CN115802029A - 一种图像坏点检测方法及终端 - Google Patents

Abstract

本发明公开了一种图像坏点检测方法及终端，获取RAW格式的待检测图像之后，以待检测像素点为中心提取检测区域，并提取与待检测像素点相同通道的像素点组成检测窗口，从而基于该检测窗口计算出第一门限值的误差区间，进行坏点的初步检测；当待检测像素点未落入第一门限值的误差区间之后，待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值和预设的第二门限值的大小，判定待检测像素点是坏点还是正常点。因此基于动态阈值的双门限坏点检测使用双门限值进行坏点判定，减少了噪声的干扰，可提高坏点检测的准确率，减少误判、漏判等现象，且能够较好的保留图像细节，提升图像质量，其计算复杂度低，校正效果较好。

Description

一种图像坏点检测方法及终端

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像坏点检测方法及终端。

背景技术

由于在制造工艺、运输和储存方法等多个环节存在不足，图像传感器Sensor不可避免的总会存在一些不正常的点，即坏点。而且，图像传感器设备经过长时间的使用后，会产生更多的坏点。坏点固定存在于感光元件中，不能感应到外界的明暗光线变化以及色彩，不仅会降低图像的视觉效果，导致图像质量下降，甚至有可能使得图像细节信息丢失。因此，在获取图像原始数据之后，有必要优先进行坏点检测，防止后续的ISP处理模块因为坏点的存在使得图像处理效果出现偏差。

坏点主要分为亮点和暗点，现有技术中对于坏点的处理一般有两种方式：静态坏点校正和动态坏点校正。静态坏点校正基于Sensor厂商提供的静态坏点表，比较当前点的坐标是否与静态坏点表中的某个坐标一致，若一致则判定为坏点。但出于成本的考虑，很多Sensor厂商没有给出静态坏点表，且出于内存的考虑，无法做到无限制的校正，实用性不强。动态坏点校正主要分为坏点检测和坏点校正两个步骤。动态坏点校正可以实时检测和校正Sensor的亮点与暗点，并且校正的坏点个数不受限制，但容易出现漏检、误检、边缘信息丢失等现象，检测准确率较低。

因此，如何在保持图像边缘信息的基础之上提高坏点检测的准确率，将是动态坏点检测算法研究的重点。

发明内容

本发明所要解决的技术问题是：提供一种图像坏点检测方法及终端，能够提高坏点检测的准确率且能够较好的保留图像细节、提升图像质量。

为了解决上述技术问题，本发明采用的技术方案为：

一种图像坏点检测方法，包括步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种图像坏点检测终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

本发明的有益效果在于：获取RAW格式的待检测图像之后，以待检测像素点为中心提取检测区域，并提取与待检测像素点相同通道的像素点组成检测窗口，从而基于该检测窗口计算出第一门限值的误差区间，进行坏点的初步检测；当待检测像素点未落入第一门限值的误差区间之后，待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值和预设的第二门限值的大小，判定待检测像素点是坏点还是正常点。因此基于动态阈值的双门限坏点检测使用双门限值进行坏点判定，减少了噪声的干扰，可提高坏点检测的准确率，减少误判、漏判等现象，且能够较好的保留图像细节，提升图像质量，其计算复杂度低，校正效果较好。

附图说明

图1为本发明实施例的一种图像坏点检测方法的流程图；

图2为本发明实施例的一种图像坏点检测终端的示意图；

图3为本发明实施例的一种图像坏点检测方法的具体步骤流程图；

图4为本发明实施例的一种图像坏点检测方法的检测窗口提取示意图；

标号说明：

1、一种图像坏点检测终端；2、存储器；3、处理器。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

请参照图1，本发明实施例提供了一种图像坏点检测方法，包括步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

从上述描述可知，本发明的有益效果在于：获取RAW格式的待检测图像之后，以待检测像素点为中心提取检测区域，并提取与待检测像素点相同通道的像素点组成检测窗口，从而基于该检测窗口计算出第一门限值的误差区间，进行坏点的初步检测；当待检测像素点未落入第一门限值的误差区间之后，待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值和预设的第二门限值的大小，判定待检测像素点是坏点还是正常点。因此基于动态阈值的双门限坏点检测使用双门限值进行坏点判定，减少了噪声的干扰，可提高坏点检测的准确率，减少误判、漏判等现象，且能够较好的保留图像细节，提升图像质量，其计算复杂度低，校正效果较好。

进一步地，在所述待检测图像中提取以待检测像素点为中心的检测区域包括：

判断在所述待检测图像中以待检测像素点为中心提取得到的检测区域是否会超出所述待检测图像的边界，若是，则对超出边界的部分进行镜像填充后提取检测区域，否则，直接提取检测区域。

由上述描述可知，以镜像的方式填充检测区域超出待检测图像的边界的部分，能够保证该图像坏点检测的可靠性。

进一步地，计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值，之后包括：

计算所述检测窗口中除所述待检测像素点之外的像素点的第一均值；

将所述检测窗口中除所述待检测像素点之外的次最大值减去第一均值的绝对值与次最小值减去第一均值的绝对值之和作为动态阈值；

所述第一门限值的误差区间为大于或者等于第一门限值减去动态阈值，且小于或者等于第一门限值加上动态阈值。

由上述描述可知，计算动态阈值的方法能够减少检测窗口中的亮点或暗点对于坏点判定的影响，提高检测准确率；使用动态阈值的方式能够更好的适应图像不同区域的特征，减少误判、漏判。并且通过计算动态阈值，能够得到第一门限值的误差区间，从而快速进行待检测像素点的初步检测，提高坏点检测的效率。

进一步地，判定所述待检测像素点为坏点之后包括：

计算所述待检测像素点在所述检测窗口中的四个方向上的梯度绝对值，所述四个方向包括水平方向、垂直方向、45°方向和135°方向；

根据各方向的梯度绝对值计算各方向的高斯梯度权重，并根据所述高斯梯度权重对所述检测窗口中各方向上的像素平均值进行累加，得到所述待检测像素点的估计值，并将所述待检测像素点的像素值替换为所述估计值。

由上述描述可知，根据各方向的高斯梯度权重计算待检测像素点的估计值，使用估计值替换判定为坏点的待检测像素点的像素值，能够保留图像边缘信息、提升图像质量。

进一步地，所述根据各方向的梯度绝对值计算各方向的高斯梯度权重包括：

式中，weight_H表示水平方向高斯梯度权重，weight_V表示垂直方向高斯梯度权重，weight₄₅表示45°方向高斯梯度权重，weight₁₃₅表示135°方向高斯梯度权重；grad_H表示水平方向梯度绝对值，grad_V表示垂直方向梯度绝对值，grad₄₅表示45°方向梯度绝对值，grad₁₃₅表示135°方向梯度绝对值。

由上述描述可知，基于高斯梯度权重的估计值计算可对不同方向上的梯度分配权重，更好地保留图像边缘和细节信息，提升图像质量。

请参照图2，本发明另一实施例提供了一种图像坏点检测终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

由上述描述可知，获取RAW格式的待检测图像之后，以待检测像素点为中心提取检测区域，并提取与待检测像素点相同通道的像素点组成检测窗口，从而基于该检测窗口计算出第一门限值的误差区间，进行坏点的初步检测；当待检测像素点未落入第一门限值的误差区间之后，待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值和预设的第二门限值的大小，判定待检测像素点是坏点还是正常点。因此基于动态阈值的双门限坏点检测使用双门限值进行坏点判定，减少了噪声的干扰，可提高坏点检测的准确率，减少误判、漏判等现象，且能够较好的保留图像细节，提升图像质量，其计算复杂度低，校正效果较好。

进一步地，在所述待检测图像中提取以待检测像素点为中心的检测区域包括：

判断在所述待检测图像中以待检测像素点为中心提取得到的检测区域是否会超出所述待检测图像的边界，若是，则对超出边界的部分进行镜像填充后提取检测区域，否则，直接提取检测区域。

由上述描述可知，以镜像的方式填充检测区域超出待检测图像的边界的部分，能够保证该图像坏点检测的可靠性。

进一步地，计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值，之后包括：

计算所述检测窗口中除所述待检测像素点之外的像素点的第一均值；

将所述检测窗口中除所述待检测像素点之外的次最大值减去第一均值的绝对值与次最小值减去第一均值的绝对值之和作为动态阈值；

所述第一门限值的误差区间为大于或者等于第一门限值减去动态阈值，且小于或者等于第一门限值加上动态阈值。

由上述描述可知，计算动态阈值的方法能够减少检测窗口中的亮点或暗点对于坏点判定的影响，提高检测准确率；使用动态阈值的方式能够更好的适应图像不同区域的特征，减少误判、漏判。并且通过计算动态阈值，能够得到第一门限值的误差区间，从而快速进行待检测像素点的初步检测，提高坏点检测的效率。

进一步地，判定所述待检测像素点为坏点之后包括：

计算所述待检测像素点在所述检测窗口中的四个方向上的梯度绝对值，所述四个方向包括水平方向、垂直方向、45°方向和135°方向；

根据各方向的梯度绝对值计算各方向的高斯梯度权重，并根据所述高斯梯度权重对所述检测窗口中各方向上的像素平均值进行累加，得到所述待检测像素点的估计值，并将所述待检测像素点的像素值替换为所述估计值。

由上述描述可知，根据各方向的高斯梯度权重计算待检测像素点的估计值，使用估计值替换判定为坏点的待检测像素点的像素值，能够保留图像边缘信息、提升图像质量。

进一步地，所述根据各方向的梯度绝对值计算各方向的高斯梯度权重包括：

式中，weight_H表示水平方向高斯梯度权重，weight_V表示垂直方向高斯梯度权重，weight₄₅表示45°方向高斯梯度权重，weight₁₃₅表示135°方向高斯梯度权重；grad_H表示水平方向梯度绝对值，grad_V表示垂直方向梯度绝对值，grad₄₅表示45°方向梯度绝对值，grad₁₃₅表示135°方向梯度绝对值。

由上述描述可知，基于高斯梯度权重的估计值计算可对不同方向上的梯度分配权重，更好地保留图像边缘和细节信息，提升图像质量。

本发明上述的一种图像坏点检测方法及终端，适用于图像的动态坏点校正，基于动态阈值的双门限坏点检测以及基于高斯梯度权重的估计值计算，可以减少图像噪声的影响，提高坏点检测的准确率，能够较好的保留图像边缘、细节信息，可以在不损坏图像质量的基础之上准确的检测并校正坏点。以下通过具体的实施方式进行说明：

实施例一

请参照图1和图3，一种图像坏点检测方法，包括步骤：

S1、获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口。

S11、获取相机采集到的RAW数据，RAW数据可以为RGGB、GRBG、BGGR以及GBRG格式，本实施例中RAW数据为RGGB格式。

S12、判断在所述待检测图像中以待检测像素点为中心提取得到的检测区域是否会超出所述待检测图像的边界，若是，则对超出边界的部分进行镜像填充后提取检测区域，否则，直接提取检测区域。

具体的，以待检测像素点为中心，提取5*5检测区域，若5*5检测区域中的像素点超出图像边界，则以镜像的方式填充。例如：待检测像素点为图像上第一个点，即第一行第一列的点，则5*5检测区域中超出图像边界的其余像素以图像第二三行/列的数据进行填充。

S13、提取检测窗口。

在本实施例中，在5*5检测区域中提取与待检测像素点相同通道的像素，组成3*3检测窗口。请参照图4，R5为待检测像素点，待检测像素点属于R通道，则提取5*5区域中所有R数据组成3*3检测窗口。

S2、计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值。

在本实施例，按照如下公式计算第一门限值thres_fg：

以此方式计算得到的第一门限值能够更好的估计检测窗口的平均像素值，降低坏点的误判率。

其中，计算所述检测窗口中除所述待检测像素点之外的像素点的第一均值；

将所述检测窗口中除所述待检测像素点之外的次最大值减去第一均值的绝对值与次最小值减去第一均值的绝对值之和作为动态阈值。

在本实施例中，动态阈值thres_d的计算公式如下：

thres_d＝|R_sh-R_mean|+|R_sl-R_mean|；

式中，R_mean表示第一均值，R_sh表示次最大值，R_sl表示次最小值。

因此，本实施例中的动态阈值计算方式能够减少检测窗口中的亮点或暗点对于坏点判定的影响，提高检测准确率；并且使用动态阈值的方式能够更好的适应图像不同区域的特征，减少误判、漏判。

其中，所述第一门限值的误差区间为大于或者等于第一门限值减去动态阈值，且小于或者等于第一门限值加上动态阈值。

在本实施例中，第一门限值的误差区间为thres_fg-thres_d≤R₅≤thres_fg+thres_d，若待检测像素点落入该区间，则认为是正常点，否则视为疑似坏点。

S3、若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

本实施例中，计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，其平均值sub_mean的公式和待检测像素点判定公式具体为：

式中，第二门限值thres_sg为预设的噪声阈值。

因此，通过计算邻域内像素点与待检测像素点像素值的偏离程度，与允许的噪声范围作比较，进而判定是否为坏点。能够有效减少图像中噪声点对于坏点判定的影响，若无此判断，则容易将图像中的噪声点判定为坏点，会在一定程度上影响图像的层次感。

S4、计算所述待检测像素点在所述检测窗口中的四个方向上的梯度绝对值，所述四个方向包括水平方向、垂直方向、45°方向和135°方向，根据各方向的梯度绝对值计算各方向的高斯梯度权重，并根据所述高斯梯度权重对所述检测窗口中各方向上的像素平均值进行累加，得到所述待检测像素点的估计值，并将所述待检测像素点的像素值替换为所述估计值。

S41、分别求取待检测像素点在水平、垂直、45°以及135°方向上的梯度绝对值：

grad_H＝|R₆-R₄|

grad_V＝|R₈-R₂|

grad₄₅＝|R₇-R₃|

grad₁₃₅＝|R₉-R₁|；

式中，grad_H表示水平方向梯度绝对值，grad_V表示垂直方向梯度绝对值，grad₄₅表示45°方向梯度绝对值，grad₁₃₅表示135°方向梯度绝对值。

S42、所述根据各方向的梯度绝对值计算各方向的高斯梯度权重包括：

式中，weight_H表示水平方向高斯梯度权重，weight_V表示垂直方向高斯梯度权重，weight₄₅表示45°方向高斯梯度权重，weight₁₃₅表示135°方向高斯梯度权重。

S43、按照权重对四个方向上的像素平均值进行累加，得到待检测像素点的估计值R_calib：

若待检测像素点被判定为坏点，则使用估计值进行替代，完成坏点校正。

实施例二

请参照图2，一种图像坏点检测终端1，包括存储器2、处理器3以及存储在所述存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述计算机程序时实现实施例一的一种图像坏点检测方法的各个步骤。

综上所述，本发明提供的一种图像坏点检测方法及终端，获取RAW格式的待检测图像之后，以待检测像素点为中心提取检测区域，并提取与待检测像素点相同通道的像素点组成检测窗口，从而基于该检测窗口计算出第一门限值的误差区间，进行坏点的初步检测；当待检测像素点未落入第一门限值的误差区间之后，待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值和预设的第二门限值的大小，判定待检测像素点是坏点还是正常点。因此基于动态阈值的双门限坏点检测使用双门限值进行坏点判定，减少了噪声的干扰，可提高坏点检测的准确率，减少误判、漏判等现象，且能够较好的保留图像细节，提升图像质量，其计算复杂度低，校正效果较好。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种图像坏点检测方法，其特征在于，包括步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

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，在所述待检测图像中提取以待检测像素点为中心的检测区域包括：

判断在所述待检测图像中以待检测像素点为中心提取得到的检测区域是否会超出所述待检测图像的边界，若是，则对超出边界的部分进行镜像填充后提取检测区域，否则，直接提取检测区域。

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，计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值，之后包括：

计算所述检测窗口中除所述待检测像素点之外的像素点的第一均值；

将所述检测窗口中除所述待检测像素点之外的次最大值减去第一均值的绝对值与次最小值减去第一均值的绝对值之和作为动态阈值；

所述第一门限值的误差区间为大于或者等于第一门限值减去动态阈值，且小于或者等于第一门限值加上动态阈值。

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，判定所述待检测像素点为坏点之后包括：

计算所述待检测像素点在所述检测窗口中的四个方向上的梯度绝对值，所述四个方向包括水平方向、垂直方向、45°方向和135°方向；

根据各方向的梯度绝对值计算各方向的高斯梯度权重，并根据所述高斯梯度权重对所述检测窗口中各方向上的像素平均值进行累加，得到所述待检测像素点的估计值，并将所述待检测像素点的像素值替换为所述估计值。

5.根据权利要求4所述的一种图像坏点检测方法，其特征在于，所述根据各方向的梯度绝对值计算各方向的高斯梯度权重包括：

式中，weight_H表示水平方向高斯梯度权重，weight_V表示垂直方向高斯梯度权重，weight₄₅表示45°方向高斯梯度权重，weight₁₃₅表示135°方向高斯梯度权重；grad_H表示水平方向梯度绝对值，grad_V表示垂直方向梯度绝对值，grad₄₅表示45°方向梯度绝对值，grad₁₃₅表示135°方向梯度绝对值。

6.一种图像坏点检测终端，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

获取RAW格式的待检测图像，在所述待检测图像中提取以待检测像素点为中心的检测区域，在所述检测区域中提取与所述待检测像素点相同通道的像素点，并将所述待检测像素点及其相同通道的像素点组成检测窗口；

计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值；

若所述待检测像素点不位于所述第一门限值的误差区间内，则计算所述检测窗口中除所述待检测像素点之外的像素点与所述待检测像素点的绝对差值的平均值，若所述平均值大于预设的第二门限值，则判定所述待检测像素点为坏点，若所述平均值小于或者等于预设的第二门限值，则判定所述待检测像素点为正常点。

7.根据权利要求6所述的一种图像坏点检测终端，其特征在于，在所述待检测图像中提取以待检测像素点为中心的检测区域包括：

判断在所述待检测图像中以待检测像素点为中心提取得到的检测区域是否会超出所述待检测图像的边界，若是，则对超出边界的部分进行镜像填充后提取检测区域，否则，直接提取检测区域。

8.根据权利要求6所述的一种图像坏点检测终端，其特征在于，计算所述检测窗口中除待检测像素点、最大值和最小值之外的像素点均值，得到第一门限值，之后包括：

计算所述检测窗口中除所述待检测像素点之外的像素点的第一均值；

将所述检测窗口中除所述待检测像素点之外的次最大值减去第一均值的绝对值与次最小值减去第一均值的绝对值之和作为动态阈值；

所述第一门限值的误差区间为大于或者等于第一门限值减去动态阈值，且小于或者等于第一门限值加上动态阈值。

9.根据权利要求6所述的一种图像坏点检测终端，其特征在于，判定所述待检测像素点为坏点之后包括：

计算所述待检测像素点在所述检测窗口中的四个方向上的梯度绝对值，所述四个方向包括水平方向、垂直方向、45°方向和135°方向；

根据各方向的梯度绝对值计算各方向的高斯梯度权重，并根据所述高斯梯度权重对所述检测窗口中各方向上的像素平均值进行累加，得到所述待检测像素点的估计值，并将所述待检测像素点的像素值替换为所述估计值。

10.根据权利要求9所述的一种图像坏点检测终端，其特征在于，所述根据各方向的梯度绝对值计算各方向的高斯梯度权重包括：

式中，weight_H表示水平方向高斯梯度权重，weight_V表示垂直方向高斯梯度权重，weight₄₅表示45°方向高斯梯度权重，weight₁₃₅表示135°方向高斯梯度权重；grad_H表示水平方向梯度绝对值，grad_V表示垂直方向梯度绝对值，grad₄₅表示45°方向梯度绝对值，grad₁₃₅表示135°方向梯度绝对值。

Images