CN110650334A - 坏点检测、校正方法及装置、存储介质、终端 - Google Patents

坏点检测、校正方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN110650334A
CN110650334A CN201911040881.9A CN201911040881A CN110650334A CN 110650334 A CN110650334 A CN 110650334A CN 201911040881 A CN201911040881 A CN 201911040881A CN 110650334 A CN110650334 A CN 110650334A
Authority
CN
China
Prior art keywords
pixel
dead
pixels
central
value
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
CN201911040881.9A
Other languages
English (en)
Other versions
CN110650334B (zh
Inventor
陈炜
王程
池国泉
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.)
Brigates Microelectronic Co Ltd
Original Assignee
Brigates Microelectronic 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 Brigates Microelectronic Co Ltd filed Critical Brigates Microelectronic Co Ltd
Priority to CN201911040881.9A priority Critical patent/CN110650334B/zh
Publication of CN110650334A publication Critical patent/CN110650334A/zh
Application granted granted Critical
Publication of CN110650334B publication Critical patent/CN110650334B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

一种坏点检测、校正方法及装置、存储介质、终端，坏点检测方法包括：在待检测图像中逐像素移动滑动窗口，利用滑动窗口内各个像素的像素值计算中心像素对应的细节密度；移动滑动窗口后，至少根据中心像素对应的细节密度确定中心像素对应的坏点阈值系数；移动滑动窗口后，将滑动窗口划分为多个子窗口，根据各个子窗口内像素值与中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较中心像素的像素值是否落入各个子窗口对应的坏点阈值范围；移动滑动窗口后，根据中心像素与各个子窗口对应的坏点阈值范围的比较结果确定中心像素是否为坏点，直至遍历完成所述待检测图像。本发明技术方案能够实现坏点检测的准确性。

Description

坏点检测、校正方法及装置、存储介质、终端
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、校正方法及装置、存储介质、终端。
背景技术
图像传感器通常存在坏点，导致其生成的图像上具有过亮、过暗的坏点。坏点可以分为两大类。第一类是彻底的白点或黑点，位置坐标、像素值既不随时间变化，也不随落在其上的光线强弱而变化，这种坏点可以通过静态坏点校正技术解决。第二类坏点的像素值会随落在其上的光线强弱而变化，但增益与其他大多数像素有明显差别；或者在相机的某种设置下正常工作，在其它设置下不正常工作；或者在光照充足时正常工作，在低照度下不正常工作；或者在常温下正常工作，在高温下不正常工作；或者作为新机出厂时正常工作，使用一段时间后开始不正常工作。这种坏点需要采用动态坏点校正技术解决。
已有的动态坏点校正(Dead Pixel Correction,DPC)技术通常依据当前像素与周围像素平均值的差别大小，来判断当前像素是否为坏点。
但是，现有的坏点校正方法通常对细节损失较大。例如申请人Altek(专利号为US7589770B2)提出的在大小为3像素×3像素的矩阵中校正坏点的方法专利，虽然可以有效校正坏点，但容易造成细节的损失。
发明内容
本发明解决的技术问题是如何实现坏点检测的准确性，以及实现在校正坏点时保留图像细节，提升图像质量。
为解决上述技术问题，本发明实施例提供一种坏点检测方法，坏点检测方法包括：获取待检测图像；在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
可选的，所述根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点包括：如果所述中心像素的像素值落入所有子窗口对应的坏点阈值范围之外，则确定所述中心像素为坏点；如果所述中心像素的像素值仅落入单个子窗口对应的坏点阈值范围之外，或所述中心像素的像素值未落入任何子窗口对应的坏点阈值范围之外，则确定所述中心像素不是坏点。
可选的，所述根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点包括：如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈对角线时，则确定所述中心像素不是坏点；如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈非对角线时，则选取所述滑动窗口中除所述两个子窗口外的像素中与所述中心像素邻近的多个像素，并根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点；如果所述中心像素的像素值落入三个子窗口对应的坏点阈值范围之外，选取所述滑动窗口中除所述三个子窗口外的子窗口中的多个比较像素，并根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点。
可选的，所述根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点包括：如果所述中心像素的像素值与最邻近的三个像素的像素值的差异均大于第一预设阈值，则确定所述中心像素为坏点；如果所述中心像素的像素值与所述多个像素中第一其他像素的像素值的差异均大于所述第一预设阈值，则确定所述中心像素为坏点，所述第一其他像素为所述多个像素中与所述中心像素非紧密连续的像素点；如果所述中心像素的像素值与所述多个像素的像素值均小于第二预设阈值，则确定所述中心像素为坏点。
可选的，所述根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点包括：如果所述中心像素的像素值与所述多个比较像素的像素值的差异均小于第三预设阈值，则确定所述中心像素为坏点；如果所述中心像素的像素值与邻近像素的像素值的差异大于第四预设阈值，则确定所述中心像素为坏点，所述邻近像素为所述多个比较像素中与所述中心像素对角连续的像素点；如果所述中心像素的像素值与所述多个像素中第二其他像素的像素值的差异均大于所述第四预设阈值，则确定所述中心像素为坏点，所述第二其他像素为所述多个比较像素中与所述中心像素非对角连续的像素点。
可选的，所述利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度包括：去除所述滑动窗口内像素值最大的像素以及像素值最小的像素，以得到多个剩余像素；计算各个剩余像素与所有剩余像素的平均值的差值的绝对值之和，以得到所述中心像素对应的细节密度。
可选的，所述至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数包括：根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度为线性函数关系，坏点阈值系数随细节密度的增大而增大。
可选的，所述至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数包括：根据所述中心像素对应的细节密度以及所述待检测图像的亮度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度以及所述待检测图像的亮度均为线性函数关系，坏点阈值系数随细节密度的增大而增大，坏点阈值系数随所述待检测图像的亮度的增大而增大。
可选的，所述根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围包括：在所述子窗口内除所述中心像素之外的像素中选取次大像素值以及次小像素值；计算所述次大像素值以及所述次小像素值的差值的绝对值，并计算所述绝对值与所述坏点阈值系数的乘积，所述坏点阈值系数包括亮坏点阈值系数以及暗坏点阈值系数；计算所述子窗口内除所述中心像素、所述次大像素值以及次小像素值对应的像素之外的像素的平均值，并计算所述平均值与所述乘积之和，以得到所述子窗口对应的坏点阈值范围。
为解决上述技术问题，本发明实施例还公开了一种坏点校正方法，所述坏点校正方法包括：获取检测到的坏点；以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值；选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值，所述同侧是指所述两个插值像素位于以所述坏点为中心的相同一侧。
可选的，所述坏点校正方法还包括：如果所述四个方向中都出现同侧的连续两个插值像素均为坏点，则选取位于所述四个方向上的第一非坏点；计算所有第一非坏点的像素值的均值为所述坏点校正后的像素值。
可选的，所述坏点校正方法还包括：如果所述四个方向上的插值像素均为坏点，则选取所述子窗口内除位于所述四个方向上的插值像素之外的第二非坏点；计算所有第二非坏点的像素值的均值为所述坏点校正后的像素值。
为解决上述技术问题，本发明实施例还公开了一种坏点检测装置，坏点检测装置包括：图像获取模块，用以获取待检测图像；细节密度计算模块，用以在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；坏点阈值系数计算模块，用以移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；坏点阈值范围计算模块，用以移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；坏点确定模块，用以移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
为解决上述技术问题，本发明实施例还公开了一种坏点校正装置，坏点校正装置包括：坏点获取模块，用以获取检测到的坏点；插值像素选取模块，用以以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；方向筛选模块，用以如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值，所述同侧是指所述两个插值像素位于以所述坏点为中心的相同一侧；校正模块，用以选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。
本发明实施例还公开了一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述坏点检测方法的步骤，或者执行所述坏点校正方法的步骤。
本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述坏点检测方法的步骤，或者执行所述坏点校正方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明技术方案通过计算滑动窗口内中心像素对应的细节密度，可以表示该滑动窗口内纹理的密集程度；根据细节密度可以确定坏点阈值系数，坏点阈值系数可以控制坏点阈值范围的大小，从而控制中心像素被判定为坏点的可能性，将细节密度考量至坏点的检测过程，可以提升坏点检测的准确性，同时保证后续坏点校正时能够最大程度保留图像细节。通过将滑动窗口划分为多个子窗口，并在各个子窗口内依次确定中心像素与坏点阈值范围的比较结果，综合多个子窗口内的比较结果判断中心像素是否为坏点，避免使用单个窗口判断坏点带来的误差，进一步保证坏点检测的准确性。
进一步地，在确定中心像素是否为坏点时，本发明技术方案根据中心像素的像素值落入坏点阈值范围的子窗口的数量，以及中心像素的像素值与未落入坏点阈值范围的子窗口内邻近像素的像素值的差异结合判定中心像素是否为坏点，实现了更加全面以及更加准确的对坏点的判定。
进一步地，根据所述中心像素对应的细节密度以及所述待检测图像的亮度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度以及所述待检测图像的亮度均为线性函数关系，坏点阈值系数随细节密度的增大而增大，坏点阈值系数随所述待检测图像的亮度的增大而增大。坏点阈值系数越大，中心像素值越不容易超出坏点阈值范围，被判定为坏点的可能性越小。本发明技术方案结合细节密度以及待检测图像的亮度来综合确定坏点阈值系数，可以将细节密度与图像亮度均考量至坏点的检测过程，进一步保证后续坏点校正时能够最大程度保留图像细节。
附图说明
图1是本发明实施例一种坏点检测方法的流程图；
图2是本发明实施例一种彩色图像的示意图；
图3是本发明实施例另一种彩色图像的示意图；
图4是本发明实施例一种滑动窗口与子窗口的示意图；
图5是图1所示步骤S105的具体实施方式的流程图；
图6是本发明实施例一种具体应用场景的示意图；
图7是本发明实施例另一种具体应用场景的示意图；
图8是本发明实施例一种坏点阈值系数与细节密度的关系示意图；
图9是本发明实施例另一种坏点阈值系数与细节密度的关系示意图；
图10是本发明实施例一种中间参数与图像亮度的关系示意图；
图11是本发明实施例另一种中间参数与图像亮度的关系示意图；
图12是图1所示步骤S104的一种具体实施方式的流程图；
图13是是本发明实施例一种坏点校正方法的流程图；
图14是本发明实施例一种坏点检测装置的结构示意图；
图15是本发明实施例一种坏点校正装置的结构示意图。
具体实施方式
如背景技术中所述，现有的坏点校正方法通常对细节损失较大。例如申请人Altek(专利号为US 7589770B2)提出的在大小为3×3像素的矩阵中校正坏点的方法专利，虽然可以有效校正坏点，但容易造成细节的损失。
本发明技术方案通过计算滑动窗口内中心像素对应的细节密度，可以表示该滑动窗口内纹理的密集程度；根据细节密度可以确定坏点阈值系数，坏点阈值系数越大，中心像素值越不容易超出坏点阈值范围，被判定为坏点的可能性越小；将细节密度考量至坏点的检测过程，可以提升坏点检测的准确性，同时保证后续坏点校正时能够最大程度保留图像细节。通过将滑动窗口划分为多个子窗口，并在各个子窗口内依次确定中心像素与坏点阈值范围的比较结果，综合多个子窗口内的比较结果判断中心像素是否为坏点，避免使用单个窗口判断坏点带来的误差，进一步保证坏点检测的准确性。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种坏点检测方法的流程图。
本实施例的坏点检测方法可以用于具备图像处理能力的终端设备侧，例如图像传感器、数字照相机或数字摄像机等，也即可以由终端设备执行图1所示方法的各个步骤。
图1所示方法可以包括以下步骤：
步骤S101：获取待检测图像；
步骤S102：在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；
步骤S103：移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；
步骤S104：移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；
步骤S105：移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
需要指出的是，本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。
本实施例中，待检测图像可以是亮度图像。本发明所称像素的像素值可以是像素的亮度值。或者，所述待检测图像可以是彩色图像，例如拜尔排列的RGGB图像，在这种情况下，在执行步骤S102之前，先将彩色图像相同颜色通道的像素提取出来(将G看作两个颜色G1和G2，以便与R和B采用相同的计算流程)，得到4张大小为原始待检测图像的1/4的单色图像，如图2所示。
对这4张单色图像分别执行与普通单色亮度图像相同的处理步骤，将处理后的4张单色图像按照提取它们时相反的顺序合成原来的RGGB图像，得到处理后的图像，也即坏点检测和校正后的图像。如图3所示。
在一个具体场景中，待检测图像也可以是具有RGBW四种颜色像素(其中，R：红色，G：绿色，B：蓝色，W：透明)的呈拜尔排列的彩色图像传感器获取的，只要将图2和图3中的G1或者G2替换为W即可。具体的处理流程可参照前述实施例，此处不再赘述。
在步骤S102的具体实施中，可以利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度。细节密度可以表示该滑动窗口内纹理的密集程度，细节密度越大，纹理的密集程度越大，反之则越小。
具体地，滑动窗口的大小为5像素×5像素。对于位于图像边缘的像素，不足以取得5像素×5像素大小的窗口时，对不足的像素可以采取镜面对称的方式进行填充。
在一个具体实施例中，图1所示步骤S102可以包括以下步骤：去除所述滑动窗口内像素值最大的像素以及像素值最小的像素，以得到多个剩余像素；计算各个剩余像素与所有剩余像素的平均值的差值的绝对值之和，以得到所述中心像素对应的细节密度。
具体地，滑动窗口内像素值最大的像素以及像素值最小的像素是坏点的可能性较大，因此可以将其去除，采用剩余的像素计算中心像素对应的细节密度。对于5像素×5像素的滑动窗口而言，剩余像素的数量为23个。具体可以采用如下公式计算中心像素p0对应的细节密度：detail(p0)＝∑i∈23abs(pi-uMtx)，其中，detail(p0)为中心像素p0对应的细节密度，pi为所述剩余像素i的像素值，uMtx为所有所述剩余像素的像素值的平均值，abs为取绝对值函数。
在一个非限制性的实施例中，还可以采用如下方式计算细节密度：先对滑动窗口内的像素进行十字形3×3中值滤波预处理，消除了坏点造成的纹理值偏大的问题，而且相对于普通中值滤波，对纹理探测效果有改善；再采用如下公式计算细节密度：detail(p0)＝∑i∈25abs(pi-uMtx)，其中，detail(p0)为中心像素p0对应的细节密度，pi为滑动窗口内像素i的像素值，uMtx为滑动窗口内所有像素的像素值的平均值，abs为取绝对值函数。
在一个非限制性的实施例中，也可以采用如下公式计算细节密度：detail(pi,j)＝abs(pi,j+1-pi,j)，其中，pi,j表示第i行第j列的像素值，abs为取绝对值函数。上述公式适用于对精度要求不高，对计算量要求较高的场景。
在一个非限制性的实施例中，还可以采用如下方式计算细节密度：先对滑动窗口内的像素进行3×3中值滤波预处理，再用如下方法计算细节密度：detail(pi,j)＝abs(pi+1,j+1-pi,j)+abs(pi+1,j0pi,j+1)，其中，pi,j表示第i行第j列的像素值，abs为取绝对值函数。
在步骤S103的具体实施中，在每次移动滑动窗口后，可以至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数。中心像素对应的坏点阈值系数越大，所述中心像素值越不容易超出坏点阈值范围，被判定为坏点的可能性越小。
进而在步骤S104的具体实施中，在每次移动滑动窗口后，将所述滑动窗口划分为多个子窗口。具体请参照图4，对于5像素×5像素大小的滑动窗口，中心像素如p0所示，该滑动窗口可以划分为4个大小为3像素×3像素的子窗口，中心像素p0位于每个子窗口中；其中，中心像素p0分别位于4个子窗口的右下角、左下角、右上角和左上角。例如，子窗口1包括像素1、像素2、像素3、像素6、像素7、像素8、像素11、像素12和中心像素p0；子窗口2包括像素3、像素4、像素5、像素8、像素9、像素10、中心像素p0、像素14和像素15；子窗口3包括像素11、像素12、中心像素p0、像素16、像素17、像素18、像素21、像素22和像素23；子窗口4包括中心像素p0、像素14、像素15、像素18、像素19、像素20、像素23、像素24和像素25。
根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围。例如，可以根据子窗口内像素的像素值与坏点阈值系数计算获得坏点阈值范围。
具体地，中心像素的像素值未落入子窗口对应的坏点阈值范围内，则表示中心像素在该子窗口内为坏点。由此可以获得中心像素在四个子窗口内的判断结果。也即中心像素在每个子窗口内是否是坏点。
具体实施中，中心像素p0位于坏点阈值范围之外时，初步认为中心像素p0是此子窗口中的坏点，并且为该子窗口建立标签(flag)：dead_pixel_flag＝1。
进而在步骤S105的具体实施中，结合所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点。具体可以根据中心像素为坏点的子窗口的数量以及子窗口的相对位置来确定所述中心像素是否为坏点。
具体实施中，可以对各个子窗口的标签dead_pixel_flag进行求和，得到dead_pixel_flag_sum。根据dead_pixel_flag_sum的数值，加入限定条件(如标签dead_pixel_flag为1的子窗口的相对位置关系)，最终确定中心像素p0是否为坏点。
本发明实施例通过计算滑动窗口内中心像素对应的细节密度，可以表示该滑动窗口内纹理的密集程度；根据细节密度可以确定坏点阈值系数，将细节密度考量至坏点的检测过程，可以提升坏点检测的准确性，同时保证后续坏点校正时能够最大程度保留图像细节。通过将滑动窗口划分为多个子窗口，并在各个子窗口内依次确定中心像素与坏点阈值范围的比较结果，综合多个子窗口内的比较结果判断中心像素是否为坏点，避免使用单个窗口判断坏点带来的误差，进一步保证坏点检测的准确性。
在本发明一个非限制性的实施例中，请参照图5，图1所示步骤S105可以包括以下步骤：
步骤S301：如果所述中心像素的像素值落入所有子窗口对应的坏点阈值范围之外，则确定所述中心像素为坏点；
步骤S302：如果所述中心像素的像素值仅落入单个子窗口对应的坏点阈值范围之外，或所述中心像素的像素值未落入任何子窗口对应的坏点阈值范围之外，则确定所述中心像素不是坏点。
本实施例中，dead_pixel_flag_sum为4时，表示中心像素p0的像素值落入所有子窗口对应的坏点阈值范围之外，则可以确定所述中心像素为坏点。dead_pixel_flag_sum为1时，表示中心像素p0仅落入单个子窗口对应的坏点阈值范围之外，则可以确定所述中心像素不是坏点。dead_pixel_flag_sum为0时，表示中心像素的像素值未落入任何子窗口对应的坏点阈值范围之外，则可以确定所述中心像素不是坏点。
在本发明一个非限制性的实施例中，请继续参照图5，图1所示步骤S105还可以包括以下步骤：
步骤S303：如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈对角线时，则确定所述中心像素不是坏点；
步骤S304：如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈非对角线时，则选取所述滑动窗口中除所述两个子窗口外的像素中与所述中心像素邻近的多个像素，并根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点；
步骤S305：如果所述中心像素的像素值落入三个子窗口对应的坏点阈值范围之外，选取所述滑动窗口中除所述三个子窗口外的子窗口中的多个比较像素，并根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点。
本实施例中，dead_pixel_flag_sum为2时，表示中心像素p0的像素值落入两个子窗口对应的坏点阈值范围之外，如果此时所述两个子窗口的位置关系为呈对角线，中心像素p0很有可能是形状规则的线条的一部分，故而判断中心像素p0不是坏点。如果所述两个子窗口位置关系为呈非对角线时，例如两个子窗口位于水平同侧或者竖直同侧，可以选取所述滑动窗口中除所述两个子窗口外的像素中与所述中心像素邻近的多个像素，也即选取另一侧的子窗口内与所述中心像素邻近的多个像素，并根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点。
进一步地，图5所示步骤S304可以包括以下步骤：如果所述中心像素的像素值与最邻近的三个像素的像素值的差异均大于第一预设阈值，则确定所述中心像素为坏点；
如果所述中心像素的像素值与所述多个像素中第一其他像素的像素值的差异均大于所述第一预设阈值，则确定所述中心像素为坏点，所述第一其他像素为所述多个像素中与所述中心像素非紧密连续的像素点；
如果所述中心像素的像素值与所述多个像素的像素值均小于第二预设阈值，则确定所述中心像素为坏点。
其中，紧密连续指两个像素竖直或水平紧密挨在一起。
具体实施中，请一并参照图6，可以选取另一侧的子窗口内与所述中心像素p0邻近的6个像素，如图6中像素p1、像素p2、像素p3、像素p4、像素p5和像素p6。
中心像素p0的像素值与最邻近的三个像素(也即像素p1、像素p2、像素p3)的像素值的差异均大于第一预设阈值，表示中心像素p0很有可能是孤立的坏点，则可以确定中心像素p0为坏点。
中心像素p0的像素值与所述多个像素中第一其他像素(也即像素p1、像素p3、像素p4、像素p5、像素p6)的像素值的差异均大于所述第一预设阈值，表示中心像素p0与像素p2很有可能两个紧密连续的坏点，则不论像素p2如何，可以确定中心像素p0为坏点。
中心像素的像素值与6个像素(也即像素p1、像素p2、像素p3、像素p4、像素p5、像素p6)的像素值均小于第二预设阈值，表示中心像素p0可能是位于线条边缘的坏点，可以确定中心像素p0为坏点。
所述第二预设阈值小于第一预设阈值。所述第一预设阈值以及第二预设阈值的具体数值可以根据实际的应用场景进行设置，例如可以是经验值，本发明实施例对此不作限制。
进一步而言，中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈非对角线时，除了上述情况之外的其他情况，中心像素p0不是坏点。
继续参照图5，dead_pixel_flag_sum为3时，表示中心像素p0的像素值落入三个子窗口对应的坏点阈值范围之外，可以选取所述滑动窗口中除所述三个子窗口外的子窗口中的多个比较像素，并根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点。
进一步地，图5所示步骤S305可以包括以下步骤：如果所述中心像素的像素值与所述多个比较像素的像素值的差异均小于第三预设阈值，则确定所述中心像素为坏点；
如果所述中心像素的像素值与邻近像素的像素值的差异大于第四预设阈值，则确定所述中心像素为坏点，所述邻近像素为所述多个比较像素中与所述中心像素对角连续的像素点；
如果所述中心像素的像素值与所述多个像素中第二其他像素的像素值的差异均大于所述第四预设阈值，则确定所述中心像素为坏点，所述第二其他像素为所述多个比较像素中与所述中心像素非对角连续的像素点。
其中，“对角连续”是指两个像素在对角线或反对角线方向连续。
具体实施中，请一并参照图7，可以选取所述三个子窗口之外的子窗口内与中心像素p0邻近的4个像素，如图5中像素p1、像素p2、像素p3、像素p4。
中心像素p0的像素值与多个比较像素(也即像素p1、像素p2、像素p3、像素p4)的像素值的差异均小于第三预设阈值时，表示中心像素p0可能是直角外的单个坏点，可以确定所述中心像素p0为坏点。
中心像素p0的像素值与邻近像素(也即像素p1)的像素值的差异大于第四预设阈值时，表示中心像素p0可能是断开的孤立坏点，可以确定所述中心像素p0为坏点。
中心像素p0的像素值与多个像素中第二其他像素(也即像素p2、像素p3、像素p4)的像素值的差异均大于所述第四预设阈值，表示中心像素p0与像素p1可能是对角型连续坏点，此时不论像素p1如何，可以确定所述中心像素p0为坏点。
对于中心像素的像素值落入三个子窗口对应的坏点阈值范围之外，除了上述情况之外的其他情况，中心像素p0不是坏点。
所述第三预设阈值小于第四预设阈值。所述第三预设阈值以及第四预设阈值的具体数值可以根据实际的应用场景进行设置，例如可以是经验值，本发明实施例对此不作限制。
本发明一个非限制性的实施例中，图1所示步骤S103可以包括以下步骤：根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度为线性函数关系，坏点阈值系数随细节密度的增大而增大。
进一步而言，为了保证坏点检测的效果，可以设置坏点阈值系数与细节密度之间的函数关系为分段函数，其中，细节密度小于第一细节密度值时，坏点阈值系数固定为第一阈值系数值；细节密度大于第二细节密度值时，坏点阈值系数固定为第二阈值系数值。
具体请参照图8和图9，坏点阈值系数可以采用亮坏点阈值系数gain_light以及暗坏点阈值系数gain_dark来表示。亮坏点阈值系数gain_light用于判断亮坏点，暗坏点阈值系数gain_dark用于判断暗坏点。暗坏点阈值系数gain_dark、亮坏点阈值系数gain_light越大，中心像素值越不容易超出坏点阈值范围，被判定为坏点的可能性越小。
第一细节密度值Detail_dark_1、Detail_light_1，第二细节密度值Detail_dark_2、Detail_light_2以及第一阈值系数值gain_light1、gain_dark1，第二阈值系数值gain_light2、gain_dark2均可以是经验值。
由此，根据上述函数关系以及中心像素的细节密度可以确定中心像素对应坏点阈值系数。
本发明另一个非限制性的实施例中，图1所示步骤S103可以包括以下步骤：确定所述待检测图像的亮度；根据所述中心像素对应的细节密度以及所述待检测图像的亮度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度以及所述待检测图像的亮度均为线性函数关系，坏点阈值系数随细节密度的增大而增大，坏点阈值系数随所述待检测图像的亮度的增大而增大。其中，图像亮度与坏点阈值系数的函数关系可以与细节密度与坏点阈值系数的关系相类似，本发明实施例在此不再赘述。
与前述实施例不同的是，本发明实施例可以结合待检测图像的亮度以及中心像素对应的细节密度共同确定中心像素对应的坏点阈值系数。
具体地，在确定坏点阈值系数时，可以先根据待检测图像的亮度确定中间参数，再结合中间参数与细节密度确定坏点阈值系数。请一并参照图8和图9，以确定暗坏点阈值系数gain_dark为例，中间参数gain_dark_1以及中间参数gain_dark_2分别与待检测图像的亮度存在分段函数关系，如图10和图11所示。其中，参数Brightness_D1_1、Brightness_D1_2、gain_dark_1_min、gain_dark_1_max、Brightness_D2_1、Brightness_D2_2、gain_dark_2_min、gain_dark_2_max都是可调参数，可以根据经验值确定。
那么在确定待检测图像的亮度后，可以确定中间参数gain_dark_1以及中间参数gain_dark_2的值，将中间参数gain_dark_1以及中间参数gain_dark_2的值代入图8所示函数，可以获得暗坏点阈值系数gain_dark与细节密度的函数关系；将计算出的细节密度代入即可获得暗坏点阈值系数gain_dark。同理，亮坏点阈值系数gain_light的获取方式同上所述，此处不再赘述。
具体实施中，在确定待检测图像的亮度时，可以计算图像传感器(也即输出待检测图像的图像传感器)捕捉到的原始图像的平均亮度ave_luma，以真实反映场景亮度。具体可以是整幅图像的平均亮度，也可以是某些重点关注区域的平均亮度，例如图像中心附近的区域等。
在另一种具体实现方式中：还可以根据传感器的模拟增益analog_gain和曝光时间exposure_time确定场景亮度。待检测图像的亮度可以采用以下公式计算得到：
scene_brightness＝k/(analog_gain*exposure_time)，其中，scene_brightness为待检测图像的亮度，k是常数。
在本发明一个非限制性的实施例中，请参照图12，图1所示步骤S104可以包括以下步骤：
步骤S701：在所述子窗口内除所述中心像素之外的像素中选取次大像素值以及次小像素值；
步骤S702：计算所述次大像素值以及所述次小像素值的差值的绝对值，并计算所述绝对值与所述坏点阈值系数的乘积，所述坏点阈值系数包括亮坏点阈值系数以及暗坏点阈值系数；
步骤S703：计算所述子窗口内除所述中心像素、所述次大像素值以及次小像素值对应的像素之外的像素的平均值，并计算所述平均值与所述乘积之和，以得到所述子窗口对应的坏点阈值范围。
具体实施中，计算3×3大小的子窗口中除p0之外的8个像素的次大值p_adjacent_1st和次小值p_adjacent_2nd。采用以下公式计算中间值：
dif_adjacent_dark＝gain_dark×abs(p_adjacent_1st-p_adjacent_2nd)；
dif_adjacent_light＝gain_light×abs(p_adjacent_1st-p_adjacent_2nd)；其中，gain_dark表示暗坏点阈值系数，如图8所示；gain_light表示亮坏点阈值系数，如图9所示。具体可以根据前述实施例记载的具体方式来获取。
计算3×3大小的子窗口中剩下的6个像素的像素值的平均值aver_adjacent。采用以下公式计算坏点阈值范围的上限thres_adjacent_up和坏点阈值范围的下限thres_adjacent_lo：
thres_adjacent_up＝aver_adjacent+dif_adjacent_light；
thres_adjacent_lo＝aver_adjacent-dif_adjacent_dark；
其中，aver_adjacent为子窗口中剩下的6个像素的像素值的平均值，dif_adjacent_light和dif_adjacent_dark为前述步骤计算得到的中间值。
当中心像素p0位于thres_adjacent_lo、thres_adjacent_up所限定的范围之外时，初步认为中心像素p0是此3×3大小的子窗口中的坏点。
本发明实施例还公开了一种坏点校正方法，请参照图13，坏点校正方法具体可以包括以下步骤：
步骤S801：获取检测到的坏点；
步骤S802：以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；
步骤S803：如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值；
步骤S804：选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。
其中，所述同侧是指所述两个插值像素位于以所述坏点为中心的相同一侧。
本实施例中，为了更加全面以及更加准确地对坏点进行校正，可以按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，以最大程度保留图像细节。
具体可一并参照图4，中心像素p0为坏点，以中心像素p0为中心在四个方向上选取的插值像素分别如下：水平方向插值像素11、12、p0、14和15；竖直方向插值像素3、8、p0、18和23；对角方向插值像素1、7、p0、19和25；反对角方向插值像素5、9、p0、17和21。
在步骤S803的具体实施中，可以根据各个方向上插值像素是否为坏点对各个方向进行筛选。具体地，如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向。并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值。例如，请参照图4，剩余方向为对角方向，则计算与像素P0邻近的像素7和像素19的像素值的差值的绝对值。所述差值的绝对值可以表示该方向上的梯度，也即平坦度。
进一步地，如果单个方向中同侧的连续两个像素中与中心像素较近的像素为坏点，较远的像素为非坏点，则确定该两个像素中与中心像素较近的像素值为与中心像素较远的像素值。例如，对角方向中像素19为坏点，像素25为非坏点，则使得像素19的像素值为像素25的像素值；如果像素25也是坏点，则此方向不参与计算，设置该方向的方向失效标签flag_direction＝1。当方向失效标签flag_direction＝0时，此方向参与计算，计算差值的绝对值delta_direction＝abs(p3–p2)，其中，p3和p2为此方向与p0邻近的两个像素的像素值。
进而在步骤S804的具体实施中，选取差值的绝对值最小的方向为校正方向，差值的绝对值最小的方向较为平坦，没有边缘阶梯，选择该方向进行坏点校正，不会破坏边缘，以最大程度保留图像细节。计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。例如，校正方向为对角方向，则计算像素7与像素19的像素值的平均值，以作为中心像素p0校正后的像素值。
例如，计算四个方向的方向失效标签之和，direction_num＝flag_direction_1+flag_direction_2+flag_direction_3+flag_direction_4，当至少有一个方向能参与计算时(即direction_num<＝3)，选取差值的绝对值delta_direction最小的方向，校正后的像素值p0＝(p2+p3)/2，其中，p3和p2为此方向与p0邻近的两个像素的像素值。
本发明一个非限制性的实施例中，所述校正方法还可以以下步骤：如果所述四个方向中都出现同侧的连续两个插值像素均为坏点，则选取位于所述四个方向上的第一非坏点；计算所有第一非坏点的像素值的均值为所述坏点校正后的像素值。
本实施例中，为了防止所有方向都无法参与计算，可以确定第一非坏点pixel_backup。以对角方向为例。按照像素19、像素25、像素7、像素1的顺序进行判断，如果像素19不是坏点，则第一非坏点pixel_backup＝像素19，不再进行后面3个像素的判断；若像素19是坏点但像素25不是坏点，则第一非坏点pixel_backup＝像素25，不再进行后面2个像素的判断；若像素19和像素25都是坏点，像素7不是坏点，则第一非坏点pixel_backup＝像素7，不再进行后面1个像素的判断；若像素19、像素25、像素7都是坏点，像素1不是坏点，则第一非坏点pixel_backup＝像素1；若像素19、像素25、像素7都是坏点、像素1都是坏点，则该方向不存在第一非坏点pixel_backup，令flag_backup＝0。只要在该方向上存在第一非坏点pixel_backup，就令该方向的备选标签flag_backup＝1。在4个方向上重复这一过程，得到所有第一非坏点pixel_backup，以及4个备选标签：flag_backup(1)，flag_backup(2)，flag_backup(3)，flag_backup(4)。
当4个方向都无法参与计算时，计算四个方向上的备选标签之和：backup_num＝flag_backup(1)+flag_backup(2)+flag_backup(3)+flag_backup(4)，如果backup_num>0，则校正后的像素值为所有第一非坏点的像素值的均值：p0＝average(pixel_backup)。
本发明一个非限制性的实施例中，所述校正方法还可以包括以下步骤：如果所述四个方向上的插值像素均为坏点，则选取所述子窗口内除位于所述四个方向上的插值像素之外的第二非坏点；计算所有第二非坏点的像素值的均值为所述坏点校正后的像素值。
本实施例中，在四个方向上的插值像素均为坏点的情况下，可以选取新的备用像素点来计算坏点校正后的像素值，也即选取非位于四个方向上的像素。一并参照图4，可以选取像素2、像素4、像素6、像素10、像素16、像素20、像素22和像素24中的非坏点为第二非坏点。对所有第二非坏点进行平均，令中心像素p0的像素值等于该平均值。
如果上述新的备用像素点全部为坏点，也即不存在第二非坏点，则保持中心像素p0的像素值不变。
请参照图14，本发明实施例还公开了一种坏点检测装置90，坏点检测装置90可以包括：
图像获取模块901，用以获取待检测图像；
细节密度计算模块902，用以在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；
坏点阈值系数计算模块903，用以移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；
坏点阈值范围计算模块904，用以移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；
坏点确定模块905，用以移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
本发明实施例通过计算滑动窗口内中心像素对应的细节密度，可以表示该滑动窗口内纹理的密集程度；根据细节密度可以确定坏点阈值系数，坏点阈值系数可以控制坏点阈值范围的大小，从而控制中心像素被判定为坏点的可能性，将细节密度考量至坏点的检测过程，有利于保护图像细节。通过将滑动窗口划分为多个子窗口，并在各个子窗口内依次确定中心像素与坏点阈值范围的比较结果，综合多个子窗口内的比较结果判断中心像素是否为坏点，避免使用单个窗口判断坏点带来的误差，可以提高坏点检测的准确性。
请参照图15，本发明实施例还公开了一种坏点校正装置100，坏点检测装置100可以包括：
坏点获取模块1001，用以获取检测到的坏点；
插值像素选取模块1002，用以以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；
方向筛选模块1003，用以如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值；
校正模块1004，用以选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。
关于所述坏点检测装置90以及坏点校正装置100的工作原理、工作方式的更多内容，可以参照图1至图13中的相关描述，这里不再赘述。
本发明实施例还公开了一种存储介质，所述存储介质为计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行前述坏点检测方法或坏点校正方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行前述坏点检测方法或坏点校正方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (16)

1.一种坏点检测方法，其特征在于，包括：
获取待检测图像；
在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；
移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；
移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；
移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
2.根据权利要求1所述的坏点检测方法，其特征在于，所述根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点包括：
如果所述中心像素的像素值落入所有子窗口对应的坏点阈值范围之外，则确定所述中心像素为坏点；
如果所述中心像素的像素值仅落入单个子窗口对应的坏点阈值范围之外，或所述中心像素的像素值未落入任何子窗口对应的坏点阈值范围之外，则确定所述中心像素不是坏点。
3.根据权利要求1所述的坏点检测方法，其特征在于，所述根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点包括：
如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈对角线时，则确定所述中心像素不是坏点；
如果所述中心像素的像素值落入两个子窗口对应的坏点阈值范围之外，且所述两个子窗口呈非对角线时，则选取所述滑动窗口中除所述两个子窗口外的像素中与所述中心像素邻近的多个像素，并根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点；
如果所述中心像素的像素值落入三个子窗口对应的坏点阈值范围之外，选取所述滑动窗口中除所述三个子窗口外的子窗口中的多个比较像素，并根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点。
4.根据权利要求3所述的坏点检测方法，其特征在于，所述根据所述中心像素的像素值与所述多个像素的像素值的差异确定所述中心像素是否为坏点包括：
如果所述中心像素的像素值与最邻近的三个像素的像素值的差异均大于第一预设阈值，则确定所述中心像素为坏点；
如果所述中心像素的像素值与所述多个像素中第一其他像素的像素值的差异均大于所述第一预设阈值，则确定所述中心像素为坏点，所述第一其他像素为所述多个像素中与所述中心像素非紧密连续的像素点；
如果所述中心像素的像素值与所述多个像素的像素值均小于第二预设阈值，则确定所述中心像素为坏点。
5.根据权利要求3所述的坏点检测方法，其特征在于，所述根据所述中心像素的像素值与所述多个比较像素的像素值的差异确定所述中心像素是否为坏点包括：
如果所述中心像素的像素值与所述多个比较像素的像素值的差异均小于第三预设阈值，则确定所述中心像素为坏点；
如果所述中心像素的像素值与邻近像素的像素值的差异大于第四预设阈值，则确定所述中心像素为坏点，所述邻近像素为所述多个比较像素中与所述中心像素对角连续的像素点；
如果所述中心像素的像素值与所述多个像素中第二其他像素的像素值的差异均大于所述第四预设阈值，则确定所述中心像素为坏点，所述第二其他像素为所述多个比较像素中与所述中心像素非对角连续的像素点。
6.根据权利要求1所述的坏点检测方法，其特征在于，所述利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度包括：
去除所述滑动窗口内像素值最大的像素以及像素值最小的像素，以得到多个剩余像素；
计算各个剩余像素与所有剩余像素的平均值的差值的绝对值之和，以得到所述中心像素对应的细节密度。
7.根据权利要求1所述的坏点检测方法，其特征在于，所述至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数包括：
根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度为线性函数关系，坏点阈值系数随细节密度的增大而增大。
8.根据权利要求1所述的坏点检测方法，其特征在于，所述至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数包括：
确定所述待检测图像的亮度；
根据所述中心像素对应的细节密度以及所述待检测图像的亮度确定所述中心像素对应的坏点阈值系数，坏点阈值系数与细节密度以及所述待检测图像的亮度均为线性函数关系，坏点阈值系数随细节密度的增大而增大，坏点阈值系数随所述待检测图像的亮度的增大而增大。
9.根据权利要求1所述的坏点检测方法，其特征在于，所述根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围包括：
在所述子窗口内除所述中心像素之外的像素中选取次大像素值以及次小像素值；
计算所述次大像素值以及所述次小像素值的差值的绝对值，并计算所述绝对值与所述坏点阈值系数的乘积，所述坏点阈值系数包括亮坏点阈值系数以及暗坏点阈值系数；
计算所述子窗口内除所述中心像素、所述次大像素值以及次小像素值对应的像素之外的像素的平均值，并计算所述平均值与所述乘积之和，以得到所述子窗口对应的坏点阈值范围。
10.基于权利要求1至9任一项所述的坏点检测方法的坏点校正方法，其特征在于，包括：
获取检测到的坏点；
以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；
如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值，所述同侧是指所述两个插值像素位于以所述坏点为中心的相同一侧；
选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。
11.根据权利要求10所述的坏点校正方法，其特征在于，还包括：
如果所述四个方向中都出现同侧的连续两个插值像素均为坏点，则选取位于所述四个方向上的第一非坏点；
计算所有第一非坏点的像素值的均值为所述坏点校正后的像素值。
12.根据权利要求10所述的坏点校正方法，其特征在于，还包括：
如果所述四个方向上的插值像素均为坏点，则选取所述子窗口内除位于所述四个方向上的插值像素之外的第二非坏点；
计算所有第二非坏点的像素值的均值为所述坏点校正后的像素值。
13.一种坏点检测装置，其特征在于，包括：
图像获取模块，用以获取待检测图像；
细节密度计算模块，用以在所述待检测图像中逐像素移动滑动窗口，利用所述滑动窗口内各个像素的像素值计算中心像素对应的细节密度，所述滑动窗口的大小为5像素×5像素；
坏点阈值系数计算模块，用以移动滑动窗口后，至少根据所述中心像素对应的细节密度确定所述中心像素对应的坏点阈值系数，所述中心像素对应的坏点阈值系数越大，所述中心像素被判断为坏点的可能性越小；
坏点阈值范围计算模块，用以移动滑动窗口后，将所述滑动窗口划分为多个子窗口，根据各个子窗口内像素值与所述中心像素对应的坏点阈值系数计算各个子窗口对应的坏点阈值范围，并比较所述中心像素的像素值是否落入各个子窗口对应的坏点阈值范围，所述子窗口的大小为3像素×3像素；
坏点确定模块，用以移动滑动窗口后，根据所述中心像素与各个子窗口对应的坏点阈值范围的比较结果确定所述中心像素是否为坏点，直至遍历完成所述待检测图像。
14.基于权利要求1至9任一项所述的坏点检测方法的坏点校正装置，其特征在于，包括：
坏点获取模块，用以获取检测到的坏点；
插值像素选取模块，用以以所述坏点为中心确定校正窗口，并按照四个方向在所述校正窗口内以所述坏点为中心选取插值像素，所述校正窗口的大小为5像素×5像素，所述四个方向选自水平方向、竖直方向、对角方向、反对角方向；
方向筛选模块，用以如果单个方向中同侧的连续两个插值像素均为坏点，则排除该方向，并计算排除后的剩余方向中与所述坏点邻近的两个插值像素的像素值的差值的绝对值，所述同侧是指所述两个插值像素位于以所述坏点为中心的相同一侧；
校正模块，用以选取差值的绝对值最小的方向为校正方向，并计算所述校正方向中与所述坏点邻近的两个插值像素的像素值的均值为所述坏点校正后的像素值。
15.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至9中任一项所述坏点检测方法的步骤，或者执行权利要求10至12中任一项所述坏点校正方法的步骤。
16.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至9中任一项所述坏点检测方法的步骤，或者执行权利要求10至12中任一项所述坏点校正方法的步骤。
CN201911040881.9A 2019-10-29 2019-10-29 坏点检测、校正方法及装置、存储介质、终端 Active CN110650334B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911040881.9A CN110650334B (zh) 2019-10-29 2019-10-29 坏点检测、校正方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911040881.9A CN110650334B (zh) 2019-10-29 2019-10-29 坏点检测、校正方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
CN110650334A true CN110650334A (zh) 2020-01-03
CN110650334B CN110650334B (zh) 2021-01-22

Family

ID=68995060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911040881.9A Active CN110650334B (zh) 2019-10-29 2019-10-29 坏点检测、校正方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN110650334B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111681193A (zh) * 2020-06-12 2020-09-18 电子科技大学 一种基于fpga红外图像坏点修正系统的优化
CN111800592A (zh) * 2020-07-17 2020-10-20 合肥富煌君达高科信息技术有限公司 可以抑制像元波动的坏点校正方法及装置、存储介质
CN112734719A (zh) * 2021-01-06 2021-04-30 锐芯微电子股份有限公司 一种图像传感器的坏点检测方法、存储介质以及拍摄装置
CN112911174A (zh) * 2021-01-18 2021-06-04 珠海全志科技股份有限公司 图像坏点簇校正方法、计算机装置及计算机可读存储介质
CN114140336A (zh) * 2021-10-08 2022-03-04 中国安全生产科学研究院 一种基于红外图像的坏点处理方法及装置
CN114598830A (zh) * 2021-03-05 2022-06-07 黑芝麻智能科技有限公司 缺陷像素校正方法
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
CN114677574A (zh) * 2022-05-26 2022-06-28 杭州宏景智驾科技有限公司 用于自动驾驶的诊断图像故障的方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050238250A1 (en) * 2004-04-27 2005-10-27 Wan-Hee Jo Method for concealing dark defect in image sensor
CN101060643A (zh) * 2006-04-17 2007-10-24 北京大学深圳研究生院 一种用于数字摄像的自适应坏点去除方法
CN101277385A (zh) * 2007-03-27 2008-10-01 三星电子株式会社 检测坏像素的方法和装置以及捕获图像的方法和装置
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
EP2765765A1 (en) * 2013-02-08 2014-08-13 Harvest Imaging bvba Digital camera and method of capturing an image
CN104463891A (zh) * 2014-12-22 2015-03-25 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
CN105744184A (zh) * 2015-08-31 2016-07-06 上海兆芯集成电路有限公司 坏像素校正方法以及使用该方法的装置
CN107016669A (zh) * 2017-03-27 2017-08-04 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
CN107016670A (zh) * 2017-03-27 2017-08-04 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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050238250A1 (en) * 2004-04-27 2005-10-27 Wan-Hee Jo Method for concealing dark defect in image sensor
CN101060643A (zh) * 2006-04-17 2007-10-24 北京大学深圳研究生院 一种用于数字摄像的自适应坏点去除方法
CN101277385A (zh) * 2007-03-27 2008-10-01 三星电子株式会社 检测坏像素的方法和装置以及捕获图像的方法和装置
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
EP2765765A1 (en) * 2013-02-08 2014-08-13 Harvest Imaging bvba Digital camera and method of capturing an image
CN104463891A (zh) * 2014-12-22 2015-03-25 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
CN105744184A (zh) * 2015-08-31 2016-07-06 上海兆芯集成电路有限公司 坏像素校正方法以及使用该方法的装置
CN107016669A (zh) * 2017-03-27 2017-08-04 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
CN107016670A (zh) * 2017-03-27 2017-08-04 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

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111681193A (zh) * 2020-06-12 2020-09-18 电子科技大学 一种基于fpga红外图像坏点修正系统的优化
CN111800592A (zh) * 2020-07-17 2020-10-20 合肥富煌君达高科信息技术有限公司 可以抑制像元波动的坏点校正方法及装置、存储介质
CN111800592B (zh) * 2020-07-17 2022-04-29 合肥富煌君达高科信息技术有限公司 可以抑制像元波动的坏点校正方法及装置、存储介质
CN112734719A (zh) * 2021-01-06 2021-04-30 锐芯微电子股份有限公司 一种图像传感器的坏点检测方法、存储介质以及拍摄装置
CN112734719B (zh) * 2021-01-06 2023-08-11 锐芯微电子股份有限公司 一种图像传感器的坏点检测方法、存储介质以及拍摄装置
CN112911174A (zh) * 2021-01-18 2021-06-04 珠海全志科技股份有限公司 图像坏点簇校正方法、计算机装置及计算机可读存储介质
CN114598830A (zh) * 2021-03-05 2022-06-07 黑芝麻智能科技有限公司 缺陷像素校正方法
CN114598830B (zh) * 2021-03-05 2023-05-09 黑芝麻智能科技有限公司 缺陷像素校正方法
CN114140336A (zh) * 2021-10-08 2022-03-04 中国安全生产科学研究院 一种基于红外图像的坏点处理方法及装置
CN114140336B (zh) * 2021-10-08 2022-09-16 中国安全生产科学研究院 一种基于红外图像的坏点处理方法及装置
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
CN114677574A (zh) * 2022-05-26 2022-06-28 杭州宏景智驾科技有限公司 用于自动驾驶的诊断图像故障的方法和系统

Also Published As

Publication number Publication date
CN110650334B (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN110650334B (zh) 坏点检测、校正方法及装置、存储介质、终端
US8600105B2 (en) Combining multiple cues in a visual object detection system
EP1401196B1 (en) Method for detecting defective pixels in a digital image sensor
US7564491B2 (en) Pixel defect detecting/correcting device and pixel defect detecting/correcting method
US7649555B2 (en) Apparatus for processing dead pixel
US7636472B2 (en) Image quality correction apparatus and image quality correction method
CN108234824B (zh) 阴影校正检测参数确定、校正检测方法及装置、存储介质、鱼眼相机
US7671909B2 (en) Method and apparatus for processing Bayer-pattern digital color video signal
CN114495816B (zh) 显示图像调整方法、终端设备及计算机可读存储介质
KR20100011772A (ko) 자동 화이트 밸런스 조정 방법
US7454078B2 (en) Method and apparatus for flicker removal from an image sequence
US10154195B2 (en) Image joining apparatus, image pickup apparatus, image joining method, and image joining program
US20140125847A1 (en) Image processing apparatus and control method therefor
CN109685794B (zh) 用于手机屏幕缺陷检测相机自适应步长dpc算法及装置
CN112351195A (zh) 图像处理方法、装置和电子系统
CN112788322B (zh) 自适应白平衡处理方法、装置、介质及电子设备
US8805063B2 (en) Method and apparatus for detecting and compensating for backlight frame
CN111582100B (zh) 一种目标对象的检测方法及设备
US8576310B2 (en) Image processing apparatus, camera module, and image processing method
CN115720299A (zh) 黑电平校正方法及装置、计算机可读存储介质、终端
US20140063266A1 (en) Apparatus and method for determining defect pixel
KR20140079703A (ko) 결함 화소 검출 장치, 결함 화소 검출 방법 및 프로그램
CN114079735A (zh) 固定图像噪声的影像补偿系统
KR20130021977A (ko) 이미지 센서의 픽셀 간 오프셋 보정 장치 및 그 보정 방법
CN115035356B (zh) 嵌入式系统中特征点变换方法、装置及设备

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
CB02 Change of applicant information

Address after: Room 508-511, building a, Modern Plaza, No. 18, Weiye Road, Kunshan Development Zone, Suzhou, Jiangsu

Applicant after: Ruixin Microelectronics Co., Ltd

Address before: Room 508-511, block A, Modern Plaza, 18 Weiye Road, Kunshan, Jiangsu, Suzhou, 215300

Applicant before: BRIGATES MICROELECTRONICS (KUNSHAN) Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant