CN114140336B - 一种基于红外图像的坏点处理方法及装置 - Google Patents

一种基于红外图像的坏点处理方法及装置 Download PDF

Info

Publication number
CN114140336B
CN114140336B CN202111168507.4A CN202111168507A CN114140336B CN 114140336 B CN114140336 B CN 114140336B CN 202111168507 A CN202111168507 A CN 202111168507A CN 114140336 B CN114140336 B CN 114140336B
Authority
CN
China
Prior art keywords
pixel
value
initial
dead
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
Application number
CN202111168507.4A
Other languages
English (en)
Other versions
CN114140336A (zh
Inventor
王如君
多英全
李兴华
于立见
王媛媛
陈秀梅
郭乐乐
张圣柱
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.)
Beijing Viready Technology Co ltd
China Academy of Safety Science and Technology CASST
Original Assignee
Beijing Viready Technology Co ltd
China Academy of Safety Science and Technology CASST
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 Beijing Viready Technology Co ltd, China Academy of Safety Science and Technology CASST filed Critical Beijing Viready Technology Co ltd
Priority to CN202111168507.4A priority Critical patent/CN114140336B/zh
Publication of CN114140336A publication Critical patent/CN114140336A/zh
Application granted granted Critical
Publication of CN114140336B publication Critical patent/CN114140336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

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

本申请涉及一种基于红外图像的坏点处理方法及装置，属于图像处理的技术领域，其包括对红外图像进行坏点识别；选取与所述坏点处于同一直线上的像素点作为初始像素点，所述直线至少为两条；根据每个初始像素点与所述坏点之间的距离选取关联像素点；根据所述关联像素点获取所述坏点的修正像素值；将所述修正像素值替换所述坏点的原始像素值。解决了坏点的存在严重影响红外图像质量，使得红外图像的视觉效果很差的问题，本申请具有对坏点进行修正，提高红外图像质量的效果。

Description

一种基于红外图像的坏点处理方法及装置
技术领域
本申请涉及图像处理的技术领域，尤其是涉及一种基于红外图像的坏点处理方法及装置。
背景技术
红外成像技术实现了低光照情况下的图像采集，是一项前途广阔的高新技术。目前，红外成像技术应用越来越广泛，也受到越来越多的关注和重视。
自然界中，一切物体都可以辐射红外线，因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。但是，由于红外图像传感器在制造工艺、运输和存储等多个环节存在不足，使得通过红外图像传感器获取的红外图像存在一些不正常的点即坏点，坏点的存在严重影响红外图像质量，使得红外图像的视觉效果很差。
发明内容
为了对坏点进行修正，提高红外图像质量，本申请提供一种基于红外图像的坏点处理方法及装置。
第一方面，本申请提供一种基于红外图像的坏点处理方法，采用如下的技术方案：
一种基于红外图像的坏点处理方法，包括：
对红外图像进行坏点识别；
选取与所述坏点处于同一直线上的像素点作为初始像素点，所述直线至少为两条；
根据每个初始像素点与所述坏点之间的距离选取关联像素点；
根据所述关联像素点获取所述坏点的修正像素值；
将所述修正像素值替换所述坏点的原始像素值。
通过采用上述技术方案，与坏点处于同一直线上的像素点的像素值与该坏点的像素值相接近，越是靠近该坏点的像素点的像素值与该坏点的像素值的相似度越高；因此，根据根据每个初始像素点与坏点之间的距离能够获取与该坏点相关联的像素点即关联像素点；然后根据关联像素点获取坏点的修正像素值用以替换坏点的原始像素值；通过该方法获取的修正像素值准确性高，能够很好的还原坏点的真实像素值，使得修正后的坏点不显违和，从而有效提高红外图像的质量。
优选的，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则在所述距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
通过采用上述技术方案，距离坏点较近的初始像素点的像素值与坏点的像素点相同或相近的可能性较大，因此选取距离坏点较近的初始像素点作为关联像素点；但是如果仅选择距离坏点较近的初始像素点作为关联像素点，使得修正像素值缺乏远域部分的数据影响，导致修正像素值不准确；因此还选取了部分距离坏点较远的初始像素点作为关联像素点；由于距离坏点越近的初始像素点对坏点的影响越大，因此间隔选取距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为关联像素点，而距离过远的初始像素点不作为关联像素点，从而有效提高了获取的修正像素值的准确性。
优选的，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则将所述距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点，分别获取所述坏点的灰度值与所述初关联像素点的灰度值之间的差值；
判断所述差值是否不小于灰度阈值；
若是，则将所述差值不小于灰度阈值的初关联像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
通过采用上述技术方案，距离坏点较近的初始像素点的像素值与坏点的像素点相同或相近的可能性较大，因此选取距离坏点较近的初始像素点作为关联像素点；但是当距离较远的初始像素点的灰度值与坏点的灰度值之间的差值较小即差值不小于灰度阈值时，说明该初始像素点与坏点的关联性也很紧密，因此将该初始像素点也作为关联像素点；而距离过远的初始像素点不作为关联像素点，通过关联像素点的选取能够有效提高了获取的修正像素值的准确性。
优选的，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则在所述距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为所述关联像素点，将此时作为非关联像素点的且所述距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点；
分别获取所述坏点的灰度值与所述初关联像素点的灰度值之间的差值；
判断所述差值是否不小于灰度阈值；
若是，则将所述差值不小于灰度阈值的初始像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
通过采用上述技术方案，距离坏点较近的初始像素点的像素值与坏点的像素点相同或相近的可能性较大，因此选取距离坏点较近的初始像素点作为关联像素点；但是如果仅选择距离坏点较近的初始像素点作为关联像素点，使得修正像素值缺乏远域部分的数据影响，导致修正像素值不准确；因此还选取了部分距离坏点较远的初始像素点作为关联像素点；由于距离坏点越近的初始像素点对坏点的影响越大，因此间隔选取距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为关联像素点；但是当距离较远的初始像素点的灰度值与坏点的灰度值之间的差值较小即差值不小于灰度阈值时，说明该初始像素点与坏点的关联性也很紧密，因此将该初始像素点也作为关联像素点；而距离过远的初始像素点不作为关联像素点，通过关联像素点的选取能够有效提高了获取的修正像素值的准确性。
优选的，所述根据所述关联像素点获取所述坏点的修正像素值包括：
将属于同一直线上的关联像素点作为同组像素点；
根据所述同组像素点拟合像素值曲线，每组像素点均对应一条独立的像素值曲线；
根据所述像素值曲线预测所述坏点的初始像素值；
根据所述初始像素值获取所述坏点的修正像素值。
优选的，所述根据所述初始像素值获取所述坏点的修正像素值包括：
将获取的与所述坏点相关联的所有初始像素值的平均值作为所述坏点的修正像素值。
通过采用上述技术方案，用与坏点相关联的所有初始像素值的平均值作为的修正像素值的计算方式更简单方便，并且计算平均值的数据来源越多，其结果越准确，从而提高获取的修正像素值的准确性。
优选的，所述根据所述初始像素值获取所述坏点的修正像素值包括：
获取所述同组像素点中距离小于第二阈值的初始像素点为坏点的个数；
根据所述个数所属区间选取所述初始像素点的权重；
根据所述初始像素点以及其对应的权重获取所述坏点的修正像素值。
通过采用上述技术方案，同组像素点中距离小于第二阈值的初始像素点为坏点的个数越少，说明该组像素点的关联像素点与坏点的关联性与紧密，则设置的权重就可以越高，因此，通过初始像素点以及其对应的权重更够获取准确的修正像素值。
第二方面，本申请提供一种基于红外图像的坏点处理装置，采用如下的技术方案：
一种基于红外图像的坏点处理装置，包括，
坏点识别模块，用于对红外图像进行坏点识别；
第一选取模块，用于选取与所述坏点处于同一直线上的像素点作为初始像素点，所述直线至少为两条；
第二选取模块，用于根据每个初始像素点与所述坏点之间的距离选取关联像素点；
获取模块，用于根据所述关联像素点获取所述坏点的修正像素值；以及，
替换模块，用于将所述修正像素值替换所述坏点的原始像素值。
通过采用上述技术方案，与坏点处于同一直线上的像素点的像素值与该坏点的像素值相接近，越是靠近该坏点的像素点的像素值与该坏点的像素值的相似度越高；因此，根据根据每个初始像素点与坏点之间的距离能够获取与该坏点相关联的像素点即关联像素点；然后根据关联像素点获取坏点的修正像素值用以替换坏点的原始像素值；通过该方法获取的修正像素值准确性高，能够很好的还原坏点的真实像素值，使得修正后的坏点不显违和，从而有效提高红外图像的质量。
综上所述，本申请包括以下至少一种有益技术效果：
1.与坏点处于同一直线上的像素点的像素值与该坏点的像素值相接近，越是靠近该坏点的像素点的像素值与该坏点的像素值的相似度越高；因此，根据根据每个初始像素点与坏点之间的距离能够获取与该坏点相关联的像素点即关联像素点；然后根据关联像素点获取坏点的修正像素值用以替换坏点的原始像素值；通过该方法获取的修正像素值准确性高，能够很好的还原坏点的真实像素值，使得修正后的坏点不显违和，从而有效提高红外图像的质量；
2.距离坏点较近的初始像素点的像素值与坏点的像素点相同或相近的可能性较大，因此选取距离坏点较近的初始像素点作为关联像素点；但是如果仅选择距离坏点较近的初始像素点作为关联像素点，使得修正像素值缺乏远域部分的数据影响，导致修正像素值不准确；因此还选取了部分距离坏点较远的初始像素点作为关联像素点；由于距离坏点越近的初始像素点对坏点的影响越大，因此间隔选取距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为关联像素点，而距离过远的初始像素点不作为关联像素点，从而有效提高了获取的修正像素值的准确性。
应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1是本申请实施例提供的基于红外图像的坏点处理方法的流程示意图。
图2是本申请实施例提供的红外图像部分像素点的示意图。
图3是本申请实施例提供的方法一的关联像素点的示意图。
图4是本申请实施例提供的方法二的关联像素点的示意图。
图5是本申请实施例提供的方法三的关联像素点的示意图。
图6是本申请实施例提供的与边缘性坏点相对应的关联像素点的示意图。
图7是本申请实施例提供的基于红外图像的坏点处理装置的结构框图。
图8是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本实施例提供一种基于红外图像的坏点处理方法，如图1所示，该方法的主要流程描述如下（步骤S101～S105）：
步骤S101：对红外图像进行坏点识别。
本实施例中，在待处理的红外图像上生成3*3的滑动窗口，利用滑动窗口遍历红外图像，并实时获取3*3模板。
3*3模板包含9个像素点，其中，3*3模板中第2行的第2个像素点为中间像素点，其余8个邻域的像素点分别为3*3模板中第1行的第1、第2、第3个像素点，第2行的第1、第3个像素点以及第3行的第1、第2、第3个像素点，这8个像素点均为邻域像素点。
分别计算中间像素点与8个邻域像素点之间的灰度值差，并计算获取的8个灰度值差的平均值。判断平均值是否大于预设阈值；若是，则判定该中间像素点为坏点。
步骤S102：选取与坏点处于同一直线上的像素点作为初始像素点，直线至少为两条。
如图2所示的红外图像部分像素点的示意图，其中，用黑色填充的方格表示坏点，值得注意的是，中心位置的坏点为本实施例中进行举例说明时需要修正的坏点。选取与中心位置的坏点处于同一直线上（图2用虚线表示）的像素点作为初始像素点，其中，直线至少为两条，本实施中示出的直线为4条。
步骤S103：根据每个初始像素点与坏点之间的距离选取关联像素点。
本实施例中，分别计算坏点与每个初始像素点之间的距离。本实施中，每一个方格代表的距离均为1；例如，8个邻域像素点与坏点之间的距离均为1；还例如，处于右上角的方格代表的像素点与坏点之间的距离均为10。
接下来，通过下述方法一至三中任一种方法选取关联像素点。
方法一：
判断距离是否小于第一阈值；
若是，则将距离小于第一阈值的初始像素点作为关联像素点；
若否，则判断距离是否大于等于第一阈值且小于第二阈值；
若是，则在距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为关联像素点。
值得注意的是，若满足本方法条件的初始像素点也为坏点，则该初始像素点不选作关联像素点。
本实施例中将第一阈值定义为3,将第二阈值定义为10，间隔选取定义为每隔两个初始像素点选取一个初始像素点作为关联像素点。如图3所示的方法一的关联像素点的示意图，其中，用黑色填充的方格表示坏点，由三条单斜线填充的方格表示关联像素点。
方法二：
判断距离是否小于第一阈值；
若是，则将距离小于第一阈值的初始像素点作为关联像素点；
若否，则判断距离是否大于等于第一阈值且小于第二阈值；
若是，则将距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点，分别获取坏点的灰度值与初关联像素点的灰度值之间的差值；
判断差值是否不小于灰度阈值；
若是，则将差值不小于灰度阈值的初关联像素点作为关联像素点。
值得注意的是，若满足本方法条件的初始像素点也为坏点，则该初始像素点不选作关联像素点。
如图4所示的方法二的关联像素点的示意图，其中，用黑色填充的方格表示坏点，由一条单斜线填充的方格表示关联像素点。
方法三：
判断距离是否小于第一阈值；
若是，则将距离小于第一阈值的初始像素点作为关联像素点；
若否，则判断距离是否大于等于第一阈值且小于第二阈值；
若是，则在距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为关联像素点，将此时作为非关联像素点的且距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点；
分别获取坏点的灰度值与初关联像素点的灰度值之间的差值；
判断差值是否不小于灰度阈值；
若是，则将差值不小于灰度阈值的初始像素点作为关联像素点。
值得注意的是，若满足本方法条件的初始像素点也为坏点，则该初始像素点不选作关联像素点。
如图5所示的方法三的关联像素点的示意图，其中，用黑色填充的方格表示坏点；由三条单斜线填充的方格表示由距离小于第一阈值的初始像素点作为的关联像素点和由在距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取的初始像素点作为的关联像素点，其中，间隔选取定义为每隔两个初始像素点选取一个初始像素点作为关联像素点；由一条单斜线填充的方格表示由差值不小于灰度阈值的初关联像素点作为的关联像素点。
值得注意的是，对于边缘性的坏点，也可以用上述方法进行修正，其只是获取的关联像素点的多少而已，如图6所示的与边缘性坏点相对应的关联像素点的示意图，其中，用黑色填充的方格表示坏点，由三条单斜线填充的方格表示关联像素点。
步骤S104：根据关联像素点获取坏点的修正像素值。
在获取关联像素点之后，将属于同一直线上的关联像素点作为同组像素点。本实施例中，将属于竖直方向直线上的关联像素点作为一组像素点，将属于水平方向直线上的关联像素点作为一组像素点，将属于左对角方向直线上的关联像素点作为一组像素点，将属于右对角方向直线上的关联像素点作为一组像素点。
根据同组像素点拟合像素值曲线，每组像素点均对应一条独立的像素值曲线。具体的，将红外图像的左下角作为原点，分别获取坏点和与该坏点对应的其中一组像素点的中心坐标（X，Y），还分别获取与该坏点对应的其中一组像素点的灰度值；建立像素值曲线的坐标轴，并以坏点和与该坏点对应的其中一组像素点的中心坐标中的X值或Y值作为横坐标轴单位，本实施例中选取中心坐标中的X值，以与该坏点对应的其中一组像素点的灰度值作为纵坐标轴单位；建立完坐标轴后，根据获取的与坏点对应的其中一组像素点的X值、获取的与该坏点对应的其中一组像素点的灰度值，拟合像素值曲线。
计算得到像素值曲线的函数关系式，将坏点的X值代入至该函数关系式，获取坏点的初始像素值即预测的像素值。
接下来，根据初始像素值获取坏点的修正像素值，具体的，本实施例提供方法（1）和方法（2）两种方法，具体如下所示。
方法（1）：
修正像素值等于与该坏点相关联的所有初始像素值的和。本实施例中，选取的直线有4条，因此初始像素值为4个，修正像素值等于这4个初始像素值的和。然后将获取的修正像素值替换坏点的原始像素值。
方法（2）：
1.获取同组像素点中距离小于第二阈值的初始像素点为坏点的个数。
2.根据个数所属区间选取初始像素点的权重。
例如，所属区间分为四个，分别是[0,1）、[1,2）、[2,3）和[3,+∞），其中，[0,1）对应的权重为0.4，[1,2）对应的权重为0.3，[2,3）对应的权重为0.2，[3,+∞）对应的权重为0.1。本实施例中示例的坏点对应的同组像素点为4组，其中，一组像素点中的初始像素点为坏点的个数为4个，将该组像素点对应的初始像素点定义为A，初始像素点A的权重为0.1；一组像素点中的初始像素点为坏点的个数为3个，将该组像素点对应的初始像素点定义为B，初始像素点B的权重为0.2；一组像素点中的初始像素点为坏点的个数为2个，将该组像素点对应的初始像素点定义为C，初始像素点C的权重为0.3；最后一组像素点中的初始像素点为坏点的个数为1个，将该组像素点对应的初始像素点定义为D，初始像素点D的权重为0.4。
3.根据初始像素点以及其对应的权重获取坏点的修正像素值。
将修正像素值定义为Y，则Y=0.1A+0.2B+0.3C+0.4D。
步骤S105：将修正像素值替换坏点的原始像素值。
为了更好地实施以上方法，本申请实施例还提供了一种基于红外图像的坏点处理装置，该装置具体可以集成在计算机设备中，例如终端或服务器等设备中，该终端可以包括但不限于平板电脑或台式电脑等设备。
图7为本申请实施例提供的一种基于红外图像的坏点处理装置的结构框图，如图7所示，该装置主要包括：
坏点识别模块201，用于对红外图像进行坏点识别；
第一选取模块202，用于选取与坏点处于同一直线上的像素点作为初始像素点，直线至少为两条；
第二选取模块203，用于根据每个初始像素点与坏点之间的距离选取关联像素点；
获取模块204，用于根据关联像素点获取坏点的修正像素值；以及，
替换模块205，用于将修正像素值替换坏点的原始像素值。
上述实施例提供的方法中的各种变化方式和具体实例同样适用于本实施例的基于红外图像的坏点处理装置，通过前述对基于红外图像的坏点处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中的基于红外图像的坏点处理装置的实施方法，为了说明书的简洁，在此不再详述。
为了更好地执行上述方法的程序，本申请实施例还提供一种计算机设备，如图8所示，计算机设备300包括存储器301和处理器302。
计算机设备300可以以各种形式来实施，包括手机、平板电脑、掌上电脑、笔记本电脑和台式计算机等设备。
其中，存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如进行坏点识别等)以及用于实现上述实施例提供的基于红外图像的坏点处理方法的指令等；存储数据区可存储上述实施例提供的基于红外图像的坏点处理方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集，调用存储在存储器301内的数据，执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器302功能的电子器件还可以为其它，本申请实施例不作具体限定。
本申请实施例提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例的基于红外图像的坏点处理方法的计算机程序。
本申请具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

Claims (7)

1.一种基于红外图像的坏点处理方法，其特征在于，包括：
对红外图像进行坏点识别；
选取与所述坏点处于同一直线上的像素点作为初始像素点，所述直线至少为两条；
根据每个初始像素点与所述坏点之间的距离选取关联像素点；
将属于同一直线上的关联像素点作为同组像素点；
根据所述同组像素点拟合像素值曲线，每组像素点均对应一条独立的像素值曲线；
根据所述像素值曲线预测所述坏点的初始像素值；
根据所述初始像素值获取所述坏点的修正像素值；
将所述修正像素值替换所述坏点的原始像素值。
2.根据权利要求1所述的方法，其特征在于，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则在所述距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
3.根据权利要求1所述的方法，其特征在于，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则将所述距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点，分别获取所述坏点的灰度值与所述初关联像素点的灰度值之间的差值；
判断所述差值是否不小于灰度阈值；
若是，则将所述差值不小于灰度阈值的初关联像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
4.根据权利要求1所述的方法，其特征在于，所述根据每个初始像素点与所述坏点之间的距离选取关联像素点包括：
判断所述距离是否小于第一阈值；
若是，则将所述距离小于第一阈值的初始像素点作为所述关联像素点；
若否，则判断所述距离是否大于等于第一阈值且小于第二阈值；
若是，则在所述距离大于等于第一阈值且小于第二阈值的初始像素点中间隔选取初始像素点作为所述关联像素点，将此时作为非关联像素点的且所述距离大于等于第一阈值且小于第二阈值的初始像素点作为初关联像素点；
分别获取所述坏点的灰度值与所述初关联像素点的灰度值之间的差值；
判断所述差值是否不小于灰度阈值；
若是，则将所述差值不小于灰度阈值的初始像素点作为所述关联像素点；
其中，当所述初始像素点为坏点时，则该初始像素点不选作所述关联像素点。
5.根据权利要求1所述的方法，其特征在于，所述根据所述初始像素值获取所述坏点的修正像素值包括：
将获取的与所述坏点相关联的所有初始像素值的平均值作为所述坏点的修正像素值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述初始像素值获取所述坏点的修正像素值包括：
获取所述同组像素点中距离小于第二阈值的初始像素点为坏点的个数；
根据所述个数所属区间选取所述初始像素点的权重；
根据所述初始像素点以及其对应的权重获取所述坏点的修正像素值。
7.一种基于红外图像的坏点处理装置，其特征在于，包括，
坏点识别模块，用于对红外图像进行坏点识别；
第一选取模块，用于选取与所述坏点处于同一直线上的像素点作为初始像素点，所述直线至少为两条；
第二选取模块，用于根据每个初始像素点与所述坏点之间的距离选取关联像素点；
获取模块，用于根据属于同一直线上的关联像素点获取同组像素点；
用于根据所述同组像素点拟合像素值曲线，其中，每组像素点均对应一条独立的像素值曲线；
用于根据所述像素值曲线预测所述坏点的初始像素值；
用于根据所述初始像素值获取所述坏点的修正像素值；以及，
替换模块，用于将所述修正像素值替换所述坏点的原始像素值。
CN202111168507.4A 2021-10-08 2021-10-08 一种基于红外图像的坏点处理方法及装置 Active CN114140336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111168507.4A CN114140336B (zh) 2021-10-08 2021-10-08 一种基于红外图像的坏点处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111168507.4A CN114140336B (zh) 2021-10-08 2021-10-08 一种基于红外图像的坏点处理方法及装置

Publications (2)

Publication Number Publication Date
CN114140336A CN114140336A (zh) 2022-03-04
CN114140336B true CN114140336B (zh) 2022-09-16

Family

ID=80394063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111168507.4A Active CN114140336B (zh) 2021-10-08 2021-10-08 一种基于红外图像的坏点处理方法及装置

Country Status (1)

Country Link
CN (1) CN114140336B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074495B (zh) * 2023-03-07 2023-06-16 合肥埃科光电科技股份有限公司 一种图像传感器坏点的检测校正方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101304485A (zh) * 2008-05-26 2008-11-12 北京中星微电子有限公司 一种坏点补偿的方法及装置
CN103106927A (zh) * 2011-11-15 2013-05-15 恒景科技股份有限公司 坏点修正方法与装置
CN108765306A (zh) * 2018-04-17 2018-11-06 浙江华睿科技有限公司 一种图像坏点矫正方法、装置、电子设备及介质
CN110650334A (zh) * 2019-10-29 2020-01-03 昆山锐芯微电子有限公司 坏点检测、校正方法及装置、存储介质、终端
AU2020101501A4 (en) * 2020-07-27 2020-09-03 Shandong Jiaotong University Image optimization system based on fitting approximation algorithm
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101795349B (zh) * 2010-03-24 2013-10-02 深圳迈瑞生物医疗电子股份有限公司 一种处理x线平板探测器图像坏线的方法及其装置
CN105592270B (zh) * 2015-12-18 2018-02-06 广东欧珀移动通信有限公司 图像亮度补偿方法、装置及终端设备
CN106373094B (zh) * 2016-08-25 2017-11-07 中国科学院长春光学精密机械与物理研究所 一种红外图像的非均匀性校正方法及装置
CN106768383B (zh) * 2017-01-21 2019-10-29 浙江红相科技股份有限公司 一种红外焦平面阵列自动盲元检测与补偿方法
CN113241030B (zh) * 2021-04-27 2022-12-16 广东小天才科技有限公司 一种显示屏亮度补偿方法、装置及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101304485A (zh) * 2008-05-26 2008-11-12 北京中星微电子有限公司 一种坏点补偿的方法及装置
CN103106927A (zh) * 2011-11-15 2013-05-15 恒景科技股份有限公司 坏点修正方法与装置
CN108765306A (zh) * 2018-04-17 2018-11-06 浙江华睿科技有限公司 一种图像坏点矫正方法、装置、电子设备及介质
CN110650334A (zh) * 2019-10-29 2020-01-03 昆山锐芯微电子有限公司 坏点检测、校正方法及装置、存储介质、终端
AU2020101501A4 (en) * 2020-07-27 2020-09-03 Shandong Jiaotong University Image optimization system based on fitting approximation algorithm
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Detection, Location and Concealment of Defective Pixels in Image Sensors》;GHISLAIN TAKAM TCHENDJOU,et al;《EMERGING TOPICS IN COMPUTING》;20210630;全文 *
《一种图像坏点检测及修正算法》;胡云生等;《上海大学学报（自然科学版）》;20181031;第24卷(第5期);全文 *

Also Published As

Publication number Publication date
CN114140336A (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
US20230086961A1 (en) Parallax image processing method, apparatus, computer device and storage medium
CN111612757A (zh) 一种屏幕裂纹的检测方法、装置、设备及存储介质
CN111986159A (zh) 太阳能电池片的电极缺陷检测方法、设备及存储介质
CN114612469A (zh) 产品缺陷检测方法、装置、设备及可读存储介质
CN109308478B (zh) 一种字符识别方法及装置
CN114140336B (zh) 一种基于红外图像的坏点处理方法及装置
CN113538603A (zh) 一种基于阵列产品的光学检测方法、系统和可读存储介质
CN110991437B (zh) 字符识别方法及其装置、字符识别模型的训练方法及其装置
US9286217B2 (en) Systems and methods for memory utilization for object detection
CN117576108B (zh) 晶圆缺陷检测的可视化优化方法、装置和计算机设备
CN116071272A (zh) 一种图像校正方法、装置、电子设备及其存储介质
KR20130035914A (ko) 디지털 단색 이미지의 결함 픽셀의 휘도를 정정하는 방법
CN112036232B (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
CN111767752B (zh) 一种二维码识别方法及装置
CN106951902B (zh) 一种图像二值化处理方法及装置
CN116137061B (zh) 数量统计模型的训练方法、装置、电子设备及存储介质
Mo et al. Digital multimeter reading recognition for automation verification
CN115953578A (zh) 一种裂缝语义分割模型推理结果的评估方法及装置
CN112766256B (zh) 光栅相位图处理方法、装置、电子设备及存储介质
CN114663681A (zh) 用于对指针式仪表进行读数的方法及其相关产品
CN111435080B (zh) 一种水位测量方法、装置及系统
CN113392455A (zh) 基于深度学习的户型图比例尺检测方法、装置及电子设备
CN117115275B (zh) 畸变参数的确定方法、装置和计算机设备
CN109214230B (zh) 数据矩阵码识别方法、装置及电子设备
CN117557565B (zh) 一种锂电池极片的检测方法及其装置

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