CN116600213B - 一种基于投票的面向线阵的高鲁棒性坏点校正方法 - Google Patents
一种基于投票的面向线阵的高鲁棒性坏点校正方法 Download PDFInfo
- Publication number
- CN116600213B CN116600213B CN202310650894.8A CN202310650894A CN116600213B CN 116600213 B CN116600213 B CN 116600213B CN 202310650894 A CN202310650894 A CN 202310650894A CN 116600213 B CN116600213 B CN 116600213B
- Authority
- CN
- China
- Prior art keywords
- pixel
- dead
- image
- dead pixel
- value
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 117
- 238000004458 analytical method Methods 0.000 claims abstract description 85
- 238000003384 imaging method Methods 0.000 claims description 83
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
- H04N25/683—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects by defect estimation performed on the scene signal, e.g. real time or on the fly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/68—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to defects
- H04N25/69—SSIS comprising testing or correcting structures for circuits other than pixel cells
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于投票的面向线阵的高鲁棒性坏点校正方法,包括:采用线阵相机进行相机图像获取,输出的相机图像;针对输出的相机图像采用单像素坏点检测方法进行坏点检测,得到像素坏点检测结果;根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计,得到图像坏点表;结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,得到图像坏点判断结果;按照图像坏点判断结果针对坏点进行校正。本发明能够对线阵相机的图像进行坏点检测与校正,不仅鲁棒性高,还不容易出现误判,校正效果好。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于投票的面向线阵的高鲁棒性坏点校正方法。
背景技术
图像传感器由于工艺缺陷,寿命折损或光信号转化过程中出现错误,会出现坏点从而降低图像质量,这将严重影响后续的图像处理过程和图像的视觉效果。随着计算机视觉的发展,高端视觉任务对图像质量提出了更高的要求,图像去坏点的重要性也日益提升。目前现有的技术方案往往都是针对面阵中以散点行式呈现的坏点,当面对推扫式相机中按列形式呈现的坏点时,它们不再能够完成对坏点的有效校正,而且误判较多还造成了图像模糊的状况,因此,本发明以单像素坏点检测方法为例,但不限于此方法,提出一种基于投票的面向线阵的高鲁棒性坏点校正方法,能够对线阵相机的图像进行坏点检测与校正,不仅鲁棒性高,还不容易出现误判,校正效果好。
发明内容
本发明的目的在于提供一种基于投票的面向线阵的高鲁棒性坏点校正方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于投票的面向线阵的高鲁棒性坏点校正方法,包括:
采用线阵相机进行相机图像获取,输出的相机图像;
针对输出的相机图像采用单像素坏点检测方法进行坏点检测,得到像素坏点检测结果;
根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计,得到图像坏点表;
结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,得到图像坏点判断结果;
按照图像坏点判断结果针对坏点进行校正。
进一步地,所述线阵相机采用推扫式成像模式逐行输出相机图像,针对输出的相机图像中的每一行相同位置的像素点都是由线阵相机中的同一个成像单元输出的。
进一步地,针对输出的相机图像采用单像素坏点检测方法进行坏点检测时,针对输出的每一行相机图像进行坏点检测,在相机图像中确定待检测点,针对待检测点选取邻域窗,得到待检测点的分析区域,在待检测点的分析区域中结合周围相邻像素值进行差异分析,得到像素坏点检测结果。
进一步地,所述差异分析包括水平方向的差异分析和竖直方向的差异分析,在待检测点的分析区域中结合周围相邻像素值进行差异分析包括:
将待检测点结合同列上下相邻像素值进行竖直方向的差异分析,得到上像素差异值和下像素差异值;
分别分析上像素差异值和下像素差异值与预设阈值的大小关系,得到竖直方向的差异分析结果;
在竖直方向的差异分析结果中,当上像素差异值和下像素差异值同时小于预设阈值时,将待检测点结合同列左右相邻像素值进行水平方向的差异分析,确定待检测点的分析区域中相邻列的列平均像素值,并计算列平均像素值与待检测点的像素值之间的差值,得到水平分析数据;
将水平分析数据按照降幂顺序排列,确定最小值,并将最小值与预设阈值进行比较,当最小值大于预设阈值时,待检测点的像素坏点检测结果为待检测是坏点,否则待检测不是坏点。
进一步地,根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计时,采用计数器进行数据统计,所述计数器包括行计数器和列计数器,其中,行计数器针对输出相机图像的行数进行统计计数,列计数器的数目是多个,其数量与成像单元的数量相同,利用列计数器针对每一行相机图像中相同成像单元中的坏点进行数据统计。
进一步地,所述行计数器针对输出相机图像的行数进行统计计数时,随着线阵相机的输出行计数器针对输出行数进行统计计数,得到行计数器统计数据,将行计数器统计数据与第一统计阈值进行比较,当行计数器统计数据等于第一统计阈值时,将行计数器清零,等待下一次统计计数;
所述像素坏点检测结果是按照成像单元进行划分的,包括多个成像单元坏点检测结果,成像单元坏点检测结果与成像单元是对应的,列计数器也与成像单元匹配对应,当输出的相机图像得到的成像单元坏点检测结果存在坏点时,所述成像单元匹配对应的列计数器则计数加一,得到成像单元坏点统计数据,当行计数器达到第一统计阈值时,结合第二统计阈值针对成像单元坏点统计数据进行分析,当成像单元坏点统计数据达到第二统计阈值时,则在图像坏点表中将所述成像单元对应的列标记为坏列,同时将所有列计数器清零,等待下一次统计计数。
进一步地,所述图像坏点表在得到之前,包括两种模式,一种是在获取图像坏点表过程中采用单像素换点检测确定的像素坏点检测结果直接作为对应相机图像的坏点来进行校正,另一种是将采用单像素坏点检测方法进行坏点检测的相机图像中所有点都不作为坏点,并且直接将获取图像坏点表过程中相机图像对应的原始相机图像输送给后级。
进一步地,所述图像坏点表根据线阵相机的使用时间定期进行更新,在针对图像坏点表进行更新时,行计数器和列计数器重新针对输出相机图像的行数进行统计计数和针对每一行相机图像中相同成像单元中的坏点通过单坏点检测方法进行数据统计,并且在针对图像坏点表进行更新过程中依然按照更新前的图像坏点表进行坏点查询与判断,当得到更新后的图像坏点表时,结合更新后的图像坏点进行坏点查询与判断。
进一步地,结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,包括:
将相机图像按照成像单元进行划分,把相机图像分成多个图像单元;
针对图像单元按照查询策略在图像坏点表中进行查询,获得到图像单元查询信息;
根据图像单元查询信息进行图像单元坏点判断,确定图像单元是否为坏点,得到图像坏点判断结果。
进一步地,按照图像坏点判断结果针对坏点进行校正时,针对坏点结合邻域窗内的像素值确定校正值,包括:
针对坏点结合邻域窗内的像素值进行水平方向,竖直方向,左对角方向以及右对角方向的梯度计算,得到多个梯度数据;
分析梯度数据的大小,确定最小梯度,并确定最小梯度对应的方向,得到分析结果;
根据分析结果确定校正值,当最小梯度对应的方向是竖直方向时,在邻域窗内针对坏点所在列进行左相邻列均值计算和右相邻列均值计算,得到相邻列均值,并将相邻列均值与坏点的像素值进行差值计算,然后针对计算的差值进行降幂排列,得到降幂队列,在降幂队列中选择差值最小的作为坏点的校正值;当最小梯度对应的方向不是竖直方向时,确定最小梯度对应的方向,得到最小梯度计算方向,并针对最小梯度计算方向上的像素值进行均值计算作为坏点的校正值。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明所述的一种基于投票的面向线阵的高鲁棒性坏点校正方法的步骤示意图;
图2为本发明所述的一种基于投票的面向线阵的高鲁棒性坏点校正方法中步骤二的示意图;
图3为本发明所述的一种基于投票的面向线阵的高鲁棒性坏点校正方法中步骤三的示意图;
图4为本发明所述的一种基于投票的面向线阵的高鲁棒性坏点校正方法中步骤四的示意图;
图5为本发明所述的一种基于投票的面向线阵的高鲁棒性坏点校正方法中步骤五的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种基于投票的面向线阵的高鲁棒性坏点校正方法,包括:
步骤一、采用线阵相机进行相机图像获取,输出的相机图像;
步骤二、针对输出的相机图像采用单像素坏点检测方法进行坏点检测,得到像素坏点检测结果;
步骤三、根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计,得到图像坏点表;
步骤四、结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,得到图像坏点判断结果;
步骤五、按照图像坏点判断结果针对坏点进行校正。
上述技术方案提供了一种基于投票的面向线阵的高鲁棒性坏点校正方法,针对线阵相机的图像进行坏点检测与校正,首先采用线阵相机进行相机图像获取,线阵相机在推扫式成像过程输出一行一行的图像,从而得到相机图像,然后针对输出的相机图像单像素坏点检测方法针对每一个像素点进行坏点检测,确定是否是坏点,从而得到像素坏点检测结果,接着根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计,如果像素坏点检测结果表示像素点不是坏点,则不采用投票以及阈值判断方式进行分析统计,如果像素坏点检测结果表示像素点是坏点,则采用投票以及阈值判断方式进行分析统计,根据多个像素坏点检测结果进行分析与统计后形成图像坏点表,得到图像坏点表后停止采用单像素坏点检测方法进行坏点检测,根据图像坏点表针对后续输出的相机图像进行坏点查询与判断,将输出的相机图像中后续部分的像素在图像坏点表中进行查询,根据查询结果判断像素是否是坏点,从而得到图像坏点判断结果,最后按照图像坏点判断结果针对相机图像中的坏点进行校正,得到校正后的相机图像。
上述技术方案实现了对线阵相机的图像的坏点检测与校正,从而在面对推扫式相机中按列形式呈现的坏点时能够完成对坏点的有效校正,具有较高的鲁棒性,能够提高相机图像的品质,使得相机图像具有更好的呈现效果,通过形成图像坏点表使得针对线阵相机的输出图像形成坏点统计,为输出的相机图像进行坏点分析提供便捷,而且结合图像坏点表针对后续输出的相机图像进行坏点查询与判断能够快速在图像坏点表中通过查询确定是否为坏点,不仅效率高,而且对于正常像素具有较低的误检率,从而提高图像坏点判断结果的准确性,进而使得能够更好对相机图像进行坏点校正,避免对正常像素的大量误判造成较大程度的图像模糊,确保了校正效果好,提高相机图像的品质。
本发明提供的一个实施例中,所述线阵相机采用推扫式成像模式逐行输出相机图像,针对输出的相机图像中的每一行相同位置的像素点都是由线阵相机中的同一个成像单元输出的。
上述技术方案中的线阵相机采用的是推扫式成像,采用线阵相机进行图像采集时将采集的图像一行一行的输出相机图像,在线阵相机中,输出的相机图像每一行的同一位置是由相同的成像单元输出的。
上述技术方案采用线阵相机进行图像采集时将采集的图像一行一行的输出相机图像从而能够针对输出的相机图像进行实时的检测,及时根据检测结果进行校正,从而提高相机图像的呈现效果,而且输出的相机图像每一行的同一位置是由相同的成像单元输出的能够根据相机图像确定成像单元使得相机图像出现坏点的情况,为后续输出的相机图像的坏点判断提供便捷与参考。
本发明提供的一个实施例中,针对输出的相机图像采用单像素坏点检测方法进行坏点检测时,针对输出的每一行相机图像进行坏点检测,在相机图像中确定待检测点,针对待检测点选取邻域窗,得到待检测点的分析区域,在待检测点的分析区域中结合周围相邻像素值进行差异分析,得到像素坏点检测结果。
上述技术方案在针对输出的相机图像采用单像素坏点检测方法进行坏点检测时,依次针对输出的每一行相机图像进行坏点检测,在被进行坏点检测的相机图像中,确定待检测点,然后对待检测点选取邻域窗,将邻域窗作为待检测的分析区域,在邻域窗内将待检测点的像素值结合周围像素值进行差异分析,得到像素坏点检测结果。
上述技术方案通过针对待检测点选取邻域窗作为待检测的分析区域进行分析待检测点是否是坏点,实现在小的区域范围内明确像素点的差异,辨别待检测点是否是坏点,不仅像素坏点检测结果的准确性高,而且还能够有效减少差异分析的工作量,提高差异分析的效率。
本发明提供的一个实施例中,所述差异分析包括水平方向的差异分析和竖直方向的差异分析,如图2所示,在待检测点的分析区域中结合周围相邻像素值进行差异分析包括:
S201、将待检测点结合同列上下相邻像素值进行竖直方向的差异分析,得到上像素差异值和下像素差异值;
S202、分别分析上像素差异值和下像素差异值与预设阈值的大小关系,得到竖直方向的差异分析结果;
S203、在竖直方向的差异分析结果中,当上像素差异值和下像素差异值同时小于预设阈值时,将待检测点结合同列左右相邻像素值进行水平方向的差异分析,确定待检测点的分析区域中相邻列的列平均像素值,并计算列平均像素值与待检测点的像素值之间的差值,得到水平分析数据;
S204、将水平分析数据按照降幂顺序排列,确定最小值,并将最小值与预设阈值进行比较,当最小值大于预设阈值时,待检测点的像素坏点检测结果为待检测是坏点,否则待检测不是坏点。
上述技术方案在待检测点的分析区域中结合周围相邻像素值进行差异分析时,针对待检测点分别进行水平方向的差异分析和竖直方向的差异分析,其具体过程如下:
首先针对待检测点结合同列上下相邻像素值进行竖直方向的差异分析,在邻域窗内将待检测点的像素值与同列中上方相邻的像素值进行差值计算,得到上像素差异值,将待检测点的像素值与同列中下方相邻的像素值进行差值计算,得到下像素差异值;然后分析上像素差异值与预设阈值之间的大小关系和下像素差异值与预设阈值之间的大小关系,从而得到竖直方向的差异分析结果,当且仅当上像素差异值小于预设阈值且下像素差异值也小于预设阈值时,在邻域窗内将待检测点结合同列左右相邻像素值进行水平方向的差异分析,确定待检测点的分析区域中左侧相邻列的列平均像素值和右侧相邻列的列平均像素值,得到多个列平均像素值,将列平均像素值与待检测点的像素值进行差值计算,得到左右相邻列的平均像素值与待检点的像素值之间的差值,即得到水平分析数据;然后再针对水平分析数据进行大小排序,确定水平分析数据中的最小值,将最小值与预设阈值进行比较,如果最小值大于预设阈值,待检测点的像素坏点检测结果为待检测是坏点,如果最小值小于等于预设阈值,则待检测点的像素坏点检测结果为待检测不是坏点。其中,预设阈值是可配置的阈值,能够根据实际情况进行调整。
上述技术方案通过邻域窗分析待检测点像素是否是坏点,实现了对坏点的检测,不仅能够明确待检测点与同列上下相邻的像素值之间的差异还能够明确待检测点与左右相邻像素值之间的差异,进一步确定待检测是否在周围像素值中比较显著,利用较少的数据分析确定出坏点,不仅准确性高,而且效率也高,并且在竖直方向的差异分析结果为上像素差异值和下像素差异值同时小于预设阈值时才进行水平方向的差异分析,使得在待检测点可能是坏点的情况下才进一步进行水平方向的差异分析,从而避免对不可能是坏点的待检测点进行水平方向的差异分析,避免造成时间浪费,有效提高了差异分析的效率。
本发明提供的一个实施例中,根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计时,采用计数器进行数据统计,所述计数器包括行计数器和列计数器,其中,行计数器针对输出相机图像的行数进行统计计数,列计数器的数目是多个,其数量与成像单元的数量相同,利用列计数器针对每一行相机图像中相同成像单元中的坏点进行数据统计。
上述技术方案在根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计时,采用计数器进行数据统计,其中,计数器包括行计数器和列计数器,行计数器的数目是一个,列计数器的数目是多个,其数量与成像单元的数量是相同的,一个列计数器对应计数统计一个成像单元输出的相机图像中对应图像部分,行计数器针对输出相机图像的行数进行统计计数,列计数器针对每一行相机图像中相同成像单元中的坏点进行数据统计。
上述技术方案通过计数器实现对相机图像的自动化统计,无需人为人工记录,不仅节省人工成本消耗,还能够确保准确性。通过计数器包括行计数器和列计数器实现行计数器和列计数器针对不同的数据同时进行统计,互不影响,并且通过列计数器能够清楚了解输出的相机图像的每一行同一列位置的坏点出现情况以及通过行计数器了解输出的相机图像的行数,使得将线阵相机的输出情况数据化呈现。
本发明提供的一个实施例中,所述行计数器针对输出相机图像的行数进行统计计数时,随着线阵相机的输出行计数器针对输出行数进行统计计数,得到行计数器统计数据,将行计数器统计数据与第一统计阈值进行比较,当行计数器统计数据等于第一统计阈值时,将行计数器清零,等待下一次统计计数;
所述像素坏点检测结果是按照成像单元进行划分的,包括多个成像单元坏点检测结果,成像单元坏点检测结果与成像单元是对应的,列计数器也与成像单元匹配对应,当输出的相机图像得到的成像单元坏点检测结果存在坏点时,所述成像单元匹配对应的列计数器则计数加一,得到成像单元坏点统计数据,当行计数器达到第一统计阈值时,结合第二统计阈值针对成像单元坏点统计数据进行分析,当成像单元坏点统计数据达到第二统计阈值时,则在图像坏点表中将所述成像单元对应的列标记为坏列,同时将所有列计数器清零,等待下一次统计计数。
如图3所示,上述技术方案中的行计数器在针对输出相机图像的行数进行统计计数时,随着线阵相机的输出行计数器针对输出行数进行统计计数,线阵相机的输出行加一,则行计数器的数目也会随之加一,从而得到行计数器统计数据,在行计数器进行计数统计的过程中,将行计数器统计数据与第一统计阈值进行实时监测比较,如果行计数器统计数据等于第一统计阈值,则将行计数器清零,等待下一次统计计数;像素坏点检测结果是按照成像单元进行划分的,包括多个成像单元坏点检测结果,成像单元坏点检测结果与成像单元是对应的,列计数器也与成像单元匹配对应,如果输出的相机图像得到的成像单元坏点检测结果存在坏点,成像单元匹配对应的列计数器则计数加一,根据列计数器针对输出的每一行的相机图像进行统计,从而得到成像单元坏点统计数据,如果行计数器达到第一统计阈值,此时将成像单元坏点统计数据结合第二统计阈值进行分析,确定成像单元坏点统计数据与第二统计阈值之间的大小关系,当成像单元坏点统计数据未达到第二统计阈值时,则在图像坏点表中将该成像单元对应的列不是坏列,在图像坏点表中不针对该成像单元进行标记,当成像单元坏点统计数据达到第二统计阈值时,则在图像坏点表中将该成像单元对应的列标记为坏列,在图像坏点表中将该成像单元标记为1,以表示该成像单元对应的列为坏列,同时将所有的列计数器清零,等待下一次统计计数。
上述技术方案通过行计数器实现对线阵相机输出的相机图像的输出情况的统计,结合第一统计阈值使得在确定图像坏点表时针对固定数量的相机图像进行分析确定,通过列计数器实现对每行相机图像中坏点的出现情况,进而明确成像单元对于坏点出现的情况,图像坏点表则是将成像单元的成像情况进行统计概括,明确在成像时相机图像出现坏点的情况,进而为后续相机图像的坏点判断提供参考依据,此外将行计数器在达到第一统计阈值之后清零以及列计数器在达到第二统计阈值之后清零能够更好的为下一统计计数做准备。
本发明提供的一个实施例中,所述图像坏点表在得到之前,包括两种模式,一种是在获取图像坏点表过程中采用单像素换点检测确定的像素坏点检测结果直接作为对应相机图像的坏点来进行校正,另一种是将采用单像素坏点检测方法进行坏点检测的相机图像中所有点都不作为坏点,并且直接将获取图像坏点表过程中相机图像对应的原始相机图像输送给后级。
上述技术方案中,图像坏点表在得到之前,既可以根据在获取图像坏点表过程中采用单像素换点检测确定的像素坏点检测结果直接作为对应相机图像的坏点来进行校正,也可以将采用单像素坏点检测方法进行坏点检测的相机图像中所有点都不作为坏点,并且直接将获取图像坏点表过程中相机图像对应的原始相机图像输送给后级,两种模式可以根据实际情况自行选择。
上述技术方案在图像坏点表在得到之前通过两者模式针对获取图像坏点表过程中相机图像进行处理,确保了坏点校正方法的有序进行。
本发明提供的一个实施例中,所述图像坏点表根据线阵相机的使用时间定期进行更新,在针对图像坏点表进行更新时,行计数器和列计数器重新针对输出相机图像的行数进行统计计数和针对每一行相机图像中相同成像单元中的坏点通过单坏点检测方法进行数据统计,并且在针对图像坏点表进行更新过程中依然按照更新前的图像坏点表进行坏点查询与判断,当得到更新后的图像坏点表时,结合更新后的图像坏点进行坏点查询与判断。
上述技术方案中的图像坏点表根据线阵相机的使用时间定期进行更新,这里的更新频率是根据实际使用时间进行设置的,而且在针对图像坏点表进行更新时,行计数器重新针对输出相机图像的行数进行统计计数,列计数器针对每一行相机图像中相同成像单元中的坏点采用单坏点检测方法进行数据统计,特别地,在针对图像坏点表进行更新过程中依然按照更新前的图像坏点表进行坏点查询与判断,当得到更新后的图像坏点表后,结合更新后的图像坏点进行坏点查询与判断。
上述技术方案通过图像坏点表根据线阵相机的使用时间定期进行更新从而使得图像坏点表能够在成像单元发生变化时及时进行更新,从而避免由变化后的成像单元输出的相机图表按照图像坏点表进行坏点查询与判断的误差,提高坏点查询与判断的准确性,而且在针对图像坏点表进行更新过程中依然按照更新前的图像坏点表进行坏点查询与判断保证对正常像素的高鲁棒性,避免影响坏点校正的进行。
如图4所示,本发明提供的一个实施例中,结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,包括:
S401、将相机图像按照成像单元进行划分,把相机图像分成多个图像单元;
S402、针对图像单元按照查询策略在图像坏点表中进行查询,获得到图像单元查询信息;
S403、根据图像单元查询信息进行图像单元坏点判断,确定图像单元是否为坏点,得到图像坏点判断结果。
上述技术方案在结合图像坏点表针对后续输出的相机图像进行坏点查询与判断时,首先将相机图像按照成像单元进行划分,把相机图像分成多个图像单元,然后针对图像单元按照查询策略在图像坏点表中进行查询,将图像单元依次在图像坏点表中进行查询,获取与图像单元匹配的信息,得到图像单元查询信息,接着在图像单元坏点单元查询信息中进一步分析判断图像单元中的坏点,确定图像单元是否为坏点,从而得到图像坏点判断结果。
上述技术方案通过把相机图像分成多个图像单元使得在针对后续输出的相机图像进行坏点查询与判断时能够同时根据图像单元在图像坏点表中进行查询与判断,进而提高坏点查询与判断的效率,还不容易出现查询错误,而且通过根据图像单元查询信息进行图像单元坏点判断能够结合成像单元出现坏点的历史记录投票确定出图像单元中的坏点存在情况,具有很高的参考价值,能够确保图像坏点判断结果的准确性。
如图5所示,本发明提供的一个实施例中,按照图像坏点判断结果针对坏点进行校正时,针对坏点结合邻域窗内的像素值确定校正值,包括:
S501、针对坏点结合邻域窗内的像素值进行水平方向,竖直方向,左对角方向以及右对角方向的梯度计算,得到多个梯度数据;
S502、分析梯度数据的大小,确定最小梯度,并确定最小梯度对应的方向,得到分析结果;
S503、根据分析结果确定校正值,当最小梯度对应的方向是竖直方向时,在邻域窗内针对坏点所在列进行左相邻列均值计算和右相邻列均值计算,得到相邻列均值,并将相邻列均值与坏点的像素值进行差值计算,然后针对计算的差值进行降幂排列,得到降幂队列,在降幂队列中选择差值最小的作为坏点的校正值;当最小梯度对应的方向不是竖直方向时,确定最小梯度对应的方向,得到最小梯度计算方向,并针对最小梯度计算方向上的像素值进行均值计算作为坏点的校正值。
上述技术方案在按照图像坏点判断结果针对坏点进行校正时,根据坏点的邻域窗内的像素值确定校正值,首先针对坏点结合邻域窗内的像素值进行水平方向,竖直方向,左对角方向以及右对角方向的梯度计算,得到多个梯度数据;然后,分析梯度数据的大小,确定最小梯度,并确定最小梯度对应的方向,得到分析结果;接着根据分析结果确定校正值,当最小梯度对应的方向是竖直方向时,在邻域窗内针对坏点所在列进行左相邻列均值计算和右相邻列均值计算,得到相邻列均值,并将相邻列均值与坏点的像素值进行差值计算,然后针对计算的差值进行降幂排列,得到降幂队列,在降幂队列中选择差值最小的作为坏点的校正值;当最小梯度对应的方向不是竖直方向时,确定最小梯度对应的方向,得到最小梯度计算方向,并针对最小梯度计算方向上的像素值进行均值计算作为坏点的校正值。
上述技术方案结合邻域窗内的像素值确定坏点的校正值,从而通过校正值将坏点均衡化,从而使得相机图像呈现更好的效果,在确定坏点的校正值时,结合水平方向,竖直方向,左对角方向以及右对角方向上的梯度,利用了邻域范围内的纹理信息,从而使得坏点与水平方向,竖直方向,左对角方向以及右对角方向上梯度保持一致性,避免坏点的像素值更加突出,并且根据最小梯度采用不同的方法进行校正值确定,从而使得坏点按照行形式被去除或按照列形式被去除,从而使得坏点的像素值与行保持一致或者与列保持一致,降低坏点的突出性,保留正常像素,保留图像的纹理,防止图像的模糊,改善相机图像的效果,提高相机图像的品质。
本领域技术人员应当理解的是,本发明中的第一、第二仅仅指的是不同应用阶段而已。
本领域技术客户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (8)
1.一种基于投票的面向线阵的高鲁棒性坏点校正方法,其特征在于,包括:
采用线阵相机进行相机图像获取,输出相机图像;
针对输出的相机图像采用单像素坏点检测方法进行坏点检测,得到像素坏点检测结果;针对输出的相机图像采用单像素坏点检测方法进行坏点检测时,针对输出的每一行相机图像进行坏点检测,在相机图像中确定待检测点,针对待检测点选取邻域窗,得到待检测点的分析区域,在待检测点的分析区域中结合周围相邻像素值进行差异分析,得到像素坏点检测结果;其中,所述差异分析包括水平方向的差异分析和竖直方向的差异分析,在待检测点的分析区域中结合周围相邻像素值进行差异分析包括:将待检测点结合同列上下相邻像素值进行竖直方向的差异分析,得到上像素差异值和下像素差异值;分别分析上像素差异值和下像素差异值与预设阈值的大小关系,得到竖直方向的差异分析结果;在竖直方向的差异分析结果中,当上像素差异值和下像素差异值同时小于预设阈值时,将待检测点结合同列左右相邻像素值进行水平方向的差异分析,确定待检测点的分析区域中相邻列的列平均像素值,并计算列平均像素值与待检测点的像素值之间的差值,得到水平分析数据;将水平分析数据按照降幂顺序排列,确定最小值,并将最小值与预设阈值进行比较,当最小值大于预设阈值时,待检测点的像素坏点检测结果为待检测是坏点,否则待检测不是坏点;
根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计,得到图像坏点表;
结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,得到图像坏点判断结果;
按照图像坏点判断结果针对坏点进行校正。
2.根据权利要求1所述的高鲁棒性坏点校正方法,其特征在于,所述线阵相机采用推扫式成像模式逐行输出相机图像,针对输出的相机图像中的每一行相同位置的像素点都是由线阵相机中的同一个成像单元输出的。
3.根据权利要求2所述的高鲁棒性坏点校正方法,其特征在于,根据像素坏点检测结果采用投票以及阈值判断方式进行分析统计时,采用计数器进行数据统计,所述计数器包括行计数器和列计数器,其中,行计数器针对输出相机图像的行数进行统计计数,列计数器的数目是多个,其数量与成像单元的数量相同,利用列计数器针对每一行相机图像中相同成像单元中的坏点进行数据统计。
4.根据权利要求3所述的高鲁棒性坏点校正方法,其特征在于,所述行计数器针对输出相机图像的行数进行统计计数时,随着线阵相机的输出行计数器针对输出行数进行统计计数,得到行计数器统计数据,将行计数器统计数据与第一统计阈值进行比较,当行计数器统计数据等于第一统计阈值时,将行计数器清零,等待下一次统计计数;
所述像素坏点检测结果是按照成像单元进行划分的,包括多个成像单元坏点检测结果,成像单元坏点检测结果与成像单元是对应的,列计数器也与成像单元匹配对应,当输出的相机图像得到的成像单元坏点检测结果存在坏点时,所述成像单元匹配对应的列计数器则计数加一,得到成像单元坏点统计数据,当行计数器达到第一统计阈值时,结合第二统计阈值针对成像单元坏点统计数据进行分析,当成像单元坏点统计数据达到第二统计阈值时,则在图像坏点表中将所述成像单元对应的列标记为坏列,同时将所有列计数器清零,等待下一次统计计数。
5.根据权利要求1所述的高鲁棒性坏点校正方法,其特征在于,所述图像坏点表在得到之前,包括两种模式,一种是在获取图像坏点表过程中采用单像素坏点检测确定的像素坏点检测结果直接作为对应相机图像的坏点来进行校正,另一种是将采用单像素坏点检测方法进行坏点检测的相机图像中所有点都不作为坏点,并且直接将获取图像坏点表过程中相机图像对应的原始相机图像输送给后级。
6.根据权利要求4所述的高鲁棒性坏点校正方法,其特征在于,所述图像坏点表根据线阵相机的使用时间定期进行更新,在针对图像坏点表进行更新时,行计数器和列计数器重新针对输出相机图像的行数进行统计计数和针对每一行相机图像中相同成像单元中的坏点通过单像素坏点检测方法进行数据统计,并且在针对图像坏点表进行更新过程中依然按照更新前的图像坏点表进行坏点查询与判断,当得到更新后的图像坏点表时,结合更新后的图像坏点进行坏点查询与判断。
7.根据权利要求4所述的高鲁棒性坏点校正方法,其特征在于,结合图像坏点表针对后续输出的相机图像进行坏点查询与判断,包括:
将相机图像按照成像单元进行划分,把相机图像分成多个图像单元;
针对图像单元按照查询策略在图像坏点表中进行查询,获得到图像单元查询信息;
根据图像单元查询信息进行图像单元坏点判断,确定图像单元是否为坏点,得到图像坏点判断结果。
8.根据权利要求1所述的高鲁棒性坏点校正方法,其特征在于,按照图像坏点判断结果针对坏点进行校正时,针对坏点结合邻域窗内的像素值确定校正值,包括:
针对坏点结合邻域窗内的像素值进行水平方向,竖直方向,左对角方向以及右对角方向的梯度计算,得到多个梯度数据;
分析梯度数据的大小,确定最小梯度,并确定最小梯度对应的方向,得到分析结果;
根据分析结果确定校正值,当最小梯度对应的方向是竖直方向时,在邻域窗内针对坏点所在列进行左相邻列均值计算和右相邻列均值计算,得到相邻列均值,并将相邻列均值与坏点的像素值进行差值计算,然后针对计算的差值进行降幂排列,得到降幂队列,在降幂队列中选择差值最小的作为坏点的校正值;当最小梯度对应的方向不是竖直方向时,确定最小梯度对应的方向,得到最小梯度计算方向,并针对最小梯度计算方向上的像素值进行均值计算作为坏点的校正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650894.8A CN116600213B (zh) | 2023-06-02 | 2023-06-02 | 一种基于投票的面向线阵的高鲁棒性坏点校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310650894.8A CN116600213B (zh) | 2023-06-02 | 2023-06-02 | 一种基于投票的面向线阵的高鲁棒性坏点校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116600213A CN116600213A (zh) | 2023-08-15 |
CN116600213B true CN116600213B (zh) | 2023-10-24 |
Family
ID=87595531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310650894.8A Active CN116600213B (zh) | 2023-06-02 | 2023-06-02 | 一种基于投票的面向线阵的高鲁棒性坏点校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116600213B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282419A (zh) * | 2008-04-29 | 2008-10-08 | 北京中星微电子有限公司 | 一种自动坏点检测方法与设备 |
CN109348146A (zh) * | 2018-10-31 | 2019-02-15 | 上海集成电路研发中心有限公司 | 一种图像传感器的静态坏点校正装置及其校正方法 |
CN110740314A (zh) * | 2019-10-30 | 2020-01-31 | 凌云光技术集团有限责任公司 | 彩色线阵相机坏点校正方法及系统 |
CN115802029A (zh) * | 2022-11-29 | 2023-03-14 | 福州鑫图光电有限公司 | 一种图像坏点检测方法及终端 |
CN116193281A (zh) * | 2021-11-25 | 2023-05-30 | 武汉高德智感科技有限公司 | 一种校正坏点的方法、装置、终端及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8415636B2 (en) * | 2010-03-09 | 2013-04-09 | Shimadzu Corporation | Method for inspecting two-dimensional array X-ray detector |
-
2023
- 2023-06-02 CN CN202310650894.8A patent/CN116600213B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101282419A (zh) * | 2008-04-29 | 2008-10-08 | 北京中星微电子有限公司 | 一种自动坏点检测方法与设备 |
CN109348146A (zh) * | 2018-10-31 | 2019-02-15 | 上海集成电路研发中心有限公司 | 一种图像传感器的静态坏点校正装置及其校正方法 |
CN110740314A (zh) * | 2019-10-30 | 2020-01-31 | 凌云光技术集团有限责任公司 | 彩色线阵相机坏点校正方法及系统 |
CN116193281A (zh) * | 2021-11-25 | 2023-05-30 | 武汉高德智感科技有限公司 | 一种校正坏点的方法、装置、终端及计算机可读存储介质 |
CN115802029A (zh) * | 2022-11-29 | 2023-03-14 | 福州鑫图光电有限公司 | 一种图像坏点检测方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN116600213A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN107613229A (zh) | 一种图像传感器坏点检测校正装置及方法 | |
CN113674273B (zh) | 一种基于产品缺陷的光学检测方法、系统和可读存储介质 | |
CN109005458B (zh) | 一种图像花屏检测方法及装置 | |
CN101212703A (zh) | 影像坏点像素实时检测方法 | |
CN109685794B (zh) | 用于手机屏幕缺陷检测相机自适应步长dpc算法及装置 | |
CN115661143B (zh) | 用于MiniLED晶圆缺陷的快速检测系统 | |
CN105338342A (zh) | 一种图像坏点的检测方法及装置 | |
US20090027427A1 (en) | Drive circuit for liquid crystal display device and liquid crystal display device having the same | |
CN111182293B (zh) | 一种镜头阴影校正数据的检测方法及系统 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN110740314B (zh) | 彩色线阵相机坏点校正方法及系统 | |
US8237825B2 (en) | Pixel replacement using five nearest neighbors | |
CN111061104B (zh) | 阵列基板缺陷的修补方法及存储介质 | |
CN207283689U (zh) | 一种图像传感器坏点检测校正装置 | |
CN116600213B (zh) | 一种基于投票的面向线阵的高鲁棒性坏点校正方法 | |
CN108965749B (zh) | 基于纹理识别的缺陷像素检测和校正装置及方法 | |
CN104408727A (zh) | 一种图像边缘污点检测方法及系统 | |
US8803998B2 (en) | Image optimization system and method for optimizing images | |
CN107274353B (zh) | 一种黑白图像中缺陷像素的校正方法 | |
CN113284133B (zh) | 一种光伏电池片间距的确定方法、装置、设备及存储介质 | |
CN116886894B (zh) | 一种针对邻域内列式坏点的图片坏点检测及校正方法 | |
US20050285617A1 (en) | System and method for inspecting an LCD panel | |
JP5846100B2 (ja) | 表示装置の欠陥検査方法 | |
CN114495815B (zh) | 一种微型显示屏的Demura方法、计算设备及存储介质 |
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 |