CN110035281B - 一种坏点检测方法、装置及电子设备 - Google Patents
一种坏点检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110035281B CN110035281B CN201910355387.5A CN201910355387A CN110035281B CN 110035281 B CN110035281 B CN 110035281B CN 201910355387 A CN201910355387 A CN 201910355387A CN 110035281 B CN110035281 B CN 110035281B
- Authority
- CN
- China
- Prior art keywords
- pixel
- dead
- pixels
- image
- channel
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Abstract
本发明实施例涉及图像检测技术领域,具体而言,涉及一种坏点检测方法、装置及电子设备,该方法通过将原始图像拆分为多个单通道图像并进行标记,然后合并标记后的多个单通道图像获得目标图像,并从目标图像中检测出标记为预设标识的像素作为坏点,如此,能够准确检测出原始图像中的坏点。
Description
技术领域
本发明实施例涉及图像检测技术领域,具体而言,涉及一种坏点检测方法、装置及电子设备。
背景技术
在镜头模组的生产过程中,由于前段工艺的影响会导致塑胶残留在图像传感器(Sensor)的感光区进而遮蔽一部分像素。镜头模组在实际成像时,被遮蔽的像素(坏点)无法成像,现有技术难以对坏点进行准确检测。
发明内容
有鉴于此,本发明提供了一种坏点检测方法、装置及电子设备。
本发明实施例提供了一种坏点检测方法,包括:
获取原始图像,将所述原始图像拆分为多个单通道图像;
分别计算每个单通道图像中的每个像素的溶度值,根据所述溶度值对所述每个单通道图像中的每个像素进行标记;将完成标记的该多个单通道图像进行合并获得目标图像;
将从所述目标图像中检测出标记为预设标识的像素作为坏点。
可选地,所述方法还包括:
将检测出的坏点的位置数据进行存储。
可选地,计算每个单通道图像中的每个像素的溶度值的步骤,包括:
获取该像素的第一灰度值;
获取以该像素为中心的至少部分周边像素的第二灰度值;
根据所述第一灰度值与所述第二灰度值计算得到该像素的溶度值。
可选地,根据所述溶度值对所述每个单通道图像中的每个像素进行标记的步骤,包括:
针对所述每个单通道图像中的每个像素,判断该像素的溶度值是否大于设定阈值,若该像素的溶度值大于所述设定阈值,采用所述预设标识对该像素进行标记。
可选地,将从所述目标图像中检测出标记为预设标识的像素作为坏点的步骤,包括:
按照设定顺序依次对所述目标图像中的至少部分像素进行坏点检测;其中,进行坏点检测的步骤包括:
针对所述至少部分像素中的待检测像素,判断所述待检测像素的标记是否为所述预设标识,若所述待检测像素的标记为所述预设标识,判断以所述待检测像素为中心的设定范围内是否存在单通道三连续像素,若所述设定范围内存在所述单通道三连续像素,将所述设定范围内标记为所述预设标识的多个像素作为目标像素,获取每个所述目标像素的位置数据,将每个所述目标像素所对应的所述预设标识移除;
针对完成所述预设标识移除的每个目标像素,在以该目标像素为中心的设定范围内继续查找是否存在标记为所述预设标识的其他目标像素,若存在,获取所述其他目标像素的位置数据,将所述其他目标数据所对应的所述预设标识移除。
可选地,判断以所述待检测像素为中心的设定范围内是否存在单通道三连续像素的步骤,包括:
判断以所述待检测像素为中心的设定范围内是否存在标记为所述预设标识且在同一单通道图像中相邻的至少三个像素,若存在,判定以所述待检测像素为中心的设定范围内存在单通道三连续像素。
可选地,所述位置数据为坐标,将检测出的坏点的位置数据进行存储的步骤,包括:
统计检测出的坏点的坐标,根据统计得到的多个坐标生成外接矩形,将所述外接矩形所包含的区域作为坏点群;
针对所述坏点群的每一行中的连续坏点,获取所述连续坏点中第一个坏点的坐标以及位于所述第一个坏点之后的连续坏点的数量,根据所述第一个坏点的坐标和所述数量生成三维坐标,将所述三维坐标进行存储。
本发明实施例还提供了一种坏点检测装置,包括:
图像拆分模块,用于获取原始图像,将所述原始图像拆分为多个单通道图像;
图像标记模块,用于分别计算每个单通道图像中的每个像素的溶度值,根据所述溶度值对所述每个单通道图像中的每个像素进行标记;将完成标记的该多个单通道图像进行合并获得目标图像;
坏点检测模块,将从所述目标图像中检测出标记为预设标识的像素作为坏点。
本发明实施例还提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的坏点检测方法。
本发明实施例还提供了一种计算机可读存储介质,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述的坏点检测方法。
本发明实施例提供的一种坏点检测方法、装置及电子设备,通过将原始图像拆分为多个单通道图像并进行标记,然后合并标记后的多个单通道图像获得目标图像,并从目标图像中检测出标记为预设标识的像素作为坏点,如此,能够准确检测出原始图像中的坏点。
进一步地,统计检测出的坏点的坐标,根据统计得到的多个坐标生成外接矩形,将外接矩形所包含的区域作为坏点群,针对坏点群的每一行中的连续坏点,获取该连续坏点中的第一个坏点的坐标以及位于该第一个坏点之后的连续坏点的数量,根据该第一个坏点的坐标和数量生成三维坐标并进行存储,如此,能够有效节省存储空间。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本发明实施例所提供的一种电子设备的方框示意图。
图2为本发明实施例所提供的一种坏点检测方法的流程图。
图3为本发明实施例所提供的将原始图像拆分为多个单通道图像的示意图。
图4为本发明实施例所提供的完成标记的多个单通道图像的示意图。
图5为本发明实施例所提供的一种目标图像的示意图。
图6为本发明实施例所提供的一种二维坐标系建立方法的示意图。
图7为本发明实施例所提供的完成坐标设置的目标图像的示意图。
图8为本发明一个实施例中图2所示步骤S23包括的另一子步骤的示意图。
图9为本发明实施例所提供的单通道三连续像素的示意图。
图10为本发明实施例所提供的对第一标识置零的示意图。
图11为本发明实施例所提供的单通道三连续像素的示意图。
图12为本发明实施例所提供的对第一标识置零的另一示意图。
图13为本发明实施例所提供的一种坏点群的示意图。
图14为本发明实施例所提供的一种坏点检测装置的模块框图。
图标:
10-电子设备;11-存储器;12-处理器;13-网络模块;
20-坏点检测装置;21-图像拆分模块;22-图像标记模块;23-坏点检测模块;24-坏点存储模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
发明人经调查发现,现有技术一方面难以实现对坏点(三连续坏点)的准确检测和标定,另一方面存储所标定的坏点所占用存储空间较多。
以上现有技术中的方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案,都应该是发明人在本发明过程中对本发明做出的贡献。
基于上述研究,本发明实施例提供了一种坏点检测方法、装置及电子设备,能够准确检测出原始图像中的坏点。
图1示出了本发明实施例所提供的一种电子设备10的方框示意图。本发明实施例中的电子设备10具有数据存储、传输、处理功能,如图1所示,电子设备10包括:存储器11、处理器12、网络模块13和坏点检测装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有坏点检测装置20,所述坏点检测装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本发明实施例中的坏点检测装置20,从而执行各种功能应用以及数据处理,即实现本发明实施例中的坏点检测方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图3所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的坏点检测方法。
图2示出了本发明实施例所提供的一种坏点检测方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10,可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述:
步骤S21,获取原始图像,将原始图像拆分为多个单通道图像。
在本实施例中,原始图像可以为RAW图像,RAW图像是图像感应器将捕捉到的光源信号转化为数字信号的原始数据。例如,RAW图像可以为RGB模式的图像,RGB模式也可以理解为加色模式,通过Red(红色)、Green(绿色)和Blue(蓝色)三种原色叠加而成。因此,可以将原始图像拆分为三个单通道图像,也可以将原始图像拆分为四通道图像,如图3所示,图3中将64个像素组成的原始图像拆分为四个单通道图像:R、Gr、Gb和B,其中,单通道图像Gr和单通道图像Gb的颜色相近,在一些场合下也可以视为同一单通道图像。
步骤S22,分别计算每个单通道图像中的每个像素的溶度值,根据溶度值对每个单通道图像中的每个像素进行标记,将完成标记的该多个单通道图像进行合并获得目标图像。
具体地,每个单通道图像中的每个像素的溶度值通过以下步骤计算得到:对于某个像素,获取该像素的第一灰度值以及以该像素为中心的至少部分周边像素的第二灰度值,根据第一灰度值和第二灰度值计算得到该像素的溶度值。
更加具体地,每个单通道图像中的每个像素的溶度值通过以下公式计算得到:
其中,
Solji为第j个单通道图像中第i个像素的溶度值,j、i为正整数;
Valueji为第j个单通道图像中第i个像素的灰度值;
Valueji-aver为以第j个单通道图像中第i个像素为中心的N*N个像素的平均灰度值,N为正整数;
进一步地,abs函数为绝对值计算函数。
以图3为例,在本实施例中,j=4,换句话说,第一个单通道图像为R通道图像,第二个单通道图像为Gr通道图像,第三个单通道图像为Gb通道图像,第四个单通道图像为B通道图像。
通过上述公式能够对图3中的四个单通道图像分别进行标记,如此,能够减少不同的单通道图像之间的互相影响和干扰,进而减少计算量。
进一步地,在计算出了每个单通道图像中的每个像素的溶度值之后,根据计算得到的溶度值对每个像素进行标记。例如,针对某个单通道中的某个像素,判断该像素的溶度值是否大于设定阈值,若大于,采用第一标识(预设标识)对该像素进行标识,若小于,采用第二标识对该像素进行标识,在本实施例中,第一标识可以为“1”,第二标识可以为“0”。完成标记的四个单通道图像如图4所示。当然可以理解,在别的实施例中,也可以采用预设标识仅标记出溶度值大于设定阈值的像素。
在本实施例中,设定阈值可以根据坏点检测的实际精度需求进行设置,例如,可将设定阈值设置为30%。具体地,若坏点检测的实际精度需求较高,可以将设定阈值适当缩小,若坏点检测的实际精度需求较低,可以将设定阈值适当放大。
此外,在模组的白板测试坏境下,坏点(像素)的表现为灰度值偏低或偏高,通过对上述溶度值计算公式分析可得:当坏点的灰度值偏低或偏高时,该坏点的灰度值与以该坏点为中心的N*N个像素的平均灰度值的差值的绝对值偏高,进而得出溶度值偏高。由此可见,当某个像素的溶度值大于设定阈值时,可以判断出该像素的灰度值偏低或偏高,将该像素采用第一标识“1”标记为坏点。
进一步地,将完成标记的四个单通道图像进行合并以获得目标图像如图5所示,可以理解,目标图像为存在“1”和“0”标记的图像,或者仅存在“1”标记的图像。
步骤S23,将从目标图像中检测出的标记为预设标识的像素作为坏点。
可以理解,在本实施例中,预设标识为第一标识“1”。
在对目标图像中的每个像素进行坏点检测之前,可以基于目标图像建立二维坐标系,如图6所示,以目标图像的其中一个顶点(本实施例以左上角的顶点为例)为坐标原点,以第一设定方向(图6中的X方向)和第二设定方向(图6中的Y方向)为例建立二维坐标系,并基于所述二维坐标系对目标图像中的每个像素进行坐标设置,其中,完成坐标设置的列表如图7所示。
进一步地,基于目标图像建立了二维坐标系之后,按照设定顺序依次对目标图像中的至少部分像素进行坏点检测。请结合参阅图6,可以沿第一设定方向并按行对至少部分像素依次进行坏点检测。
其中,至少部分像素的数量根据预先设置的设定范围确定。设定范围是指以某个像素为中心的m*m个像素组成的范围,在本实施例中,以某个像素为中心的m*m个像素组成的范围不能超过目标图像,因此,至少部分像素的数量会基于m的取值进行适当缩减,例如,若m取值较大,至少部分像素的数量会相对较少,若m的取值较小,至少部分像素的数量会相对较多。
换句话说,以至少部分像素中的每个像素为中心的m*m个像素组成的范围位于目标图像内。
在本实施例中,m的取值可以选5,相应地,至少部分像素中的像素所对应的坐标如下:
(2,2)、(3,2)、(4,2)、(5、2);
(2,3)、(3,3)、(4,3)、(5、3);
(2,4)、(3,4)、(4,4)、(5、4);
(2,5)、(3,5)、(4,5)、(5、5)。
可以理解,以上述任意一个坐标所对应的像素为中心的5*5个像素均位于目标图像内。因此,按照设定顺序依次对目标图像中的至少部分像素进行坏点检测的顺序可以为:(2,2)、(3,2)、(4,2)、(5、2)、(2,3)、(3,3)、(4,3)、(5、3)、(2,4)、(3,4)、(4,4)、(5、4)、(2,5)、(3,5)、(4,5)、(5、5)。
请结合参阅图8,本实施例中通过步骤S231、步骤S232、步骤S233、步骤S234和步骤S235列举了步骤S23的其中一种实现方式。
步骤S231,判断至少部分像素中的待检测像素的标记是否为预设标识。
在本实施例中,若待检测像素的标记为“1”,转向步骤S232,若待检测像素的标记为“0”,则继续对下一个待检测像素进行步骤S231的判断。
请结合参阅图7和9,例如,可以先对坐标为(2,2)的像素进行判断,由图9可见,坐标为(2,2)的像素的标记为“1”,此时转向步骤S232。
步骤S232,判断以待检测像素为中心的设定范围内是否存在单通道三连续像素。
单通道三连续像素对成像质量的影响较大,因此,在判断出某个待检测像素的标记为“1”时,需要判断在以待检测像素为中心的设定范围内是否存在单通道三连续像素,进而决定是否继续进行后续的坏点检测。
可以理解,设定范围的设置能够将目标图像中多个单通道图像间隔设置的情况考虑在内,避免漏检,从而提高坏点检测的准确性。
其中,单通道三连续像素是指位于同一单通道图像中标记为“1”且相邻的至少三个像素,请结合图7和图9,图9所示的坐标为(0,0)、(2,2)和(4,4)对应的像素为单通道三连续像素,坐标为(0,0)、(2,2)和(4,2)对应的像素也为单通道三连续像素。
换句话说,如图10所示,位于同一单通道图像中的相邻的至少三个像素包括但不限于以下几种情况:
Case1,三个像素横向相邻,如图10a所示;
Case2,三个像素纵向相邻,如图10b所示;
Case3,三个像素横向且纵向相邻,如图10c所示;
Case4:三个像素单对角相邻,如图10d所示;
Case5:三个像素横向且对角相邻,如图10e所示;
Case6:三个像素纵向且对角相邻,如图10f所示;
Case7:三个像素单多对角相邻,如图10g所示。
应当理解,图10仅针对某一单通道图像进行说明,针对其他单通道图像的单通道三连续像素判断也与图10类似。
请继续参阅图7和图9,在判断出以坐标(2,2)对应的像素为中心的5*5个像素所对应的区域内存在单通道三连续像素时(图9中圆圈所圈出的像素),转向步骤S233,否则转向步骤S231以继续对下一个像素进行判断。其中,单通道三连续像素也可以理解为单通道三连续坏点。
步骤S233,将以待检测像素为中心的设定范围内标记为预设标识的多个像素作为目标像素,获取每个目标像素的位置数据,将每个目标像素所对应的预设标识移除。
以坐标(2,2)对应的像素为例,以坐标(2,2)对应的像素为中心的5*5个像素所对应的区域内且标识为“1”的像素所对应的坐标为(0,0)、(2,1)、(2,2)、(4,2)和(4,4),因此,将坐标(0,0)、(2,1)、(2,2)、(4,2)和(4,4)对应的像素作为目标像素,进一步地,获取坐标(0,0)、(2,1)、(2,2)、(4,2)和(4,4),并将坐标(0,0)、(2,1)、(2,2)、(4,2)和(4,4)处所对应的第一标识“1”设置为第二标识“0”,如图11所示。在本实施例中,将每个目标像素所对应的预设标识移除可以理解为将每个目标像素所对应的第一标识“1”设置为第二标识“0”。
此外,本实施例可以不对非坏点进行标记,仅采用第一标识“1”对坏点进行标记。应当理解,第一标识“1”还可以为其他符号标识,例如“R”和“E”等。
步骤S234,针对完成预设标识移除的每个目标像素,在以该目标像素为中心的设定范围内继续查找是否存在标记为预设标识的其他目标像素。
请结合参阅图9,在以坐标(2,2)对应的像素为中心的5*5个像素所对应的区域为左上角小正方形所包括的区域,在这个区域内五个存在第一标识“1”的像素为目标像素,在获取了这五个目标像素的第一标识“1”后,将这五个目标像素的第一标识“1”设置为第二标识“0”如图11所示。
请继续参阅图11,以坐标(0,0)对应的像素为中心的5*5个像素所对应的区域内存在是否还存在标识为“1”的像素,若存在,转向步骤S235,否则返回步骤S234以对下一个完成预设标识移除的目标像素进行类似判断,又例如,在以坐标(0,0)对应的像素为中心的5*5个像素中没有查找到其他目标像素之后,继续对坐标(2,1)对应的像素进行类似判断。
可以理解,先后以坐标(0,0)、(2,1)、(2,2)和(4,2)对应的像素进行步骤S234的判断均未找到标识为“1”的像素。进一步地,以坐标(4,4)对应的像素进行步骤S234的判断找到三个标识为“1”的像素,这三个像素可以理解为其他目标像素,这三个其他目标像素所对应的的坐标为(5,5)、(6,5)和(5,6),此时转向步骤S235。
步骤S235,获取其他目标像素的位置数据并将其他像素所对应的预设标识移除。
例如,获取坐标(5,5)并将坐标(5,5)对应的像素的第一标识“1”设置为第二标识“0”,如图12所示。
此外,获取坐标(6,5)和(5,6)并将坐标(6,5)和(5,6)对应的像素的第一标识“1”设置为第二标识“0”(图12中未显示)。
如此,通过上述方法能够获取目标图像中的“成群”的坏点所对应的坐标,进而实现对原始图像的坏点的检测。
进一步地,如果不将在先检测到的目标像素和其他目标像素所对应的第一标识“1”设置为第二标识“0”,后续检测时候还会对在先检测到目标像素和其他目标像素进行检测,进而导致重复检测,增加计算量和工作量。因此,将检测到的目标像素和其他目标像素所对应的第一标识“1”设置为第二标识“0”能够减少后续继续进行坏点检测时的工作量。
步骤S24,将检测出的坏点的位置数据进行存储。
在本实施例中,统计检测得到的多个目标像素和多个其他目标像素的坐标作为坏点坐标,然后基于统计得到的坏点坐标生成坏点群,具体地,通过生成一外接矩形对统计得到的坏点坐标进行“包围”,如图13所示,所包围的区域为坏点群。
进一步地,针对坏点群的每一行中的连续坏点,获取连续坏点中第一个坏点的坐标以及位于第一个坏点之后的连续坏点的数量,根据第一个坏点的坐标和数量生成三维坐标,将所述三维坐标进行存储。
请继续参阅图13,坏点群的第六行中存在两个连续坏点(5,5)和(6,5),可以理解,连续坏点中的第一个坏点的坐标为(5,5),第一个坏点之后的连续坏点数量为1,因此,第六行所对应的三维坐标为(5,5,1)。由此可见,通过该存储方式在坏点数量较多的时候能够有效减少存储空间的占用。
继续以图13为例,假设坏点群中的56个像素均为坏点,则对第一行的七个坏点进行存储时只需要一个三维坐标(0,0,6)即可,同理,对坏点群中第二行至第八行的坏点进行存储的坐标为(0,1,6)、(0,2,6)、(0,3,6)、(0,4,6)、(0,5,6)、(0,6,6)和(0,7,6),由此可见,采用本实施例所提供的存储方法对56个坏点进行存储的时候只需要存储8个三维坐标,如此,既能够保证坏点群中的所有坏点坐标的存储,又能够有效减少存储空间的占用。
可以理解,通过上述存储方法,存储一个坏点群的每一行坏点只需要5Bytes的空间,又例如,假设图13所示的目标图像中的像素全部为坏点,若存储每个坏点的坐标,需要64*4=256Bytes的空间,而采用本实施例所提供的存储方法,只需要8*5=40Bytes的空间,节省了84%的存储空间,如此,有效减少了对存储空间的占用,并且采用本实施例所提供的存储方法能够直观地了解到每个坏点群的坏点分布情况,本实施例仅以8*8个像素组成的目标图像为例,可以理解,目标图像的尺寸越大,坏点数量越多,采用该存储方法所节省的存储空间越大,并且反应坏点群的分布情况更加直观明了。如此,不仅能够对坏点进行准确检测和标定,还能有效减少存储空间。
可选地,在后续模组成像前可以对调用所存储的坏点坐标,然后利用坏点坐标周围的像素对坏点坐标所对应的像素进行补偿,进而提高后续模组脏污测试的良率。
在上述基础上,如图14所示,本发明实施例提供了一种坏点检测装置20的模块框图,所述坏点检测装置20包括:图像拆分模块21、图像标记模块22、坏点检测模块23和坏点存储模块24。
图像拆分模块21,用于获取原始图像,将所述原始图像拆分为多个单通道图像。
由于图像获取拆分模块21和图2中步骤S21的实现原理类似,因此在此不作更多说明。
图像标记模块22,用于分别计算每个单通道图像中的每个像素的溶度值,根据所述溶度值对所述每个单通道图像中的每个像素进行标记,将完成标记的该多个单通道图像进行合并获得目标图像。
由于图像标记模块22和图2中步骤S22的实现原理类似,因此在此不作更多说明。
坏点检测模块23,用于将从所述目标图像中检测出标记为预设标识的像素作为坏点。
由于坏点检测模块23和图2中步骤S23的实现原理类似,因此在此不作更多说明。
坏点存储模块24,用于将检测出的坏点的位置数据进行存储。
由于坏点检测模块24和图2中步骤S24的实现原理类似,因此在此不作更多说明。
综上,本发明实施例所提供的一种坏点检测方法、装置及电子设备,能够准确检测出原始图像中的坏点并标定坏点的坐标,此外,还能够基于坏点坐标采用三维坐标的方式进行存储,从而有效节省存储空间。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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,电子设备10,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种坏点检测方法,其特征在于,包括:
获取原始图像,将所述原始图像拆分为多个单通道图像;
分别计算每个单通道图像中的每个像素的溶度值,根据所述溶度值对所述每个单通道图像中的每个像素进行标记;将完成标记的该多个单通道图像进行合并获得目标图像;
所述计算每个单通道图像中的每个像素的溶度值,包括:
获取该像素的第一灰度值;
获取以该像素为中心的至少部分周边像素的第二灰度值;
根据所述第一灰度值与所述第二灰度值计算得到该像素的溶度值;
将从所述目标图像中检测出的标记为预设标识的像素作为坏点;
将检测出的坏点的位置数据进行存储。
2.根据权利要求1所述的坏点检测方法,其特征在于,根据所述溶度值对所述每个单通道图像中的每个像素进行标记的步骤,包括:
针对所述每个单通道图像中的每个像素,判断该像素的溶度值是否大于设定阈值,若该像素的溶度值大于所述设定阈值,采用所述预设标识对该像素进行标记。
3.根据权利要求1所述的坏点检测方法,其特征在于,将从所述目标图像中检测出的标记为预设标识的像素作为坏点的步骤,包括:
按照设定顺序依次对所述目标图像中的至少部分像素进行坏点检测;其中,进行坏点检测的步骤包括:
针对所述至少部分像素中的待检测像素,判断所述待检测像素的标记是否为所述预设标识,若所述待检测像素的标记为所述预设标识,判断以所述待检测像素为中心的设定范围内是否存在单通道三连续像素,若所述设定范围内存在所述单通道三连续像素,将所述设定范围内标记为所述预设标识的多个像素作为目标像素,获取每个所述目标像素的位置数据,将每个所述目标像素所对应的所述预设标识移除;
针对完成所述预设标识移除的每个目标像素,在以该目标像素为中心的设定范围内继续查找是否存在标记为所述预设标识的其他目标像素,若存在,获取所述其他目标像素的位置数据,将所述其他目标数据所对应的所述预设标识移除。
4.根据权利要求3所述的坏点检测方法,其特征在于,判断以所述待检测像素为中心的设定范围内是否存在单通道三连续像素的步骤,包括:
判断以所述待检测像素为中心的设定范围内是否存在标记为所述预设标识且在同一单通道图像中相邻的至少三个像素,若存在,判定以所述待检测像素为中心的设定范围内存在单通道三连续像素。
5.根据权利要求1所述的坏点检测方法,其特征在于,所述位置数据为坐标,将检测出的坏点的位置数据进行存储的步骤,包括:
统计检测出的坏点的坐标,根据统计得到的多个坐标生成外接矩形,将所述外接矩形所包含的区域作为坏点群;
针对所述坏点群的每一行中的连续坏点,获取所述连续坏点中第一个坏点的坐标以及位于所述第一个坏点之后的连续坏点的数量,根据所述第一个坏点的坐标和所述数量生成三维坐标,将所述三维坐标进行存储。
6.一种坏点检测装置,其特征在于,包括:
图像拆分模块,用于获取原始图像,将所述原始图像拆分为多个单通道图像;
图像标记模块,用于分别计算每个单通道图像中的每个像素的溶度值,根据所述溶度值对所述每个单通道图像中的每个像素进行标记;将完成标记的该多个单通道图像进行合并获得目标图像;
所述计算每个单通道图像中的每个像素的溶度值,包括:
获取该像素的第一灰度值;
获取以该像素为中心的至少部分周边像素的第二灰度值;
根据所述第一灰度值与所述第二灰度值计算得到该像素的溶度值;
坏点检测模块,用于将从所述目标图像中检测出标记为预设标识的像素作为坏点;
坏点存储模块,用于将检测出的坏点的位置数据进行存储。
7.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-5任一项所述的坏点检测方法。
8.一种计算机可读存储介质,其特征在于,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述权利要求1-5任一项所述的坏点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355387.5A CN110035281B (zh) | 2019-04-29 | 2019-04-29 | 一种坏点检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910355387.5A CN110035281B (zh) | 2019-04-29 | 2019-04-29 | 一种坏点检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110035281A CN110035281A (zh) | 2019-07-19 |
CN110035281B true CN110035281B (zh) | 2021-04-13 |
Family
ID=67240775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910355387.5A Active CN110035281B (zh) | 2019-04-29 | 2019-04-29 | 一种坏点检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110035281B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110891172B (zh) * | 2019-12-31 | 2021-07-16 | 上海富瀚微电子股份有限公司 | 坏点检测及校正装置 |
CN113873229B (zh) * | 2021-09-26 | 2024-02-27 | 江西盛泰精密光学有限公司 | 一种图像坏点检测方法、系统及装置 |
CN114648526A (zh) * | 2022-05-18 | 2022-06-21 | 武汉精立电子技术有限公司 | 一种图像坏点处理方法、存储介质、电子设备及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100683415B1 (ko) * | 2005-12-29 | 2007-02-22 | 엠텍비젼 주식회사 | 불량픽셀 처리 장치 |
KR101114586B1 (ko) * | 2010-02-08 | 2012-03-02 | 삼성전자주식회사 | 불량 화소 제거 장치 및 방법 |
CN102625133B (zh) * | 2011-01-31 | 2014-11-05 | 英属开曼群岛商恒景科技股份有限公司 | 影像感测坏像素点的检测方法 |
CN105451015B (zh) * | 2014-08-12 | 2017-05-10 | 炬力集成电路设计有限公司 | 一种图像坏点的检测方法及装置 |
CN104700424B (zh) * | 2015-03-30 | 2017-07-11 | 山东省计量科学研究院 | 医用彩色电子内窥镜图像坏点检测装置 |
CN106205437A (zh) * | 2015-05-05 | 2016-12-07 | 联想(北京)有限公司 | 一种坏点检测方法、电子设备及装置 |
CN105611196B (zh) * | 2015-12-18 | 2017-07-21 | 广东欧珀移动通信有限公司 | 图像坏点补偿方法、装置及终端设备 |
CN106815821B (zh) * | 2017-01-23 | 2020-08-28 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
CN107016669B (zh) * | 2017-03-27 | 2019-08-23 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN107613229A (zh) * | 2017-09-30 | 2018-01-19 | 杭州雄迈集成电路技术有限公司 | 一种图像传感器坏点检测校正装置及方法 |
CN108230343B (zh) * | 2018-01-05 | 2020-06-05 | 厦门华联电子股份有限公司 | 一种图像处理方法及装置 |
-
2019
- 2019-04-29 CN CN201910355387.5A patent/CN110035281B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110035281A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110035281B (zh) | 一种坏点检测方法、装置及电子设备 | |
CN109002795B (zh) | 车道线检测方法、装置及电子设备 | |
US10936849B2 (en) | Fingerprint processing device, fingerprint processing method, program, and fingerprint processing circuit | |
US20130004079A1 (en) | Image processing apparatus, image processing method, and program thereof | |
CN108961345B (zh) | 一种尿液试纸中有效颜色的确定方法及确定装置 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
JP2017032335A (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2018029250A5 (zh) | ||
US10109045B2 (en) | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object | |
CN113256729A (zh) | 激光雷达与相机的外参标定方法、装置、设备及存储介质 | |
CN111866501B (zh) | 一种摄像模组检测方法、装置、电子设备及介质 | |
US9239230B2 (en) | Computing device and method for measuring widths of measured parts | |
CN111369529B (zh) | 一种物品丢失、遗留检测方法及其系统 | |
KR101583423B1 (ko) | 카메라에서 촬영된 영상의 왜곡을 보정하기 위한 영상 왜곡 보정 방법 | |
US9739604B2 (en) | Information processing apparatus, information processing method, and storage medium | |
CN112446918A (zh) | 图像中目标物体定位方法、装置、计算机装置及存储介质 | |
US9628659B2 (en) | Method and apparatus for inspecting an object employing machine vision | |
JP3659426B2 (ja) | エツジ検出方法及びエツジ検出装置 | |
US20200372620A1 (en) | Method and apparatus for image preprocessing | |
JP2018109824A (ja) | 電子制御装置、電子制御システムおよび電子制御方法 | |
JP6126849B2 (ja) | 車線識別装置および車線識別方法 | |
JP2014191685A (ja) | 画像処理装置および画像処理方法 | |
US9122935B2 (en) | Object detection method, storage medium, integrated circuit, and object detection apparatus | |
CN111738272A (zh) | 一种目标特征提取方法、装置及电子设备 | |
US8416328B2 (en) | Image processing apparatus and image processing method for processing bayer pattern image data |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: No.3, Taihong Road, Kunshan high tech Industrial Development Zone, Suzhou, Jiangsu Province, 215300 Patentee after: Kunshan Qiuti Microelectronics Technology Co.,Ltd. Address before: No.3, Taihong Road, Kunshan high tech Industrial Development Zone, Suzhou, Jiangsu Province, 215300 Patentee before: KUNSHAN Q TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |