CN111292255B - 一种基于rgb图像的填充与修正技术 - Google Patents
一种基于rgb图像的填充与修正技术 Download PDFInfo
- Publication number
- CN111292255B CN111292255B CN202010027391.1A CN202010027391A CN111292255B CN 111292255 B CN111292255 B CN 111292255B CN 202010027391 A CN202010027391 A CN 202010027391A CN 111292255 B CN111292255 B CN 111292255B
- Authority
- CN
- China
- Prior art keywords
- pixel
- vector
- pixel points
- matrix
- image
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 239000013598 vector Substances 0.000 claims abstract description 142
- 230000002159 abnormal effect Effects 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 112
- 238000012937 correction Methods 0.000 claims description 31
- 241000350158 Prioria balsamifera Species 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000003702 image correction Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明属于计算机技术领域，提供一种基于RGB图像的填充与修正技术，该方法适用于修正和填充由于图像在采集和传输过程中造成的损坏或丢失的RGB图像。方法包括如下步骤：用行扫描的方式采集RGB图像像素点，并记录像素点位置信息，缓存待修正像素点与其周围像素点；根据位置信息对像素点进行分类；搭建异常像素点检测平台，检测该像素点的R，G，B3个矢量是否存在异常，若不存在，认为该像素点为正常像素点；若存在异常矢量，利用卷积运算对异常矢量进行修正，再将修正后的3个矢量拼接成一个完整的像素点；将修正后的像素点写回缓存，用于其他像素点修正。本发明具有资源消耗低、修复能力强、可即时修复视频图像并保持原图像的光滑度与清晰度等优点。
Description
技术领域
本发明属于计算机技术领域，具体涉及一种基于RGB图像的填充与修正技术。
背景技术
RGB即红绿蓝三原色。显示器常采用RGB标准，显示器通过电子枪打在显示器的发光极，然后通过3种光的不同亮度，汇聚成肉眼可识别的各种颜色。当3色光具有相同的亮度，就会形成灰色色彩，而当RGB3值均处于最大值时，就呈现白色，而当RGB3值为0时就呈现为黑色。对于目前的生活环境中图像采集设备也同样使用RGB格式，但在图像采集过程中，由于图像采集设备的老化，工艺缺陷，以及传输过程中的各种干扰，从而造成视觉上的误差与图像信息的不完整，由此便诞生了图像修复技术。
所谓图像修复技术就是指重建图像在采集或传输过程中损坏或者丢失的部分的过程，该技术也经常被应用于影视行业与日常生活中，传统的修复是通过一些专业人员进行人工修复。但是，在数字化的今天，各行各业快速发展，处理的信息量也发生了指数级增长，不能再仅仅依赖于人工去修复图像，甚至是视频的修复。于是，现代化的自动图像处理技术也逐步进入了人们的视野中。
目前在图像处理中，对异常像素点进行修正的方法一般有两种，第一种是记录异常像素点位置及相关信息，并根据该信息对异常像素点进行消除，此种方法需要较大的存储空间存储异常像素点信息，同时如果异常像素点位置发生偏移，将无法修复；第二种方法通过滤波的方式来滤除异常像素点，虽然不需要保存异常像素点位置，但是滤波的好坏决定了图像边缘信息是否完整，同时会使图像的清晰度下降。但随着生活品质的提高，以上两种的图像修复技术已不再能满足现代工业与生活的需求。
针对上述问题，本发明提出的基于RGB图像的填充与修正技术，在不影响图像清晰度的前提下，使用更少硬件资源，具有更强的图像修复能力，并实现视频图像数据的即时传输。
发明内容
本发明的目的在于针对现有技术的缺陷，提供一种基于RGB图像修正与填充的全新设计。由于传感器工艺的缺陷，传感器老化，传输过程中的干扰，图像传输的数据间歇性丢失，会造成图像的不完整，本发明的目的在于能够修正这种缺陷。
本发明采用的技术方案为：
一种基于RGB图像的填充与修正技术设计方法，其特征在于，包括以下所述步骤：
1)利用行扫描的方式采集RGB图像像素点，并记录像素点位置信息，在RAM缓存一帧图像的X(X为小于一副图像行数1/2的任意正整数)行数据，为搭建异常像素点检测系统做准备。
2)根据扫描像素点的位置，将像素点分为3类。
3)利用RAM缓存的数据以及行扫描新采集的像素点信息，为待修正像素点搭建(2X+1)*(2X+1)矩阵，待修正像素点即(2X+1)*(2X+1)矩阵中心位置像素点。待修正像素点的位置初始位置为图像第一行第一个像素点，修复第一个像素点完成后，按照行扫描方式移动。
4)利用待修正像素点的(2X+1)*(2X+1)像素点矩阵，分别产生R，G，B矢量(2X+1)*(2X+1)矩阵，R，G，B(2X+1)*(2X+1)矢量矩阵中的每个值减去待修正像素点对应的R，G，B值，分别生成R，G，B矢量对应的DIFF(2X+1)*(2X+1)矩阵。
5)通过判断R，G，B矢量对应的DIFF(2X+1)*(2X+1)矩阵的每个值是否处于正常的阈值区间内，产生R，G，B矢量对应的T矩阵，以及ttol，ttolA的值；
6)通过分别判断R，G，B矢量对应的ttol，ttolA是否满足各类点的预设条件，来判断该点的R，G，B矢量是否正常。
7)利用卷积运算对异常的R，G，B矢量进行修正，再将修正后的3个矢量拼接成一个完整的像素点。
8)输出修正后或本身无误的像素点信息。
9)将修正后的像素点重新写回待修正像素点(2X+1)*(2X+1)矩阵产生模块。
10)接着利用行扫描的方式采集新的像素点，重复步骤1，2，3，4，5，6，7，8，9。
11)直到完整的修复一帧图像，可采集下一帧图像的像素点开始修复，修复方式与第一帧的修复方式相同，每帧修复图像之间无间隔，从而完成视频图像的即时修复。
本发明的优点主要包括：
1.本发明具有通用性，能够适用于任意的RGB图像的修正与填充；
2.本发明可应用于FPGA设计，ASIC设计等通用设计；
3.本发明相比较传统的图像修复技术具有更强的图像修复及填充能力，可修复任何随机的异常像素点；
4.本发明图像修复完成后，并不会影响原图像的清晰度与光滑性；
5.本发明的资源消耗低，实现成本低；
6.本发明可即时修复图像，修复效率高，可直接用于视频图像的修复，并连续输出修复后的视频图像。
附图说明
图1为本发明的总体结构图
图2为异常像素点检测与修正平台的结构图
图3为待修正像素点(2X+1)*(2X+1)矩阵产生的结构图
图4为本发明图像修正与填充的具体流程图
图5为本发明应用实例一的图像修正与填充的具体流程图
图6为本发明应用实例一的待修正像素点3*3矩阵产生的结构图
图7为本发明应用实例一的异常像素点检测与修正平台的结构图
图8为本发明应用实例二的图像修正与填充的具体流程图
图9为本发明应用实例二的待修正像素点5*5矩阵产生的结构图
图10为本发明应用实例二的异常像素点检测与修正平台的结构图
具体实施方式
下面结合具体附图和实施例对本发明做进一步详细说明：
本实施例中基于RGB图像的填充与修复的设计方法，其总体结构如图1所示，具体包含以下内容：像素数据采集模块、待修正像素点(2X+1)*(2X+1)矩阵产生模块、异常像素点检测与修正平台。像素数据采集模块，通过行扫描方式采集像素点信息，同时记录像素点位置，记录方案为使用一个与像素点同步的计数器分别记录像素点的行列信息；待修正像素点(2X+1)*(2X+1)矩阵产生模块，其主要包括一个能够寄存一幅图像X行像素点的数据信息的RAM以及一个待修正像素点(2X+1)*(2X+1)的矩阵；异常像素点检测与修正平台，其主要包括：异常像素点检测平台、异常像素点判断模块、异常像素点修正模块。
异常像素点检测与修正平台，如图2，该平台包括：异常像素点检测平台、异常像素点判断模块、异常像素点修正模块。异常像素点检测平台主要包括：R，G，B矢量阵的产生、矢量差DIFF矩阵的产生、修正T矩阵的产生以及R，G，B矢量对应的ttol，ttolA值的产生；异常像素点判断模块的主要功能是根据像素点位置信息判断该像素点是否有异常矢量存在；异常像素点修正模块主要是通过将矢量阵与矢量阵对应修正T矩阵卷积运算，修正像素点异常矢量。
待修正像素点(2X+1)*(2X+1)矩阵产生模块，待修正像素点(2X+1)*(2X+1)矩阵产生方案如图3，中间位置填充待修正像素点，周围位置填充该像素点周围的其他像素点，若周围不存在其他像素点，则用附近像素点代替填充，具体填充方案如下文步骤3所述，待检测像素点周围若存在已修复的像素点，应用修复后的像素点填充该矩阵，该矩阵随着待修正像素点的位置流动。
图4为本发明的图像修正与填充的具体流程图，实施细节具体包含以下步骤：
步骤1、将图像按照行扫描的方式采集像素点数据信息，并记录像素点位置信息，把该像素点数据信息存入预先准备好的RAM,RAM大小应保证可寄存一副图像的X(X为小于一副图像行数1/2的任意正整数)行数据。写入方式为：对于图像的第一行数据循环写入X次，接着利用新采集到的像素点循环更新掉RAM中寄存的数据(除第一行数据，其余行只写入一次)；
步骤2、在采集图像的过程中记录每个像素点的位置，将采集过来的像素点分为3类：1)图像四个角的像素点；2)图像最外围的一圈像素点，但非4个角的像素点；3)周围有8个完整像素点的像素点；
步骤3、对于每一个像素点，利用其周围4(X+1)X个像素点，这些像素点数据来源于寄存像素点的RAM与新采集到的像素点以及上一个修正像素点的(2X+1)*(2X+1)矩阵，为其填充一个待修正像素点的(2X+1)*(2X+1)矩阵。若周围存在4(X+1)X个像素点，可以直接利用周围4(X+1)X个像素点填充一个完整的(2X+1)*(2X+1)矩阵，若不存在，左侧不存在的像素点用右侧存在的代替，右侧不存在的像素点用左侧存在的代替，上面不存在的像素点用下面存在的代替，下面不存在的像素点用上面存在的代替。如果该矩阵中存在之前检测异常像素点，应用修正后的像素点填充该矩阵，以增强本设计的图像修复能力；
步骤4、利用待修正像素的(2X+1)*(2X+1)像素矩阵，直接提取R，G，B矢量值，分别产生R，G，B(2X+1)*(2X+1)矢量矩阵，R，G，B(2X+1)*(2X+1)矢量矩阵中的每个值减去待修正像素点对应的R，G，B矢量值，分别生成R，G，B矢量对应的DIFF(2X+1)*(2X+1)矩阵；
步骤5、通过判断R，G，B的DIFF(2X+1)*(2X+1)矩阵的每个值是否处于正常的阈值区间内，产生R，G，B矢量对应的矢量修正T(2X+1)*(2X+1)矩阵以及ttol，ttolA的值。当DIFF阵中某一值不处于该阈值区间中，该T(2X+1)*(2X+1)矩阵对应位置则为1，否则为0；ttol的值为T(2X+1)*(2X+1)矩阵中所有位置值之和,ttolA的值为T(2X+1)*(2X+1)矩阵中前X行数据与第X+1行中最左侧的X个数据之和；
步骤6、通过ttol，ttolA的值来判断该像素点R，G，B矢量是否异常，对于第一类像素点，当待测像素点R，G，B任一矢量的ttol大于(3X+2)X/2，则认为该像素点为该矢量异常像素点；对于第二类像素点，当待测像素点R，G，B任一矢量的ttol大于(4X+3)X/2，则认为该像素点为该矢量异常像素点；对于第三类像素点，当待测像素点R，G，B任一矢量的ttol大于2(X+1)X或ttolA等于2(X+1)X，则认为该像素点为该矢量异常的像素点；
步骤7、对像素点的异常R，G，B矢量分别处理，将对应的矢量矩阵与该矢量矩阵对应的T矩阵进行卷积运算，利用正常矢量的平均值替换异常矢量，正常矢量保持原值。例如对于R矢量异常像素点，将R矢量矩阵与R矢量对应的T矩阵进行卷积运算，运算结果再除以R矢量对应的ttol值，该结果作为该像素点修正后的R矢量，其他矢量方案一样，不赘叙，利用卷积算法目的是为了保证图像的平滑度，同时与传统方法相比能显著提升修复效果；
步骤8、对于正确的像素点可直接输出，对于异常像素点，完成对应的矢量修正后，再将修正后或无误的R，G，B矢量拼接，作为最后的修正像素点；
步骤9、对于有异常矢量的像素点，在修复下一像素点时，应用修复后的像素点填充下一像素点的(2X+1)*(2X+1)矩阵，同时将修正后的像素点写回预先准备好的RAM中，以保证其他像素点用该点填充其(2X+1)*(2X+1)矩阵时，使用的是修正后的像素点，从而实现利用修正后的像素点再去修正新的像素点，以提升图像的修复能力并实现图像的异常填充功能。对于像素点缓存RAM，修正后的数据写回当前修正行的RAM中，与更新像素点RAM的写地址不会冲突，同时该地址为已修正像素点地址，不会与生成(2X+1)*(2X+1)矩阵的读地址冲突；
步骤10、重复步骤1，2，3，4，5，6，7，8，9产生新的异常像素点检测修正系统，完成整幅图像的填充与修正；
步骤11、直到完整的修复一帧图像，可采集下一帧图像的像素点开始修复，修复方式与第一帧的修复方式相同，每帧修复图像之间无间隔，从而完成视频图像的即时修复。
应用实例一：(利用3*3矩阵模型修复与填充图像，X＝1)
利用3*3矩阵模型修复与填充图像，具体流程图如图5；通过行扫描方式采集RGB图像像素点，在RAM中缓冲一幅图像的两行数据，并记录像素点位置信息；根据像素点位置信息将像素点分为3类，1)图像四个角的像素点；2)图像最外围的一圈像素点，但非4个角的像素点；3)周围有8个完整像素点的像素点；利用RAM中缓冲数据填充待修正像素点的3*3矩阵，具体填充方案如图6；如图7，利用填充待修正像素点的3*3矩阵映射产生R，G，B矢量3*3矩阵，R，G，B矢量3*3矩阵中的每个值减去待修正像素点对应的R，G，B值，分别生成R，G，B矢量对应的DIFF3*3矩阵，通过判断R，G，B矢量对应的DIFF3*3矩阵的每个值是否处于正常的阈值区间内，产生R，G，B矢量对应的T矩阵，以及ttol，ttolA的值。若为第一类点：当ttol大于2，则认为该矢量异常；若为第二类点：当ttol大于3，则认为该矢量异常；若为第三类点：当ttol大于4或ttolA等于4，则认为该矢量异常，对于无异常矢量的像素点直接输出，以保证图像的清晰度。将该矢量对应的3*3矢量矩阵与该矢量对应的T矩阵卷积运算，利用周围其余点正常矢量的平均值替换异常矢量，均值的替换可保证图像的光滑性，再将修正后的R，G，B3个矢量拼接成一个完整的像素点；将修正后像素点写回待修正像素点矩阵产生模块，用于其他像素点的修正，以增强图像的修复能力，循环使用以上步骤便可利用3*3矩阵模型完成一帧图像，甚至视频图像的修正与填充。
应用实例二：(利用5*5矩阵模型修复与填充图像，X＝2)
利用5*5矩阵模型修复与填充图像，具体流程图如图8；通过行扫描方式采集RGB图像像素点，在RAM中缓冲一幅图像的4行数据，并记录像素点位置信息；根据像素点位置信息将像素点分为3类，1)图像四个角的像素点；2)图像最外围的一圈像素点，但非4个角的像素点；3)周围有8个完整像素点的像素点；利用RAM中缓冲数据填充待修正像素点的5*5矩阵，具体填充方案如图9；如图10，利用填充待修正像素点的3*3矩阵映射产生R，G，B矢量5*5矩阵，R，G，B矢量5*5矩阵中的每个值减去待修正像素点对应的R，G，B值，分别生成R，G，B矢量对应的DIFF5*5矩阵，通过判断R，G，B矢量对应的DIFF5*5矩阵的每个值是否处于正常的阈值区间内，产生R，G，B矢量对应的T矩阵，以及ttol，ttolA的值。若为第一类点：当ttol大于8，则认为该矢量异常；若为第二类点：当ttol大于11，则认为该矢量异常；若为第三类点：当ttol大于12或ttolA等于12，则认为该矢量异常，对于无异常矢量的像素点直接输出，以保证图像的清晰度。将该矢量对应的5*5矢量矩阵与该矢量对应的T矩阵卷积运算，利用周围其余点正常矢量的平均值替换异常矢量，均值的替换可保证图像的光滑性，再将修正后的R，G，B3个矢量拼接成一个完整的像素点；将修正后像素点写回待修正像素点矩阵产生模块，用于其他像素点的修正，以增强图像的修复能力，循环使用以上步骤便可利用5*5矩阵模型完成一帧图像，甚至视频图像的修正与填充。
上述实施例已经充分说明了本发明的必要技术内容，普通技术人员能够依据说明加以实施，故不再赘述其他技术细节。
以上所述，仅是本发明的具体实施例方式，本说明书所公开的任一特征，除非特征叙述，均可被其他等效或具体类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。
Claims (5)
1.一种基于RGB图像的填充与修正技术设计方法，其特征在于，包括以下步骤：
步骤1、将图像按照行扫描的方式采集像素点数据信息，并记录像素点位置信息，把该像素点数据信息存入预先准备好的RAM，RAM大小应保证可寄存一幅图像的X行数据，X为小于一幅图像行数1/2的任意正整数；写入方式为：对于图像的第一行数据循环写入X次，接着利用新采集到的像素点循环更新掉RAM中寄存的数据，除第一行数据，其余行只写入一次；
步骤2、在采集图像的过程中记录每个像素点的位置，将采集过来的像素点分为3类：1)图像四个角的像素点；2)图像最外围的一圈像素点，但非4个角的像素点；3)周围有8个完整像素点的像素点；
步骤3、对于每一个像素点，利用其周围4(X+1)X个像素点，这些像素点数据来源于寄存像素点的RAM与新采集到的像素点以及上一个修正像素点的(2X+1)*(2X+1)矩阵，为其填充一个待修正像素点的(2X+1)*(2X+1)矩阵；若周围存在4(X+1)X个像素点，可以直接利用周围4(X+1)X个像素点填充一个完整的(2X+1)*(2X+1)矩阵，若不存在，左侧不存在的像素点用右侧存在的代替，右侧不存在的像素点用左侧存在的代替，上面不存在的像素点用下面存在的代替，下面不存在的像素点用上面存在的代替；如果该矩阵中存在之前检测异常像素点，应用修正后的像素点填充该矩阵，以增强本设计的图像修复能力；
步骤4、利用待修正像素的(2X+1)*(2X+1)像素矩阵，直接提取R，G，B矢量值，分别产生R，G，B(2X+1)*(2X+1)矢量矩阵，R，G，B(2X+1)*(2X+1)矢量矩阵中的每个值减去待修正像素点对应的R，G，B矢量值，分别生成R，G，B矢量对应的DIFF(2X+1)*(2X+1)矩阵；
步骤5、通过判断R，G，B的DIFF(2X+1)*(2X+1)矩阵的每个值是否处于正常的阈值区间内，产生R，G，B矢量对应的矢量修正T(2X+1)*(2X+1)矩阵以及ttol，ttolA的值；当DIFF阵中某一值不处于该阈值区间中，该T(2X+1)*(2X+1)矩阵对应位置则为1，否则为0；ttol的值为T(2X+1)*(2X+1)矩阵中所有位置值之和，ttolA的值为T(2X+1)*(2X+1)矩阵中前X行数据与第X+1行中最左侧的X个数据之和；
步骤6、通过ttol，ttolA的值来判断该像素点R，G，B矢量是否异常，对于第一类像素点，当待测像素点R，G，B任一矢量的ttol大于(3X+2)X/2，则认为该像素点为该矢量异常像素点；对于第二类像素点，当待测像素点R，G，B任一矢量的ttol大于(4X+3)X/2，则认为该像素点为该矢量异常像素点；对于第三类像素点，当待测像素点R，G，B任一矢量的ttol大于2(X+1)X或ttolA等于2(X+1)X，则认为该像素点为该矢量异常的像素点；
步骤7、设计中采用的异常像素点检测平台，该平台主要功能是计算待检测的像素点R，G，B每个矢量与周围每个像素点的矢量差，统计异常矢量差的个数，并产生修正矢量T矩阵，各个电路参数和规模均可配置；对像素点的异常R，G，B矢量分别处理，将对应的矢量矩阵与该矢量矩阵对应的T矩阵进行卷积运算，利用正常矢量的平均值替换异常矢量，正常矢量保持原值；对于R矢量异常像素点，将R矢量矩阵与R矢量对应的T矩阵进行卷积运算，运算结果再除以R矢量对应的ttol值，该结果作为该像素点修正后的R矢量；
步骤8、对于正确的像素点可直接输出，对于异常像素点，完成对应的矢量修正后，再将R，G，B矢量拼接，作为最后的修正像素点；
步骤9、对于有异常矢量的像素点，在修复下一像素点时，应用修复后的像素点填充下一像素点的(2X+1)*(2X+1)矩阵，同时将修正后的像素点写回预先准备好的RAM中，以保证其他像素点用该点填充其(2X+1)*(2X+1)矩阵时，使用的是修正后的像素点，从而实现利用修正后的像素点再去修正新的像素点，以提升图像的修复能力并实现图像的异常填充功能；对于像素点缓存RAM，修正后的数据写回当前修正行的RAM中，与更新像素点RAM的写地址不会冲突，同时该地址为已修正像素点地址，不会与生成(2X+1)*(2X+1)矩阵的读地址冲突；
步骤10、重复步骤1，2，3，4，5，6，7，8，9产生新的异常像素点检测修正系统，完成整幅图像的填充与修正；
步骤11、直到完整的修复一帧图像，可采集下一帧图像的像素点开始修复，修复方式与第一帧的修复方式相同，每帧修复图像之间无间隔，从而完成视频图像的即时修复。
2.按照权利要求1所述的一种基于RGB图像的填充与修正技术设计方法，其特征在于，设计中采用的异常矢量的判断方案：根据待检测像素点的位置信息，对该像素点的异常矢量进行判断；对于图像四个角的像素点，当ttol的值大于(3X+2)X/2，该矢量即为异常矢量；对于图像最外围的一圈像素点，但非4个角的像素点，当ttol的值大于(4X+3)X/2，该矢量即为异常矢量；对于周围有8个完整像素点的像素点，当ttol的值大于2(X+1)X或ttolA等于2(X+1)X，该矢量即为异常矢量。
3.按照权利要求1所述的一种基于RGB图像的填充与修正技术设计方法，其特征在于，待检测像素点(2X+1)*(2X+1)矩阵产生模块，中间位置填充待修正像素点，周围位置填充该像素点周围的其他像素点，若周围不存在其他像素点，则用附近像素点代替填充，具体代替方案如步骤3所述，待检测像素点周围若存在已修复的像素点，应用修复后的像素点填充该矩阵，该矩阵随着待修正像素点的位置流动。
4.按照权利要求1所述的一种基于RGB图像的填充与修正技术设计方法，其特征在于，图像的异常矢量修正模块，该模块对矢量异常的像素点的异常R，G，B矢量分别处理，将对应的矢量矩阵与该矢量矩阵对应的T矩阵进行卷积运算，利用矢量矩阵中正常矢量的平均值替换异常矢量，正常矢量保持原值，再将R，G，B矢量拼接成一个完整的像素点，完成异常像素点的修正。
5.按照权利要求1所述的一种基于RGB图像的填充与修正技术设计方法，其特征在于，修复完成一帧图像，可采集下一帧图像的像素点开始修复，修复方式与第一帧的修复方式相同，每帧修复图像之间无间隔，从而完成视频图像的即时修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010027391.1A CN111292255B (zh) | 2020-01-10 | 2020-01-10 | 一种基于rgb图像的填充与修正技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010027391.1A CN111292255B (zh) | 2020-01-10 | 2020-01-10 | 一种基于rgb图像的填充与修正技术 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111292255A CN111292255A (zh) | 2020-06-16 |
| CN111292255B true CN111292255B (zh) | 2023-01-17 |
Family
ID=71029925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010027391.1A Active CN111292255B (zh) | 2020-01-10 | 2020-01-10 | 一种基于rgb图像的填充与修正技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111292255B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107230220A (zh) * | 2017-05-26 | 2017-10-03 | 深圳大学 | 一种新的时空Harris角点检测方法及装置 |
| CN110189314A (zh) * | 2019-05-28 | 2019-08-30 | 长春大学 | 基于机器视觉的汽车仪表盘图像定位方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5323247A (en) * | 1990-12-04 | 1994-06-21 | Research Corporation Technologies | Method and apparatus for halftoning and inverse halftoning and the transmission of such images |
| US11074495B2 (en) * | 2013-02-28 | 2021-07-27 | Z Advanced Computing, Inc. (Zac) | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
| CN102595024B (zh) * | 2011-12-16 | 2014-10-22 | 飞狐信息技术（天津）有限公司 | 一种数字视频图像修复方法与装置 |
| CN105812756B (zh) * | 2016-03-16 | 2018-04-13 | 沈阳尚贤微创医疗器械股份有限公司 | 一种胶囊内窥镜无线传输数据丢失的修复补偿方法 |
| CN106846279B (zh) * | 2017-03-02 | 2019-10-01 | 合肥工业大学 | 一种基于连分式插值技术的自适应图像修补方法及其系统 |
| CN106980829B (zh) * | 2017-03-17 | 2019-09-20 | 苏州大学 | 基于视频分析的打架斗殴异常行为自动检测方法 |
| CN109035289B (zh) * | 2018-07-27 | 2021-11-12 | 重庆师范大学 | 基于切比雪夫不等式h阈值的紫色土图像分割提取方法 |
| CN109671030B (zh) * | 2018-12-10 | 2021-04-20 | 西安交通大学 | 一种基于自适应秩估计黎曼流形优化的图像补全方法 |
| CN109920018A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技（深圳）有限公司 | 基于神经网络的黑白照片色彩恢复方法、装置及存储介质 |
| CN110378167B (zh) * | 2019-07-09 | 2022-09-16 | 江苏安方电力科技有限公司 | 一种基于深度学习的条码图像补正方法 |
-
2020
- 2020-01-10 CN CN202010027391.1A patent/CN111292255B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107230220A (zh) * | 2017-05-26 | 2017-10-03 | 深圳大学 | 一种新的时空Harris角点检测方法及装置 |
| CN110189314A (zh) * | 2019-05-28 | 2019-08-30 | 长春大学 | 基于机器视觉的汽车仪表盘图像定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111292255A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7536036B2 (en) | Method and apparatus for red-eye detection in an acquired digital image | |
| EP1424675A2 (en) | Display apparatus, method and program with selective image smoothing based on subpixel colour values | |
| US8063913B2 (en) | Method and apparatus for displaying image signal | |
| CN103733608B (zh) | 图像处理设备及其控制方法 | |
| JP2005331929A (ja) | 画像解析方法、画像解析プログラム、及びそれらを有する画素評価システム | |
| CN107862672B (zh) | 图像去雾的方法及装置 | |
| WO2019153731A1 (zh) | 图像处理方法及系统 | |
| CN112927147B (zh) | 显示模组的显示数据修正方法及装置、计算机设备及介质 | |
| TWI501653B (zh) | 用於偵測、校正影像感測器中之壞像素之方法 | |
| CN111899690A (zh) | 一种改善低亮度Mura的方法和装置 | |
| CN111292255B (zh) | 一种基于rgb图像的填充与修正技术 | |
| US20070009173A1 (en) | Apparatus and method for shading correction and recording medium therefore | |
| US20060087570A1 (en) | Image sensing device with pixel correction function and method for correcting pixel sensing data in image sensing device | |
| CN113409196B (zh) | 一种用于实时视频拼接的高速全局色差矫正方法 | |
| TWI760934B (zh) | 顯示面板Mura補償方法、系統、電子裝置及存儲介質 | |
| CN112734719B (zh) | 一种图像传感器的坏点检测方法、存储介质以及拍摄装置 | |
| CN115619796A (zh) | 获取光伏组件模板的方法及装置、非易失性存储介质 | |
| CN115527023A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
| CN111681193A (zh) | 一种基于fpga红外图像坏点修正系统的优化 | |
| CN101364303B (zh) | 边缘像素提取及处理方法 | |
| CN114299857B (zh) | Led显示屏多层校正方法、装置及计算机设备 | |
| CN110458840B (zh) | 一种降低面板缺陷过检率的方法、系统及终端设备 | |
| JPH09163164A (ja) | 画像処理方法および画像処理装置 | |
| JP3374297B2 (ja) | カラー画像検査方法及びカラー画像検査装置 | |
| TWI450595B (zh) | 色度取樣提升錯誤校正系統 |
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 |