CN112365435A - 一种图像坏点检测及基于边缘修复算法 - Google Patents
一种图像坏点检测及基于边缘修复算法 Download PDFInfo
- Publication number
- CN112365435A CN112365435A CN201910678084.7A CN201910678084A CN112365435A CN 112365435 A CN112365435 A CN 112365435A CN 201910678084 A CN201910678084 A CN 201910678084A CN 112365435 A CN112365435 A CN 112365435A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- abs
- avg4
- avg
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012938 design process Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
-
- G06T5/77—
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
一种图像坏点检测及基于边缘修复算法,利用Bayer图像传感器的特点,待测像素点的像素值应该与周围像素点像素值相近,根据待测像素点像素值与周围像素值的偏差进行检测,相比于传统的检测坏点位置然后设计过程中通过电路直接修复的方法,本方法可以在图像传感器使用过程中实时检测坏点并进行修复;判断过程简单,运算量相对较小,容易实现实时性更好;在修复过程中考虑到边缘因素,对图像边缘模糊性较低,保留了图像重要信息;在检测过程中考虑了单个坏点和两个、四个坏点的情况,提高判断与修复的精确性。
Description
技术领域
本发明属于图像处理领域,涉及对图像中由图像传感器缺陷导致的像素坏点进行实时检测和修复,具体涉及一种图像坏点检测及基于边缘修复算法。
背景技术
由于制造工艺流程和静态相机结构等原因,图像传感器拍摄得到的图像不可避免出现一些与实际场景偏差较大的像素点,我们称这些像素点为坏点。随着图像传感器的图像尺寸的增加以及像素密度的线性提升,坏点的数量也在呈指数增加。虽然在加工过程中会对图像传感器芯片进行检测确定坏点位置,但是在图像传感器使用寿命期间及由于镜头等原因产生的图像坏点并不能被提前发现。这些像素坏点尤其是多个像素坏点相邻出现时会对图像质量有较大影响。
现有的算法检测率较低,误检率较高,而且对多个坏点同时存在时难以进行有效的判断,或者出现对图像边缘处的信息不能有效辨别导致修复效果不理想的情况发生。
发明内容
针对现有技术中存在的问题,本发明一种图像坏点检测及基于边缘修复算法,能够解决图像传感器在使用过程中产生的缺陷对图像质量的影响问题;有效检测图像坏点,降低多坏点存在的误检率,能够判断检测出来的坏点边缘方向并根据边缘方向进行修复。
一种图像坏点检测及基于边缘修复算法,该算法具体步骤是:
1、以待测像素点为中心,得到与中心像素点相同颜色通道的5×5像素值矩阵,与中心像素点相邻的像素点记为P1、P2、P3、P4、P6、P7、P8、P9,最外围像素点记为P10、P11、P12、P13、P14、P15、P16、P17、P18、P19、P20、P21、P22、P23、P24、P25,其中P5为待测像素点;
2、计算待测像素点水平垂直方向像素值均值avg=(P2+P4+P6+P8)/4;并将P2、P4、P6、P8从小到大进行排列,计算第二大和第二小的像素值之间的差值dif,将该差值作为判断像素值允许的浮动值;
3、计算像素值均值avg与差值dif的差(avg-dif)和像素值均值与差值dif的和(avg+dif),如果中心像素点P5的像素值介于(avg-dif)与(avg+dif)之间,则认为待测像素点不是坏点,将P5位置像素值直接输出,否则认为P5是像素坏点并进一步判断坏点类型;
4、对于中心像素点P5的像素值小于(avg-dif)或中心像素点的像素值大于(avg+dif)的情况,计算(P5-P4)的绝对值abs(P5-P4),(P5-P6)的绝对值abs(P5-P6),(P5-P2)的绝对值abs(P5-P2),(P5-P4)的绝对值abs(P5-P8);
5、如果abs(P5-P4)>k×abs(P5-P6),当abs(P5-P2)>k×abs(P5-P8)时,计算G4=(P5+P6+P8+P9)/4,avg4=(P2+P3+P18+P20+P24+P23+P7+P4)/8,判断G4大于0.67 avg4小于1.33avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P6、P8方向,以(P6+P8)/2为估计值进行修复,不成立则认为P5、P6、P8、P9四个像素点均为坏点,以avg4值作为估计值进行修复;当abs(P5-P8)>k×abs(P5-P2)时,计算G4=(P2+P3+P5+P6)/4,avg4=(P12+P13+P16+P18+P8+P9+P4+P1)/8,判断G4大于0.67 avg4小于1.33 avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P2、P6方向,以(P2+P6)/2为估计值进行修复,不成立则认为P2、P3、P5、P6四个像素点均为坏点,以avg4值作为估计值进行修复;否则认为P5、P6为两个坏点情况,以avg值为估计值进行修复;
6、如果abs(P5-P6)>k×abs(P5-P4),当abs(P5-P2)>k×abs(P5-P8)时,计算G4=(P4+P5+P7+P8)/4,avg4=(P1+P2+P6+P9+P22+P23+P17+P19)/8,判断G4大于0.67 avg4小于1.33avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P4、P8方向,以(P4+P8)/2为估计值进行修复,不成立则认为P4、P5、P7、P8四个像素点均为坏点,以avg4值作为估计值进行修复;当abs(P5-P8)>k×abs(P5-P2)时,计算G4=(P1+P2+P4+P5)/4,avg4=(P11+P12+P3+P6+P7+P8+P15+P17)/8,判断G4大于0.67 avg4小于1.33 avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P2、P4方向,以(P2+P4)/2为估计值进行修复,不成立则认为P1、P2、P4、P5四个像素点均为坏点,以avg4值作为估计值进行修复;否则认为P5、P4为两个坏点情况,以avg值为估计值进行修复;
7、如果abs(P5-P4)>k×abs(P5-P6)与abs(P5-P6)>k×abs(P5-P4)均不成立,则认为P5为单个坏点且不在边缘位置,以avg值为估计值进行修复。
一种图像坏点检测及基于边缘修复算法,相比于传统的检测坏点位置并通过电路直接修复的方法,该方法可以在图像传感器使用过程中实时检测坏点并进行修复;判断过程简单,运算量相对较小,容易实现实时性更好;在修复过程中考虑到边缘因素,对图像边缘模糊性较低,保留了图像重要信息;
在检测过程中考虑了单个坏点和两个、四个坏点的情况,提高判断与修复的精确性。
附图说明
图1是所选取像素阵列示意图;
图2是一种图像坏点检测及基于边缘修复算法流程图;
图3是待测像素点及其右侧像素点为可疑点进一步检测图;
图4是待测像素点及其左侧像素点为可疑点进一步检测图。
具体实施方式
根据目前的图像处理算法模拟仿真方式方面,MATLAB提供有大量参考图像,可以通过随机生成坏点的方式在图像中随机位置产生随机数量的坏点,通过算法对图像进行检测并修复。根据不同的坏点检测要求,可以将坏点检测强度k 值设定在不同大小以实现不同检测程度的要求。
图1显示了从待测图像中选取的5×5像素阵列示意图,以中心像素点为待测像素点,周围像素点为参考像素点。图2、图3和图4是该算法具体实施流程图,首先计算待测像素点直接相邻的像素灰度值平均值,以该平均值作为待测像素点的估计值,之后将P2、P4、P6、P8从小到大排列,取第二大和第二小像素值的差值绝对值记为dif,以dif为待测像素点的波动允许值,即以(avg-dif)和(avg+dif)分别作为待测像素点取值的上下限,如果待测像素值不在这个范围内认为待测像素点为坏点,反之为正常像素点。对于判断为坏点的情况,进一步根据图像像素值变化量判断像素值在水平方向是否有较大变化。当水平方向有较大变化时则对垂直方向进行进一步判断,如果垂直方向也有较大变化,则认为有四个坏点,否则认为只有两个坏点。如果水平方向没有较大变化则认为只有单个坏点。检测得到的坏点使用其直接相邻的正常像素值的均值进行修复。
Claims (1)
1.一种图像坏点检测及基于边缘修复算法,其特征在于:具体步骤是:
1)、以待测像素点为中心,得到与中心像素点相同颜色通道的5×5像素值矩阵,与中心像素点相邻的像素点分别记为P1、P2、P3、P4、P6、P7、P8、P9,最外围像素点记为P10、P11、P12、P13、P14、P15、P16、P17、P18、P19、P20、P21、P22、P23、P24、P25,其中P5为待测像素点;
2)、计算待测像素点水平垂直方向像素值均值avg=(P2+P4+P6+P8)/4;并将P2、P4、P6、P8从小到大进行排列,计算第二大和第二小的像素值之间的差值dif,将该差值作为判断像素值允许的浮动值;
3)、计算像素值均值avg与差值dif的差(avg-dif)和像素值均值与差值dif的和(avg+dif),如果中心像素点P5的像素值介于(avg-dif)与(avg+dif)之间,则认为待测像素点不是坏点,将P5位置像素值直接输出,否则认为P5是像素坏点并进一步判断坏点类型;
4)、对于中心像素点P5的像素值小于(avg-dif)或中心像素点的像素值大于(avg+dif)的情况,计算(P5-P4)的绝对值abs(P5-P4),(P5-P6)的绝对值abs(P5-P6),(P5-P2)的绝对值abs(P5-P2),(P5-P4)的绝对值abs(P5-P8);
5)、如果abs(P5-P4)>k×abs(P5-P6),当abs(P5-P2)>k×abs(P5-P8)时,计算G4=(P5+P6+P8+P9)/4,avg4=(P2+P3+P18+P20+P24+P23+P7+P4)/8,判断G4大于0.67 avg4小于1.33avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P6、P8方向,以(P6+P8)/2为估计值进行修复,不成立则认为P5、P6、P8、P9四个像素点均为坏点,以avg4值作为估计值进行修复;当abs(P5-P8)>k×abs(P5-P2)时,计算G4=(P2+P3+P5+P6)/4,avg4=(P12+P13+P16+P18+P8+P9+P4+P1)/8,判断G4大于0.67 avg4小于1.33 avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P2、P6方向,以(P2+P6)/2为估计值进行修复,不成立则认为P2、P3、P5、P6四个像素点均为坏点,以avg4值作为估计值进行修复;否则认为P5、P6为两个坏点情况,以avg值为估计值进行修复;
6)、如果abs(P5-P6)>k×abs(P5-P4),当abs(P5-P2)>k×abs(P5-P8)时,计算G4=(P4+P5+P7+P8)/4,avg4=(P1+P2+P6+P9+P22+P23+P17+P19)/8,判断G4大于0.67 avg4小于1.33avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P4、P8方向,以(P4+P8)/2为估计值进行修复,不成立则认为P4、P5、P7、P8四个像素点均为坏点,以avg4值作为估计值进行修复;当abs(P5-P8)>k×abs(P5-P2)时,计算G4=(P1+P2+P4+P5)/4,avg4=(P11+P12+P3+P6+P7+P8+P15+P17)/8,判断G4大于0.67 avg4小于1.33 avg4是否成立,如果成立则认为P5是单个坏点,边缘方向沿P2、P4方向,以(P2+P4)/2为估计值进行修复,不成立则认为P1、P2、P4、P5四个像素点均为坏点,以avg4值作为估计值进行修复;否则认为P5、P4为两个坏点情况,以avg值为估计值进行修复;
7)、如果abs(P5-P4)>k×abs(P5-P6)与abs(P5-P6)>k×abs(P5-P4)均不成立,则认为P5为单个坏点且不在边缘位置,以avg值为估计值进行修复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678084.7A CN112365435B (zh) | 2019-07-25 | 2019-07-25 | 一种图像坏点检测及基于边缘修复算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678084.7A CN112365435B (zh) | 2019-07-25 | 2019-07-25 | 一种图像坏点检测及基于边缘修复算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365435A true CN112365435A (zh) | 2021-02-12 |
CN112365435B CN112365435B (zh) | 2023-02-10 |
Family
ID=74516263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910678084.7A Active CN112365435B (zh) | 2019-07-25 | 2019-07-25 | 一种图像坏点检测及基于边缘修复算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365435B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532801A (zh) * | 2021-06-24 | 2021-10-22 | 四川九洲电器集团有限责任公司 | 基于分布分位数的高/多光谱相机坏点检测方法及系统 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050219390A1 (en) * | 2004-03-30 | 2005-10-06 | Canon Kabushiki Kaisha | Method and apparatus for correcting a defective pixel |
US20080205747A1 (en) * | 2006-12-28 | 2008-08-28 | Toshimasa Kuchii | Defect detecting device, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer-readable recording medium |
CN105812756A (zh) * | 2016-03-16 | 2016-07-27 | 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 |
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 |
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 |
-
2019
- 2019-07-25 CN CN201910678084.7A patent/CN112365435B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050219390A1 (en) * | 2004-03-30 | 2005-10-06 | Canon Kabushiki Kaisha | Method and apparatus for correcting a defective pixel |
US20080205747A1 (en) * | 2006-12-28 | 2008-08-28 | Toshimasa Kuchii | Defect detecting device, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer-readable recording medium |
CN105812756A (zh) * | 2016-03-16 | 2016-07-27 | 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 |
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 |
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 |
Non-Patent Citations (4)
Title |
---|
C.-Y. CHO 等: "Real-Time Photo Sensor Dead Pixel Detection for Embedded Devices", 《2011 INTERNATIONAL CONFERENCE ON DIGITAL IMAGE COMPUTING: TECHNIQUES AND APPLICATIONS》 * |
MAIK ROSENBERGER 等: "A novel algorithm for bad pixel detection and local correction", 《SUSSP72-SCOTTISH UNIVERSITIES SUMMER SCHOOLS IN PHYSICS》 * |
R CELESTRE 等: "A novel algorithm for bad pixel detection and correction to improve quality and stability of geometric measurements", 《JOURNAL OF PHYSICS》 * |
胡云生 等: "一种图像坏点检测及修正算法", 《上海大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532801A (zh) * | 2021-06-24 | 2021-10-22 | 四川九洲电器集团有限责任公司 | 基于分布分位数的高/多光谱相机坏点检测方法及系统 |
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 |
---|---|
CN112365435B (zh) | 2023-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7542082B2 (en) | Method and apparatus for correcting a defective pixel | |
JP4378746B2 (ja) | 欠陥ピクセルの検出可能なディジタル・イメージ・センサおよび方法 | |
JP3583684B2 (ja) | 画像欠陥検出装置および画像欠陥検出方法 | |
CN112365435B (zh) | 一种图像坏点检测及基于边缘修复算法 | |
CN105338342B (zh) | 一种图像坏点的检测方法及装置 | |
US10348989B2 (en) | Image processing device, image processing method, and image processing system | |
JP7050824B2 (ja) | 画像処理装置及び画像処理方法 | |
CN103733608B (zh) | 图像处理设备及其控制方法 | |
CN106937064B (zh) | 数字图像坏点的检测方法、校正方法及装置 | |
JP2007201530A (ja) | 画素欠陥補正装置 | |
CN101511031A (zh) | 一种用于Bayer Data插值的方法 | |
CN107613229A (zh) | 一种图像传感器坏点检测校正装置及方法 | |
CN112801947A (zh) | 一种led显示终端坏点的视觉检测方法 | |
KR20110112619A (ko) | 이미지 센서에서 발생되는 잡음을 제거하기 위한 장치 및 방법 | |
JP5352859B2 (ja) | 複数のガウス分布モデルを利用して映像の背景を維持する方法と装置 | |
CN105335981B (zh) | 一种基于图像的货物监控方法 | |
CN105451015B (zh) | 一种图像坏点的检测方法及装置 | |
CN105554494A (zh) | 雪点图像检测方法和装置以及视频质量检测装置和系统 | |
TWI517099B (zh) | 影像連續邊緣偵測系統與其方法 | |
KR100915970B1 (ko) | 이미지 센서에 의해 획득된 영상의 컬러를 보정하는 방법및 장치 | |
CN104427210A (zh) | 一种随机异常闪烁点检测方法及装置 | |
KR102015587B1 (ko) | 결함 화소 검출 장치, 결함 화소 검출 방법 및 프로그램 | |
CN101060643B (zh) | 一种用于数字摄像的自适应坏点去除方法 | |
JP2006229626A (ja) | 欠陥画素検出方法 | |
KR20150009842A (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 |
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 |