮点；当BP₂与BP₃的差值大于THD₂，用BP₃代替当前奇异点，否则用BP₂代替；当sub₁小于或等于-THD₁，则确认当前点为暗点；当BP_{min_idx-1}与BP_{min_idx}的差值大于THD₂，则用BP_{min_idx}代替当前坏点，否则用BP_{min_idx-1}代替；当sub₀和sub₁不满足上述条件，则认为这是一个伪奇异点，不做校正。

作为一种改进，校正过程的数学表达式如下所示：

作为一种改进，所述第二类奇异点校正：首先，选取当前奇异点及其对应的邻近点组成3x3的矩阵，将其经2D滤波的结果记为BP_out₀，其次，将当前奇异点及其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，取中值BP₄，最后，将2D滤波输出值BP_out₀与BP₄进行加权计算，作为当前奇异校正输出值BP_out(i,j)。

作为一种改进，经2D滤波的结果BP_out₀的计算公式为：

所述flt为2D滤波参数。

作为一种改进，所述加权计算公式：

所述W为可配置的加权比例参数，默认值为32，i和j为当前样点的行号和列号。

有益效果：对图像中的奇异点进行校正，改善图像的观感；采用与周围样点的差值对奇异点进行检测，不需要特殊的环境和特殊的工序，大大降低实现复杂度；对奇异点进行校正，不会对图像的清晰度造成影响。

附图说明

图1是本发明结构原理图。

图2是本发明图实施例1中R分量的邻近点选择图。

图3是本发明图实施例1中Gr分量的邻近点选择图。

具体实施方式

以下结合说明书附图，对本发明作进一步说明，但本发明并不局限于以下实施例。

实施例1

本发明具有依次通信连接的奇异点检测模块1、奇异点类型判断模块2和奇异点校正模块3，所述奇异点检测模块1、奇异点类型判断模块2间连接有奇异点标识F，所述奇异点标识F显示奇异点标识“1”或非奇异点标识“0”，所述奇异点标识F通信连接有存储模块4，所述存储模块4与奇异点校正模块3通信连接，在所述存储模块4与奇异点校正模块3间连接有上一帧奇异点标识F_pre，所述上一帧奇异点标识F_pre与奇异点类型判断模块2通信连接，所述奇异点类型判断模块2和奇异点校正模块3间连接有奇异点类型标识T，所述奇异点类型标识T显示第一种类型奇异点标识“0”、第二种类型奇异点标识“1”，第一种类型奇异点标识“0”表示由制造工艺和材料等差异导致图像传感器像素点位置感光失效产生的奇异点，第二种类型奇异点标识“1”表示由噪声等外部原因产生的奇异点，根据不同类型奇异点的判定，通过奇异点校正模块3进行针对性校正，最终获得奇异点校正后的图像BP_out。

一种图像奇异点校正方法，该校正方法包括如下步骤：

步骤1)：将bayer图像中当前样点及其邻近点输入到奇异点检测模块中，所述奇异点检测模块1通过计算当前样点与其邻近点的差值以判断当前样点是否为奇异点，并通过奇异点标识F对该当前样点进行标识，若当前样点为奇异点，则奇异点标识取值为“1”，否则，奇异点标识取值为“0”；

所述奇异点检测模块1计算公式为：

其中，BP为输入bayer数据样点，i和j为当前样点的行号和列号，TH为可配置的判断阈值，若输入数据位宽为8bit，则默认值为32，所述ave为8个邻近点的均值，由于输入图像为Bayer图像，不同位置对应不同图像分量，若当前样点BP(i,j)为R分量，则选择图2中所示位置的邻近点；若当前样点BP(i,j)为Gr分量，则选择如图3中所示的邻近点，B分量和Gb分量的邻近点选取分别参照R分量和Gr分量；

步骤2)：将步骤1)中的奇异点标识F送入存储单元，在下一帧数据处理时，以在奇异点类型判断模块2中将其作为上一帧奇异点标识F_pre使用；

步骤3)：将步骤1)中当前帧奇异点标识F和步骤2)中上一帧奇异点标识F_pre送入奇异点类型判断模块2，通过两者的取值关系以判断当前奇异点为第一种类型奇异点或第二种类型奇异点，并通过奇异点类型标识T对其标识，若为第一种类型奇异点，则奇异点类型标识取值为“0”，否则为第二种类型奇异点，奇异点类型标识取值为“1”，其中，若当前帧为第一帧时，所述上一帧奇异点标识F_pre的值为初始值“0”；所述第一种类型奇异点由制造工艺和材料差异导致图像传感器像素点位置感光失效产生的奇异点，第二种类型奇异点由噪声外部原因产生的奇异点，所述奇异点类型标识T的计算公式为：

其中，F、F_pre分别为当前帧奇异点标识和上一帧的奇异点标识，i和j为奇异点的行号和列号；

由于第一种类型奇异点的位置固定不会改变，故以此为依据对奇异点类型进行判断,并以奇异点类型标识T进行标识，实现辨别类型；

步骤4)：将步骤3)输出的奇异点类型标识T输入到奇异点校正模块3中，根据输入奇异点类型标识T采取不同的方式对当前奇异点进行校正，若当前奇异点为第一种类型奇异点，则选择所述第一类奇异点校正：首先，将当前奇异点记为BP(i,j)，将其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，通过表达式sub₀＝BP(i,j)-BP₃计算中间参数sub₀，通过表达式sub₁＝BP(i,j)-BP_{min_idx}计算中间参数sub₁,所述min_idx默认为7，设置两个差分门限THD₁和THD₂，当sub₀大于或等于THD₁，则确认当前点为亮点；当BP₂与BP₃的差值大于THD₂，用BP₃代替当前奇异点，否则用BP₂代替；当sub₁小于或等于-THD₁，则确认当前点为暗点；当BP_{min_idx-1}与BP_{min_idx}的差值大于THD₂，则用BP_{min_idx}代替当前坏点，否则用BP_{min_idx-1}代替；当sub₀和sub₁不满足上述条件，则认为这是一个伪奇异点，不做校正，校正过程的数学表达式如下所示：

若当前奇异点为第二种类型奇异点，则选择所述第二类奇异点校正：首先，选取当前奇异点及其对应的邻近点组成3x3的矩阵，记为X，将其经2D滤波的结果记为BP_out₀，计算公式为：

其中，flt为2D滤波参数，可根据实际情况配置。其次，将当前奇异点及其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，取中值BP₄；

最后，将2D滤波输出值BP_out₀与BP₄进行加权计算，作为当前奇异点的校正输出值BP_out(i，j)，其表达式如下所示：

其中，W为可配置的加权比例参数，默认值为32，i和j为当前样点的行号和列号；

步骤5)：多次重复步骤4)校正直至输出整帧奇异点校正图像BP_out。

最后，需要注意的是，本发明不限于以上实施例，还可以有很多变形。本领域的普通技术人员能从本发明公开的内容中直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (8)

1.一种图像奇异点校正方法，其特征在于该校正方法包括如下步骤：

步骤1)：将bayer图像中当前样点及其邻近点输入到奇异点检测模块中，所述奇异点检测模块通过计算当前样点与其邻近点的差值以判断当前样点是否为奇异点，并通过当前帧奇异点标识F对该当前样点进行标识，若当前样点为奇异点，则奇异点标识取值为“1”，否则，奇异点标识取值为“0”；

步骤2)：将步骤1)中的当前帧奇异点标识F送入存储单元，在下一帧数据处理时，以在奇异点类型判断模块中将其作为上一帧奇异点标识F_pre使用；

步骤3)：将步骤1)中当前帧奇异点标识F和步骤2)中上一帧奇异点标识F_pre送入奇异点类型判断模块，通过两者的取值关系以判断当前奇异点为第一种类型奇异点或第二种类型奇异点，并通过奇异点类型标识T对其标识，若为第一种类型奇异点，则奇异点类型标识取值为“0”，否则为第二种类型奇异点，奇异点类型标识取值为“1”，其中，若当前帧为第一帧时，所述上一帧奇异点标识F_pre的值为初始值“0”；所述第一种类型奇异点由制造工艺和材料差异导致图像传感器像素点位置感光失效产生的奇异点，第二种类型奇异点由噪声外部原因产生的奇异点；

步骤4)：将步骤3)输出的奇异点类型标识T输入到奇异点校正模块中，根据输入的奇异点类型标识T采取不同的方式对当前奇异点进行校正，若当前奇异点为第一种类型的奇异点，首先判断当前奇异点是亮点或暗点，并选取其周围邻近点中合适的点作为当前奇异点的取值，进行校正；若当前奇异点为第二种类型的奇异点，则选取3x3的2D滤波和中值滤波，两者加权以对当前奇异点进行校正，输出当前奇异点校正值BP_out(i,j)；

步骤5)：多次重复步骤4)校正直至输出整帧奇异点校正图像BP_out。

2.根据权利要求1所述的一种图像奇异点校正方法，其特征在于：所述当前帧奇异点标识F的计算表达式为：

其中，BP为输入bayer数据样点，i和j为当前样点的行号和列号，TH为可配置的判断阈值，所述ave为8个邻近点的均值。

3.根据权利要求1或2所述的一种图像奇异点校正方法，其特征在于：所述奇异点类型标识T的计算表达式为：

其中，F、F_pre分别为当前帧奇异点标识和上一帧的奇异点标识。

4.根据权利要求3所述的一种图像奇异点校正方法，其特征在于：所述第一类奇异点校正：首先，将当前样点记为BP(i,j)，将其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，通过表达式sub₀＝BP(i,j)-BP₃计算中间参数sub₀，通过表达式sub₁＝BP(i,j)-BP_{min_idx}计算中间参数sub₁,所述min_idx默认为7，设置两个差分门限THD₁和THD₂，当sub₀大于或等于THD₁，则确认当前点为亮点；当BP₂与BP₃的差值大于THD₂，用BP₃代替当前奇异点，否则用BP₂代替；当sub₁小于或等于-THD₁，则确认当前点为暗点；当BP_{min_idx-1}与BP_{min_idx}的差值大于THD₂，则用BP_{min_idx}代替当前坏点，否则用BP_{min_idx-1}代替；当sub₀和sub₁不满足上述条件，则认为这是一个伪奇异点，不做校正。

5.根据权利要求1或4所述的一种图像奇异点校正方法，其特征在于：校正过程的数学表达式如下所示：

6.根据权利要求4所述的一种图像奇异点校正方法，其特征在于：所述第二类奇异点校正：首先，选取当前奇异点及其对应的邻近点组成3x3的矩阵，将其经2D滤波的结果记为BP_out₀，其次，将当前奇异点及其对应的8个邻近点进行大小排序，依次从大到小记为BP₀-BP₇，取中值BP₄，最后，将2D滤波输出值BP_out₀与BP₄进行加权计算，作为当前奇异校正输出值BP_out(i,j)。

7.根据权利要求6所述的一种图像奇异点校正方法，其特征在于：经2D滤波的结果BP_out₀的计算公式为：

所述flt为2D滤波参数。

8.根据权利要求6或7所述的一种图像奇异点校正方法，其特征在于：所述加权计算公式：

所述W为可配置的加权比例参数，默认值为32，i和j为当前样点的行号和列号。

Images