FR3090258A1 - Procédé et dispositif d’estimation de niveau de bruit de rangées d’obscurité de référence d’un capteur d’images - Google Patents

Abstract

Le procédé d’estimation d’un niveau de bruit (NB) de rangées d’obscurité de référence (7) d’un capteur d’images (3), les rangées d’obscurité de référence (7) comprenant des pixels (P1, P2) délivrant chacun un signal d’obscurité (SO), comprend des calculs séquentiels (CSi) de différences absolues (DA1, DA2, …, DAn) entre des niveaux (VP1, VP2) de signaux d’obscurité de tous les pixels (POR1, POR2) adjacents pris deux à deux dans au moins une partie desdits pixels (POR) des rangées d’obscurité de référence (7), à l’issue de chaque calcul séquentiel (CSi), une accumulation (ADA) séquentielle de la différence absolue (DAi) calculée, etune estimation dudit niveau de bruit (NB) en fonction du résultat de ladite accumulation (ADA). Figure pour l’abrégé : Fig 4

Description

Description

Titre de l'invention : Procédé et dispositif d’estimation de niveau de bruit de rangées d’obscurité de référence d’un capteur d’images

[0001] Des modes de mise en œuvre et de réalisation de l’invention concernent les capteurs d’images (« image sensor » en anglais) et les traitements de signaux d’images, et plus particulièrement les estimations de niveaux de bruit des capteurs d’images.

[0002] D’une façon générale, un capteur d’images comporte des rangées dites actives comprenant des pixels actifs configurées pour mesurer des niveaux de luminosité et de couleur de rayonnements de lumière reçus par le capteur d’images de façon à former ensuite des images prises par le capteur d’images, et des rangées d’obscurité de référence (« dark reference rows » en anglais) comportant des pixels d’obscurité recouverts et plongés dans l’obscurité.

[0003] Chaque pixel d’obscurité délivre un signal électrique, dit signal d’obscurité, comportant une composante continue, autrement dit une intensité dans l’obscurité, et une composante aléatoire, autrement dit un niveau de bruit (« noise level » en anglais).

[0004] Afin d’estimer ledit niveau de bruit du capteur d’images dans l’obscurité, une approche classique consiste à calculer l’écart-type (« standard deviation » en anglais) des valeurs de signaux d’obscurité de tous les pixels d’obscurité du capteur d’images.

[0005] Cependant, une telle estimation exige généralement une puissance de calcul relativement importante car le calcul de l’écart-type nécessite plusieurs lignes de mémoire et deux passages de calcul :

un premier passage de calcul pour calculer la moyenne des valeurs de tous les pixels dans les rangées d’obscurité de référence du capteur d’images, et un deuxième passage de calcul pour calculer les écarts quadratiques de chaque pixel d’obscurité avec ladite moyenne calculée.

[0006] Le résultat d’une telle estimation va donc être disponible après un certain délai, et est par ailleurs sensible à des pixels défectueux (« defect » en anglais) dont la valeur s’écarte de façon excessive de la moyenne (« outliers » en anglais).

[0007] Une approche classique alternative consiste à utiliser un modèle de bruit prédéterminé pour estimer de tels niveaux de bruit du capteur d’images.

[0008] Cette approche nécessite généralement un capteur de température afin de mesurer la température globale du capteur d’images et quelques paramètres prédéterminés/ pré-étalonnés pour procéder du calcul du modèle de bruit.

[0009] Le résultat de l’estimation selon cette approche alternative dépend de la précision du modèle de bruit utilisé et des paramètres prédéterminés/pré-étalonnés mais pas de valeurs mesurées des pixels du capteur d’images. Par conséquent, cette approche utilisant le modèle de bruit est moins robuste à des variations de fabrication de capteurs d’images.

[0010] Il existe ainsi un besoin de proposer une solution technique à faible complexité permettant d’estimer de façon rapide un niveau de bruit d’un capteur d’images via des rangées d’obscurité de référence du capteur d’images tout en restant plus robuste à des variations de fabrication de pièce à pièce et moins sensible à d’éventuels pixels défectueux dans les rangées d’obscurité de référence.

[0011] Selon un aspect, il est proposé un procédé d’estimation d’un niveau de bruit de rangées d’obscurité de référence comportant des pixels délivrant chacun un signal d’obscurité. Ce procédé comprend des calculs séquentiels de différences absolues entre des niveaux de signaux d’obscurité de tous les pixels adjacents pris deux à deux dans au moins une partie, et éventuellement l’intégralité, desdits pixels des rangées d’obscurité de référence, à l’issue de chaque calcul séquentiel, une accumulation séquentielle de la différence absolue calculée, et une estimation dudit niveau de bruit en fonction du résultat de ladite accumulation.

[0012] Un tel procédé d’estimation basé sur un calcul simple et rapide de l’accumulation des différences absolues des niveaux de signaux d’obscurité de tous les pixels adjacents pris deux à deux dans au moins une partie desdits pixels des rangées d’obscurité de référence permet avantageusement d’éviter une utilisation de lignes de mémoire et des traitements de double passage qui sont non seulement coûteux au niveau du temps de traitement mais aussi exigeants au niveau de la puissance de calcul.

[0013] De surcroît, comme il prend en compte seulement les différences absolues des niveaux de signaux d’obscurité des pixels adjacents au lieu de l’écart type des niveaux de signaux d’obscurité comme proposé dans des approches classiques, le résultat d’une telle estimation est par construction moins influencé par d’éventuels pixels défectueux.

[0014] Avantageusement, l’estimation selon un tel procédé est intrinsèquement robuste à des variations de pièce à pièce car cette estimation est réalisée à partir des mesures réelles des valeurs des pixels ou macro-pixels dans les rangées d’obscurité du capteur luimême.

[0015] Le niveau de bruit estimé peut par exemple être égal ou proportionnel au résultat de ladite accumulation.

[0016] Là encore, le résultat de cette estimation peut avantageusement être utilisé comme un paramètre d’entrée pour le calcul d’un modèle de bruit d’un capteur d’images de façon à améliorer la précision dudit modèle de bruit.

[0017] Selon un mode de mise en œuvre, chaque calcul séquentiel comprend une mémorisation du niveau d’un premier pixel, et un calcul de la différence absolue entre le niveau d’un deuxième pixel adjacent au premier pixel et le niveau mémorisé du premier pixel.

[0018] Le deuxième pixel du calcul séquentiel courant est le premier pixel du calcul séquentiel suivant.

[0019] Un tel procédé permet avantageusement des calculs séquentiels des différences absolues des niveaux de tous les pixels adjacents pris deux à deux dans au moins une partie desdits pixels des rangées d’obscurité de référence.

[0020] Selon un autre mode de mise en œuvre, les rangées d’obscurité comportent des portions de pixels définissant chacune un canal de pixels des rangées d’obscurité de référence, et le premier pixel et le deuxième pixel appartiennent à un même canal de pixels.

[0021] De ce fait, on peut avantageusement calculer des niveaux de bruit pour chaque canal de pixels.

[0022] L’estimation dudit niveau de bruit des rangées d’obscurité de référence peut par exemple comprendre pour chaque portion des rangées d’obscurité de référence, une estimation d’un niveau de bruit du canal de pixels correspondant, et une estimation dudit niveau de bruit des rangées d’obscurité en fonction des niveaux de bruit de tous les canaux de pixels correspondants.

[0023] En variante, au lieu d’opérer sur des pixels adjacents, il est possible d’opérer sur des groupes adjacents correspondant plusieurs pixels.

[0024] Ainsi, selon un autre aspect, il est proposé un procédé d’estimation d’un niveau de bruit de rangées d’obscurité de référence d’un capteur d’images, les rangées d’obscurité de référence comprenant des groupes de pixels, chaque pixel délivrant un signal d’obscurité, le procédé comprenant des calculs séquentiels de différences absolues entre des sommes de niveaux de signaux d’obscurité de tous les pixels de tous les groupes adjacents pris deux à deux dans au moins une partie desdits groupes de pixels des rangées d’obscurité de référence, à l’issue de chaque calcul séquentiel, une accumulation séquentielle de la différence absolue calculée, et une estimation dudit niveau de bruit en fonction du résultat de ladite accumulation.

[0025] Selon un mode de mise en œuvre, chaque calcul séquentiel comprend une mémorisation de la somme de niveaux de tous les pixels d’un premier groupe, et un calcul de la différence absolue entre la somme des niveaux de tous les pixels d’un deuxième groupe adjacent au premier groupe et la somme mémorisée du premier groupe.

[0026] Le deuxième groupe du calcul séquentiel courant est le premier groupe du calcul séquentiel suivant.

[0027] Selon un autre mode de mise en œuvre, les rangées d’obscurité comportent des portions de groupes définissant chacune un canal de pixels des rangées d’obscurité de référence, et le premier groupe et le deuxième groupe appartiennent à un même canal de pixels.

[0028] Selon encore un autre mode de mise en œuvre, l’estimation dudit niveau de bruit des rangées d’obscurité de référence comprend pour chaque portion des rangées d’obscurité de référence, une estimation d’un niveau de bruit du canal de pixels correspondant, et une estimation dudit niveau de bruit des rangées d’obscurité en fonction des niveaux de bruit de tous les canaux de pixels correspondants.

[0029] Chaque groupe de pixels peut par exemple comporter au moins deux pixels et la somme des niveaux de signaux d’obscurité de tous les pixels de chaque groupe peut par exemple être la somme des niveaux de signaux d’obscurité desdits au moins deux pixels.

[0030] A titre indicatif mais non limitatif, ladite estimation du niveau de bruit peut par exemple comprendre un calcul, à partir de ladite accumulation, de la moyenne de toutes les différences absolues calculées.

[0031] Selon un autre aspect, il est proposé un dispositif d’estimation d’un niveau de bruit de rangées d’obscurité de référence comportant des pixels délivrant chacun un signal d’obscurité, et des moyens de traitement configurés pour calculer séquentiellement des différences absolues entre des niveaux de signaux d’obscurité de tous les pixels adjacents pris deux à deux dans au moins une partie desdits pixels des rangées d’obscurité de référence, accumuler séquentiellement, à l’issue de chaque calcul séquentiel, la différence absolue calculée, et estimer ledit niveau de bruit en fonction de la moyenne de toutes les différences absolues calculées.

[0032] Selon un mode de réalisation, les moyens de traitement sont configurés pour, pour chaque calcul séquentiel, mémoriser le niveau d’un premier pixel, et calculer la différence absolue entre le niveau d’un deuxième pixel adjacent au premier pixel et le niveau mémorisé du premier pixel.

[0033] Le deuxième pixel du calcul séquentiel courant est le premier pixel du calcul séquentiel suivant.

[0034] Selon un autre mode de réalisation, dans lequel le capteur d’images est un capteur d’images couleur, chaque portion définit un canal de pixels des rangées d’obscurité de référence, et le premier pixel et le deuxième pixel appartiennent à un même canal de pixels.

[0035] Selon encore un autre mode de réalisation, pour l’estimation dudit niveau de bruit des rangées d’obscurité de référence, les moyens de traitement sont configurés pour pour chaque portions des rangées d’obscurité de référence, estimer un niveau de bruit du canal de pixels correspondant, et estimer ledit niveau de bruit des rangées d’obscurité en fonction des niveaux de bruit de tous les canaux de pixels correspondants.

[0036] Selon un autre aspect, il est proposé un dispositif d’estimation d’un niveau de bruit de rangées d’obscurité de référence d’un capteur d’images, les rangées d’obscurité de référence comprenant des groupes de pixels, chaque pixel délivrant un signal d’obscurité, et des moyens de traitement configurés pour calculer séquentiellement des différences absolues entre des niveaux de signaux d’obscurité de tous les pixels de tous les groupes adjacents pris deux à deux dans au moins une partie desdits groupes de pixels des rangées d’obscurité de référence et estimer ledit niveau de bruit en fonction du résultat de ladite accumulation.

[0037] Selon un mode de réalisation, les moyens de traitement sont configurés pour, pour chaque calcul séquentiel, mémoriser la somme de niveaux de tous les pixels d’un premier groupe, et calculer la différence absolue entre la somme des niveaux des tous les pixels d’un deuxième groupe adjacent au premier groupe, et la somme mémorisée du premier groupe.

[0038] Le deuxième groupe du calcul séquentiel courant est le premier groupe du calcul séquentiel suivant.

[0039] Selon un autre mode de réalisation, chaque portion définit un canal de pixels des rangées d’obscurité de référence, et le premier pixel et le deuxième pixel appartiennent à un même canal de pixels.

[0040] Selon encore un autre mode de réalisation, pour l’estimation dudit niveau de bruit des rangées d’obscurité de référence, les moyens de traitement sont configurés pour, pour chaque portion des rangées d’obscurité de référence, estimer un niveau de bruit du canal de pixels correspondant, et estimer ledit niveau de bruit des rangées d’obscurité en fonction des niveaux de bruit de tous les canaux de pixels correspondants.

[0041] Chaque groupe de pixels peut par exemple comporter au moins deux pixels et la somme des niveaux de signaux d’obscurité de tous les pixels de chaque groupe peut par exemple être la somme des niveaux de signaux d’obscurité desdits au moins deux pixels.

[0042] A titre d’exemple non limitatif, les moyens de traitement des dispositifs tels que définis ci-avant sont en outre configurés pour calculer, à partir de ladite accumulation, la moyenne de toutes les différences absolues calculées.

[0043] A titre indicatif mais non limitatif, lesdits dispositifs tels que définis ci-avant peuvent par exemple être réalisés de façon intégrée.

[0044] Selon un autre aspect, il est proposé un capteur d’images comprenant des rangées d’obscurité de référence et un dispositif tel que défini ci-avant.

[0045] Selon un autre aspect, il est proposé un appareil électronique, par exemple du type caméra de recul, tablette ou téléphone mobile cellulaire, incorporant au moins un capteur d’images tel que défini ci-dessus.

[0046] Selon encore un autre aspect, il est proposé un véhicule automobile comprenant au moins un capteur d’images tel que défini ci-dessus.

[0047] D’autres avantages et caractéristiques de l’invention apparaîtront à l’examen de la description détaillée de modes de mise en œuvre et de réalisation, nullement limitatifs, et des dessins annexés sur lesquels :

[0048] [fig-1] illustre schématiquement un mode de mise en œuvre et de réalisation de l’invention.

[0049] [fig.2] illustre schématiquement un mode de mise en œuvre et de réalisation de l’invention.

[0050] [fig.3] illustre schématiquement un mode de mise en œuvre et de réalisation de l’invention.

[0051] [fig.4] illustre schématiquement un mode de mise en œuvre et de réalisation de l’invention.

[0052] [fig-5] illustre schématiquement un mode de mise en œuvre et de réalisation de l’invention.

[0053] La référence 1 dans la figure 1 désigne un véhicule automobile, ici par exemple une voiture 1, comportant dans sa partie arrière une caméra de recul 2 configurée pour permettre au conducteur de la voiture 1 d’avoir une visibilité sur ce qui se passe à l’arrière de la voiture 1 lorsque la voiture 1 est en marche arrière.

[0054] La caméra de recul 2 comporte un capteur d’images 3 configuré pour recevoir des rayonnements de lumière RL et convertir ces rayonnements de lumière RL en des signaux électriques analogiques SEA, et un module de traitement 4 configuré pour former des images numériques IMGN à partir des signaux électriques analogiques SEA.

[0055] La référence 5 dans la figure 2 désigne un appareil électronique, ici par exemple un téléphone mobile cellulaire, incorporant dans sa face avant un capteur d’images 3 destiné à prendre par exemple des images de l’utilisateur du téléphone 5.

[0056] On se réfère maintenant à la figure 3 pour illustrer plus en détails un exemple de réalisation du capteur d’images 3.

[0057] Le capteur d’images 3 comporte des rangées actives 6, des rangées d’obscurité de référence 7, et un dispositif d’estimation de niveau de bruit 8 couplé aux rangées d’obscurité de référence 7.

[0058] Les rangées actives 6, les rangées d’obscurité de référence 7 et le dispositif d’estimation de niveau de bruit 8 sont ici par exemple réalisés de façon intégrée.

[0059] Le capteur 3 comporte ici par exemple 1080 rangées actives 6 comportant des pixels dits actifs PA. Chaque rangée 6 comporte ici par exemple 1920 pixels actifs PA.

[0060] Tous les pixels actifs PA sont configurés pour recevoir des rayonnements de lumière RL et convertir les rayonnements de lumière RL en signaux électriques analogiques SEA.

[0061] Les rangées d’obscurité de référence 7 sont configurées pour être situées à proximité des rangées actives 6 et comportent quelques rangées, ici par exemple 10 rangées, de pixels d’obscurité de référence POR. Chaque rangée d’obscurité de référence 7 comporte par exemple également 1920 pixels d’obscurité de référence POR.

[0062] Tous les pixels d’obscurité de référence POR sont configurés pour être recouvertes et plongées dans l’obscurité. Comme les pixels d’obscurité de référence POR et les pixels actifs PA sont formés de même façon, leurs caractéristiques techniques sont similaires. Chaque pixel POR est configuré pour délivrer un signal d’obscurité SO.

[0063] Par conséquent, les bruits, autrement dit les variations aléatoires de niveaux des signaux d’obscurité SO des pixels d’obscurité de référence POR représentent approximativement les bruits des pixels actifs PA des rangées actives 6 ainsi que les bruits du capteur d’images 3.

[0064] Le dispositif d’estimation de niveau de bruit 8 comporte des moyens de traitement 9, ici par exemple sous forme d’un processeur d’images (« image processor » en anglais) de type circuit intégré propre à une application, communément connu de l’homme du métier sous l’acronyme anglais ASIC (« Application-Specific Integrated Circuit » en anglais), couplés aux rangées d’obscurité de référence 7.

[0065] Le dispositif 8 est configuré pour estimer un niveau de bruit des rangées d’obscurité de référence 7, en d’autres termes un niveau de bruit du capteur d’images 3, à partir de niveaux de signaux d’obscurité SO d’au moins une partie des pixels d’obscurité de référence POR.

[0066] En outre, le dispositif 8 est également couplé au module de traitement 4 et configuré pour délivrer au module de traitement 4 le niveau de bruit estimé.

[0067] Il convient de noter ce niveau de bruit estimé peut avantageusement être utilisé comme un paramètre d’entrée pour le calcul d’un modèle de bruit effectué par le modèle de traitement 4 de façon à améliorer la qualité d’images prises par les rangées actives 6.

[0068] Afin de déterminer le niveau de bruit des rangées d’obscurité de référence 7, les moyens de traitement 9 du dispositif 8 sont configurés pour calculer séquentiellement des différences absolues entre des niveaux de signaux d’obscurité SO de tous les pixels adjacents pris deux à deux dans au moins une partie desdits pixels, ici par exemple l’intégralité des pixels, des rangées d’obscurité de référence 7, accumuler séquentiellement, à l’issue de chaque calcul séquentiel, la différence absolue calculée, et estimer ledit niveau de bruit en fonction du résultat de la dite accumulation.

[0069] Il convient de noter que l’estimation dudit niveau de bruit n’est basé que sur les calculs des différences absolues et l’accumulation des différences absolues calculées et mais pas sur des calculs d’écart type et ne nécessite qu’un passage de calcul. La vitesse de cette estimation est donc plus rapide par rapport à une approche classique nécessitant au moins deux passages de calcul.

[0070] De surcroît, grâce à l’utilisation de l’accumulation séquentielle, aucune ligne de mémoire n’est exigée pour mémoriser de nombreux paramètres intermédiaires, La complexité des moyens de traitement 9 est donc avantageusement réduite.

[0071] A titre d’exemple non limitatif, les moyens de traitement 9 peuvent également être configurés pour ne prendre en compte qu’une partie, par exemple la moitié, des pixels des rangées d’obscurités de référence 7 de façon à réduire encore le temps de traitement.

[0072] Il convient de noter que les pixels POR des rangées d’obscurité de référence 7 peuvent également être partitionnés en plusieurs groupes de pixels GP1, GP2 comportant chacun au moins deux pixels, ici par exemple chaque groupe de pixel GP1 comportant deux pixels PORI, POR2.

[0073] Dans ce cas-là, les moyens de traitement 9 du dispositif 8 sont configurés pour calculer séquentiellement des différences absolues entre des sommes de niveaux de signaux d’obscurité SO de tous les pixels de tous les groupes adjacents GP1, GP2 pris deux à deux dans au moins une partie desdits groupes, ici par exemple l’intégralité des groupes de pixels GPi, de pixels des rangées d’obscurité de référence 7, accumuler séquentiellement, à l’issue de chaque calcul séquentiel, la différence absolue calculée, et estimer ledit niveau de bruit en fonction du résultat de ladite accumulation.

[0074] Avantageusement, l’influence d’un ou d’éventuels pixels défectueux dans un ou des groupes de pixels est encore réduite car ledit niveau de bruit est calculé à partir des sommes de niveaux de signaux d’obscurité des pixels dans un groupe de pixels au lieu des niveaux de signaux d’obscurité des pixels.

[0075] On se réfère maintenant à la figure 4 pour illustrer plus en détails un exemple de mise en œuvre du dispositif d’estimation de niveau de bruit 8.

[0076] Dans cet exemple, les moyens de traitement 9 sont configurés pour effectuer des calculs séquentiels CSi des différences absolues entre des niveaux de signaux d’obscurité SO de tous les pixels adjacents pris deux à deux dans au moins une partie, ici par exemple l’intégralité, des pixels des rangées d’obscurité de référence 7.

[0077] Les calculs séquentiels CSi sont répétés jusqu’à ce que les différences absolues entre des niveaux de signaux d’obscurité de tous les pixels adjacents pris deux à deux dans ladite au moins une partie, soient calculées.

[0078] Chaque calcul séquentiel CS comporte une première étape ETP1, et une deuxième étape ETP2.

[0079] Dans la première étape ETP1, les moyens de traitement 9 sont configurés pour mémoriser le niveau VP1 du signal d’obscurité d’un premier pixel POR1 dans ladite au moins une partie des pixels des rangées d’obscurité de référence 7 (figure 3).

[0080] Dans la deuxième étape ETP2, les moyens de traitement 9 sont configurés pour calculer une première différence absolue DA1 entre le niveau VP2 (figure 3) du signal d’obscurité d’un deuxième pixel POR2 adjacent au premier pixel POR1 et la valeur mémorisée VP1 du premier pixel POR1.

[0081] Il convient de noter que le niveau VP2 du signal d’obscurité du deuxième pixel de chaque calcul séquentiel courant CSi est mémorisé dans la première étape ETP1 du calcul séquentiel suivant CSi+1 en tant que le niveau VP1 du signal d’obscurité du premier pixel.

[0082] Les moyens de traitement 9 sont en outre configurés pour effectuer une accumulation ADA (ETP3) de la différence absolue DAi, i=l, 2, 3.. .n calculée à l’issue de chaque calcul séquentiel CSi, et calculer la moyenne MDA (ETP4) des différences absolues DAI à DAn à partir de l’accumulation ADA des différence absolues DAI à DAn de façon à estimer le niveau de bruit NB du capteur d’images 3.

[0083] A titre d’exemple non limitatif, la moyenne MDA des différences absolues DAI à DAn peut être obtenue par l’accumulation ADA des différences absolues DAI à DAn divisée par le nombre n des différences absolues DAI à DAn, autrement dit MDA = ADA/n.

[0084] Le niveau du signal d’obscurité d’un pixel défectueux est généralement plus élevé par rapport à ceux des pixels normaux. Une estimation de niveau de bruit basé sur l’écart-type des valeurs de pixels dans les rangées d’obscurité de référence 7 amplifie encore l’influence du pixel défectueux.

[0085] Comme l’estimation du niveau de bruit proposée ici est basée sur la moyenne MDA des différences absolues DAI à DAn entre les niveaux de signaux d’obscurité des pixels pris deux à deux dans au moins une partie des pixels des rangées d’obscurité de référence 7, l’influence du ou des pixels défectueux est donc réduite.

[0086] Ainsi, le niveau de bruit NB estimé est plus robuste vis à vis de possibles pixels défectueux dans les rangées d’obscurité de référence 7.

[0087] Il convient de noter qu’un calcul séquentiel dudit niveau de bruit à partir des sommes des niveaux de signaux d’obscurité de tous les pixels de groupes de pixels est similaire à celui illustré sur la figure 4 sauf qu’il faut préalablement calculer des sommes de niveaux de signaux d’obscurité de tous les pixels de chaque groupe de pixels.

[0088] A des fins de simplification, le procédé d’un calcul séquentiel des différences absolues entre des sommes de niveaux de signaux d’obscurité de tous les pixels de tous les groupes adjacents pris deux à deux dans au moins une partie desdits groupes de pixels des rangées d’obscurité de référence n’est pas illustré.

[0089] On se réfère maintenant à la figure 5 pour illustrer un autre exemple de mise en œuvre du dispositif d’estimation de niveau de bruit 8.

[0090] Dans cet exemple, les rangées d’obscurité 7 comportent des portions de pixels, ici par exemple une première portion de pixels PI, une deuxième portion de pixels P2, et une troisième portion de pixels P3, définissant chacune un canal de pixels Cl, C2, C3 des rangées d’obscurité de référence 7.

[0091] Autrement dit, chaque portion de pixels PI, P2, P3 représente un canal de pixels Cl, C2, C3.

[0092] Par exemple, selon le motif d’une matrice de Bayer (« Bayer Filter » en anglais) connue du l’homme du métier, les pixels impairs de chaque rangée impaire appartiennent à un premier canal de pixels Cl, les pixels pairs de chaque rangée paire appartiennent à un deuxième canal de pixels C2, et les pixels pairs de chaque rangée impaire et les pixels impairs de chaque rangée paire appartiennent à un troisième canal de pixels C3.

[0093] Dans ce cas-là, les moyens de traitement 9 sont configurés pour calculer respectivement des niveaux de bruit des tous ces canaux de pixels NB1, NB2, NB3 en fonction des moyenne des différences absolues correspondant respectivement à ces canaux de pixels Cl, C2, C3.

[0094] Le calcul desdites moyennes est identique à celui illustré avec la figure 3.

[0095] Les moyens de traitement 9 sont ensuite configurés pour estimer ledit niveau de bruit NB des rangées d’obscurité de référence 7 en fonction des niveaux de bruit de tous les canaux de pixels NB1, NB2, NB3.

[0096] A titre d’exemple non limitatif, le niveau de bruit NB des rangées d’obscurité de référence 7 peut par exemple être estimé par un calcul de la moyenne des niveaux de bruit de tous les canaux de pixels NB1, NB2, NB3, autrement dit NB = (NBl+NB2+NB3)/3.

Claims (1)

1. Revendications [Revendication 1] Procédé d’estimation d’un niveau de bruit (NB) de rangées d’obscurité de référence (7) d’un capteur d’images (3), les rangées d’obscurité de référence (7) comprenant des pixels (Pl, P2) délivrant chacun un signal d’obscurité (SO), le procédé comprenant des calculs séquentiels (CSi) de différences absolues (DAI, DA2, ..., DAn) entre des niveaux (VP1, VP2) de signaux d’obscurité de tous les pixels (PORI, P0R2) adjacents pris deux à deux dans au moins une partie desdits pixels (POR) des rangées d’obscurité de référence (7), à l’issue de chaque calcul séquentiel (CSi), une accumulation (ADA) séquentielle de la différence absolue (DAi) calculée, et une estimation dudit niveau de bruit (NB) en fonction du résultat de ladite accumulation (ADA). [Revendication 2] Procédé selon la revendication 1, dans lequel chaque calcul séquentiel (CSi) comprend une mémorisation du niveau (VP1) d’un premier pixel (POR1), et un calcul de la différence absolue (DAI) entre le niveau (VP2) d’un deuxième pixel (POR2) adjacent au premier pixel (POR1) et le niveau (VP1) mémorisé du premier pixel (POR1), le deuxième pixel (POR2) du calcul séquentiel courant étant le premier pixel (POR1) du calcul séquentiel suivant (CSi+1). [Revendication 3] Procédé selon la revendication 2, les rangées d’obscurité comportent des portions de pixels (PB, PR, PV) définissant chacune un canal de pixels (Cl, C2, C3) des rangées d’obscurité de référence (7), et le premier pixel (POR1) et le deuxième pixel (POR2) appartiennent à un même canal de pixels (Cl, C2, C3). [Revendication 4] Procédé selon la revendication 3, dans lequel l’estimation dudit niveau de bruit (NB) des rangées d’obscurité de référence (7) comprend, pour chaque portion (Cl, C2, C3) des rangées d’obscurité de référence (7), une estimation d’un niveau de bruit (NB1, NB2, NB3) du canal de pixels correspondant, et une estimation dudit niveau de bruit (NB) des rangées d’obscurité (7) en fonction des niveaux de bruit de tous les canaux de pixels (NB1, NB2, NB3) correspondants. [Revendication 5] Procédé d’estimation d’un niveau de bruit (NB) de rangées d’obscurité de référence (7) d’un capteur d’images (3), les rangées d’obscurité de référence comprenant des groupes de pixels (MPI, MP2), chaque pixel

   délivrant un signal d’obscurité (SO), le procédé comprenant des calculs séquentiels (CSi) de différences absolues (DAI, DA2, ..., DAn) entre des sommes de niveaux (VMP1, VMP2) de signaux d’obscurité de tous les pixels (MPI, MP2) de tous les groupes adjacents (MPI, MP2) pris deux à deux dans au moins une partie desdits groupes de pixels des rangées d’obscurité de référence (7), à l’issue de chaque calcul séquentiel (CSi), une accumulation (ADA) séquentielle de la différence absolue (DAi) calculée, et une estimation dudit niveau de bruit (NB) en fonction du résultat de ladite accumulation (ADA). [Revendication 6] Procédé selon la revendication 5, dans lequel chaque calcul séquentiel (CSi) comprend une mémorisation de la somme de niveaux de tous les pixels d’un premier groupe, et un calcul de la différence absolue (DAI) entre la somme des niveaux de tous les pixels d’un deuxième groupe adjacent au premier groupe et la somme mémorisée du premier groupe, le deuxième groupe (MP2) du calcul séquentiel courant étant le premier groupe du calcul séquentiel suivant (CSi+1). [Revendication 7] Procédé selon la revendication 6, dans lequel les rangées d’obscurité comportent des portions de groupes définissant chacune un canal de pixels des rangées d’obscurité de référence (7), et le premier groupe et le deuxième groupe appartiennent à un même canal de pixels (Cl, C2, C3). [Revendication 8] Procédé selon la revendication 7, dans lequel l’estimation dudit niveau de bruit (NB) des rangées d’obscurité de référence (7) comprend, pour chaque portion (Cl, C2, C3) des rangées d’obscurité de référence (7), une estimation d’un niveau de bruit (NB1, NB2, NB3) du canal de pixels correspondant, et une estimation dudit niveau de bruit (NB) des rangées d’obscurité (7) en fonction des niveaux de bruit de tous les canaux de pixels (NB1, NB2, NB3) correspondants. [Revendication 9] Procédé selon l’une quelconque des revendications 5 à 8, dans lequel chaque groupe de pixels (MPI, MP2) comporte au moins deux pixels et la somme des niveaux de signaux d’obscurité de tous les pixels de chaque groupe (MPI, MP2) est la somme des niveaux de signaux d’obscurité desdits au moins deux pixels. [Revendication 10] Procédé selon l’une quelconque des revendications précédentes, dans lequel ladite estimation comprend

   un calcul, à partir du résultat de ladite accumulation (ADA), de la moyenne (MDA) de toutes les différences absolues (DAI, DA2, ..., DAn) calculées. [Revendication 11] Dispositif d’estimation d’un niveau de bruit de rangées d’obscurité de référence (7) d’un capteur d’images (3), les rangées d’obscurité de référence comprenant des pixels (Pl, P2) délivrant chacun un signal d’obscurité, et des moyens de traitement (9) configurés pour calculer séquentiellement des différences absolues (DAI, DA2, ..., DAn) entre des niveaux (VP1, VP2) de signaux d’obscurité de tous les pixels (Pl, P2) adjacents pris deux à deux dans au moins une partie desdits pixels des rangées d’obscurité de référence (7), accumuler séquentiellement, à l’issue de chaque calcul séquentiel (CSi), la différence absolue (DAi) calculée, et estimer ledit niveau de bruit (NB) en fonction du résultat de ladite accumulation (ADA). [Revendication 12] Dispositif selon la revendication 11, dans lequel les moyens de traitement (9) sont configurés pour, pour chaque calcul séquentiel (CSi), mémoriser le niveau (VP1, VMP1) d’un premier pixel (P0R1), et calculer la différence absolue (DAI) entre le niveau (VP2, VMP2) d’un deuxième pixel (P0R2) adjacent au premier pixel (P0R1) et le niveau (VP1, VMP1) mémorisé du premier pixel (POR1), le deuxième pixel (POR2) du calcul séquentiel courant étant le premier pixel (POR1) du calcul séquentiel suivant (CSi+1). [Revendication 13] Dispositif selon la revendication 12, dans lequel le capteur d’images est un capteur d’images couleur, chaque portion (PB, PR, PV) définit un canal de pixels (Cl, C2, C3) des rangées d’obscurité de référence (7), et le premier pixel (POR1) et le deuxième pixel (POR2) appartiennent à un même canal de pixels (Cl, C2, C3). [Revendication 14] Dispositif selon la revendication 13, dans lequel pour l’estimation dudit niveau de bruit (NB) des rangées d’obscurité de référence (7), les moyens de traitement (9) sont configurés pour, pour chaque portions (Cl, Cl, Cl) des rangées d’obscurité de référence (7), estimer un niveau de bruit (NB1, NB2, NB3) du canal de pixels correspondant, et estimer ledit niveau de bruit (NB) des rangées d’obscurité (7) en fonction des niveaux de bruit de tous les canaux de pixels (NB1, NB2, NB3) correspondants.

   [Revendication 15] Dispositif d’estimation d’un niveau de bruit de rangées d’obscurité de référence (7) d’un capteur d’images (3), les rangées d’obscurité de référence comprenant des groupes de pixels (MPI, MP2), chaque pixel délivrant un signal d’obscurité, et des moyens de traitement (9) configurés pour calculer séquentiellement des différences absolues (DAI, DA2, ..., DAn) entre des niveaux (VP1, VP2) de signaux d’obscurité de tous les pixels (MPI, MP2) de tous les groupes adjacents (MPI, MP2) pris deux à deux dans au moins une partie desdits groupes de pixels des rangées d’obscurité de référence (7), accumuler séquentiellement, à l’issue de chaque calcul séquentiel (CSi), la différence absolue (DAi) calculée, et estimer ledit niveau de bruit (NB) en fonction du résultat de ladite accumulation. [Revendication 16] Dispositif selon la revendication 15, dans lequel les moyens de traitement (9) sont configurés pour, pour chaque calcul séquentiel (CSi), mémoriser la somme de niveaux de tous les pixels d’un premier groupe, et calculer la différence absolue (DAI) entre la somme des niveaux des tous les pixels d’un deuxième groupe adjacent au premier groupe, et la somme mémorisée du premier groupe, le deuxième groupe (MP2) du calcul séquentiel courant étant le premier groupe du calcul séquentiel suivant (CSi+1). [Revendication 17] Dispositif selon la revendication 16, dans lequel le capteur d’images est un capteur d’images couleur, chaque portion définit un canal de pixels des rangées d’obscurité de référence (7), et le premier groupe et le deuxième groupe, appartiennent à un même canal de pixels (Cl, C2, C3). [Revendication 18] Dispositif selon la revendication 17, dans lequel pour l’estimation dudit niveau de bruit (NB) des rangées d’obscurité de référence (7), les moyens de traitement (9) sont configurés pour, pour chaque portion (CB, CR, CV) des rangées d’obscurité de référence (7), estimer un niveau de bruit (NB1, NB2, NB3) du canal de pixels correspondant, et estimer ledit niveau de bruit (NB) des rangées d’obscurité (7) en fonction des niveaux de bruit de tous les canaux de pixels (NB1, NB2, NB3) correspondants.

   [Revendication 19] [Revendication 20] [Revendication 21] [Revendication 22] [Revendication 23] [Revendication 24]

   Dispositif selon l’une quelconque des revendications 15 à 18, dans lequel chaque groupe de pixels (MPI, MP2) comporte au moins deux pixels et la somme des niveaux de signaux d’obscurité de tous les pixels de chaque groupe (MPI, MP2) est la somme des niveaux de signaux d’obscurité desdits au moins deux pixels.

   Dispositif selon l’une quelconque des revendications 11 à 19, dans lequel les moyens de traitement (9) sont en outre configurés pour calculer, à partir du résultat de ladite accumulation (ADA), la moyenne (MDA) de toutes les différences absolues (DAI, DA2, ..., DAn) calculées.

   Dispositif selon l’une quelconque des revendications 11 à 20, réalisé de façon intégrée.

   Capteur d’images comprenant des rangées d’obscurité de référence (7) et un dispositif (8) selon l’une quelconque des revendications 11 à 21. Appareil électronique (5), par exemple du type caméra de recul, tablette ou téléphone mobile cellulaire, incorporant au moins un capteur d’images (3) selon la revendication 22.

   Véhicule automobile (1), comprenant au moins un capteur d’images (3) selon la revendication 22.