CN1622637A - 图像死点和噪声的消除方法 - Google Patents

Abstract

本发明公开了一种对属于不同颜色分量的不同像素点分别处理，获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量相邻像素点的像素值；计算各像素点在两个直线方向上的像素值梯度；利用得到的两个方向上的梯度值判断是否需要进行死点或噪声处理，如果需要，则可通过相邻像素点的平均值来替换当前像素点的像素值。本发明针对现有技术当中图像处理复杂，图像质量不高等问题，采用不同分量的像素点分别处理的方法，充分利用临近同分量像素点的像素值，简化了现有技术死点和噪声消除处理过程的计算量的同时，大大提高了图像的显示质量，可以广泛应用于数码相机、摄像头等设备的图像采集模块中。

Description

图像死点和噪声的消除方法

技术领域

本发明涉及数字图像的处理技术，特别是指一种基于RGB Bayer图像传感器的死点和噪声消除方法。

背景技术

基于RGB的Bayer图像传感器是一种十分常用的图像传感器，目前普遍应用于数码相机、摄像头等数码成像设备中。

RGB Bayer图像传感器的图像采集原理参见图1所示。该传感器将物理图像以RGB颜色空间方式进行采集，每个像素点只采集R、G、B其中一个颜色值分量。并且考虑到人的视觉系统对不同颜色的敏感程度不同，因此采集三种分量的像素点占有的比例不同，图1中可以看出G分量的比例明显大于R和B分量，这是由于人眼对绿色更加敏感。

在实际的图像采集过程中，往往会由于图像采集装置自身缺陷等原因，造成所采集的图像中存在噪声、死点，因此如何针对噪声和死点，进行图像处理是提高图像质量的关键。

现有的图像处理方法通常采用先将RGB Bayer数据转换为每个像素点都有RGB值后，再进行图像的死点和噪声消除，这种方式不仅计算量大，处理复杂，而且处理过程中无法对三种分量加以区分，处理后对图像质量的改进不明显。

发明内容

有鉴于此，本发明的第一个主要目的在于提供一种图像死点的消除方法，简化图像中死点处理的复杂度，进一步提高图像的显示质量。

本发明的一种图像死点的消除方法，包括：

a)获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量相邻像素点的像素值；

b)计算步骤a)所述各像素点在两个直线方向上的像素值梯度；

c)将步骤b)得到的两个方向上的梯度值分别与所设置的死点判定阈值比较，如果两个梯度值均大于死点判定阈值，则进入步骤d)，否则，结束当前像素点的处理流程；

d)比较步骤b)所获两个方向梯度值的大小，通过步骤a)所获的像素值计算梯度值较小的一个方向上两相邻像素点的像素值平均值，用该像素值平均值替换当前像素点的像素值。

该方法所述像素点为R或B颜色分量的像素点，所述两个直线方向为以当前像素点为中心的水平和垂直方向。

该方法所述像素点为G颜色分量的像素点，所述两个直线方向为以当前像素点为中心的两对角线方向。

该方法步骤a)所获为与当前像素点最近的四个像素点的像素值；

所述梯度为当前像素点与在一直线方向上两相邻像素点之间的二阶梯度；

所述像素值平均值为在一直线方向上与该像素点相邻像素点像素值的平均值。

本发明的另一主要目的在于提供一种图像噪声的消除方法，使噪声消除的处理过程更加简单，进一步提高图像的显示质量。

本发明的一种图像噪声的消除方法，包括：

A.获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量像素点的像素值；

B.计算步骤A所述各像素点在两个直线方向上的像素值梯度；

C.比较步骤B得到的两个方向上的梯度值，通过步骤A所获的像素值计算梯度值较小的一个方向上像素点像素值的平均值，计算该方向上像素点像素值与像素值平均值之间的绝对差和；

D.将步骤C获得的绝对差和与所设置的当前像素点的噪声阈值比较，如果绝对差和小于噪声阈值，则进入步骤E，否则，结束当前像素点的处理流程；

E.用步骤C得到的像素值平均值替换当前像素点的像素值。

该方法所述像素点为R或B颜色分量的像素点，所述两个直线方向为以当前像素点为中心的水平和垂直方向。

该方法所述像素点为G颜色分量的像素点，所述两个直线方向为以当前像素点为中心的两对角线方向。

该方法步骤a)所获为与当前像素点最近的四个像素点的像素值；

所述梯度为当前像素点与在一直线方向上两相邻像素点之间的二阶梯度；

所述像素值平均值为当前像素点像素值，以及在一直线方向上与该像素点相邻的两素点像素值的平均值。

从上面所述可以看出，本发明提供的死点和噪声消除方法，针对现有技术当中图像处理复杂，图像质量不高等问题，采用不同分量的像素点分别处理的方法，充分利用临近同分量像素点的像素值，简化了现有技术死点和噪声消除处理过程的计算量的同时，大大提高了图像的显示质量，可以广泛应用于数码相机、摄像头等设备的图像采集模块中。

附图说明

图1为RGB Bayer图像传感器RGB各分量像素点分布示意图；

图2为本发明较佳实施例R、B分量死点消除处理流程示意图；

图3为本发明较佳实施例G分量死点消除处理流程示意图；

图4为本发明较佳实施例R、B分量噪声消除处理流程示意图；

图5为本发明较佳实施例G分量噪声消除处理流程示意图。

具体实施方式

本发明针对图像传感器硬件噪声和缺陷造成的图像中死点和噪声问题，提出一种在图像采集后期处理过程中的死点和噪声消除方法，该方法的核心思想是：对属于不同颜色分量的不同像素点分别处理，获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量相邻像素点的像素值。参见图1中所示，考虑到R、B分量和G分量的颜色分布情况不同，因此对于R、B的像素点选择垂直和水平方向相邻像素点，而G点的数据点选择两个对角线方向的相邻像素点，以使它们最为接近。然后，计算各像素点在两个直线方向上的像素值梯度。利用得到的两个方向上的梯度值判断是否需要进行死点或噪声处理，如果需要，则可通过相邻像素点的平均值来替换当前像素点的像素值。

下面结合附图及具体实施例对本发明再作进一步详细的说明。

参见图2所示，对于R或B分量的死点消除包括：

步骤201，通过多个点的像素值，分别计算各分量像素点在水平和垂直方向的二阶梯度。

考虑以采集该分量的像素点为中心的5×5像素点区域。假设记录该分量的像素点位于第m行和第n列，以(m，n)表示，该点记录的像素值表示为P_m，n。参见图1所示，如果要对(m，n)点进行噪声或死点消除处理，则可以通过自身及邻近的(m-2，n)，(m+2，n)，(m，n)，(m，n-2)，(m，n+2)这5个点的像素值P_m-2，n，P_m+2，n，P_m，n，P_m，n-2，P_m，n+2来修正P_m，n。

步骤202，通过上述5个点的像素值，分别计算在水平和垂直方向的二阶梯度，分别为：

水平方向DH_m，n＝|(P_m，n-P_m，n-2)+(P_m，n-P_m，n+2)|＝|-P_m，n-2+2P_m，n-P_m，n+2|

垂直方向DV_m，n＝|(P_m，n-P_m-2，n)+(P_m，n-P_m+2，n)|＝|-P_m-2，n+2P_m，n-P_m+2，n|

步骤203，对于R、B分量，根据对图像的质量要求分别确定出一个判定是否为死点的死点判定域值T_R、T_B。比如：当一个位置为(m，n)的R分量像素点处的二阶梯度满足DH_m，n＞T_R且DV_m，n＞T_R时，则认为该处有突变，可能是由于传感器而造成的死点；同样，当一个位置为(m，n)的B分量像素点处的二阶梯度满足DH_m，n＞T_B且DV_m，n＞T_B时，则认为该处为死点。

此时，需要对这些死点进行修正，修正的原理是用周围的同分量像素点的像素值的平均值替代该死点处的像素值。

具体为：

步骤204～205，比较该点的DH_m，n和DV_m，n值，如果DH_m，n≥DV_m，n，则说明水平方向的突变程度较大，用该点垂直方向的两个临近点的像素值P_m-2，n，P_m+2，n来对其进行修正，即用P_m-2，n，P_m+2，n的平均值替代该像素点的P_m，n；

如果DH_m，n＜DV_m，n，则说明垂直方向的突变程度较大，用该点水平方向的两个临近点的像素值P_m，n-2，P_m，n+2来对其进行修正，即用P_m，n-2，P_m，n+2的平均值替代该像素点的P_m，n。

可归纳为如下公式：

其中，P′_m，n为修正后的(m，n)点新的像素值。

对于G分量，参见图3所示，死点消除包括：

步骤201，通过多个点的像素值，分别计算各分量像素点在两对角线方向的二阶梯度。

由于G分量数量较多，从图1可以看出，对任意一个G分量的像素点(m，n)，与其相邻的G分量像素点在其对角线方向分别为(m-1，n-1)，(m+1，n+1)，(m-1，n+1)，(m+1，n-1)，因此只需要取3×3的数据模块。

步骤302，通过上述四个点及(m，n)自身的像素值P_m-1，n-1，P_m-1，n+1，P_m，n，P_m+1，n-1，P_m+1，n+1可得到沿对角线方向的二阶梯度分别为：

DX_m，n＝|(P_m，n-P_m-1，n-1)+(P_m，n-P_m+1，n+1)|＝|-P_m-1，n-1+2P_m，n-P_m+1，n+1|

DY_m，n＝|(P_m，n-P_m-1，n+1)+(P_m，n-P_m+1，n-1)|＝|-P_m-1，n+1+2P_m，n-P_m+1，n-1|

步骤303，对于G分量，同样先根据对图像的质量要求确定一个判定是否为死点的域值T_G。比如：当一个位置为(m，n)的G分量像素点处的二阶梯度满足DX_m，n＞T_G且DY_m，n＞T_G时，则认为该处有突变，可能是由于传感器而造成的死点。

进行修正的方法仍然是用周围的同分量像素点的像素值的平均值替代该死点处的像素值。

具体为：

步骤304～305，比较该点的DX_m，n和DY_m，n值，如果DX_m，n≥DY_m，n，则说明X对角线方向的突变程度较大，用该点Y对角线方向的两个临近点的像素值P_m-1，n+1，P_m+1，n-1来对其进行修正，即用P_m-1，n+1，P_m+1，n-1的平均值替代该像素点的P_m，n；

如果DX_m，n＜DY_m，n，则说明Y对角线方向的突变程度较大，用该点X对角线方向的两个临近点的像素值P_m-1，n-1，P_m+1，n+1来对其进行修正，即用P_m-1，n-1，P_m+1，n+1的平均值替代该像素点的P_m，n；

可归纳为如下公式：

其中，P′_m，n为修正后的(m，n)点新的像素值。

如果需要对图像进行噪声消除，则处理如下：

对于R、B分量，参见图4所示，在执行完步骤201、202后，进一步包括：

步骤403，比较水平和垂直方向二阶梯度的大小，如果一个位置为(m，n)的像素点处的二阶梯度满足DH_m，n≥DV_m，n，则表明水平方向的像素值变化较大，采用以(m，n)点为中心垂直方向的三个像素(m-2，n)，(m，n)，(m+2，n)进行噪声消除：

步骤404～405，计算垂直方向三个点的像素均值为

${\mathrm{Avg}}_{m,n}=\frac{1}{\text{3}}(P_{m-2,n}+P_{m,n}+P_{m+2,n}),$

再计算垂直方向三个点与像素均值之间的绝对差和为

${\mathrm{Var}}_{m,n}=\frac{1}{3}\left(\right|P_{m-2,n}-{\mathrm{Avg}}_{m,n}|+|P_{m,n}-{\mathrm{Avg}}_{m,n}|+|P_{m+2,n}-{\mathrm{Avg}}_{m,n}\left|\right);$

否则，即如果一个位置为(m，n)的像素点处的二阶梯度满足DH_m，n＜DV_m，n，则表明垂直方向的像素值变化较大，采用以(m，n)点为中心水平方向的三个像素(m，n-2)，(m，n)，(m，n+2)进行噪声消除：

计算水平方向三个点的像素均值为

${\mathrm{Avg}}_{m,n}=\frac{1}{3}(P_{m,n-2}+P_{m,n}+P_{m,n+2});$

再计算水平方向三个点与像素均值之间的绝对差和为：

${\mathrm{Var}}_{m,n}=\frac{1}{3}\left(\right|P_{m,n-2}-{\mathrm{Avg}}_{m,n}|+|P_{m,n}-{\mathrm{Avg}}_{m,n}|+|P_{m,n+2}-{\mathrm{Avg}}_{m,n}\left|\right).$

步骤406～407，为每个像素点(m，n)设定Var_m，n的噪声阈值Noise_m，n，该阈值可根据实际需要经验地获得，这样可以设置一个噪声表(NoiseTable)，表中每个像素点(m，n)对应一个Noise_m，n。这样，通过查找噪声表，获得该像素点对应的噪声阈值Noise_m，n＝NoiseTable(m，n)；

如果当前Var_m，n＜Noise_m，n，则表明该点处受到噪声影响，应该进行噪声修正，用该Var_m，n所对应方向的平均值替代原来该点的像素值，即该像素的修正值为

P′_m，n＝Avg_m，n；

否则，即如果当前Var_m，n≥Noise_m，n，则表明该点体现了图像的某些高频成分，应该保留原有的值。因此仍选择原来的值，即

P′_m，n＝P_m，n。

同理，对于G分量，参见图4所示，在执行完步骤301、302后，进一步包括：

步骤503，比较X和Y方向二阶梯度的大小，如果一个位置为(m，n)的像素点处的二阶梯度满足DX_m，n≥DY_m，n，则表明X方向的像素值变化较大，采用以(m，n)点为中心Y方向的三个像素(m-1，n+1)，(m，n)，(m+1，n-1)进行噪声消除：

步骤504～505，计算Y方向三个点的像素均值为

${\mathrm{Avg}}_{m,n}=\frac{1}{3}(P_{m-1,n+1}+P_{m,n}+P_{m+1,n-1}),$

再计算Y方向三个点与像素均值之间的绝对差和为：

${\mathrm{Var}}_{m,n}=\frac{1}{3}\left(\right|P_{m-1,n-1}-{\mathrm{Avg}}_{m,n}|+|P_{m,n}-{\mathrm{Avg}}_{m,n}|+|P_{m+1,n+1}-{\mathrm{Avg}}_{m,n}\left|\right);$

否则，即如果一个位置为(m，n)的像素点处的二阶梯度满足DX_m，n＜DY_m，n，则表明Y方向的像素值变化较大，采用以(m，n)点为中心X方向的三个像素(m-1，n-1)，(m，n)，(m+1，n+1)，进行噪声消除：

计算X方向三个点的像素均值为

${\mathrm{Avg}}_{m,n}=\frac{1}{3}(P_{m-1,n-1}+P_{m,n}+P_{m+1,n+1})$

再计算X方向三个点与像素均值之间的绝对差和为：

${\mathrm{Var}}_{m,n}=\frac{1}{3}\left(\right|P_{m-1,n+1}-{\mathrm{Avg}}_{m,n}|+|P_{m,n}-{\mathrm{Avg}}_{m,n}|+|P_{m+1,n-1}-{\mathrm{Avg}}_{m,n}\left|\right)$

步骤506～507，为每个像素点(m，n)设定不同的Var_m，n噪声阈值Noise_m，n，该阈值可根据实际需要经验地获得，从而设置一个噪声表，表中每个像素点(m，n)对应一个Noise_m，n。这样，通过查找噪声表，获得该像素点对应的噪声阈值Noise_m，n＝NoiseTable(m，n)；

如果当前Var_m，n＜Noise_m，n则表明该点处受到噪声影响，应该进行噪声修正，用该Var_m，n所对应方向的平均值替代原来该点的像素值，即该像素的修正值为

P′_m，n＝Avg_m，n；

否则，表明该点体现了图像的某些高频成分，应该保留原有的值，即

P′_m，n＝P_m，n。

在上述所有实施例中，均是通过参考某一方向三个点的像素值，来对原像素值进行死点和噪声消除，仅是提供的一种较佳的实现方案，实际中也可以采用更多的点实现。以5个点为例，对于R、B分量在上述所有计算过程中，均应考虑以该分量像素点为中心的水平和垂直方向5个点的像素值，即需要以该点为中心的9×9个像素点。对于G分量，则上述所有计算中，均应考虑以该点为中心X、Y对角线方向5个像素点，即需要以该点为中心的5×5个像素点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1、一种图像死点的消除方法，其特征在于，包括：

a)获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量相邻像素点的像素值；

b)计算步骤a)所述各像素点在两个直线方向上的像素值梯度；

c)将步骤b)得到的两个方向上的梯度值分别与所设置的死点判定阈值比较，如果两个梯度值均大于死点判定阈值，则进入步骤d)，否则，结束当前像素点的处理流程；

d)比较步骤b)所获两个方向梯度值的大小，通过步骤a)所获的像素值计算梯度值较小的一个方向上两相邻像素点的像素值平均值，用该像素值平均值替换当前像素点的像素值。

2、根据权利要求1所述的方法，其特征在于，所述像素点为R或B颜色分量的像素点，所述两个直线方向为以当前像素点为中心的水平和垂直方向。

3、根据权利要求1所述的方法，其特征在于，所述像素点为G颜色分量的像素点，所述两个直线方向为以当前像素点为中心的两对角线方向。

4、根据权利要求1至3任意一项所述的方法，其特征在于，步骤a)所获为与当前像素点最近的四个像素点的像素值；

所述梯度为当前像素点与在一直线方向上两相邻像素点之间的二阶梯度；

所述像素值平均值为在一直线方向上与该像素点相邻像素点像素值的平均值。

5、一种图像噪声的消除方法，其特征在于，包括：

A.获取当前像素点的像素值，和与该像素点距离最近的至少四个同颜色分量像素点的像素值；

B.计算步骤A所述各像素点在两个直线方向上的像素值梯度；

C.比较步骤B得到的两个方向上的梯度值，通过步骤A所获的像素值计算梯度值较小的一个方向上像素点像素值的平均值，计算该方向上像素点像素值与像素值平均值之间的绝对差和；

D.将步骤C获得的绝对差和与所设置的当前像素点的噪声阈值比较，如果绝对差和小于噪声阈值，则进入步骤E，否则，结束当前像素点的处理流程；

E.用步骤C得到的像素值平均值替换当前像素点的像素值。

6、根据权利要求5所述的方法，其特征在于，所述像素点为R或B颜色分量的像素点，所述两个直线方向为以当前像素点为中心的水平和垂直方向。

7、根据权利要求5所述的方法，其特征在于，所述像素点为G颜色分量的像素点，所述两个直线方向为以当前像素点为中心的两对角线方向。

8、根据权利要求5至7任意一项所述的方法，其特征在于，步骤a)所获为与当前像素点最近的四个像素点的像素值；

所述梯度为当前像素点与在一直线方向上两相邻像素点之间的二阶梯度；

所述像素值平均值为当前像素点像素值，以及在一直线方向上与该像素点相邻的两素点像素值的平均值。

Images