CN113873229B - 一种图像坏点检测方法、系统及装置 - Google Patents
一种图像坏点检测方法、系统及装置 Download PDFInfo
- Publication number
- CN113873229B CN113873229B CN202111128847.4A CN202111128847A CN113873229B CN 113873229 B CN113873229 B CN 113873229B CN 202111128847 A CN202111128847 A CN 202111128847A CN 113873229 B CN113873229 B CN 113873229B
- Authority
- CN
- China
- Prior art keywords
- pixel
- channel
- image
- bad
- pixel point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 20
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000002950 deficient Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/04—Diagnosis, testing or measuring for television systems or their details for receivers
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体为一种图像坏点检测方法、系统及装置,该方法包括以下内容:根据预设的划分信息将检测图像划分为多个图像块;计算图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值;根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,标记坏像素点;根据预设的归类条件对坏像素点进行归类;根据归类结果判断坏像素点所在图像块是否为坏点。采用本方案能够提高坏点检测效率,且准确、灵活地对坏点进行检测。
Description
技术领域
本发明涉及图像数据处理技术领域,具体为一种图像坏点检测方法、系统及装置。
背景技术
目前图像采集已广泛应用于手机、平板/笔记本、安防、车载、监控等领域,而图像采集的关键在于摄像头模组所采集图像的图像质量。因此摄像头模组在生产加工过程中,为保证最终图像质量,需对摄像头模组所采集的图像进行坏点检测。传统坏点检测为人工检测,检测效率和检测准确度都无法得到保障,因此现有技术对坏点检测进行改进,通过图像中像素点的像素值进行判断,在白场场景或黑场场景下,当任一像素点的像素值与其他像素点的像素值相差过大时,该像素点损坏,判定该像素点为坏点。但是在实际使用过程中,逐一计算各像素点的像素值,并与其他像素点进行比较,导致检测效率较低。同时部分像素点的损坏,并不会影响视觉上的观感,产品也存在一定的容错空间,直接将损坏的像素点判定为坏点,增加摄像头模组的生产加工难度和生产加工成本。因此亟需一种能够提高坏点检测效率、准确且灵活地对坏点进行检测的图像坏点检测方法、系统及装置。
发明内容
本发明的目的之一在于提供一种图像坏点检测方法,能够提高坏点检测效率,且准确、灵活地对坏点进行检测。
本发明提供的基础方案一:一种图像坏点检测方法,包括以下内容:
根据预设的划分信息将检测图像划分为多个图像块;
获取图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值;
根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,标记坏像素点;
根据预设的归类条件对坏像素点进行归类;
根据归类结果判断坏像素点所在图像块是否为坏点。
名词说明:通道数据是指像素点RGB中各单色通道参数,通道平均值是指统计图像块中各像素点GRB中各单色通道参数,计算出的各单色通道的参数平均值。
基础方案一的有益效果:
通过划分信息对检测图像进行划分,分别对划分的图像块进行坏像素点判定,可并行处理多个图像块的坏像素点判定,提高坏像素点检测效率,从而提高坏点检测效率。
每一像素点预设通道,根据预设通道获取像素点的通道数据,通过通道数据表征像素点的颜色特征。计算每一图像块的通道平均值,通过通道平均值表征图像块的平均颜色特征。通过通道数据和通道平均值判断像素点的好坏,每一像素点仅需一次判定,与现有技术相比,降低每一像素点的判定环节,提高坏像素点检测效率。
通过归类条件对检测图像中所有坏像素点进行归类,根据归类结果判定坏像素点所在图像块是否为坏点。通过归类统计检测图像中坏像素点的类型和对应类型下的坏像素点的数量,从而判断是否将坏像素点所在图像块判定为坏点。通过归类得知检测图像中各坏像素点的情况,从而判断坏点,通过调整判断条件便可改变坏点检测结果,与现有技术相比,能够更加准确、灵活地对坏点进行检测,通用性强,适宜不同客户的坏点要求。
进一步,还包括以下内容:
获取若干原始图像,计算若干原始图像中对应像素点的像素平均值,生成检测图像。
有益效果:原始图像为摄像头模组采集的图像,获取若干原始图像,原始图像中包含有若干像素点,对若干原始图像中的每一像素点的像素值进行计算,从而获取检测图像,检测图像中像素点的像素值即为像素平均值。通过计算像素平均值整合若干原始图像,与现有技术相比,无需对若干原始图像均进行坏点检测,提高摄像头模组的坏点检测效率,同时,整合若干原始图像为检测图像,降低检测误差。
进一步,图像块的分辨率为width、height、M、N和/>均为整数。
有益效果:以此使每一图像块中的像素点均为完整的像素点,从而对检测图像中每一像素点的好坏进行准确判断。
进一步,获取图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值,包括以下内容:
获取各像素点对应的多个通道数据,根据各像素点的多个通道数据和图像块的像素点数量计算图像块的多个通道平均值;
根据各像素点的预设通道获取各像素点的通道数据,一通道数据对应一像素点。
有益效果:通过各像素点对应的多个通道数据计算图像块的多个通道平均值,例如每一像素点对应有R、Gr、Gb、B四个通道数据,获取每一像素点的四个通道数据计算图像块的四个通道平均值,以此获得各像素点的通道数据和图像块的通道平均值。
进一步,根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,包括以下内容:
调用判断条件,判断条件包括:
channel[i][j]-channelaver[i]×(1+white_threshold)>0
channel[i][j]-channelaver[i]×(1-black_threshold)<0
式中,channel[i][j]为第i个图像块中第j个像素点的通道数据,channelaver[i]为第i个图像块中第j个像素点所在图像块对应通道的通道平均值,white_threshold为预设的白点卡控浓度,black_threshold为预设的黑点卡控浓度;
根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否满足判断条件,若是,则判断所述像素点为坏像素点。
有益效果:通过判断条件判定像素点是否为坏像素点,当像素点指定通道的通道数据和像素点所在图像块的通道平均数据满足判定条件时,代表所述像素点为坏像素点,以此实现坏像素点的判定。
进一步,归类条件的数量为多个,多个归类条件的优先级不同,对坏像素点进行归类时,依次根据优先级对坏像素点进行归类。
有益效果:通过多个归类条件对坏像素点进行归类,归类时根据优先级依次调用归类条件判断坏像素点是否属于该分类。通过优先级进行归类,将坏像素点优先归类到最准确描述的类型中,同时能够对每一坏像素点进行归类。例如优先级反映不同类型坏像素点的干扰程度,优先级越高干扰越强,在归类时,优先判断该像素点是否干扰较强,若否再判断是否干扰程度一般,从而将坏像素点归类到最准确的描述,便于后续进行坏点的判定。
进一步,根据预设的归类条件对坏像素点进行归类,包括以下内容:
归类条件包括同通道归类条件和不同通道归类条件,
根据不同通道对像素点重新进行排序生成各通道的通道图,根据同通道归类条件对通道图中的坏像素点进行归类;
根据不同通道归类条件对检测图像中的坏像素点进行归类。
有益效果:根据同通道归类条件和不同通道归类条件对坏像素点进行归类,针对不同坏像素点的类型采用不同归类条件进行归类,从而更加准确地对坏像素点进行归类,进而更准确地匹配不同客户的坏点要求。
进一步,根据归类结果判断坏像素点所在图像块是否为坏点,包括以下内容:
归类结果包括各坏像素点类型下的坏像素点数量,依次判断各坏像素点类型下的坏像素点数量是否达到预设的卡控个数阈值,若是,则判断对应坏像素点类型下的坏像素点所在图像块为坏点。
有益效果:各类型的坏像素点要求不同,例如干扰程度弱的坏像素点类型,其坏像素点数量上限可适当调高,而干扰程度强的坏像素点类型,其坏像素点数量上限需适当调低。卡控个数阈值即为各坏像素点类型对应的坏像素点数量上限,通过卡控个数阈值判断各坏像素点类型下的坏像素点数量是否超限,从而实现检测图像的坏点判定。
本发明的目的之二在于提供一种图像坏点检测系统。
本发明提供基础方案二:一种图像坏点检测系统,使用上述图像坏点检测方法。
基础方案二的有益效果:
使用图像坏点检测方法,对检测图像进行划分获得图像块,根据预设通道获取像素点的通道数据,通过通道数据和通道平均值判断像素点的好坏。通过归类条件对检测图像中所有坏像素点进行归类,根据归类结果判定坏像素点所在图像块是否为坏点。
采用本方案,可并行处理多个图像块的坏像素点判定,同时每一像素点仅需一次判定,与现有技术相比,降低每一像素点的判定环节,提高坏像素点检测效率,从而提高坏点检测效率。除此之外,本方案还能够更加准确、灵活地对坏点进行检测,通用性强,适宜不同客户的坏点要求。
本发明的目的之三在于提供一种图像坏点检测装置。
本发明提供基础方案三:一种图像坏点检测装置,包括待测摄像头模组和上位机,待测摄像头模组与上位机信号连接;
待测摄像头模组用于采集白场场景或黑场场景下的图像数据,发送给上位机,上位机用于接收图像数据后,执行上述图像坏点检测方法。
基础方案三的有益效果:
待测摄像头模组用于采集图像数据,即获取需要进行坏点检测的图像,通过上位机执行图像坏点检测方法,从而实现坏像素点检测,进而实现坏点检测。
采用本方案,与现有技术相比,能够降低每一像素点的判定环节,提高坏像素点检测效率,从而提高坏点检测效率。同时能够更加准确、灵活地对坏点进行检测,通用性强,适宜不同客户的坏点要求。
附图说明
图1为本发明一种图像坏点检测方法实施例的流程图;
图2为本发明一种图像坏点检测方法实施例的预设通道示意图;
图3为本发明一种图像坏点检测方法实施例的K1类示意图;
图4为本发明一种图像坏点检测方法实施例的K2类示意图;
图5为本发明一种图像坏点检测方法实施例的K3类示意图;
图6为本发明一种图像坏点检测方法实施例的K4类示意图;
图7为本发明一种图像坏点检测方法实施例的K5类示意图;
图8为本发明一种图像坏点检测方法实施例与图2对应的R通道图;
图9为本发明一种图像坏点检测方法实施例与图2对应的Gr通道图;
图10为本发明一种图像坏点检测方法实施例与图2对应的Gb通道图;
图11为本发明一种图像坏点检测方法实施例与图2对应的B通道图;
图12为本发明一种图像坏点检测装置实施例示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例
一种图像坏点检测方法,如附图1所示,包括以下内容:
S1:获取若干原始图像,计算若干原始图像中对应像素点的像素平均值,生成检测图像。具体包括以下内容:
通过待测摄像头模组采集黑场场景或白场场景下的图像数据,在本实施例中,图像数据的图像格式包括raw8、raw10、raw12中的一种。采集时,采集连续若干帧图像数据作为原始图像,分辨率为width×height,其中width为图像宽度,height为图像长度。
原始图像中包含若干像素点,像素点的个数为width×height,获取每一原始图像中每一像素点的GRB像素值,计算每一像素点的像素平均值生成检测图像。
S2:根据预设的划分信息将检测图像划分为多个图像块。具体包括以下内容:
预设的划分信息为将检测图像划分为图像块的个数,划分信息为M×N,即根据预设的划分信息将检测图像划分为M×N个图像块。图像块的分辨率为width、height、M、N和/>均为整数。
S3:获取图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值。具体包括以下内容:
获取图像块中各像素点对应的多个通道数据,通道数据是指像素点RGB中各单色通道参数,即每一像素点具有多个通道数据,在本实施例中,每一像素点对应四个通道数据,分别为R[i][j]、Gr[i][j]、Gb[i][j]、B[i][j],其中i=1,2...M×N,i用于表征第几个图像块,j用于表征图像块中的第几个像素点,即通过i和j表征对应像素点。
根据各像素点的多个通道数据和图像块的像素点数量计算图像块的多个通道平均值,通道平均值是指统计图像块中各像素点GRB中各单色通道参数,计算出的各单色通道的参数平均值。每一图像块的像素点数量为多个通道平均值分别为Raver[i]、Graver[i]、Gbaver[i]、Baver[i],计算公式如下:
预设通道用于确定表征每一像素点的通道数据,以四个像素点为一组,每组像素点的预设通道分别为R、Gr、Gb、B。在本实施例中,将图像块左上角呈田字型的四个像素点作为一组,该组左上像素点预设通道为R,右上像素点预设通道为Gr,左下像素点预设通道为Gb,右下像素点预设通道为B,以该组为例依次填充图像块中所有像素点的预设通道,如附图2所示,图中所示一格代表一像素点。根据各像素点的预设通道获取各像素点的通道数据,一通道数据对应一像素点,即当像素点的预设通道为R时,获取该像素点的R[i][j]作为对应的通道数据。
S4:根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,标记坏像素点。具体包括以下内容:
调用判断条件,判断条件包括:
channel[i][j]-channelaver[i]×(1+white_threshold)>0
channel[i][j]-channelaver[i]×(1-black_threshold)<0
式中,channel[i][j]为第i个图像块中第j个像素点的通道数据,channelaver[i]为第i个图像块中第j个像素点所在图像块对应通道的通道平均值,white_threshold为预设的白点卡控浓度,black_threshold为预设的黑点卡控浓度。在白场场景下,white_threshold的取值为12至25,black_threshold的取值为80至180;在黑场场景下,white_threshold的取值为80至180,black_threshold的取值为12至25。
根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否满足判断条件,若是,则判断所述像素点为坏像素点,反之则为好像素点。具体的,以预设通道为R通道的像素点为例,将该像素点的通道数据R[i][j]代入channel[i][j],将该像素点所在图像块的通道平均值Raver[i]代入channelaver[i],通过计算判断是否满足判断条件,若满足,则该像素点为白点或黑点,即该像素点为坏像素点。
标记并记录坏像素点。
S5:根据预设的归类条件对检测图像中的坏像素点进行归类。具体包括以下内容:
归类条件的数量为多个,多个归类条件的优先级不同,对坏像素点进行归类时,依次根据优先级对坏像素点进行归类。
归类条件包括同通道归类条件和不同通道归类条件,在本实施例中,同通道归类条件包括K1归类条件和K2归类条件,不同通道归类条件包括K3归类条件、K4归类条件和K5归类条件,K1至K5归类条件的优先级依次降低。
K1归类条件为:以坏像素点为中心,同通道3×3矩阵中坏像素点的数量大于或等于2,如附图3所示;K2归类条件为:以坏像素点为中心,同通道3×3矩阵中坏像素点的数量等于1,如附图4所示;K3归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量大于或等于2,如附图5所示;K4归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量等于1,如附图6所示;K5归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量等于0,如附图7所示。
根据不同通道对像素点重新进行排序生成各通道的通道图,根据同通道归类条件对通道图中的坏像素点进行归类。在本实施例中,通道包括R、Gr、Gb、B,即通道图分别为R通道图、Gr通道图、Gb通道图、B通道图,分别如图8、9、10、11所示。以预设通道为R通道的坏像素点为例,判断是否满足K1归类条件,获取R通道图中以该坏像素为中心的3×3矩阵,统计3×3矩阵中除该坏像素点以外其余8个像素点的好坏情况,当坏像素点的数量大于或等于2时,满足K1归类条件,将该像素点归类为K1类,反之,则根据K2归类条件继续归类。
根据不同通道归类条件对检测图像中的坏像素点进行归类。以预设通道为R通道的坏像素点为例,判断是否满足K3归类条件,获取检测图像中以该坏像素为中心的5×5矩阵,统计5×5矩阵中除该坏像素点以及预设通道为R通道的像素点以外其余20个像素点的好坏情况,当坏像素点的数量大于或等于2时,满足K3归类条件,将该像素点归类为K3类,反之,则根据K4归类条件继续归类。
S6:根据归类结果判断坏像素点所在图像块是否为坏点。具体包括以下内容:
归类结果包括各坏像素点类型下的坏像素点数量,依次判断各坏像素点类型下的坏像素点数量是否达到预设的卡控个数阈值,若是,则判断对应坏像素点类型下的坏像素点所在图像块为坏点,即检测图像中存在坏点,此时标记并记录坏点,反之,则检测图像中无坏点。卡控个数阈值根据客户的坏点要求进行提前预设,通过改变卡控个数阈值适宜不同客户的坏点要求。
本申请还提供一种图像坏点检测系统,使用上述图像坏点检测方法。
本申请还提供一种图像坏点检测装置,如附图12所示,包括环境控制单元、待测摄像头模组和上位机,待测摄像头模组与上位机信号连接。在其他实施例中,还包括摄像头治具,待测摄像头模组位于摄像头治具上,通过摄像头治具固定待测摄像头模组。
环境控制单元用于提供白场场景或黑场场景,具体的,环境控制单元包括光源板、黑罩和控制器,控制器用于启动光源板,调节光源板的色元和照度提供白场场景,此时待测摄像头模组的镜头与光源距离低于2公分。黑罩用于遮盖待测摄像头模组,提供黑场场景,此时黑罩中没有任何光线。在其他实施例中,无需控制器,可直接通过上位机控制光源板。
待测摄像头模组用于采集白场场景或黑场场景下的图像数据,发送给上位机,上位机用于接收图像数据后,执行上述图像坏点检测方法。具体的,待测摄像头模组通过数据线连接有测试盒,测试盒通过同轴线与上位机连接,待测摄像头模组通过测试盒将图像数据传输给上位机。上位机用于执行图像坏点检测方法后,若检测图像中存在坏点,则显示标记的坏点,便于客户针对坏点对待测摄像头模组进行改进。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.一种图像坏点检测方法,其特征在于,包括以下内容:
根据预设的划分信息将检测图像划分为多个图像块;
获取图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值;
根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,标记坏像素点;
根据预设的归类条件对坏像素点进行归类,具体包括以下内容:
归类条件的数量为多个,多个归类条件的优先级不同,对坏像素点进行归类时,依次根据优先级对坏像素点进行归类;
归类条件包括同通道归类条件和不同通道归类条件,同通道归类条件包括K1归类条件和K2归类条件,不同通道归类条件包括K3归类条件、K4归类条件和K5归类条件,K1至K5归类条件的优先级依次降低;
K1归类条件为:以坏像素点为中心,同通道3×3矩阵中坏像素点的数量大于或等于2;K2归类条件为:以坏像素点为中心,同通道3×3矩阵中坏像素点的数量等于1;K3归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量大于或等于2;K4归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量等于1;K5归类条件为:以坏像素点为中心,不同通道5×5矩阵中坏像素点的数量等于0;
根据归类结果判断坏像素点所在图像块是否为坏点,具体包括以下内容:
归类结果包括各坏像素点类型下的坏像素点数量,依次判断各坏像素点类型下的坏像素点数量是否达到预设的卡控个数阈值,若是,则判断对应坏像素点类型下的坏像素点所在图像块为坏点,即检测图像中存在坏点,此时标记并记录坏点,反之,则检测图像中无坏点。
2.根据权利要求1所述的一种图像坏点检测方法,其特征在于,还包括以下内容:
获取若干原始图像,计算若干原始图像中对应像素点的像素平均值,生成检测图像。
3.根据权利要求1所述的一种图像坏点检测方法,其特征在于:图像块的分辨率为width、height、M、N和/>均为整数。
4.根据权利要求1所述的一种图像坏点检测方法,其特征在于:获取图像块下各像素点预设通道的通道数据,并计算图像块的多个通道平均值,包括以下内容:
获取各像素点对应的多个通道数据,根据各像素点的多个通道数据和图像块的像素点数量计算图像块的多个通道平均值;
根据各像素点的预设通道获取各像素点的通道数据,一通道数据对应一像素点。
5.根据权利要求1所述的一种图像坏点检测方法,其特征在于:根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否为坏像素点,包括以下内容:
调用判断条件,判断条件包括:
channel[i][j]-channelaver[i]×(1+white_threshold)>0
channel[i][j]-channelaver[i]×(1-black_threshold)<0
式中,channel[i][j]为第i个图像块中第j个像素点的通道数据,channelaver[i]为第i个图像块中第j个像素点所在图像块对应通道的通道平均值,white_threshold为预设的白点卡控浓度,black_threshold为预设的黑点卡控浓度;
根据像素点的通道数据和像素点所在图像块对应通道的通道平均值,判断所述像素点是否满足判断条件,若是,则判断所述像素点为坏像素点。
6.一种图像坏点检测系统,其特征在于:使用权利要求1-5任一项所述的图像坏点检测方法。
7.一种图像坏点检测装置,其特征在于:包括待测摄像头模组和上位机,待测摄像头模组与上位机信号连接;
待测摄像头模组用于采集白场场景或黑场场景下的图像数据,发送给上位机,上位机用于接收图像数据后,执行权利要求1-5任一项所述的图像坏点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128847.4A CN113873229B (zh) | 2021-09-26 | 2021-09-26 | 一种图像坏点检测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111128847.4A CN113873229B (zh) | 2021-09-26 | 2021-09-26 | 一种图像坏点检测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113873229A CN113873229A (zh) | 2021-12-31 |
CN113873229B true CN113873229B (zh) | 2024-02-27 |
Family
ID=78994432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111128847.4A Active CN113873229B (zh) | 2021-09-26 | 2021-09-26 | 一种图像坏点检测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113873229B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN115379199A (zh) * | 2022-07-13 | 2022-11-22 | 南京威派视半导体技术有限公司 | 一种图像传感器坏点检测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1127584A (ja) * | 1997-07-08 | 1999-01-29 | Sony Corp | 固体撮像素子の欠陥検出回路及び欠陥検出方法、並びにこれらを用いたカメラ |
JPH11233580A (ja) * | 1998-02-12 | 1999-08-27 | Hitachi Denshi Ltd | 固体撮像素子の欠陥画素検出方法 |
JP2005184782A (ja) * | 2003-11-28 | 2005-07-07 | Pentax Corp | 欠陥画素検出装置、欠陥画素検出方法、及び欠陥画素検出プログラム |
US7173741B1 (en) * | 2000-12-13 | 2007-02-06 | National Semiconductor Corporation | System and method for handling bad pixels in image sensors |
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 |
JP2009130553A (ja) * | 2007-11-22 | 2009-06-11 | Acutelogic Corp | 欠陥画素補正方法、欠陥画素補正プログラム及び欠陥画素補正装置 |
KR20090081653A (ko) * | 2008-01-24 | 2009-07-29 | 삼성전자주식회사 | 불량화소 패턴 정의를 이용한 불량화소 위치정보 저장 방법 |
CN104754327A (zh) * | 2015-03-26 | 2015-07-01 | 山东大学 | 一种检测及消除高光谱图像坏点的方法 |
CN104835125A (zh) * | 2015-05-08 | 2015-08-12 | 上海联影医疗科技有限公司 | 平板探测器的坏点校正方法 |
CN105306843A (zh) * | 2015-10-20 | 2016-02-03 | 凌云光技术集团有限责任公司 | 一种图像传感器的坏点处理方法及系统 |
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 |
CN110035281A (zh) * | 2019-04-29 | 2019-07-19 | 昆山丘钛微电子科技有限公司 | 一种坏点检测方法、装置及电子设备 |
CN110807731A (zh) * | 2018-07-20 | 2020-02-18 | 宁波舜宇光电信息有限公司 | 用于补偿图像坏点的方法、装置、系统及存储介质 |
CN110830795A (zh) * | 2020-01-09 | 2020-02-21 | 武汉精立电子技术有限公司 | 一种图像传感器坏点检测方法、装置及电子设备 |
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 |
WO2020181522A1 (zh) * | 2019-03-13 | 2020-09-17 | 深圳市汇顶科技股份有限公司 | 图像坏点的检测方法、图像处理芯片及电子设备 |
WO2021168733A1 (zh) * | 2020-02-27 | 2021-09-02 | 京东方科技集团股份有限公司 | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5586909B2 (ja) * | 2009-09-29 | 2014-09-10 | キヤノン株式会社 | 情報処理装置、システム、方法及びプログラム |
TWI600324B (zh) * | 2014-06-23 | 2017-09-21 | Infrared Focal Plane Array Module Performance Parameters Measurement Method and Detection of Dead pixels |
-
2021
- 2021-09-26 CN CN202111128847.4A patent/CN113873229B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1127584A (ja) * | 1997-07-08 | 1999-01-29 | Sony Corp | 固体撮像素子の欠陥検出回路及び欠陥検出方法、並びにこれらを用いたカメラ |
JPH11233580A (ja) * | 1998-02-12 | 1999-08-27 | Hitachi Denshi Ltd | 固体撮像素子の欠陥画素検出方法 |
US7173741B1 (en) * | 2000-12-13 | 2007-02-06 | National Semiconductor Corporation | System and method for handling bad pixels in image sensors |
JP2005184782A (ja) * | 2003-11-28 | 2005-07-07 | Pentax Corp | 欠陥画素検出装置、欠陥画素検出方法、及び欠陥画素検出プログラム |
JP2009130553A (ja) * | 2007-11-22 | 2009-06-11 | Acutelogic Corp | 欠陥画素補正方法、欠陥画素補正プログラム及び欠陥画素補正装置 |
KR20090081653A (ko) * | 2008-01-24 | 2009-07-29 | 삼성전자주식회사 | 불량화소 패턴 정의를 이용한 불량화소 위치정보 저장 방법 |
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 |
CN104754327A (zh) * | 2015-03-26 | 2015-07-01 | 山东大学 | 一种检测及消除高光谱图像坏点的方法 |
CN104835125A (zh) * | 2015-05-08 | 2015-08-12 | 上海联影医疗科技有限公司 | 平板探测器的坏点校正方法 |
CN105306843A (zh) * | 2015-10-20 | 2016-02-03 | 凌云光技术集团有限责任公司 | 一种图像传感器的坏点处理方法及系统 |
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 |
CN110807731A (zh) * | 2018-07-20 | 2020-02-18 | 宁波舜宇光电信息有限公司 | 用于补偿图像坏点的方法、装置、系统及存储介质 |
WO2020181522A1 (zh) * | 2019-03-13 | 2020-09-17 | 深圳市汇顶科技股份有限公司 | 图像坏点的检测方法、图像处理芯片及电子设备 |
CN110035281A (zh) * | 2019-04-29 | 2019-07-19 | 昆山丘钛微电子科技有限公司 | 一种坏点检测方法、装置及电子设备 |
CN110830795A (zh) * | 2020-01-09 | 2020-02-21 | 武汉精立电子技术有限公司 | 一种图像传感器坏点检测方法、装置及电子设备 |
WO2021168733A1 (zh) * | 2020-02-27 | 2021-09-02 | 京东方科技集团股份有限公司 | 缺陷图像的缺陷检测方法、装置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 |
Non-Patent Citations (3)
Title |
---|
A novel algorithm for bad pixel detection and correction to improve quality and stability of geometric measurements;R Celestre;Journal of Physics: Conference Series;全文 * |
一种图像坏点检测及修正算法;胡云生;胡越黎;燕明;承文龙;王权;;上海大学学报(自然科学版)(05);全文 * |
胡云生.一种图像坏点检测及修正算法.上海大学学报(自然科学版).2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113873229A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113873229B (zh) | 一种图像坏点检测方法、系统及装置 | |
CN111612763B (zh) | 手机屏幕缺陷检测方法、装置及系统、计算机设备及介质 | |
CN101193317B (zh) | 对图像进行自动白平衡处理的方法和装置 | |
CN110675373B (zh) | 一种组件安装检测方法、装置和系统 | |
CN111294589A (zh) | 摄像模组镜头表面检测方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN103544484A (zh) | 一种基于surf的交通标志识别方法及系统 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
CN102088539B (zh) | 一种预拍照画质评价方法和系统 | |
CN109919038A (zh) | 基于机器视觉与深度学习的配电柜方形压板状态识别方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN111598771A (zh) | 一种基于ccd相机的pcb电路板缺陷检测系统及方法 | |
CN117664991A (zh) | 一种缺陷检测系统 | |
CN114245110B (zh) | 一种摄像头坏点检测方法及装置 | |
CN117854402A (zh) | 显示屏的异常显示检测方法、装置、终端设备 | |
CN114202775A (zh) | 基于红外图像的变电站危险区域行人闯入检测方法及系统 | |
CN103605973B (zh) | 一种图像字符检测鉴别方法 | |
CN117422858A (zh) | 一种双光图像目标检测方法、系统、设备和介质 | |
CN108254380A (zh) | 基于数字图像处理的pcb电路板模板比对方法 | |
TW201445458A (zh) | 一種攝像設備的檢測裝置及方法 | |
CN111414960A (zh) | 一种人工智能图像特征提取系统及其特征识别方法 | |
CN104112271A (zh) | 移动终端外壳侧面缺陷检测方法和系统 | |
CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
CN110956640B (zh) | 一种异源图像边缘点检测与配准方法 |
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 |