CN116886894B - 一种针对邻域内列式坏点的图片坏点检测及校正方法 - Google Patents

Abstract

本发明提供了一种针对邻域内列式坏点的图片坏点检测及校正方法，其中，图片坏点检测方法包括：获取目标图片，并确定目标图片类型；针对目标图片进行像素值提取，得到图片像素数据；在图像像素数据中获取检测点邻域范围内的像素数据块；根据目标图片类型利用像素数据块中相邻像素值针对检测点进行坏点检测，得到坏点检测结果。本发明提出一种针对邻域内多列坏点的图片坏点检测及校正方法，通过分析在一定大小的窗口内中心像素与其他相邻像素的像素值差异进行坏点检测及校正，使得图片中的坏点与周围整体匹配，提高图片的视觉呈现效果。

Description

一种针对邻域内列式坏点的图片坏点检测及校正方法

技术领域

本发明涉及图像处理技术领域，特别涉及一种针对邻域内列式坏点的图片坏点检测及校正方法。

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，并且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。

基于帧间的坏点检测方法在算法层面上表现优秀，但其因为存储资源消耗较大不利于硬件实现，传统坏点检测算法在实际应用中仍占据主流，虽然传统坏点检测算法方法较多，包括经典的Pinto算法、Kakarala算法、Chan算法、Cho算法等，但是不同于生活中常用的面阵相机，在航天遥感中广泛使用线阵式探测器，其通过推扫一行成像阵列的方式获得完整的图像，这就使得图像中的坏点以按列的方式呈现，而对于按列的坏点，现有的方法难以取得效果，因此，本发明提出一种针对邻域内列式坏点的图片坏点检测及校正方法，通过分析在一定大小的窗口内中心像素与其他相邻像素的像素值差异进行坏点检测及校正，使得图片中的坏点与周围整体匹配，提高图片的视觉呈现效果。

发明内容

本发明的目的在于提供一种针对邻域内列式坏点的图片坏点检测及校正方法，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：一种针对邻域内列式坏点的图片坏点检测方法，包括：

获取目标图片，并确定目标图片类型；

针对所述目标图片进行像素值提取，得到图片像素数据；

在所述图像像素数据中获取检测点邻域范围内的像素数据块；

根据所述目标图片类型利用所述像素数据块中相邻像素值针对所述检测点进行坏点检测，得到坏点检测结果。

进一步地，获取目标图片后针对所述目标图片进行视觉效果判断，确定所述目标图片是邻域内多列坏点的图片还是邻域内单列坏点的图片，并将邻域内多列坏点的图片作为第一图片类型，将邻域内单列坏点的图片作为第二图片类型。

进一步地，在所述图像像素数据中获取检测点邻域范围内的像素数据块时，以所述检测点为中心进行邻域范围内取样，确定所述检测点的邻域窗口，将所述检测点的邻域窗口对应的所述图片像素数据中的数据提取处理，得到所述检测点的像素数据块，其中，所述邻域窗口的大小为(2s+1)×(2t+1)，其中，s和t均为正整数。

进一步地，根据所述目标图片类型利用所述像素数据块中相邻像素值针对所述检测点进行坏点检测，包括：

以所述检测点为分析对象，在所述像素数据块中利用同列上下的像素值进行像素值分析，获得坏点第一分析结果；

根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析，得到坏点检测结果。

进一步地，在所述像素数据块中利用同列上下的像素值进行像素值分析，包括：以检测点为分析对象，在所述像素数据块中获取所述检测点上方的数据得到第一参数分析数据对象，并将所述第一参数分析数据对象结合所述检测点的像素值进行差值分析得到第一参数分析结果数值；以检测点为分析对象，在所述像素数据块中获取所述检测点下方的数据得到第二参数分析数据对象，并将所述第二参数分析数据对象结合所述检测点的像素值进行差值分析得到第二参数分析结果数值；根据所述第一参数分析结果数值和第二参数分析结果数值，将第一参数分析结果数值和第二参数分析结果数值分别结合阈值进行比较判断，确定坏点第一分析结果。

进一步地，根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析包括：

当所述目标图片类型为第一图片类型时，在所述像素数据块中将所述检测点所在的列剔除后进行针对每一列进行均值分析，并将列均值数据与所述检测点的像素值进行比较，确定差值数据，在所述差值数据中提取次小值进行分析，当所述次小值大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点；当所述目标图片类型为第二图片类型时，在所述像素数据块中将所述检测点的同列上下的像素值剔除，并计算剩下的像素值与所述检测点的像素值之间差值，当且仅当所有的差值均大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点。

进一步地，针对所述目标图片进行像素值提取时，采用像素值获取装置进行像素获取，所述像素值获取装置包括：初步分析模块、像素获取模块和规范处理模块，像素获取模块包括第一获取单元、第二获取单元、第三获取单元和第四获取单元，初步分析模块，用于针对目标图片按照颜色和灰度进行分析确定目标图片的种类；像素获取模块，用于根据目标图片的种类匹配获取单元，并根据匹配结果在第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素获取，得到图片像素初始数据；规范处理模块，用于针对图片像素初始数据进行规范处理，将图片像素初始数据转换成统一形式，得到图片像素数据。

进一步地，所述目标图片的种类包括：灰度图像、彩色图像、二值图像和索引图像，所述第一获取单元针对灰度图像进行像素值获取，所述第二获取单元针对彩色图像进行像素值获取，所述第三获取图像针对二值图像进行像素值获取，所述第四获取单元针对索引图像进行像素值获取，第一获取单元、第二获取单元、第三获取单元和第四获取单元分别针对不同种类的像素值提取方法建立像素获取模型，在初步分析模块根据匹配结果将目标图片输向对应的第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素值获取时，调取第一获取单元、第二获取单元、第三获取单元或者第四获取单元中像素获取模型直接针对目标图像输出目标图像的图片像素数据。

一种针对邻域内列式坏点的图片坏点校正方法，基于上述图片坏点检测方法，当坏点检测结果为所述检测点是坏点时针对所述坏点采用图片坏点校正方法进行图片坏点校正，所述图片坏点校正方法包括：

以所述坏点为中心在所述图像像素数据中获取校准数据块；

在所述校准数据块中分别计算不同方向的梯度，得到多个梯度数据；

针对所述多个梯度数据进行分析最小值分析，并根据所述最小值采用不同的校正方法确定校正值；

利用确定的校正值针对所述坏点进行校正，得到校正后的图像。

进一步地，根据所述最小值采用不同的校正方法确定校正值时，如果所述图片是第一图片类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值和最小值，在剩下的数据中确定中位数，然后将中位数对应的列均值数据作为校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值；如果所述图片是第二图像类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值，在去掉最大值后剩下的数据中确定目标分析数据，然后针对目标分析数据进行均值分析得到校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值。

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为本发明所述的图片坏点检测方法的步骤示意图；

图2为本发明所述的图片坏点检测方法中目标图像的一种示例图；

图3为本发明所述的图片坏点检测方法中目标图像的又一种示例图；

图4为本发明所述的图片坏点检测方法中像素数据块的一种示例图；

图5为本发明所述的图片坏点检测方法中步骤四的示意图；

图6为本发明所述的图片坏点校正方法的步骤示意图；

图7为本发明所述的目标图像校正后的示例图。

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针对邻域内列式坏点的图片坏点检测方法，包括：

步骤一、获取目标图片，并确定目标图片类型；

步骤二、针对所述目标图片进行像素值提取，得到图片像素数据；

步骤三、在所述图像像素数据中获取检测点邻域范围内的像素数据块；

步骤四、根据所述目标图片类型利用所述像素数据块中相邻像素值针对所述检测点进行坏点检测，得到坏点检测结果。

上述技术方案提供了一种针对邻域内列式坏点的图片坏点检测方法，在针对图片进行坏点检测时，首先获取目标图片，根据目标图片的视觉效果确定目标图片类型，然后针对目标图像进行像素值提取，获取目标图像中所有的像素值，得到图片像素数据，接着再在图像像素数据中以检测点为中心获取检测点邻域范围内的像素数据，从而得到检测点对应的像素数据块，然后利用像素数据块中相邻像素值针对检测点进行坏点检测，并且根据目标图片类型，不同的目标图片类型采用不同的数据处理方法进行坏点检测，从而得到坏点检测结果。

上述技术方案通过图片坏点检测使得针对图片实现了坏点检测，明确图片中存在的坏点分部，从而方便针对图片中的坏点进行校正，进而提高图片的视觉效果，而且在进行图片坏点检测时，在图片中以检测点为分析对象逐一进行单个坏点检测，从而实现对目标图片的全面检测，并且在对检测点进行坏点检测时通过利用同列上下相邻像素值针对检测点进行坏点检测，使得能够明确检测点的像素数据与检测点同列像素数据之间的差异性，确定检测点与同列像素是否匹配，更加准确的反映目标图片的视觉效果，此外通过根据目标图片类型利用像素数据块中不同列相邻像素值针对检测点进行坏点检测能够针对检测点在目标图片中小范围内相邻的区域内实现坏点的检测，在较少数据中确定待检测点是否是坏点，从而提高坏点检测的效率。

本发明提供的一个实施例中，获取目标图片后针对所述目标图片进行视觉效果判断，确定所述目标图片是邻域内多列坏点的图片还是邻域内单列坏点的图片，并将邻域内多列坏点的图片作为第一图片类型，将邻域内单列坏点的图片作为第二图片类型。

上述技术方案在获取目标图片后针对目标图片进行视觉效果判断，针对视觉效果较差的图片分析邻域内是否存在多列坏点，如果邻域内存在多列坏点则为第一图片类型，如果邻域内存在单列坏点则为第二图片类型。其中，第一图片类型如图2所示，第二图片类型如图3所示。

上述技术方案通过针对目标图片进行视觉效果判断，使得针对视觉效果较差的目标图片进行坏点检测，从而提高图片坏点检测的有效性，避免造成资源以及时间上的浪费，并且通过邻域内多列坏点的图片作为第一图片类型，将邻域内单列坏点的图片作为第二图片类型，使得在进行坏点检测时能够更加有针对性的对第一图片类型和第二图片类型中的目标图片进行坏点检测。

本发明提供的一个实施例中，在所述图像像素数据中获取检测点邻域范围内的像素数据块时，以所述检测点为中心进行邻域范围内取样，确定所述检测点的邻域窗口，将所述检测点的邻域窗口对应的所述图片像素数据中的数据提取处理，得到所述检测点的像素数据块，其中，所述邻域窗口的大小为(2s+1)×(2t+1)，其中，s和t均为正整数。

上述技术方案在图像像素数据中获取检测点邻域范围内的像素数据块时，锁定检测点的位置，以检测点为中心在图片像素数据中进行邻域划分，确定检测点的邻域窗口，并利用检测点的邻域窗口在图片像素数据中将检测点邻域范围内的图片像素数据获取出来得到检测点的像素数据块，其中，邻域窗口的大小为(2s+1)×(2t+1)，其中，s和t均为正整数，当s取0，t取1时，如图4所示，检测点的像素值为a8，a1—a15分别表示像素数据块中的像素值。

特别地，利用检测点的邻域窗口在图片像素数据中将检测点邻域范围内的图片像素数据获取出来得到检测点的像素数据块时，针对图片像素数据进行新式分析，确定图像像素数据的形式，当图像像素数据是像素图片形式时，直接基于检测点在像素数据中进行匹配，得到匹配结果，当图像像素数据是数据集的形式时，针对目标图片进行空白图片配置，并将图像像素数据写入空白图片中，得到目标图片的像素图片，然后再基于检测点在目标图片的像素图片中进行匹配，得到匹配结果，确定邻域在各个方向上的邻域区间大小，并根据匹配结果在图片像素数据或者像素图片中结合邻域区间大小进行数据提取，得到检测点的邻域提取数据块，然后将检测点的邻域提取数据块与检测点的邻域窗口进行大小比较，当检测点的邻域提取数据块与检测点的邻域窗口大小相等时，检测点的邻域提取数据块即为检测点的像素数据块，当检测点的邻域提取数据块与检测点的邻域窗口大小不相等时，针对检测点的邻域提取数据块与检测点的邻域窗口进行差异分析，确定差异位置，并基于差异位置针对检测点的邻域提取数据块进行数据删减或者增添，得到检测点的像素数据块。

上述技术方案通过利用检测点的邻域窗口在图片像素数据中将检测点邻域范围内的图片像素数据获取出来使得只针对与检测点对应的像素数据块中的像素值进行分析，有效缩减了数据数目，同时像素数据块还是以检测点为中心在图片像素数据中进行邻域划分得到的，使得像素数据块中包含了检测点附进行的像素值，从而能够更好地反映检测点与周围整体是否不匹配。此外，在利用检测点的邻域窗口在图片像素数据中将检测点邻域范围内的图片像素数据获取出来得到检测点的像素数据块时，将图像像素数据以像素图片形式进行匹配与提取，不仅能够方便检测点的确定，还可以更直观的明确检测点的邻域范围，从而方便检测点的邻域提取数据块的提取，提高检测点邻域提取数据块的提取效率，而且在得到检测点的邻域提取数据块之后，针对检测点的邻域提取数据块与检测点的邻域窗口进行大小比较，从而避免检测点的邻域范围在像素图片中出现边缘像素缺失的状况，进而提高检测点的像素数据块的全面性和准确性。

如图5所示，本发明提供的一个实施例中，根据所述目标图片类型利用所述像素数据块中相邻像素值针对所述检测点进行坏点检测，包括：

四-1、以所述检测点为分析对象，在所述像素数据块中利用同列上下的像素值进行像素值分析，获得坏点第一分析结果；

四-2、根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析，得到坏点检测结果。

上述技术方案在根据目标图片类型利用像素数据块中相邻像素值针对检测点进行坏点检测时，首先以检测点为分析对象，在像素数据块中获取检测点所在列中检测点上方的像素值以及下方的像素值，利用同列上下的像素值进行像素值分析，获得坏点第一分析结果；然后根据坏点第一分析结果当坏点第一分析结果为检测点有可能是坏点时结合目标图片类型采用不同的数据处理方法再次进行像素值分析，得到坏点检测结果。

上述技术方案通过利用同列上下的像素值进行像素值分析从而明确检测点与上下邻域中的像素值是否匹配，而且再次进行像素值分析时只有在坏点第一分析结果为检测点有可能是坏点时才进行，避免无效步骤进行造成的时间浪费，提高坏点检测的效果，并且结合目标图片类型，使得根据目标图片类型对不同了类型的目标图片采用不同的像素值分析方法。

本发明提供的一个实施例中，在所述像素数据块中利用同列上下的像素值进行像素值分析，包括：以检测点为分析对象，在所述像素数据块中获取所述检测点上方的数据得到第一参数分析数据对象，并将所述第一参数分析数据对象结合所述检测点的像素值进行差值分析得到第一参数分析结果数值；以检测点为分析对象，在所述像素数据块中获取所述检测点下方的数据得到第二参数分析数据对象，并将所述第二参数分析数据对象结合所述检测点的像素值进行差值分析得到第二参数分析结果数值；根据所述第一参数分析结果数值和第二参数分析结果数值进行判断确定坏点第一分析结果。

上述技术方案在像素数据块中利用同列上下的像素值对进行垂直方向上的像素值分析时，首先以检测点为分析对象，在像素数据块中获取检测点上方的数据，得到第一参数分析数据对象，并将第一参数分析数据对象结合检测点的像素值进行差值分析，得到第一参数分析结果数值，以图4中的数据为例，检测点的像素值为a8，第一参数分析数据对象为a3，第一参数分析结果数值为GV10，GV10＝abs(a8-a3)；然后以检测点为分析对象，在像素数据块中获取检测点下方的数据，得到第二参数分析数据对象，并将第二参数分析数据对象结合检测点的像素值进行差值分析，得到第二参数分析结果数值，以图4中的数据为例，检测点的像素值为a8，第二参数分析数据对象为a13，第二参数分析结果数值为GV11，GV11＝abs(a8-a13)；接着再根据第一参数分析结果数值和第二参数分析结果数值进行判断，当第一参数分析结果数值小于阈值且第二参数分析结果数值也小于阈值时，坏点第一分析结果为检测点有可能是坏点，否则坏点第一分析结果为检测点不是坏点，即：当GV10<T且GV11<T时，坏点第一分析结果为检测点有可能是坏点，这里的T为阈值，是可配置的参数。

上述技术方案通过将像素数据块中检测点上方的像素值结合检测点的像素值进行分析以及将像素数据块中检测点下方的像素值结合检测点的像素值进行分析使得能够明确检测点与上方区域或者下方区域是否匹配，从而确保坏列与上下点都匹配，进而能够体现更好的视觉效果。

本发明提供的一个实施例中，根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析包括：

当所述目标图片类型为第一图片类型时，在所述像素数据块中将所述检测点所在的列剔除后进行针对每一列进行均值分析，并将列均值数据与所述检测点的像素值进行比较，确定差值数据，在所述差值数据中提取次小值进行分析，当所述次小值大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点；当所述目标图片类型为第二图片类型时，在所述像素数据块中将所述检测点的同列上下的像素值剔除，并计算剩下的像素值与所述检测点的像素值之间差值，当且仅当所有的差值均大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点。

上述技术方案在根据坏点第一分析结果结合目标图片类型采用不同的数据处理方法再次进行像素值分析时，首先确定目标图片的目标图片类型，如果目标图片类型为第一图片类型，在像素数据块中按照列获取列数据，并将检测点所在的列剔除，针对剩下的列数据，以检测点所在的列为中心，由近到远依次针对每一列进行均值分析，得到多个列均值数据，以图4中的数据为例，分别得到四个列均值数据：

AVG0＝(a2+a7+a12)/3

AVG1＝(a4+a9+a14)/3

AVG2＝(a1+a6+a11)/3

AVG3＝(a5+a10+a15)/3

然后将列均值数据与检测点的像素值进行比较，并通过如下公式确定列均值数据与检测点的像素值之间的差值，得到多个差值数据：

Δ0＝abs(AVG0-a8)

Δ1＝abs(AVG1-a8)

Δ2＝abs(AVG2-a8)

Δ3＝abs(AVG3-a8)

接着，在差值数据中提取次小值进行分析，即Δ0、Δ1、Δ2和Δ3中大小比较从而获得第二小的数据，将第二小的数据也就是次小值与阈值进行比较，如果次小值大于阈值，则坏点检测结果为检测点是坏点，否则坏点检测结果为检测点不是坏点。

如果目标图片类型为第二图片类型，在像素数据块中将与检测点的同列的像素值剔除，针对剩下的像素值分别与检测点的像素值进行差值分析，得到多个差值数据，以图4中的数据为例，差值数据通过如下公式得到：

D1＝abs(a8-a1)

D2＝abs(a8-a2)

D4＝abs(a8-a4)

D5＝abs(a8-a5)

D6＝abs(a8-a6)

D7＝abs(a8-a7)

D9＝abs(a8-a9)

D10＝abs(a8-a10)

D11＝abs(a8-a11)

D12＝abs(a8-a12)

D14＝abs(a8-a14)

D15＝abs(a8-a15)

其中，D1表示像素数据块中第1个像素值a1与检测点的像素值a8之间的差值，D2表示像素数据块中第2个像素值a2与检测点的像素值a8之间的差值，D4表示像素数据块中第4个像素值a4与检测点的像素值a8之间的差值，D5表示像素数据块中第5个像素值a5与检测点的像素值a8之间的差值，D6表示像素数据块中第6个像素值a6与检测点的像素值a8之间的差值，D7表示像素数据块中第7个像素值a7与检测点的像素值a8之间的差值，D9表示像素数据块中第9个像素值a9与检测点的像素值a8之间的差值，D10表示像素数据块中第10个像素值a10与检测点的像素值a8之间的差值，D11表示像素数据块中第11个像素值a11与检测点的像素值a8之间的差值，D12表示像素数据块中第12个像素值a12与检测点的像素值a8之间的差值，D14表示像素数据块中第一个像素值a1与检测点的像素值a8之间的差值，D15表示像素数据块中第一个像素值a1与检测点的像素值a8之间的差值，abs表示取绝对值；

当且仅当所有的差值均大于阈值时，即：D1>T且D2>T且D4>T且D5>T且D6>T且D7>T且D9>T且D10>T且D11>T且D12>T且D14>T且D15>T，此时的坏点检测结果为检测点是坏点，否则坏点检测结果为检测点不是坏点。

上述技术方案通过针对不同的图片类型采用了不一样的数据处理方法再次进行像素值分析，而且对于第一图片类型，明确检测点所在列与周围列是否匹配，并且是针对检测点所在列左侧范围和右侧范围均进行了分析，使得目标图片在存在邻域内多列坏点时也能够将坏点准确的检测出来，对于第二图片类型则针对邻域范围内所有与检测点不在同一列上的像素值都进行了分析，而且根据所有进行分析了像素值综合分析情况得到的检测点的坏点检测结果，使得明确了检测点在邻域范围内整体是否匹配，提高了坏点检测结果的准确性。

本发明提供的一个实施例中，针对所述目标图片进行像素值提取时，采用像素值获取装置进行像素获取，所述像素值获取装置包括：初步分析模块、像素获取模块和规范处理模块，像素获取模块包括第一获取单元、第二获取单元、第三获取单元和第四获取单元，初步分析模块，用于针对目标图片按照颜色和灰度进行分析确定目标图片的种类；像素获取模块，用于根据目标图片的种类匹配获取单元，并根据匹配结果在第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素获取，得到图片像素初始数据；规范处理模块，用于针对图片像素初始数据进行规范处理，将图片像素初始数据转换成统一形式，得到图片像素数据。

上述技术方案在针对目标图片进行像素值提取时，采用像素值获取装置进行像素获取，像素值获取装置包括：初步分析模块、像素获取模块和规范处理模块，其中，像素获取模块包括第一获取单元、第二获取单元、第三获取单元和第四获取单元，在采用像素值获取装置针对目标图片进行像素值提取时，首先在初步分析单元中针对目标图片按照颜色和灰度进行分析，将目标图片识别出颜色和灰度程度，确定目标图片的种类，然后根据目标图片的种类将目标图片输送到像素获取模块中对应的单元中，在像素获取模块中，第一获取单元、第二获取单元、第三获取单元和第四获取单元按照匹配结果选择其中一个单元针对目标图片进行像素值提取，得到图片像素初始数据，接着，规范处理模块针对图片像素初始数据进行规范处理，将图片像素初始数据转换成统一形式，得到图片像素数据。

上述技术方案通过像素值获取装置实现对不同目标图片的像素值提取，使得针对不通种类的目标图片都能够快速在对应的第一获取单元、第二获取单元、第三获取单元或者第四获取单元中得到图片像素数据，而且通过规范处理模块针对图片像素初始数据进行规范处理，将图片像素初始数据转换成统一形式，为后续利用图片像素数据进行处理提供便捷，使得在后续步骤中可以直接基于得到的图片像素数据进行分析与处理。

本发明提供的一个实施例中，所述目标图片的种类包括：灰度图像、彩色图像、二值图像和索引图像，所述第一获取单元针对灰度图像进行像素值获取，所述第二获取单元针对彩色图像进行像素值获取，所述第三获取图像针对二值图像进行像素值获取，所述第四获取单元针对索引图像进行像素值获取，第一获取单元、第二获取单元、第三获取单元和第四获取单元分别针对不同种类的像素值提取方法建立像素获取模型，在初步分析模块根据匹配结果将目标图片输向对应的第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素值获取时，调取第一获取单元、第二获取单元、第三获取单元或者第四获取单元中像素获取模型直接针对目标图像输出目标图像的图片像素数据。

上述技术方案中的目标图片的种类包括：灰度图像、彩色图像、二值图像和索引图像，其中，第一获取单元针对灰度图像进行像素值获取，第二获取单元针对彩色图像进行像素值获取，第三获取图像针对二值图像进行像素值获取，第四获取单元针对索引图像进行像素值获取，而且在第一获取单元中针对灰度图像的像素值获取方法建立像素获取模型，第二获取单元中针对彩色图像的像素值获取方法建立像素获取模型，第三获取单元中针对二值图像的像素值获取方法建立像素获取模型，第四获取单元中针对索引图像的像素值获取方法建立像素获取模型，然后像素获取模块在针对目标图片进行像素值获取时，根据匹配结果调取第一获取单元、第二获取单元、第三获取单元或者第四获取单元中像素获取模型直接针对目标图像输出目标图像的图片像素数据。

上述技术方案在第一获取单元、第二获取单元、第三获取单元和第四获取单元中分别针对灰度图像、彩色图像、二值图像和索引图像建立像素获取模型，从而使得在针对目标图片进行像素值提取时能够快速利用模型进行处理输出图片像素初始数据，从而提高像素值提取的效率，同时也能够确保相同种类的图片在进行像素值提取时采用相同的像素值获取方法。

如图6所示，本发明提供了一种针对邻域内列式坏点的图片坏点校正方法，基于图片坏点检测方法，当坏点检测结果为所述检测点是坏点时针对所述坏点采用图片坏点校正方法进行图片坏点校正，所述图片坏点校正方法包括：

S1、以所述坏点为中心在所述图像像素数据中获取校准数据块；

S2、在所述校准数据块中分别计算不同方向的梯度，得到多个梯度数据；

S3、针对所述多个梯度数据进行分析最小值分析，并根据所述最小值采用不同的校正方法确定校正值；

S4、利用确定的校正值针对所述坏点进行校正，得到校正后的图像。

上述技术方案是基于图片坏点检测方法的实施进行处理的，在图片坏点检测方法中，如果坏点检测结果为检测点是坏点，此时要针对坏点采用图片坏点校正方法进行图片坏点校正，其中图片坏点校正方法在对坏点进行校正时，首先以坏点为中心在图像像素数据中获取校准数据块，这里的校准数据块与像素数据块是一样的，也可以是不一样的，但获取方法是相同的，然后在校准数据块中分别计算水平方向、135度方向、45度方向、竖直方向的梯度，得到第一梯度数据、第二梯度数据、第三梯度数据、第四梯度数据和第五梯度数据，其中第四梯度数据和第五梯度数据均为竖直方向的梯度，第四梯度数据是坏点左侧竖直方向的梯度，第五梯度数据是坏点右侧竖直方向的梯度；以图4中的数据为例，第一梯度数据GH为：GH＝abs(a7-a9)

第二梯度数据GX0为：GX0＝abs(a2-a14)

第三梯度数据GX1为：GX1＝abs(a4-a12)

第四梯度数据GV01为：GV01＝abs(a7-a12)

第五梯度数据GV21为：GV21＝abs(a9-a14)

然后，针对第一梯度数据、第二梯度数据、第三梯度数据、第四梯度数据和第五梯度数据进行分析最小值分析，即：MIN{GX0、GX1、GV01、GV21}，并根据最小值按照最小值对应的方向采用不同的校正方法确定校正值，从而利用确定的校正值针对坏点进行校正，得到校正后的图像。当校正前的目标图片为图2或者图3时，通过校正即可得到如图7所示的校正后的目标图片。

上述技术方案通过对坏点采用图片坏点校正方法进行图片坏点校正使得坏点的像素值被校正值替代，完善坏点，降低坏点对目标图片整体效果的影响，使得目标图像呈现更好的时间效果，而且通过分别计算不同方向的梯度使得确定的校准值结合不同方向上的像素数据，确保了校准值与周围不同方向上的像素数据的匹配度，提高了校准值的准确性。

本发明提供的一个实施例中，根据所述最小值采用不同的校正方法确定校正值时，如果所述图片是第一图片类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值和最小值，在剩下的数据中确定中位数，然后将中位数对应的列均值数据作为校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值；如果所述图片是第二图像类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值，在去掉最大值后剩下的数据中确定目标分析数据，然后针对目标分析数据进行均值分析得到校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值。

上述技术方案在根据最小值采用不同的校正方法确定校正值时，按照图片属于第一图片类型和第二图片类型采用不同的方法确定校正值，当图片是第一图片类型时，分析最小值相对坏点的方向，如果最小值是竖直方向的梯度数据，则将多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列，在顺序排列中将最大值和最小值去掉，在剩下的数据中确定中位数，然后将中位数对应的列均值数据作为校正值；如果最小值不是竖直方向的梯度数据，则计算最小值对应方向上的像素数据的平均像素值，并将平均像素值作为校正值，以图4中的数据为例，若GH<GX0且GH<GX1且GH<GV01且GH<GV21,则校正值RESULT＝(a7+a9)/2；若GX0<GH且GX0<GX1且GX0<GV01且GX0<GV21,则校正值RESULT＝(a2+a14)/2；若GX1<GX0且GX1<GH且GX1<GV01且GX1<GV21,则校正值RESULT＝(a4+a12)/2；

当图片是第二图片类型时，同样分析最小值相对坏点的方向，如果最小值是竖直方向的梯度数据，则将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后在顺序排列中将最大值剔除，接着在剔除后剩余的数据中选择较小值作为目标分析数据，然后针对目标分析数据进行均值分析得到校正值，如果最小值是竖直方向的梯度数据，则计算最小值对应方向上的像素数据的平均像素值，并将平均像素值作为校正值。

上述技术方案通过根据最小值采用不同的校正方法确定校正值使得在不同情况下采用不同的方法对坏点进行校正值确认，进而使得坏点的像素值与周围的像素数据匹配，使得目标图片呈现更好地视觉效果。

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 (7)

1.一种针对邻域内列式坏点的图片坏点检测方法，其特征在于，所述图片坏点检测方法包括：

获取目标图片，并确定目标图片类型；获取目标图片后针对所述目标图片进行视觉效果判断，确定所述目标图片是邻域内多列坏点的图片还是邻域内单列坏点的图片，并将邻域内多列坏点的图片作为第一图片类型，将邻域内单列坏点的图片作为第二图片类型；

针对所述目标图片进行像素值提取，得到图片像素数据；

在所述图片像素数据中获取检测点邻域范围内的像素数据块；

根据所述目标图片类型利用所述像素数据块中相邻像素值针对所述检测点进行坏点检测，得到坏点检测结果，包括：以所述检测点为分析对象，在所述像素数据块中利用同列上下的像素值进行像素值分析，获得坏点第一分析结果；根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析，得到坏点检测结果；

其中，根据所述坏点第一分析结果结合所述目标图片类型采用不同的数据处理方法再次进行像素值分析，包括：

当所述目标图片类型为第一图片类型时，在所述像素数据块中将所述检测点所在的列剔除后进行针对每一列进行均值分析，并将列均值数据与所述检测点的像素值进行比较，确定差值数据，在所述差值数据中提取次小值进行分析，当所述次小值大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点；当所述目标图片类型为第二图片类型时，在所述像素数据块中将所述检测点的同列上下的像素值剔除，并计算剩下的像素值与所述检测点的像素值之间差值，当且仅当所有的差值均大于阈值时，坏点检测结果为所述检测点是坏点，否则坏点检测结果为所述检测点不是坏点。

2.根据权利要求1所述的图片坏点检测方法，其特征在于，在所述图片像素数据中获取检测点邻域范围内的像素数据块时，以所述检测点为中心进行邻域范围内取样，确定所述检测点的邻域窗口，将所述检测点的邻域窗口对应的所述图片像素数据中的数据提取处理，得到所述检测点的像素数据块，其中，所述邻域窗口的大小为，其中，/>和/>均为正整数。

3.根据权利要求1所述的图片坏点检测方法，其特征在于，在所述像素数据块中利用同列上下的像素值进行像素值分析，包括：以检测点为分析对象，在所述像素数据块中获取所述检测点上方的数据得到第一参数分析数据对象，并将所述第一参数分析数据对象结合所述检测点的像素值进行差值分析得到第一参数分析结果数值；以检测点为分析对象，在所述像素数据块中获取所述检测点下方的数据得到第二参数分析数据对象，并将所述第二参数分析数据对象结合所述检测点的像素值进行差值分析得到第二参数分析结果数值；根据所述第一参数分析结果数值和第二参数分析结果数值，将第一参数分析结果数值和第二参数分析结果数值分别结合阈值进行比较判断，确定坏点第一分析结果。

4.根据权利要求1所述的图片坏点检测方法，其特征在于，针对所述目标图片进行像素值提取时，采用像素值获取装置进行像素获取，所述像素值获取装置包括：初步分析模块、像素获取模块和规范处理模块，像素获取模块包括第一获取单元、第二获取单元、第三获取单元和第四获取单元，初步分析模块，用于针对目标图片按照颜色和灰度进行分析确定目标图片的种类；像素获取模块，用于根据目标图片的种类匹配获取单元，并根据匹配结果在第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素获取，得到图片像素初始数据；规范处理模块，用于针对图片像素初始数据进行规范处理，将图片像素初始数据转换成统一形式，得到图片像素数据。

5.根据权利要求4所述的图片坏点检测方法，其特征在于，所述目标图片的种类包括：灰度图像、彩色图像、二值图像和索引图像，所述第一获取单元针对灰度图像进行像素值获取，所述第二获取单元针对彩色图像进行像素值获取，所述第三获取单元针对二值图像进行像素值获取，所述第四获取单元针对索引图像进行像素值获取，第一获取单元、第二获取单元、第三获取单元和第四获取单元分别针对不同种类的像素值提取方法建立像素获取模型，在初步分析模块根据匹配结果将目标图片输向对应的第一获取单元、第二获取单元、第三获取单元或者第四获取单元中进行像素值获取时，调取第一获取单元、第二获取单元、第三获取单元或者第四获取单元中像素获取模型直接针对目标图像输出目标图像的图片像素数据。

6.一种针对邻域内列式坏点的图片坏点校正方法，其特征在于，基于权利要求1-5任一项所述的图片坏点检测方法，当坏点检测结果为所述检测点是坏点时针对所述坏点采用图片坏点校正方法进行图片坏点校正，所述图片坏点校正方法包括：

以所述坏点为中心在所述图片像素数据中获取校准数据块；

在所述校准数据块中分别计算不同方向的梯度，得到多个梯度数据；

针对所述多个梯度数据进行最小值分析，并根据所述最小值采用不同的校正方法确定校正值；

利用确定的校正值针对所述坏点进行校正，得到校正后的图像。

7.根据权利要求6所述的图片坏点校正方法，其特征在于，根据所述最小值采用不同的校正方法确定校正值时，如果所述图片是第一图片类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值和最小值，在剩下的数据中确定中位数，然后将中位数对应的列均值数据作为校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值；如果所述图片是第二图像类型，则分析所述最小值相对于所述坏点的方向，在所述最小值是竖直方向的梯度数据时，将所述多个列均值数据与中心像素点进行差值分析，确定列均值数据与中心像素点之间的差绝对值，并将列均值数据与中心像素点之间的差绝对值按照大小顺序排列后去掉最大值，在去掉最大值后剩下的数据中确定目标分析数据，然后针对目标分析数据进行均值分析得到校正值，在所述最小值不是竖直方向的梯度数据时，计算所述最小值对应方向上的像素数据的平均像素值，并将所述平均像素值作为校正值。