CN112652027A - 一种伪彩检测算法及系统 - Google Patents

Abstract

本申请提供了一种伪彩检测算法及系统，所述算法采用目标像素在N×N像素邻域内最大色差的k倍作为阈值与目标像素在N×N像素邻域内各个方向邻域上的最小亮度波动进行对比的方式，生成伪彩点的判定结果，其中，0≤<k<1。本方法，根据伪彩像素的亮度波动不应大于该像素的最大色差的思想，提出了一种针对于每一个目标像素的自适应阈值的选择方法；同时，将方向邻域的思想应用于伪彩检测，在最终亮度波动确定时，采用极大极小的思想，先将各个方向内颜色分量的亮度波动最大值作为该方向上的亮度波动，再将各方向邻域亮度波动的最小值作为目标像素的最终亮度波动。本方法和系统，能够满足在图像中各个区域都能准确检测到伪彩点的要求。

Description

一种伪彩检测算法及系统

技术领域

本申请涉及图像处理技术领域，尤其涉及一种伪彩检测算法及系统。

背景技术

目前相机传感器主要采用的是颜色滤波阵列即CFA阵列，该阵列中每个像素值采集一种颜色，而相机输出图片每个像素有三种颜色，故从相机采集的原始图到用户最终看到的图像之间，因此需要采用去马赛克算法将每个像素丢失的两个分量复原。但是去马赛克算法在图像的平滑区域往往能取得较好的效果，而在边缘等高频区域效果往往不是很理想，具体表现为插值得到的图与真实图之间颜色上存在偏差，该偏差即为伪彩。

每个图像上的像素可以分为三类点：真彩点(像素本身就是彩色点)、伪彩点(像素本身不是彩色点，是贝尔插值后出现的彩色点)以及灰点(非彩点)，而判断图像上的像素属于哪种类型的点采用的方式为：首先判断当前点是否是彩色点，如果是彩色点则进一步判断其是否是伪彩点，如果不是彩色点，则直接判定为非伪彩点。判断是否为彩色点的方式为以图像中的任意一点的RGB三个分量进行运算，其中R,G,B的差异越大，则像素越趋向于彩色点，而RGB的差异越小，则像素越趋向于灰点，该算法中需要提前设置一个阈值，当置信度大于阈值时为彩色点，否则为灰点。

伪彩点一般出现于高频区域，而真彩点一般位于低频区域。高频区域为亮度波动较大的区域，且亮度波动越大，则像素是伪彩点的可能性就越大，而波动越小则是伪彩点的可能就越小。因此，在检测彩色点是否为伪彩点时，一般传统的方法为将亮度波动作为伪彩点的置信度，若置信度大于预设的阈值，则为伪彩点，否则为真彩点。

然而，在传统算法中无论是彩色点判定或者是伪彩点判定时，提前设置的阈值一般为一固定值，只能满足大多数伪彩点的检测条件，而对于处在伪彩点与真彩点临界区域的像素点，采用固定阈值结合该像素点的邻域内R,G,B三个分量的取值进行判断，往往不能得到非常准确的结果。

发明内容

本申请提供了一种伪彩检测算法及系统，以解决算法中采用固定阈值判断伪彩点存在准确度不高的问题。

本申请解决上述技术问题所采取的技术方案如下：

一种伪彩检测算法，包括以下步骤：

获取目标像素的N×N像素邻域，所述目标像素为图像中的任意像素点，所述N为像素数量值，所述像素邻域为目标像素的像素矩阵；

计算目标像素在N×N像素邻域内的最大色差；

分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动；

将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

若所述最终亮度波动大于所述阈值，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值，则生成所述目标像素为非伪彩点的判定结果。

可选的，计算目标像素在N×N像素邻域内的最大色差，包括：

在N×N像素邻域内计算目标像素的色差，所述色差包括所述目标像素的红色分量Rp与绿色分量Gp的色差和所述目标像素的蓝色分量Bp与绿色分量Gp的色差；

采用如下公式计算目标像素的最大色差：

clrdif(p)＝max(|R_P-G_P|,|B_p-G_P|)

其中，clrdif(p)为目标像素的最大色差。

可选的，分别计算目标像素在N×N像素邻域内每个方向邻域上的亮度波动，包括：

计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动。

可选的，分别计算目标像素在N×N像素邻域内每个方向邻域上的亮度波动，包括：

计算目标像素在N×N像素邻域内0°、45°、90°、135°、180°、225°、270°和315°八个方向邻域中每个方向邻域上的亮度波动。

可选的，所述方法还包括：根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

可选的，所述方法还包括：

根据所述最大色差和阈值判断所述N×N像素邻域内每个像素点是否为彩色点；

若所述最大色差大于所述阈值，则生成所述像素点为彩色点的判定结果，或者，若所述最大色差不大于所述阈值，则生成所述像素点为灰点的判定结果。

一种伪彩检测系统，包括：

获取单元，用于获取目标像素的N×N像素邻域；

第一计算单元，用于计算目标像素在N×N像素邻域内的最大色差；

第二计算单元，用于分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动；

最终亮度波动确定单元，用于将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

生成单元，用于将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

若所述最终亮度波动大于所述阈值，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值，则生成所述目标像素为非伪彩点的判定结果。

可选的，所述第二计算单元，还用于计算目标像素在N×N像素邻域内0°、45°、90°、135°、180°、225°、270°和315°八个方向邻域中每个方向邻域上的亮度波动。

可选的，所述系统还包括第三计算单元和方向邻域亮度波动确定单元；

所述第三计算单元，用于计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

所述方向邻域亮度波动确定单元，用于将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动。

可选的，所述系统还包括k值调节单元；

所述k值调节单元，用于根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

本申请提供的技术方案包括以下有益技术效果：

本申请提供了一种伪彩检测算法及系统，所述算法采用目标像素在N×N像素邻域内最大色差的k倍作为阈值与目标像素在N×N像素邻域内各个方向邻域上的最小亮度波动进行对比的方式，生成伪彩点的判定结果，其中，0≤<k<1。本方法，根据伪彩像素的亮度波动不应大于该像素的最大色差的思想，提出了一种针对于每一个目标像素的自适应阈值的选择方法；同时，将方向邻域的思想应用于伪彩检测，在最终亮度波动确定时，采用极大极小的思想，先将各个方向内颜色分量的亮度波动最大值作为该方向上的亮度波动，再将各方向邻域亮度波动的最小值作为目标像素的最终亮度波动。本申请提供的方法和系统，有效解决了传统伪彩检测算法中，采用固定阈值结合颜色分量进行判断，不能满足所有像素点并得到准确结果的问题。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为一种CFA阵列的bayer格式图；

图2为边缘等高频区域中黑白跳变处的伪彩图；

图3为伪彩构成的花边图；

图4为本申请实施例提供的伪彩检测算法流程图；

图5为目标像素点p的3×3区域；

图6为邻域的局限性示意图；

图7为目标像素的方向邻域示意图；

图8为彩色点与灰点分类图；

图9为伪彩判定流程图。

具体实施方式

为了使本领域技术人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对申请实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。

下面通过具体的实施例对本申请提供的伪彩检测算法及系统进行详细阐述。

首先，对本方案的使用场景作简要介绍。

本申请实施例中提供的伪彩检测算法及系统，适用于图像上伪彩点的检测。如图1所示，为一种bayer格式的颜色滤波CFA阵列，该阵列的每个像素值采集一种颜色分量，图中的R,G,B分别表示不同的颜色分量。CFA阵列的像素排列方式有很多种，其中最常用的CFA阵列为图1中所示的bayer格式。

由于CFA阵列每个像素值采集一种颜色，而相机输出图片每个像素有三种颜色，故从相机采集的原始图到用户最终看到的图像之间，需要通过合理的算法来将每个像素丢失的两个分量复原，即去马赛克算法。

去马赛克算法在图像的平滑区域往往能取得较好的效果，但是在边缘等高频区域效果不好，具体表现为插值得到的图与真实图之间颜色上存在偏差，这种偏差即为伪彩。出现在彩色亮度过渡，或彩色与黑白过渡处的伪彩一般对图像的成像效果影响不大，但是出现在黑白跳变处的伪彩，给人的视觉效果非常差，具体呈现为黑色与白色之间添加一个彩边，如图2所示。

尤其是对于文字这种线条比较多的场景，每个线条边缘都会出现一个彩边，不同的彩边叠加到一起就会出现花边。如图3所示，图中的文字应该只有黑白色，但结果却是五彩斑斓的。我们后面处理的伪彩主要是这种黑白跳变处的彩边，尤其是图3所示花边。

以下以上述应用场景为基础，说明本申请提供的方案检测伪彩的方法和系统。

图4示出本申请提供一种伪彩检测算法的流程图，如图4所示，所述算法包括以下步骤S101至步骤S105：

S101：获取目标像素的N×N像素邻域。

在本实例中，所述目标像素为图像中的任意像素点，所述N为像素数量值，所述像素邻域为目标像素的像素矩阵。

本实施例中，所述N的像素数量值取值可以为3，5，7……

当N的像素数量值取为3时，则获取目标像素的3×3像素邻域；

当N的像素数量值取为5时，则获取目标像素的5×5像素邻域；

当N的像素数量值取为7时，则获取目标像素的7×7像素邻域，N的具体取值根据实际计算中进行设置，本申请实施例不做具体限定。

S102：计算目标像素在N×N像素邻域内的最大色差。

在本实例中，步骤S102可以包括以下步骤S1021至步骤S1022：

S1021：在N×N像素邻域内计算目标像素的色差，所述色差包括所述目标像素的红色分量Rp与绿色分量Gp的色差和所述目标像素的蓝色分量Bp与绿色分量Gp的色差；

S1022：采用如下公式计算目标像素的最大色差：

clrdif(p)＝max(|R_P-G_P|,|B_p-G_P|)

其中，clrdif(p)为目标像素的最大色差，p为N×N像素邻域内的任意像素点。

S103：分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动。

伪彩点一般出现于高频区域，而真彩点一般位于低频区域。高频区域为亮度波动较大的区域，且亮度波动越大，则像素是伪彩点的可能性就越大，而波动越小则是伪彩点的可能就越小。以N×N像素邻域内的任意像素点p为例，令p点的亮度波动lumflu(p)作为伪彩点的置信度，若lumflu(p)大于阈值，则为伪彩点，否则为真彩点。传统算法中lumflu(p)的值是通过像素p附近的3×3邻域，或5×5邻域的灰度方差计算得到的，如图5中为目标像素点p的3×3区域，其中3×3区域内最中间的像素点为像素p。另外传统算法中lumflu(p)的阈值一般为一固定值，本实施例中提供的算法采用了针对于每一个目标像素的自适应阈值，下文将会分别介绍求解伪彩置信度lumflu(p)与自适应阈值Tp的方法。

因此，在本实例中，步骤S103可以包括：计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

所述红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动分别通过以下公式进行计算：

红色分量的亮度波动lumflu^R(p)即

绿色分量的亮度波动lumflu^G(p)即

蓝色分量的亮度波动lumflu^B(p)即

在本实施例中，分别计算目标像素在N×N像素邻域内每个方向邻域上的亮度波动，包括：

在部分图像中，按照高频区域为亮度波动较大的区域，且亮度波动越大，则像素是伪彩点的可能性就越大，而波动越小则是伪彩点的可能就越小，最终亮度波动为各个颜色分量的亮度波动最大值的原则，计算目标像素的最终亮度波动，则会存在如下情况，如图6所示，目标像素为黑框中最中间目标像素点，其5×5邻域内虽然亮度波动很大，但是该像素点存在一个波动很小的方向如图6中条形框内的像素所示。

因此，计算亮度波动的方法最好是具有方向差异的，即具有各向异性。以图6中的图像为例，将黑框中最中间目标像素点p的5×5邻域分为8个方向邻域中每个方向邻域上的亮度波动，即0°、45°、90°、135°、180°、225°、270°和315°八个方向，方向邻域的标号如图7中所示，其中0°方向的方向邻域为

S104：将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动；

所述亮度波动通过如下公式进行计算：

其中，U_m(p)为目标像素p点的邻域，该邻域可为3×3邻域也可为5×5邻域或7×7邻域。

具体的应用于图6中像素点检测时，分别计算8个方向上每个方向邻域的亮度波动，进而选取8个亮度波动的最小值来作为最终的亮度波动。这样就可以避免图6中误判的情况，并且还具有一定的抗噪声的能力。

S105：将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

即自适应阈值Tp确定：

考虑真彩点一般位于低频区，因此，真彩点的R、G、B三个分量的亮度波动应该小于该点的色差，故取阈值为目标像素最大色差clrdif(p)的k倍，其中k<1；因此伪彩点判定条件描述如下：

lumflu(p)＞k*clrdif(p),0≤k＜1

若所述最终亮度波动大于所述阈值Tp，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值Tp，则生成所述目标像素为非伪彩点的判定结果。

另一方面，本实施例中还提供了k值的调节方法，包括：根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

另一方面，如图8所示，图像中的像素点分为彩色点和灰点，彩色点包括伪彩点和真彩点，真彩点和灰点则为非伪彩点，因此算法的流程是首先判断当前点是否是彩色点，如果是彩色点则进一步判断其是否是伪彩点，如果不彩色点，则直接判定为非伪彩点，如图9所示。

判断目标像素点为彩色点或者灰点的方法，包括：

根据所述最大色差和阈值判断所述N×N像素邻域内每个像素点是否为彩色点；

若所述最大色差大于所述阈值，则生成所述像素点为彩色点的判定结果，或者，若所述最大色差不大于所述阈值，则生成所述像素点为灰点的判定结果。

另一方面，本实施例中还提供了一种伪彩检测系统，包括：

获取单元，用于获取目标像素的N×N像素邻域；

第一计算单元，用于计算目标像素在N×N像素邻域内的最大色差；

第二计算单元，用于分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动；

最终亮度波动确定单元，用于将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

生成单元，用于将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

若所述最终亮度波动大于所述阈值，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值，则生成所述目标像素为非伪彩点的判定结果。

进一步的，所述第二计算单元，还用于计算目标像素在N×N像素邻域内0°、45°、90°、135°、180°、225°、270°和315°八个方向邻域中每个方向邻域上的亮度波动。

进一步的，所述系统还包括第三计算单元和方向邻域亮度波动确定单元；

所述第三计算单元，用于计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

所述方向邻域亮度波动确定单元，用于将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动。

进一步的，所述系统还包括k值调节单元；

所述k值调节单元，用于根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

另外，本申请还提供一种伪彩检测的程序，所用程序用于执行时实现上述伪彩检测的方法的步骤。

一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述伪彩检测的方法的步骤。

一种检测设备，所述检测设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述伪彩检测的方法。

需要说明的是，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的内容，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种伪彩检测算法，其特征在于，包括以下步骤：

获取目标像素的N×N像素邻域，所述目标像素为图像中的任意像素点，所述N为像素数量值，所述像素邻域为目标像素的像素矩阵；

计算目标像素在N×N像素邻域内的最大色差；

分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动；

将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

若所述最终亮度波动大于所述阈值，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值，则生成所述目标像素为非伪彩点的判定结果。

2.根据权利要求1所述的一种伪彩检测算法，其特征在于，计算目标像素在N×N像素邻域内的最大色差，包括：

在N×N像素邻域内计算目标像素的色差，所述色差包括所述目标像素的红色分量Rp与绿色分量Gp的色差和所述目标像素的蓝色分量Bp与绿色分量Gp的色差；

采用如下公式计算目标像素的最大色差：

clrdif(p)＝max(|R_P-G_P|,|B_p-G_P|)

其中，clrdif(p)为目标像素的最大色差。

3.根据权利要求1或2所述的一种伪彩检测算法，其特征在于，分别计算目标像素在N×N像素邻域内每个方向邻域上的亮度波动，包括：

计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动。

4.根据权利要求3所述的一种伪彩检测算法，其特征在于，分别计算目标像素在N×N像素邻域内每个方向邻域上的亮度波动，包括：

计算目标像素在N×N像素邻域内0°、45°、90°、135°、180°、225°、270°和315°八个方向邻域中每个方向邻域上的亮度波动。

5.根据权利要求4所述的一种伪彩检测算法，其特征在于，所述方法还包括：根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

6.根据权利要求2所述的一种伪彩检测算法，其特征在于，所述方法还包括：

根据所述最大色差和阈值判断所述N×N像素邻域内每个像素点是否为彩色点；

若所述最大色差大于所述阈值，则生成所述像素点为彩色点的判定结果，或者，若所述最大色差不大于所述阈值，则生成所述像素点为灰点的判定结果。

7.一种伪彩检测系统，其特征在于，包括：

获取单元，用于获取目标像素的N×N像素邻域；

第一计算单元，用于计算目标像素在N×N像素邻域内的最大色差；

第二计算单元，用于分别计算目标像素在N×N像素邻域内各个方向邻域上的亮度波动；

最终亮度波动确定单元，用于将各个方向邻域上亮度波动的最小值作为所述目标像素的最终亮度波动；

生成单元，用于将所述最大色差的k倍作为阈值与所述最终亮度波动进行对比，其中，0≤<k<1；

若所述最终亮度波动大于所述阈值，则生成所述目标像素为伪彩点的判定结果，或者，若所述最终亮度波动不大于所述阈值，则生成所述目标像素为非伪彩点的判定结果。

8.根据权利要求7所述的一种伪彩检测系统，其特征在于，所述第二计算单元，还用于计算目标像素在N×N像素邻域内0°、45°、90°、135°、180°、225°、270°和315°八个方向邻域中每个方向邻域上的亮度波动。

9.根据权利要求7所述的一种伪彩检测系统，其特征在于，所述系统还包括第三计算单元和方向邻域亮度波动确定单元；

所述第三计算单元，用于计算每个方向邻域上红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动；

所述方向邻域亮度波动确定单元，用于将红色分量的亮度波动、绿色分量的亮度波动和蓝色分量的亮度波动中的最大值作为该方向邻域上的亮度波动。

10.根据权利要求7所述的一种伪彩检测系统，其特征在于，所述系统还包括k值调节单元；

所述k值调节单元，用于根据目标像素在N×N像素邻域内的色度和亮度，动态调节k值，降低所述目标像素在N×N像素邻域内的饱和度。

Images