CN110288599A - 一种坏点检测方法、装置、电子设备及存储介质 - Google Patents
一种坏点检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110288599A CN110288599A CN201910619809.5A CN201910619809A CN110288599A CN 110288599 A CN110288599 A CN 110288599A CN 201910619809 A CN201910619809 A CN 201910619809A CN 110288599 A CN110288599 A CN 110288599A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- minimum value
- bad point
- candidate
- 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
Links
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种坏点检测方法、装置、电子设备及存储介质,由于在本发明实施例中,针对待检测图像中的每个第一像素点,在包含该第一像素点在内的预设邻域内,可以确定出该第一像素点对应的最小值。然后根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。进而根据每个第一像素点对应的最小值和坏点检测阈值,确定图像中的坏点。本发明实施例提供的坏点检测方案,针对每个场景下采集的图像,可以确定出适用于该图像的坏点检测阈值,然后根据该图像的坏点检测阈值检测该图像中的坏点。这样可以使得对于任何场景下采集的图像,都能够准确检测出坏点,提高了坏点检测的准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种坏点检测方法、装置、电子设备及存储介质。
背景技术
在图像处理领域中,收到图像采集设备中红外敏感元件、读出电路、半导体特性及放大电路等各种因素综合影响,图像中普遍存在坏点,在图像中表现为亮点、暗点或者时明时暗的闪点。通过对坏点进行相关处理可以提高图像的质量。在对坏点处理之前,对图像中的坏点检测至关重要。
现有技术在检测坏点时,一般设定一个固定的像素阈值,对于在不同场景下采集的图像,都采用这一固定的像素阈值进行坏点的检测,即通过某一统计量和该像素阈值进行比较来判断像素点是否为坏点。这就导致现有技术中的坏点检测方案适应性较差,对于在不同场景下采集的图像的检测效果差异较大,对于某些场景下的图像,坏点的漏检和误检率较高。
发明内容
本发明实施例提供了一种坏点检测方法、装置、电子设备及存储介质,用以解决现有技术中坏点检测不准确的问题。
本发明实施例提供了一种坏点检测方法,所述方法包括:
针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
进一步地,所述根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值包括:
将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;
根据最小的候选最小值确定坏点检测阈值。
进一步地,所述根据最小的候选最小值确定坏点检测阈值包括:
A、按照候选最小值由小到大进行排序;
B、选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,进行C;
C、滤除所述最小的候选最小值,返回B。
进一步地,针对所述每个第一像素点,如果判断该第一像素点对应的最小值大于等于所述坏点检测阈值之后,确定该第一像素点为坏点之前,所述方法还包括:
判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,进行后续步骤。
另一方面,本发明实施例提供了一种坏点检测装置,所述装置包括:
第一确定模块,用于针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
统计模块,用于针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
第二确定模块,用于根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
第三确定模块,用于针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
进一步地,所述第二确定模块,具体用于将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;根据最小的候选最小值确定坏点检测阈值。
进一步地,所述第二确定模块包括:
排序单元,用于按照候选最小值由小到大进行排序;
判断单元,用于选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,触发滤除单元;
滤除单元,用于滤除所述最小的候选最小值,触发判断单元。
进一步地,所述装置还包括:
判断模块,用于判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,触发所述第三确定模块。
另一方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一项所述的方法步骤。
另一方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种坏点检测方法、装置、电子设备及存储介质,所述方法包括:针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
由于在本发明实施例中,针对待检测图像中的每个第一像素点,在包含该第一像素点在内的预设邻域内,可以确定出该第一像素点对应的最小值。然后根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。进而根据每个第一像素点对应的最小值和坏点检测阈值,确定图像中的坏点。本发明实施例提供的坏点检测方案,针对每个场景下采集的图像,可以确定出适用于该图像的坏点检测阈值,然后根据该图像的坏点检测阈值检测该图像中的坏点。这样可以使得对于任何场景下采集的图像,都能够准确检测出坏点,提高了坏点检测的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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的附图。
图1为本发明实施例提供的坏点检测过程示意图;
图2为本发明实施例提供的坏点图像像素值差值特征直方图;
图3为本发明实施例提供的待检测图像示意图;
图4为本发明实施例提供的采用现有技术中的方案检测出的坏点示意图;
图5为本发明实施例提供的采用本方案检测出的坏点示意图;
图6为本发明实施例提供的坏点检测装置结构示意图;
图7为本发明实施例提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的坏点检测过程示意图,该过程包括以下步骤:
S101:针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值。
本发明实施例提供的坏点检测方法应用于电子设备,该电子设备可以是PC、平板电脑等设备。
对一个正常图像来说,在一个较小的邻域范围内,各像素点的像素值应该是较为接近的。若一像素点为坏点,而邻域范围内的其他像素点均为正常点,则该坏点像素值和邻域范围内正常点像素值会存在一个较为明显的差异。也就是坏点和邻域范围内正常点的像素值的差值的绝对值明显会大于正常点和其邻域范围内像素点的差值的绝对值。
对含有坏点的实际图像进行分析,统计差值特征发现其直方图整体上呈现出递减的趋势,如图2所示,绝大部分正常点和其邻域范围内像素点的差值的绝对值较小,小部分坏点和其邻域范围内像素点的差值的绝对值较大。尽管坏点与其邻域范围内像素点的差值的绝对值不固定,但差值的绝对值对应的像素点数量能呈现一个相对稳定的规律。即对于坏点来说,其与其邻域范围内像素点的差值的绝对值的数量基本都小于N个。通过该规律即可反推得到一个合适的检测阈值,从而达到坏点检测目的。
下面对本发明实施例提供的坏点检测方案进行说明。
电子设备接收到待检测图像后,针对待检测图像中的每个第一像素点,可以确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点,该预设邻域可以是3*3的邻域、5*5的邻域。较佳的,可以确定包含该第一像素点在内,且以该第一像素点为中心的预设邻域内除该第一像素点之外的每个第二像素点。分别计算每个第二像素点与该第一像素点的差值的绝对值,并选取绝对值中的最小值作为该第一像素点对应的最小值。
S102:针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量。
在确定出每个第一像素点对应的最小值后,针对每个数值的最小值,统计最小值为该数值的最小值对应的第一像素点的数量。例如确定出的每个数值的最小值分别为a1、a2、a3、……、an,则分别统计最小值为a1的第一像素点的数量、最小值为a2的第一像素点的数量,直至最小值为an的第一像素点的数量。
S103:根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。
电子设备在统计出每个数值的最小值对应的第一像素点的数量之后,根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,可以确定坏点检测阈值。其中,可以将与预设的数量阈值最为接近的数量对应的最小值作为坏点检测阈值。预设的数量阈值可以是10个、15个等。
S104:针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
电子设备在确定出坏点检测阈值之后,根据每个第一像素点对应的最小值和坏点检测阈值,可以确定出哪些第一像素点为坏点。
具体的,电子设备针对每个第一像素点,判断该第一像素点对应的最小值是否大于等于坏点检测阈值,如果是,确定该第一像素点为坏点,如果否,确定该第一像素点为正常点。
由于在本发明实施例中,针对待检测图像中的每个第一像素点,在包含该第一像素点在内的预设邻域内,可以确定出该第一像素点对应的最小值。然后根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。进而根据每个第一像素点对应的最小值和坏点检测阈值,确定图像中的坏点。本发明实施例提供的坏点检测方案,针对每个场景下采集的图像,可以确定出适用于该图像的坏点检测阈值,然后根据该图像的坏点检测阈值检测该图像中的坏点。这样可以使得对于任何场景下采集的图像,都能够准确检测出坏点,提高了坏点检测的准确率。
为了使确定坏点检测阈值更准确,进而使得坏点检测更准确,在本发明实施例中,所述根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值包括:
将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;
根据最小的候选最小值确定坏点检测阈值。
电子设备统计出每个数值的最小值对应的第一像素点的数量之后,可以确定出对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值,将这些最小值作为候选最小值。然后按照设定的顺序对候选最小值进行排序,设定的顺序可以是由小到大的顺序,也可以是由大到小的顺序。然后选取最小的候选最小值,根据最小的候选最小值确定坏点检测阈值。其中,可以直接将最小的候选最小值作为坏点检测阈值。
为了进一步使确定的坏点检测阈值更准确,在本发明实施例中,所述根据最小的候选最小值确定坏点检测阈值包括:
A、按照候选最小值由小到大进行排序;
B、选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,进行C;
C、滤除所述最小的候选最小值,返回B。
电子设备首先按照候选最小值由小到大的顺序进行排序,然后选取当前最小的候选最小值,并判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;其中,预设第二数量可以是2个、3个等。预设第二数量阈值可以和预设第一数量阈值相同或不同,较佳的,预设第二数量阈值可以是预设第一数量阈值的2倍。如果是,将最小的候选最小值作为坏点检测阈值。如果否,滤除该最小的候选最小值,并重新选取当前最小的候选最小值重复上述过程,直至确定出坏点检测阈值。
本发明实施例提供的确定坏点检测阈值的方案可以避免图像中的干扰,使得确定的坏点检测阈值更准确。
为了进一步使确定的坏点更准确,在本发明实施例中,针对所述每个第一像素点,如果判断该第一像素点对应的最小值大于等于所述坏点检测阈值之后,确定该第一像素点为坏点之前,所述方法还包括:
判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,进行后续步骤。
由于坏点为图像中像素值很大或像素值很小的点,因此,为了进一步使得确定的坏点更准确,针对每个第一像素点,判断该第一像素点对应的最小值大于等于坏点检测阈值之后,再判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,也就是判断该第一像素点在预设邻域内是否为最亮或最暗的点,如果是,将该第一像素点确定为坏点,如果否,则认为该第一像素点为正常点。
在本发明实施例中,基于两个条件进行坏点检测,一是基于坏点检测阈值,二是第一像素点自身的像素值。因此本发明实施例确定的坏点更加准确。
图3为待检测图像示意图,图4为采用现有技术中的方案检测出的坏点示意图,图5为采用本发明实施例提供的方案检测出的坏点示意图,如图4和图5所示,现有技术中坏点检测误检率较高,本发明实施例提供的坏点检测方案准确率高。需要说明的是,为了清楚显示检测出的坏点,图4和图5是对图3右上部分区域进行放大后的检测结果示意图。
图6为本发明实施例提供的坏点检测装置结构示意图,所述装置包括:
第一确定模块61,用于针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
统计模块62,用于针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
第二确定模块63,用于根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
第三确定模块64,用于针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
所述第二确定模块63,具体用于将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;根据最小的候选最小值确定坏点检测阈值。
所述第二确定模块63包括:
排序单元631,用于按照候选最小值由小到大进行排序;
判断单元632,用于选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,触发滤除单元633;
滤除单元633,用于滤除所述最小的候选最小值,触发判断单元632。
所述装置还包括:
判断模块65,用于判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,触发所述第三确定模块64。
本发明实施例中还提供了一种电子设备,如图7所示,包括:处理器701、通信接口702、存储器703和通信总线704,其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信;
所述存储器703中存储有计算机程序,当所述程序被所述处理器701执行时,使得所述处理器701执行如下步骤:
针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
基于同一发明构思,本发明实施例中还提供了一种电子设备,由于上述电子设备解决问题的原理与坏点检测方法相似,因此上述电子设备的实施可以参见方法的实施,重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口702用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在本发明实施例中处理器执行存储器上所存放的程序时,实现针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。由于在本发明实施例中,针对待检测图像中的每个第一像素点,在包含该第一像素点在内的预设邻域内,可以确定出该第一像素点对应的最小值。然后根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。进而根据每个第一像素点对应的最小值和坏点检测阈值,确定图像中的坏点。本发明实施例提供的坏点检测方案,针对每个场景下采集的图像,可以确定出适用于该图像的坏点检测阈值,然后根据该图像的坏点检测阈值检测该图像中的坏点。这样可以使得对于任何场景下采集的图像,都能够准确检测出坏点,提高了坏点检测的准确率。
本发明实施例还提供了一种计算机存储可读存储介质,所述计算机可读存储介质内存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行时实现如下步骤:
针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
基于同一发明构思,本发明实施例中还提供了一种计算机可读存储介质,由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与坏点检测方法相似,因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施,重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序,计算机程序被处理器执行时实现针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。由于在本发明实施例中,针对待检测图像中的每个第一像素点,在包含该第一像素点在内的预设邻域内,可以确定出该第一像素点对应的最小值。然后根据每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值。进而根据每个第一像素点对应的最小值和坏点检测阈值,确定图像中的坏点。本发明实施例提供的坏点检测方案,针对每个场景下采集的图像,可以确定出适用于该图像的坏点检测阈值,然后根据该图像的坏点检测阈值检测该图像中的坏点。这样可以使得对于任何场景下采集的图像,都能够准确检测出坏点,提高了坏点检测的准确率。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种坏点检测方法,其特征在于,所述方法包括:
针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
2.如权利要求1所述的方法,其特征在于,所述根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值包括:
将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;
根据最小的候选最小值确定坏点检测阈值。
3.如权利要求2所述的方法,其特征在于,所述根据最小的候选最小值确定坏点检测阈值包括:
A、按照候选最小值由小到大进行排序;
B、选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,进行C;
C、滤除所述最小的候选最小值,返回B。
4.如权利要求1所述的方法,其特征在于,针对所述每个第一像素点,如果判断该第一像素点对应的最小值大于等于所述坏点检测阈值之后,确定该第一像素点为坏点之前,所述方法还包括:
判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,进行后续步骤。
5.一种坏点检测装置,其特征在于,所述装置包括:
第一确定模块,用于针对待检测图像中的每个第一像素点,确定包含该第一像素点在内的预设邻域内除该第一像素点之外的每个第二像素点与该第一像素点的像素值差值绝对值中的最小值;
统计模块,用于针对确定的每个数值的最小值,统计该数值的最小值对应的第一像素点的数量;
第二确定模块,用于根据所述每个数值的最小值对应的第一像素点的数量和预设的数量阈值,确定坏点检测阈值;
第三确定模块,用于针对所述每个第一像素点,判断该第一像素点对应的最小值是否大于等于所述坏点检测阈值,如果是,确定该第一像素点为坏点。
6.如权利要求5所述的装置,其特征在于,所述第二确定模块,具体用于将对应的第一像素点的数量小于预设的第一数量阈值的数值的最小值作为候选最小值;根据最小的候选最小值确定坏点检测阈值。
7.如权利要求6所述的装置,其特征在于,所述第二确定模块包括:
排序单元,用于按照候选最小值由小到大进行排序;
判断单元,用于选取当前最小的候选最小值,判断排序在最小的候选最小值之后的预设第二数量的候选最小值对应的第一像素点的数量是否小于预设的第二数量阈值;如果是,将所述最小的候选最小值作为坏点检测阈值,如果否,触发滤除单元;
滤除单元,用于滤除所述最小的候选最小值,触发判断单元。
8.如权利要求5所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断该第一像素点的像素值在包含该第一像素点在内的预设邻域内是否为最小值或最大值,如果是,触发所述第三确定模块。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-4任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-4任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619809.5A CN110288599B (zh) | 2019-07-10 | 2019-07-10 | 一种坏点检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619809.5A CN110288599B (zh) | 2019-07-10 | 2019-07-10 | 一种坏点检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110288599A true CN110288599A (zh) | 2019-09-27 |
CN110288599B CN110288599B (zh) | 2021-06-15 |
Family
ID=68022144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910619809.5A Active CN110288599B (zh) | 2019-07-10 | 2019-07-10 | 一种坏点检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288599B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445398A (zh) * | 2020-03-11 | 2020-07-24 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN111553905A (zh) * | 2020-04-30 | 2020-08-18 | 展讯通信(上海)有限公司 | 图像检测方法、设备、装置及存储介质 |
CN112785100A (zh) * | 2019-11-05 | 2021-05-11 | 鸿富锦精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
CN113160158A (zh) * | 2021-04-13 | 2021-07-23 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113674238A (zh) * | 2021-08-16 | 2021-11-19 | 浙江大华技术股份有限公司 | 坏点检测方法、装置、电子设备和存储介质 |
CN114095721A (zh) * | 2020-08-25 | 2022-02-25 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN114138131A (zh) * | 2021-11-04 | 2022-03-04 | 深圳市鸿合创新信息技术有限责任公司 | 触控数据采集增益调节方法、装置、电路和触控设备 |
CN115063342A (zh) * | 2022-04-27 | 2022-09-16 | 珠海视熙科技有限公司 | 一种镜头坏点检测方法、装置、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030183765A1 (en) * | 2002-03-26 | 2003-10-02 | Lockheed Martin Corporation | Method and system for target detection using an infra-red sensor |
CN101119502A (zh) * | 2007-08-22 | 2008-02-06 | 北京中星微电子有限公司 | 图像处理装置及方法 |
CN101212703A (zh) * | 2006-12-29 | 2008-07-02 | 华晶科技股份有限公司 | 影像坏点像素实时检测方法 |
CN101242542A (zh) * | 2008-02-26 | 2008-08-13 | 北京中星微电子有限公司 | 一种图像检测方法与装置 |
CN101299799A (zh) * | 2008-06-13 | 2008-11-05 | 北京中星微电子有限公司 | 图像检测、修复方法和图像检测、修复装置 |
CN101459765A (zh) * | 2007-12-13 | 2009-06-17 | 广达电脑股份有限公司 | 用以校正影像讯号中坏点的方法及电路 |
US20130322753A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for local tone mapping |
CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
CN105338342A (zh) * | 2014-08-12 | 2016-02-17 | 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 |
CN106210712A (zh) * | 2016-08-11 | 2016-12-07 | 上海大学 | 一种图像坏点检测及处理方法 |
CN107550505A (zh) * | 2017-08-29 | 2018-01-09 | 上海联影医疗科技有限公司 | X线探测器、x线摄像系统及x线摄像方法 |
CN108765306A (zh) * | 2018-04-17 | 2018-11-06 | 浙江华睿科技有限公司 | 一种图像坏点矫正方法、装置、电子设备及介质 |
CN109146816A (zh) * | 2018-08-22 | 2019-01-04 | 浙江大华技术股份有限公司 | 一种图像滤波方法、装置、电子设备和存储介质 |
-
2019
- 2019-07-10 CN CN201910619809.5A patent/CN110288599B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030183765A1 (en) * | 2002-03-26 | 2003-10-02 | Lockheed Martin Corporation | Method and system for target detection using an infra-red sensor |
CN101212703A (zh) * | 2006-12-29 | 2008-07-02 | 华晶科技股份有限公司 | 影像坏点像素实时检测方法 |
CN101119502A (zh) * | 2007-08-22 | 2008-02-06 | 北京中星微电子有限公司 | 图像处理装置及方法 |
CN101459765A (zh) * | 2007-12-13 | 2009-06-17 | 广达电脑股份有限公司 | 用以校正影像讯号中坏点的方法及电路 |
CN101242542A (zh) * | 2008-02-26 | 2008-08-13 | 北京中星微电子有限公司 | 一种图像检测方法与装置 |
CN101299799A (zh) * | 2008-06-13 | 2008-11-05 | 北京中星微电子有限公司 | 图像检测、修复方法和图像检测、修复装置 |
US20130322753A1 (en) * | 2012-05-31 | 2013-12-05 | Apple Inc. | Systems and methods for local tone mapping |
CN103475828A (zh) * | 2013-10-10 | 2013-12-25 | 旗瀚科技有限公司 | 一种图像坏点校正方法及图像传感器 |
CN105338342A (zh) * | 2014-08-12 | 2016-02-17 | 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 |
CN106210712A (zh) * | 2016-08-11 | 2016-12-07 | 上海大学 | 一种图像坏点检测及处理方法 |
CN107550505A (zh) * | 2017-08-29 | 2018-01-09 | 上海联影医疗科技有限公司 | X线探测器、x线摄像系统及x线摄像方法 |
CN108765306A (zh) * | 2018-04-17 | 2018-11-06 | 浙江华睿科技有限公司 | 一种图像坏点矫正方法、装置、电子设备及介质 |
CN109146816A (zh) * | 2018-08-22 | 2019-01-04 | 浙江大华技术股份有限公司 | 一种图像滤波方法、装置、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
GHISLAIN TAKAM TCHENDJOU 等: "Self-Healing Imager Based on Detection and Conciliation of Defective Pixels", 《2018 IEEE 24TH INTERNATIONAL SYMPOSIUM ON ON-LINE TESTING AND ROBUST SYSTEM DESIGN 》 * |
向志聪 等: "一种高分辨率3维图像的自适应降噪算法", 《激光技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785100A (zh) * | 2019-11-05 | 2021-05-11 | 鸿富锦精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
CN112785100B (zh) * | 2019-11-05 | 2023-10-31 | 富联精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
CN111445398A (zh) * | 2020-03-11 | 2020-07-24 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN111445398B (zh) * | 2020-03-11 | 2023-06-20 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
CN111553905A (zh) * | 2020-04-30 | 2020-08-18 | 展讯通信(上海)有限公司 | 图像检测方法、设备、装置及存储介质 |
CN114095721B (zh) * | 2020-08-25 | 2023-04-28 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN114095721A (zh) * | 2020-08-25 | 2022-02-25 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN113160158A (zh) * | 2021-04-13 | 2021-07-23 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113674238A (zh) * | 2021-08-16 | 2021-11-19 | 浙江大华技术股份有限公司 | 坏点检测方法、装置、电子设备和存储介质 |
CN113674238B (zh) * | 2021-08-16 | 2024-06-11 | 浙江大华技术股份有限公司 | 坏点检测方法、装置、电子设备和存储介质 |
CN114138131A (zh) * | 2021-11-04 | 2022-03-04 | 深圳市鸿合创新信息技术有限责任公司 | 触控数据采集增益调节方法、装置、电路和触控设备 |
CN114138131B (zh) * | 2021-11-04 | 2024-04-09 | 深圳市鸿合创新信息技术有限责任公司 | 触控数据采集增益调节方法、装置、电路和触控设备 |
CN115063342A (zh) * | 2022-04-27 | 2022-09-16 | 珠海视熙科技有限公司 | 一种镜头坏点检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110288599B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288599A (zh) | 一种坏点检测方法、装置、电子设备及存储介质 | |
CN112036755B (zh) | 一种建筑工程质量检测的监管方法及系统 | |
US9607233B2 (en) | Classifier readiness and maintenance in automatic defect classification | |
CN110008080A (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
CN107749268A (zh) | 屏幕检测方法及设备 | |
US11061915B2 (en) | System and method for anomaly characterization based on joint historical and time-series analysis | |
CN109558416A (zh) | 一种异常交易的检测方法、装置及存储介质 | |
CN117173172B (zh) | 一种基于机器视觉的硅胶成型效果检测方法及系统 | |
CN109671078A (zh) | 一种产品表面图像异常检测方法及装置 | |
CN108241853A (zh) | 一种视频监控方法、系统及终端设备 | |
US20140040173A1 (en) | System and method for detection of a characteristic in samples of a sample set | |
CN112416733B (zh) | 一种内存检测方法、内存检测装置及智能设备 | |
CN115060725A (zh) | 一种双圆盘外观检测方法及装置 | |
CN114155241A (zh) | 一种异物检测方法、装置及电子设备 | |
CN105913429A (zh) | 智能终端用户视觉感知响应时延指标的计算方法 | |
CN111369492B (zh) | 一种显示屏的检测方法及检测装置、检测系统 | |
CN109978903A (zh) | 一种标识点识别方法、装置、电子设备及存储介质 | |
CN103955678A (zh) | 一种图像的识别方法和装置 | |
US7064826B2 (en) | Digital optical measurement of particle populations using reduced magnification | |
CN108229586A (zh) | 一种数据中的异常数据点的检测方法及系统 | |
CN116977783A (zh) | 一种目标检测模型的训练方法、装置、设备及介质 | |
CN114740284A (zh) | 触摸屏面板的检测方法及装置 | |
CN112822166A (zh) | 一种异常进程检测方法、装置、设备及介质 | |
CN112199998A (zh) | 一种人脸识别方法、装置、设备及介质 | |
CN110598799A (zh) | 一种目标检测结果的评测方法、装置、设备及存储介质 |
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 |