TWI492621B - 適應性影像處理方法及其相關裝置 - Google Patents

適應性影像處理方法及其相關裝置 Download PDF

Info

Publication number
TWI492621B
TWI492621B TW101104318A TW101104318A TWI492621B TW I492621 B TWI492621 B TW I492621B TW 101104318 A TW101104318 A TW 101104318A TW 101104318 A TW101104318 A TW 101104318A TW I492621 B TWI492621 B TW I492621B
Authority
TW
Taiwan
Prior art keywords
pixel
pixels
image processing
value
target pixel
Prior art date
Application number
TW101104318A
Other languages
English (en)
Other versions
TW201334526A (zh
Inventor
Wei Hsu
Original Assignee
Novatek Microelectronics Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Novatek Microelectronics Corp filed Critical Novatek Microelectronics Corp
Priority to TW101104318A priority Critical patent/TWI492621B/zh
Priority to US13/517,612 priority patent/US8854508B2/en
Publication of TW201334526A publication Critical patent/TW201334526A/zh
Application granted granted Critical
Publication of TWI492621B publication Critical patent/TWI492621B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4015—Image demosaicing, e.g. colour filter arrays [CFA] or Bayer patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/843—Demosaicing, e.g. interpolating colour pixel values
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/10—Circuitry of solid-state image sensors [SSIS]; Control thereof for transforming different wavelengths into image signals
    • H04N25/11—Arrangement of colour filter arrays [CFA]; Filter mosaics
    • H04N25/13—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements
    • H04N25/134—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements based on three different wavelength filter elements
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Color Television Image Signal Generators (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Description

適應性影像處理方法及其相關裝置
本發明係指一種適應性影像處理方法及其相關裝置，尤指一種偵測並可補償壞點像素之像素值的適應性影像處理方法及其相關裝置。
影像感測器，例如互補式金氧半影像感測器(CMOS image sensor，CIS)和電荷耦合(Charge-Coupled Device，CCD)影像感測器等，已廣泛應用於數位相機、個人數位助理、平板型電腦以及智慧型通訊系統等消費性電子商品。一般來說，由於製造過程中之製程變異，並非所有影像感測器中影像感測像素單元皆可正常工作。於影像感測器擷取之影像中，無法正常工作之影像感測像素單元所對應之像素的像素值將會產生錯誤，這些產生錯誤像素值之像素係稱為壞點像素(Defect Pixel)。此外，影像擷取期間之多種環境因素(如溫度、亮度、感光度等)也有可能造成影像中隨機出現壞點像素。
因此，於影像感測器擷取影像後，需利用適應性影像處理裝置修正壞點像素之像素值，以避免壞點像素之像素值於進行如影像銳化等影像加強流程時，降低影像之品質。在習知技術中，適應性影像素對應於同一色彩成份；計算該複數個相鄰像素彼此之間之複數個像素絕對差值之一總和與一壞點補償比例之一乘積，以取得一壞點臨界值；計算該複數個相鄰像素之各相鄰像素與該目標像素間之複數個像素絕對差值之一總和，以取得一相鄰差異值；以及比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素。
本發明另揭露一種電腦可讀取記錄媒體，包含有複數個指令，用來致使一處理器執行上述之適應性影像處理方法。
本發明另揭露一種電腦程式產品，包含有複數個指令，用來致使一處理器執行上述之適應性影像處理方法。
本發明另揭露一種適應性影像處理裝置，用來處理一包含有複數個像素之影像，該複數個像素之每一像素對應於一色彩成份，該適應性影像處理裝置包含有適應性影像處理裝置：一區域偵測模組，用來根據一目標像素對應之色彩成份，界定包含該目標像素之一像素區域；一計算模組，用來計算該像素區域中與該目標像素對應同一色彩成份之複數個相鄰像素彼此之間之複數個像素絕對差值之一總和與一壞點補償比例之一乘積，以取得一壞點臨界值；計算該複數個相鄰像素中各相鄰像素與該目標像素間之複數個像素絕對差值之一總和，以取得一相鄰差異值；以及一判斷模組，用來比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素。像處理裝置可藉由壞點像素位置資訊，取得各壞點像素的位置，並計算各壞點像素之鄰近像素的平均值來補償壞點像素之像素值。上述之壞點像素位置資訊係於消費型電子產品出廠前經由測試得知，並記錄於消費性電子產品內部之記憶體中。如此一來，於每次影像感測器擷取影像後，適應性影像處理裝置必須自記憶體中讀取壞點像素位置資訊，以補償各壞點像素之像素值。
然而，由於壞點像素資訊係於消費型電子產品出廠前經由測試得知，因此壞點像素資訊中之壞點像素並不包含隨機出現之壞點像素，也就是說，採用壞點像素位置資訊來補償壞點像素之像素值將無法補償影像中隨機出現之壞點像素之像素值。此外，壞點像素資訊需耗費額外記憶體空間來儲存。因此，若能動態且準確偵測影像中壞點像素之位置，不僅可補償影像中所有壞點像素以增進影像品質，且免去儲存壞點像素資訊之額外記憶體空間。
因此，本發明之主要目的係提出一種能準確偵測影像中壞點像素之適應性影像處理方法及其相關裝置。
本發明揭露一種適應性影像處理方法，該方法包含有：根據一目標像素所對應之色彩成份，界定包含該目標像素之一像素區域；自該像素區域中選取複數個相鄰像素，該複數個相鄰像素與該目標本發明另揭露一種影像處理系統，包含有：一影像擷取裝置，包含有一影像感測器，用來擷取一影像，該影像包含複數個像素，每一像素對應於一色彩成份；以及一影像處理裝置，用來接收該影像，並對該影像進行至少一影像程序，該影像處理裝置包含有上述之該適應性影像處理裝置。
請參考第1圖，第1圖係本發明實施例之適應性影像處理方法10的流程圖。如第1圖所示，適應性影像處理方法10包含有以下步驟：
步驟100：開始。
步驟102：接收一包含複數個像素之陣列影像資料。
步驟104：自該複數個像素選取一目標像素T，並根據目標像素T所對應之色彩成份，界定包含目標像素T之一像素區域Z。
步驟106：自像素區域Z中選取相鄰像素T1 ～Tn ，相鄰像素T1 ～Tn 與目標像素T對應於同一色彩成份。
步驟108：計算相鄰像素T1 ～Tn 彼此之間之像素絕對差值之一總和dN與一壞點補償比例DPC之一乘積，以取得一壞點臨界值DPC_TH。
步驟110：計算相鄰像素T1 ～Tn 與目標像素T彼此之間之像素絕對差值之一總和dC，以取得一相鄰差異值DIFF。
步驟112：比較壞點臨界值DPC_TH與相鄰差異值DIFF，以判斷目標像素T是否為壞點像素。
步驟114：結束。
以下將對適應性影像處理方法10之步驟作詳細說明。首先，於步驟102，接收包含複數個像素之陣列影像資料。陣列影像資料譬如可為一以拜爾彩色濾波陣列產生之拜爾影像。於步驟104中，自陣列影像資料選取一像素點做為目標像素T，並界定包含目標像素T之像素區域Z，其中目標像素T係對應於紅色、藍色或綠色其中之一。針對對應於不同顏色的目標像素，可界定不同形狀的像素區域Z。較佳地，當目標像素T對應於紅色或藍色時，像素區域Z係呈現一方型；而當目標像素T對應於綠色時，該目標像素係呈現一菱形。然後，於步驟106中，可自像素區域Z中選取與目標像素T對應相同色彩成份之相鄰像素T1 ～Tn 。隨後，在步驟108中，以所選取到的相鄰像素T1 ～Tn ，計算相鄰像素T1 ～Tn 中相鄰的像素之複數個絕對像素差值之總和dN，其中總和dN係代表相鄰像素T1 ～Tn 彼此之間的差異關係。因此，總和dN可以表示為：
dN =|T 1 -T 2 |+|T 2 -T 3 |+…+|T n -T 1 |　(1)
於取得總和dN後，將總和dN與壞點補償比例DPC相乘，以取得一乘積做為壞點臨界值DPC_TH。因此，壞點臨界值DPC_TH可表示為：
DPC _TH =dN ×DPC 　(2)
其中，壞點補償比例DPC係與陣列影像資料被擷取時之一感光度(Sensitivity)有關；當感光度越高時壞點補償比例DPC越低，反之，當該感光度越低時壞點補償比例DPC越高，舉例而言，可以安排壞點補償比例DPC與該感光度之間呈現一反比關係。需注意的是，壞點臨界值DPC_TH係與總和dN呈現正比關係，因此壞點臨界值DPC_TH可代表相鄰像素T1 ～Tn 彼此之間的差異關係。
隨後，於步驟110中，計算目標像素T與相鄰像素T1 ～Tn 之絕對差值之總和dC，以取得相鄰差異值DIFF。總和dC(即相鄰差異值DIFF)代表目標像素T與相鄰像素T1 ～Tn 彼此之間的差異關係，因此，相鄰差異值DIFF可表示為：
DIFF =dC =|T -T 1 |+|T -T 2 |+…+|T -T n |　(3)
於取得壞點臨界值DPC_TH與相鄰差異值DIFF後，在步驟112中，可藉由比較壞點臨界值DPC_TH與相鄰差異值DIFF之大小關係，得知目標像素T是否為壞點像素。當相鄰差異值DIFF小於或等於壞點臨界值DPC_TH時，代表目標像素T與相鄰像素T1 ～Tn彼此之間的差異關係類似於相鄰像素T1 ～Tn 彼此之間的差異關係，因此判斷目標像素T係正常像素。當相鄰差異值DIFF大於壞點臨界值DPC_TH時，代表目標像素T與相鄰像素T1 ～Tn 彼此之間的差異關係異於相鄰像素T1 ～Tn 彼此之間的差異關係，因此判斷目標像素T係壞點像素。
根據上述，適應性影像處理方法10不必採用壞點像素資訊即可判斷目標像素T是否為壞點像素，且可偵測隨機出現的壞點像素。此外，由於適應性影像處理方法10是使用目標像素T與相鄰像素T1 ～Tn 彼此之間的差異關係以及相鄰像素T1 ～Tn 彼此之間的差異關係做為判斷條件，因此適應性影像處理方法10不會因為目標像素T的像素值大小而產生誤判。此外，相鄰像素之複數個絕對像素差值之總和與壞點補償比例之乘積可做為壞點臨界值，且其中壞點補償比例可根據感光度來決定，因此可根據感光度來調整壞點像素的判斷標準。結果，適應性影像處理方法10可大幅提高判斷的準確性。
除此之外，適應性影像處理方法10於判斷目標像素T是否為壞點像素後，可進一步進行一像素運算以補償目標像素T的像素值。舉例來說，請參考第2A～2C圖，第2A～2C圖係本發明另一實施例之一適應性影像處理方法20之流程圖，其中適應性影像處理方法20與適應性影像處理方法10之差異在於增加了像素補償程序。如第2A～2C圖所示，適應性影像處理方法20包含有以下步驟：
步驟200：開始。
步驟202：接收一包含複數個像素之陣列影像資料。
步驟204：自該複數個像素選取一目標像素T，並根據目標像素T所對應之色彩成份，界定包含目標像素T之一像素區域Z。
步驟206：自像素區域Z中選取相鄰像素T1 ～Tn ，相鄰像素T1 ～Tn 與目標像素T對應於同一色彩成份。
步驟208：計算相鄰像素T1 ～Tn 彼此之間之像素絕對差值之一總和dN與一壞點補償比例DPC之一乘積，以取得一壞點臨界值DPC_TH。
步驟210：計算相鄰像素T1 ～Tn 與目標像素T彼此之間之像素絕對差值之一總和dC，以取得一相鄰差異值DIFF。
步驟212：比較壞點臨界值DPC_TH與相鄰差異值DIFF，以判斷目標像素T是否為壞點像素。若目標像素T不是壞點像素則執行步驟214，否則執行步驟216。
步驟214：維持目標像素T之像素值。
步驟216：於像素區域Z中選取出垂直像素V1 ～Vj ，垂直像素V1 ～Vj 係與目標像素T位於同一行之像素，且垂直像素V1 ～Vj 包含有與目標像素T對應於同一色彩成份之垂直同色像素VS1 ～VSa 。
步驟218：計算垂直像素V1 ～Vj 中對應於相同色彩成份之像素彼此之間之複數個像素絕對差值之一總和dV，以取得一垂直梯度值VG。
步驟220：於像素區域Z中選取水平像素H1 ～Hk ，水平像素H1 ～Hk 係與目標像素T位於同一列之像素，且水平像素H1 ～Hk 包含有與目標像素T對應於同一色彩成份之水平同色像素HS1 ～HSb 。
步驟222：計算水平像素H1 ～Hk 間對應於相同色彩成份像素彼此之間之複數個像素絕對差值之一總和dH，以取得一水平梯度值HG。
步驟224：比較垂直梯度值VG與水平梯度值HG與一邊緣補償比例DR之一乘積H_TH之大小關係，並於垂直梯度值VG大於乘積H_TH時，執行步驟226；比較水平梯度值HG與垂直梯度值VG與一邊緣補償比例DR之一乘積V_TH之大小關係，並於水平梯度值HG大於乘積V_TH時，執行步驟228；當垂直梯度值VG小於或等於乘積H_TH且水平梯度值HG大於乘積V_TH時，執行步驟230。
步驟226：計算垂直同色像素VS1 ～VSa 之一像素值平均AVG_V，並將目標像素T之像素值補償為像素值平均AVG_V。
步驟228：計算水平同色像素HS1 ～HSb 之一像素值平均AVG_H，並將目標像素T之像素值補償為像素值平均AVG_H。
步驟230：計算相鄰像素T1 ～Tn 之一像素值平均AVG_T，並將目標像素T之像素值補償為像素值平均AVG_T。
步驟232：結束。
以下將對適應性影像處理方法20之步驟作詳細說明。請參考第2A圖，適應性影像處理方法20的步驟202～212之詳細運作與適應性影像處理方法10的步驟102～112相似，為求簡潔，在此不贅述。與適應性影像處理方法10不同的是，適應性影像處理方法20會根據步驟212的判斷結果，決定是否進行該像素運算以補償目標像素T。當目標像素T不是壞點像素時，執行步驟214，維持目標像素T的像素值。當目標像素T為壞點像素時，則執行步驟216，補償目標像素T的像素值。
請繼續參考第2B圖，步驟216～218係先進行以取得一垂直梯度值VG，以及於步驟220～222係進行以取得一水平梯度值。然而，其順序可互換，或可同步實施。於步驟216～218中，藉由選取像素區域Z中與目標像素T位於同行之垂直像素V1 ～Vj ，並計算垂直像素V1 ～Vj 中對應於同一色彩成分之像素彼此之間之像素絕對差值，以取得與目標像素T之垂直梯度值VG。由於梯度值通常可表現出影像中物件之邊緣特性，當某一方向的畫素值變化越大時，相對地梯度值也越大，因此垂直梯度值VG可代表目標像素T之垂直方向的像素變化量。相似地，於步驟220～222中，藉由選取像素區域Z中與目標像素T位於同列之水平像素H1 ～Hk ，並計算水平像素H1 ～Hk 中對應於同一色彩成分之像素彼此之間之像素絕對差值，取得與目標像素T所處位置之水平變化量成正比之水平梯度值HG。關於步驟216～218之詳細計算過程，將於以下利用第3、4圖之範例作詳細解釋。
請參考第2C圖，於步驟224中，根據垂直梯度值VG、水平梯度值HG以及邊緣補償比例DR來判斷目標像素T是否位於影像中物件之邊緣，並據以適當地沿不同方向來計算不同的補償值來補償目標像素T，以保留影像的細節與邊緣資訊。當垂直梯度值VG小於水平梯度值HG與一邊緣補償比例DR之乘積H_TH時(VG＜HG×DR)，判斷目標像素T於影像中所處位置之垂直方向之像素值變化劇烈，並進行步驟226，以針對目標像素T之垂直方向進行補償。當水平梯度值HG小於垂直梯度值VG與一邊緣補償比例DR之乘積V_TH時(HG＜VG×DR)，判斷目標像素T於影像中所處位置之水平方向像素值變化劇烈，並進行步驟228，以針對目標像素T之水平方向進行補償。而當上述兩判斷條件皆不符合，亦即垂直梯度值VG大於或等於乘積H_TH且水平梯度值HG大於或等於乘積V_TH時(VG≧HG×DR & HG≧VG×DR)，判斷目標像素於影像中所處位置之水平方向以及垂直方向之像素值變化相當；此時，進行步驟230，以利用相鄰像素T1 ～Tn 補償目標像素T之像素值。
步驟226～步驟230係根據步驟224之判斷結果，計算出相對應之補償值來補償目標像素T之像素值。在判斷出垂直方向之像素值變化劇烈(VG＜HG×DR)後，於步驟226中，計算垂直像素V1 ～Vj 中與目標像素T對應於同一色彩成分之垂直同色像素VS1 ～VSa 之像素平均值AVG_V，作為補償值來補償目標像素T之像素值。在判斷出水平方向之像素值變化劇烈(HG＜VG×DR)後，於步驟228中，計算水平像素H1 ～Hj 中與目標像素T對應於同一色彩成分之垂直同色像素HS1 ～HSb 之像素平均值AVG_H，作為補償值來補償目標像素T之像素值。而當判斷出垂直方向與水平方向之像素值變化較為和緩後，於步驟230中，計算相鄰像素T1 ～Tn 之像素平均值AVG_T，作為補償值來補償目標像素T之像素值。
如此一來，當目標像素T被判斷為壞點像素時，適應性影像處理方法20根據目標像素T之垂直梯度(即垂直梯度值VG)、水平梯度(即水平梯度值HG)以及邊緣補償比例DR，決定如何補償目標像素T，從而避免破壞影像的細節與邊緣特性。
舉例來說，當目標像素T係一對應於綠色之像素G時，依照步驟204會界定出一像素區域ZG。請參考第3圖，第3圖係本發明實施例之像素區域ZG之示意圖。由於目標像素T係對應於綠色之像素G，因此像素區域ZG較佳地係安排為一菱形。如第3圖所示，像素區域ZG包含有像素G、G1 ～G8 、R0 、R1 、B0 、B1 ，其中像素G、G1 ～G8 係對應於綠色，像素R0 、R1 係對應於紅色，像素B0 、B1 係對應於藍色。隨後，依照步驟206，選擇相鄰像素T1 ～Tn 為像素G1 ～G8 。接下來，依照步驟208計算像素G1 ～G8 (即相鄰像素T1 ～Tn )彼此之間之像素絕對差值之總和dN。因此，總和dN可表示為：
dN =|G 1 -G 2 |+|G 2 -G 3 |+|G 3 -G 4 |+|G 4 -G 5 |+|G 5 -G 6 |+|G 6 -G 7 |+|G 7 -G 8 |+|G 8 -G 1 | (4)
而壞點臨界值DPC_TH係總和dN與壞點補償比例DPC之乘積，因此壞點臨界值DPC_TH可表示為：
DPC_TH =dN ×DPC 　(5)
相似地，依照步驟210，相鄰差異值DIFF可表示為：
DIFF =|G -G 1 |+|G -G 2 |+|G -G 3 |+|G -G 4 |+|G -G 5 |+|G -G 6 |+|G -G 7 |+|G -G 8 |　(6)
於計算出壞點臨界值DPC_TH以及相鄰差異值DIFF後，於步驟212中藉由比較相鄰差異值DIFF與壞點臨界值DPC_TH的大小關係，判斷目標像素T是否為壞點像素。當相鄰差異值DIFF小於或等於壞點臨界值DPC_TH時，判斷目標像素T不為壞點像素；當相鄰差異值DIFF大於壞點臨界值DPC_TH時，目標像素T係壞點像素。
接下來，可進一步執行像素補償的程序。當像素G不為壞點像素時，執行步驟214，以維持像素G之像素值。而當像素G為壞點像素時，執行步驟216～230，以適當補償像素G。
請繼續參考第3圖，於步驟216～220中，可計算垂直梯度值VG以及水平梯度值HG，其中垂直像素V1 ～Vj 可安排為像素G3 、G7 、R0 以及R1 ，水平像素H1 ～Hk 可安排為像素G1 、G5 、B0 、B1 。因此，垂直梯度值VG以及水平梯度值HG分別可表示為：
VG =|G 3 -G 7 |+|R 0 -R 1 |　(7)
HG =|G 1 -G 5 |+|B 0 -B 1 |　(8)
於取得垂直梯度值VG以及水平梯度值HG後，可進一步於步驟222中比較垂直梯度值VG與水平梯度值HG與邊緣補償比例DR之乘積H_TH。當垂直梯度值VG小於乘積H_TH時(VG＜HG×DR)，執行步驟124，以取得像素平均值AVG_V來補償像素G。其中，於像素區域ZG中，垂直同色像素係像素G3 、G7 。因此，像素平均值AVG_V可表示為：
接下來，若垂直梯度值VG大於或等於乘積H_TH時，繼續比較水平梯度值HG與垂直梯度值VG與邊緣補償比例DR之乘積V_TH。當水平梯度值HG小於乘積V_TH時(HG＜VG×DR)，執行步驟224以取得像素平均值AVG_H來補償像素G。其中，於像素區域ZG中，水平同色像素係像素G1 、G5 。因此，像素平均值AVG_H可表示為：
最後，若垂直梯度值VG大於或等於乘積H_TH且水平梯度值HG大於或等於乘積V_TH時(VG≧HG×DR & HG≧VG×DR)，執行步驟224，以取得像素平均值AVG_T來補償像素G。其中，像素平均值AVG_T可表示為：
在另一個情況下，目標像素T亦可是一對應於藍色之像素B，依據步驟204可界定出一像素區域ZB。請參考第4圖，第4圖係本發明實施例之像素區域ZB的示意圖。其中，由於拜爾影像中對應於藍色的像素數量較少，因此當目標像素T係對應於藍色的像素B時，像素區域ZB較佳取為大於像素區域ZG，以取得足夠數量之相鄰像素來準確判斷目標像素T是否為壞點像素。如第4圖所示，由於目標像素T為藍色，因此像素區域ZB較佳地係安排為一方形，其包含有對應於藍色之像素B、B1 ～B8 、對應於綠色之像素G1 ～G12 以及對應於紅色之像素R1 ～R4 。需注意的是，雖然像素區域ZB包含之像素較像素區域ZG多，但用於計算壞點臨界值DPC_TH相鄰差異值DIFF、垂直梯度值VG以及水平梯度值HG所使用的像素數量可以安排為不變，其中像素B1 ～B8 係對應於相鄰像素T1 ～Tn ，像素B3 、B7 、G1 、G3 係對應於垂直像素V1 ～Vj ，而像素B1 、B5 、G2 、G4 係對應於水平像素H1 ～Hk 。因此，當目標像素T對應於藍色時，適應性影像處理方法20之詳細運作流程可參考前述，為求簡潔，在此不贅述。此外，由於在拜爾影像中對應於紅色之像素的排列方式與對應於藍色之像素的排列方式相同，因此當目標像素T對應於紅色時適應性影像處理方法20之運作流程可參考前述，為求簡潔，在此亦不贅述。
需注意的是，本發明之上述實施例的主要精神為計算與目標像素相鄰之複數個相鄰同色像素彼此之間之變化量的總和與一壞點補償比例之乘積，以取得一隨目標像素而變的壞點臨界值。此外，本發明之上述實施例係使用目標像素與複數個相鄰同色像素彼此之間之變化量之總和(即相鄰差異值)與壞點臨界值比較，以判斷目標像素是否為壞點像素。換言之，本發明之上述實施例係藉由比較壞點臨界值與相鄰差異值，來得知目標像素與相鄰同色像素之關係是否異於複數個相鄰同色像素彼此之間的關係，並據以判斷目標像素是否為壞點像素。根據不同應用，本領域熟知技藝者應可做出適當之變化或調整。例如，像素區域Z可增大，以取得更多之相鄰畫素T1 ～Tn 、垂直畫素V1 ～Vj 、水平畫素H1 ～Hk ，進而提高判斷以及補償之準確性。
此外，適應性影像處理方法20中步驟202所接收之陣列影像資料亦可為全彩影像。當陣列影像資料為全彩影像時，適應性影像處理方法20之詳細運作類似於陣列影像資料為拜爾影像時適應性影像處理方法20之運作。不同的是，由於全彩影像係拜爾影像經過色彩內插(Color Interpolation)後之影像，因此全彩影像之各像素皆包含較多之影像細節。也就是說，當陣列影像資料為全彩影像時，若目標像素T係壞點像素，適應性影像處理方法20可利用較少數量之像素，取得目標像素T之垂直梯度值VG以及水平梯度值HG，並據以補償目標像素T。
舉例來說，當步驟202接收之陣列影像資料係全彩影像時，依照步驟204可界定出一像素區域ZF。請參考第5圖，第5圖係像素區域ZF之示意圖。如第5圖所示，像素區域ZF較佳地係安排為一方形，包含有像素F、F1 ～F8 ，其中像素F係對應於目標像素T，像素F1 ～F8 係對應於相鄰像素T1 ～Tn ，像素F3 、F7 係對應於垂直像素V1 ～Vj ，而像素F1 、F5 係對應於水平像素H1 ～Hk 。不同於陣列影像資料為拜爾影像時，分別用於計算垂直梯度值VG以及水平梯度值之垂直像素V1 ～Vj 以及水平像素H1 ～Hk 之數量皆減少。因此，計算垂直梯度值VG以及水平梯度值HG之公式係修改為：
VG =|F 3 -F 7 |　(12)
HG =|F 1 -F 5 |　(13)
而計算像素值平均AVG_V以及像素值平均AVG_H之公式係為：
如此一來，適應性影像處理方法20即可偵測並補償全彩影像中之壞點像素。
關於適應性影像處理方法20之實現，本領域據通常知識者應可以軟體或硬體方式來實現。例如，一電腦產品，包含一記憶體。該記憶體可為任一資料儲存裝置(如唯讀式記憶體(read-only memory，ROM))，用以儲存資料，且儲存資料包含有根據適應性影像處理方法20所編譯的一程式碼，並由一處理器讀取及處理，以執行並實現適應性影像處理方法20的步驟。或是，請參考第6圖，第6圖為本發明實施例之一適應性影像處理裝置60之示意圖。適應性影像處理裝置60包含一選取模組600、一區域偵測模組602、一計算模組604、一判斷模組606以及一補償模組608。選取模組600用來接收一包含複數個畫素之陣列影像資料，並選取一目標像素T，其中該陣列影像資料可為一拜爾影像或一全彩影像。區域偵測模組602用來根據目標像素T對應之色彩成份，界定包含目標像素T之像素區域Z。計算模組604用來計算與目標像素T同色且相鄰之相鄰像素T1 ～Tn 彼此之間之像素絕對差值之總和dN與壞點補償比例DPC之乘積，以取得壞點臨界值DPC_TH；以及用來計算目標像素T與各相鄰像素T1 ～Tn 之間之複數個像素絕對差值之總和，以取得相鄰差異值DIFF。判斷模組606係用來比較壞點臨界值DPC_TH與相鄰差異值DIFF之大小關係，以判斷目標像素T是否為壞點像素。補償模組608包含有臨界值計算模組610以及補償值產生模組612，用來於目標像素T不為壞點像素時，維持目標像素T之像素值；並於目標像素T為壞點像素時，利用臨界值計算模組610計算目標像素T之垂直梯度值VG以及水平梯度值HG，並根據垂直梯度值VG、水平梯度值HG以及邊緣補償比例DR，利用補償值產生模組612產生適當之補償值來補償目標像素T。如此一來，即可藉由適應性影像處理裝置60實現適應性影像處理方法20。
另一方面，適應性影像處理方法20及/或適應性影像處理裝置60亦可設計於一影像處理系統70中。請參考第7圖，第7圖係本發明實施例之影像處理系統70之示意圖。如第7圖所示，影像處理系統70包含有一影像擷取裝置700以及一影像處理裝置702。影像擷取裝置700包含一影像感測器704(如互補式金氧半影像感測器或電荷耦合元件影像感測器等)、一取樣單元706及一類比數位轉換單元(Analog-to-Digital Converter，ADC)708。影像感測器用來擷取一影像，其包含一彩色濾鏡陣列(color filter array，CFA)(如拜爾彩色濾鏡陣列)，用以產生關於該影像的一像素陣列，其中像素陣列中的每一像素皆對應到一彩色濾鏡7041，從而對應至複數個色彩成分(如紅色、藍色及綠色)的其中之一。像素陣列經過取樣單元706的取樣(sampling)及類比數位轉換單元(Analog-to-Digital Converter，ADC)708的處理後，輸出至影像處理裝置702。影像處理裝置702包含有適應性影像處理裝置710，用來接收影像擷取裝置700產生的陣列影像資料(即拜爾影像)，並進行特定影像程序(如壞點像素補償、色彩內插及影像增強)後，輸出完整的彩色影像。
綜上所述，上述實施例係利用比較壞點臨界值以及相鄰差異值，得知目標像素與複數個相鄰像素間的關係是否異於與該複數個相鄰像素彼此之間的關係，判斷目標像素是否為壞點像素。相鄰像素之複數個絕對像素差值的總和與壞點補償比例的乘積可做為壞點臨界值，且其中壞點補償比例可根據感光度來決動，因此，上述實施例不會因為目標像素的像素值大小而產生誤判，且可根據感光度來調整壞點像素之判斷標準，從而大幅提高判斷的準確性。此外，相較於習知技術，本發明之上述實施例可省略自記憶體中讀取壞點像素資訊之步驟，適應性地偵測並補償壞點像素。
以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
10、20．．．適應性影像處理方法
100～114、200～232．．．步驟
60、710．．．適應性影像處理裝置
600．．．選取模組
602．．．區域偵測模組
604．．．計算模組
606．．．判斷模組
608．．．補償模組
610．．．臨界值計算模組
612．．．補償值產生模組
70．．．影像處理系統
700．．．影像擷取裝置
702．．．影像處理裝置
704．．．影像感測器
7041．．．彩色濾鏡
706．．．取樣單元
708．．．類比數位轉換單元
B、B1 ～B8 、F、F1 ～F8 、G、G1 ～G12 、R、R1 ～R8 ．．．像素
dC、dH、dN、dV．．．總和
DIFF．．．相鄰差異值
DPC．．．壞點補償比例
DPC_TH．．．壞點臨界值
DR．．．邊緣補償比例
H1 ～Hk ．．．水平像素
HG．．．水平梯度值
HS1 ～HSb ．．．水平同色像素
H_TH、V_TH．．．乘積
T．．．目標像素
T1 ～Tn ．．．相鄰像素
V1 ～Vj ．．．垂直像素
VG．．．垂直梯度值
VS1 ～VSa ．．．垂直同色像素
第1圖係本發明實施例之一適應性影像處理方法之流程圖。
第2A～2C圖係第一圖所示之適應性影像處理方法一實現方式之流程圖。
第3圖係本發明實施例之一像素區域之示意圖。
第4圖係本發明實施例之另一像素區域之示意圖。
第5圖係本發明實施例之另一像素區域之示意圖。
第6圖係本發明實施例之一適應性影像處理裝置之示意圖。
第7圖係本發明實施例之一影像處理系統之示意圖。
10．．．適應性影像處理方法
100～114．．．步驟

Claims (34)

  1. 一種適應性影像處理方法，該方法包含有：根據一目標像素所對應之色彩成份，界定包含該目標像素之一像素區域；自該像素區域中選取複數個相鄰像素，該複數個相鄰像素與該目標像素對應於同一色彩成份；計算該複數個相鄰像素彼此之間之複數個像素絕對差值之一總和與一壞點補償比例之一乘積，以取得一壞點臨界值；計算該複數個相鄰像素之各相鄰像素與該目標像素間之複數個像素絕對差值之一總和，以取得一相鄰差異值；以及比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素。
  2. 如請求項1所述之適應性影像處理方法，其中該壞點補償比例係根據該影像感測器擷取該影像時之一感光度來決定。
  3. 如請求項2所述之適應性影像處理方法，其中該壞點補償比例之大小係與該感光度之大小呈現一反比關係。
  4. 如請求項1所述之適應性影像處理方法，其中比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素之步驟包含有當該相鄰差異值小於或等於該壞點臨界值時，判斷該目標像素為正常像素。
  5. 如請求項4所述之適應性影像處理方法，其另包含當判斷該目標像素為正常像素時，保持該目標像素之像素值。
  6. 如請求項1所述之適應性影像處理方法，其中比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素之步驟包含有當該相鄰差異值大於該壞點臨界值時，判斷該目標像素為壞點像素。
  7. 如請求項6所述之適應性影像處理方法，其另包含當判斷該目標像素為壞點像素時，進行一像素運算，以補償該目標像素。
  8. 如請求項6所述之適應性影像處理方法，其中進行該像素運算，以補償該目標像素之步驟包含有：於該像素區域中選取出複數個垂直像素，該複數個垂直像素與該目標像素位於同一行之像素，且該複數個垂直像素包含有與該目標像素對應於同一色彩成份之複數個垂直同色像素；計算該複數個垂直像素中對應於相同色彩成份之像素彼此之間之複數個像素絕對差值之一總和，以取得一垂直梯度值；於該像素區域中選取複數個水平像素，該複數個水平像素與該目標像素位於同一列之像素，且該複數個水平像素包含有與該目標像素對應於同一色彩成份之複數個水平同色像 素；計算該複數個水平像素間對應於相同色彩成份像素彼此之間之複數個像素絕對差值之一總和，以取得一水平梯度值；以及根據該垂直梯度值、該水平梯度值以及一邊緣補償比例，補償該目標像素。
  9. 如請求項8所述之適應性影像處理方法，其中根據該垂直梯度值、該水平梯度值以及該邊緣補償比例，補償該目標像素之步驟包含有；比較該垂直梯度值與該邊緣補償比例及該水平梯度值間之一乘積；以及當該垂直梯度值小於該邊緣補償比例與該水平梯度值間之該乘積時，將該目標像素之像素值補償為該複數個垂直同色像素之一像素平均值。
  10. 如請求項8所述之適應性影像處理方法，其中根據該垂直梯度值、該水平梯度值以及該邊緣補償比例，補償該目標像素之步驟包含有：比較該水平梯度值與該邊緣補償比例及該垂直梯度值間之一乘積；以及當該水平梯度值小於該邊緣補償比例及該垂直梯度值間之該乘積時，將該目標像素之像素值補償為該複數個水平同色像 素之一像素平均值。
  11. 如請求項8所述之適應性影像處理方法，其中根據該垂直梯度值、該水平梯度值以及該邊緣補償比例，補償該目標像素之步驟包含有：比較該垂直梯度值與該邊緣補償比例及該水平梯度值間之一乘積；比較該水平梯度值與該邊緣補償比例及該垂直梯度值間之一乘積；以及當該垂直梯度值大於等於該邊緣補償比例及該水平梯度值間之該乘積且該水平梯度值大於等於該邊緣補償比例及該垂直梯度值間之該乘積時，將該目標像素之像素值補償為該複數個相鄰像素之一像素平均值。
  12. 如請求項8所述之適應性影像處理方法，其中根據該垂直梯度值、該水平梯度值以及該邊緣補償比例，補償該目標像素之步驟包含有：比較該垂直梯度值與該邊緣補償比例及該水平梯度值間之一乘積，以取得一第一比較結果；比較該水平梯度值與該邊緣補償比例及該垂直梯度值間之一乘積，以取得一第二比較結果；以及根據該第一比較結果以及該第二比較結果，決定將該目標像素之像素值補償為該複數個垂直同色像素之一像素平均值、 該複數個水平同色像素之一像素平均值或該複數個相鄰像素之一像素平均值。
  13. 如請求項1所述之適應性影像處理方法，其中該影像係以拜爾(Bayer)彩色濾波陣列(Color Filter Array)產生之一拜爾影像。
  14. 如請求項13所述之適應性影像處理方法，其中當該目標像素之色彩成份為紅色或藍色時，該像素區域係一方形。
  15. 如請求項13所述之適應性影像處理方法，其中當該目標像素之色彩成份係綠色時，該像素區域係一菱形。
  16. 如請求項1所述之適應性影像處理方法，其中該影像係一經色彩內插(Color Interpolation)後之一全彩影像。
  17. 如請求項16所述之適應性影像處理方法，其中當該影像係該全彩影像時，該像素區域係一方形。
  18. 一種電腦可讀取記錄媒體，包含有複數個指令，用來致使一處理器執行如請求項1所述之適應性影像處理方法。
  19. 一種電腦程式產品，包含複數個指令，用來致使一處理器執行如請求項1所述之適應性影像處理方法。
  20. 一種適應性影像處理裝置，用來處理一包含有複數個像素之影像，該複數個像素之每一像素對應於一色彩成份，該影像處理裝置包含有影像處理裝置：一區域偵測模組，用來根據一目標像素對應之色彩成份，界定包含該目標像素之一像素區域；一計算模組，用來計算該像素區域中與該目標像素對應同一色彩成份之複數個相鄰像素彼此之間之複數個像素絕對差值之一總和與一壞點補償比例之一乘積，以取得一壞點臨界值；計算該複數個相鄰像素中各相鄰像素與該目標像素間之複數個像素絕對差值之一總和，以取得一相鄰差異值；以及；一判斷模組，用來比較該壞點臨界值與該相鄰差異值，以判斷該目標像素是否為壞點像素。
  21. 如請求項20所述之適應性影像處理裝置，其中該壞點補償比例係根據該影像感測器擷取該影像時使用之一感光度來決定。
  22. 如請求項21所述之適應性影像處理裝置，其中該壞點補償比例之大小係與該感光度之大小呈現一反比關係。
  23. 如請求項20所述之適應性影像處理裝置，其中當該相鄰差異值小於或等於該壞點臨界值時，該判斷模組判斷該目標像素為正常像素；否則判斷該目標像素為壞點像素。
  24. 如請求項20所述之適應性影像處理裝置，其另包含一補償模組，用來於該判斷模組判斷該目標像素為正常像素時，維持該目標像素之像素值，以及於該判斷模組判斷該目標像素為壞點像素時，進行一像素運算，以補償該目標像素。
  25. 如請求項24所述之適應性影像處理裝置，其中該補償模組包含有：一臨界值計算模組，用來計算該像素區域中複數個垂直像素中對應於相同色彩成份之像素彼此之間之複數個像素絕對差值之一總和，以取得一垂直梯度值，以及計算該像素區域中該複數個水平像素間對應於相同色彩成份像素彼此之間之複數個像素絕對差值之一總和，以取得一水平梯度值，其中該複數個垂直像素與該目標像素位於同一行以及該複數個水平像素與該目標像素位於同一列；以及一補償值產生模組，用來根據該垂直梯度值、該水平梯度值以及一邊緣補償比例，產生一補償值來補償該目標像素之像素值。
  26. 如請求項25所述之適應性影像處理裝置，其中當該水平梯度值小於該垂直梯度值與該邊緣校正比例之一乘積時，該補償值產生模組計算該複數個水平像素中與該目標像素對應於同一色彩成份的像素之一像素平均值，以取得該補償值來補償該目標像 素。
  27. 如請求項25所述之適應性影像處理裝置，其中當該垂直梯度值小於該水平梯度值與該邊緣校正比例之一乘積時，該補償值產生模組計算該複數個垂直像素中與該目標像素對應於同一色彩成份的像素之一像素平均值，以取得該補償值來補償該目標像素。
  28. 如請求項25所述之適應性影像處理裝置，其中當該垂直梯度值大於或等於該水平梯度值與該邊緣校正比例之該乘積且該水平梯度值大於或等於該垂直梯度值與該邊緣校正比例之該乘積時，該補償值產生模組計算該複數個相鄰像素之一像素平均值，以取得該補償值來補償該目標像素。
  29. 如請求項20所述之適應性影像處理裝置，其中該包含有複數個畫素之影像係以拜爾(Bayer)彩色濾波陣列(Color Filter Array)產生之一拜爾影像。
  30. 如請求項29所述之適應性影像處理裝置，其中當該目標像素之色彩成分為紅色或藍色時該像素區域係一方形。
  31. 如請求項29所述之適應性影像處理裝置，其中當該目標像素之色彩成分為綠色時，該像素區域係一菱形。
  32. 如請求項20所述之適應性影像處理裝置，其中該包含有複數個畫素之影像係經色彩內插(Color Interpolation)後之一全彩影像。
  33. 如請求項32所述之適應性影像處理裝置，其中當該影像係該全彩影像時，該像素區域係一方形。
  34. 一種影像處理系統，包含有：一影像擷取裝置，包含有一影像感測器，用來擷取一影像，該影像包含複數個像素，每一像素對應於一色彩成份；以及一影像處理裝置，用來接收該影像，並對該影像進行至少一影像程序，該影像處理裝置包含有請求項第20項所述之適應性影像處理裝置。
TW101104318A 2012-02-10 2012-02-10 適應性影像處理方法及其相關裝置 TWI492621B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW101104318A TWI492621B (zh) 2012-02-10 2012-02-10 適應性影像處理方法及其相關裝置
US13/517,612 US8854508B2 (en) 2012-02-10 2012-06-14 Adaptive image processing method and related device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW101104318A TWI492621B (zh) 2012-02-10 2012-02-10 適應性影像處理方法及其相關裝置

Publications (2)

Publication Number Publication Date
TW201334526A TW201334526A (zh) 2013-08-16
TWI492621B true TWI492621B (zh) 2015-07-11

Family

ID=48945282

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101104318A TWI492621B (zh) 2012-02-10 2012-02-10 適應性影像處理方法及其相關裝置

Country Status (2)

Country Link
US (1) US8854508B2 (zh)
TW (1) TWI492621B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6071419B2 (ja) * 2012-10-25 2017-02-01 キヤノン株式会社 画像処理装置及び画像処理方法
KR102573318B1 (ko) * 2015-12-31 2023-09-01 엘지디스플레이 주식회사 표시장치 및 타이밍컨트롤러
JP6921567B2 (ja) * 2017-03-15 2021-08-18 オリンパス株式会社 画像処理装置、撮像装置、画素異常検出方法およびプログラム
CN107016670B (zh) * 2017-03-27 2019-06-28 福州瑞芯微电子股份有限公司 一种图像坏点检测方法和装置
CN109697450B (zh) * 2017-10-20 2023-04-07 曦医生技股份有限公司 细胞分类方法
JP2023010159A (ja) * 2021-07-09 2023-01-20 株式会社ソシオネクスト 画像処理装置および画像処理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030063203A1 (en) * 2001-10-03 2003-04-03 Olympus Optical Co., Ltd. Fault pixel correcting apparatus
US20040051798A1 (en) * 2002-09-18 2004-03-18 Ramakrishna Kakarala Method for detecting and correcting defective pixels in a digital image sensor
US20050276510A1 (en) * 2004-06-08 2005-12-15 Stmicroelectronics S.R.I. Filtering of noisy images
US7313288B2 (en) * 2005-04-20 2007-12-25 Cypress Semiconductor Corporation Defect pixel correction in an image sensor
US20080240559A1 (en) * 2004-03-15 2008-10-02 Microsoft Corporation Adaptive interpolation with artifact reduction of images
US20090175553A1 (en) * 2007-12-28 2009-07-09 Nikon Corporation Image processing apparatus and imaging apparatus
US20100259650A1 (en) * 2009-04-08 2010-10-14 Olympus Corporation Image processing device, image processing method, and computer readable storage medium storing image processing program

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI228237B (en) 2002-12-19 2005-02-21 Etoms Electronics Corp Method to detect pixel defects in real-time
TWI327023B (en) 2006-10-26 2010-07-01 Novatek Microelectronics Corp Method for compensating pixel value of defect pixel and image processing system using the same
TW200828982A (en) 2006-12-22 2008-07-01 Altek Corp Real-time detection method for bad pixel of image
TWI407801B (zh) * 2010-08-11 2013-09-01 Silicon Motion Inc 用來進行壞像素補償之方法與用來進行壞像素補償之裝置
JP5696026B2 (ja) * 2011-11-25 2015-04-08 株式会社 日立産業制御ソリューションズ 撮像装置、撮像方法および監視システム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030063203A1 (en) * 2001-10-03 2003-04-03 Olympus Optical Co., Ltd. Fault pixel correcting apparatus
US20040051798A1 (en) * 2002-09-18 2004-03-18 Ramakrishna Kakarala Method for detecting and correcting defective pixels in a digital image sensor
US20080240559A1 (en) * 2004-03-15 2008-10-02 Microsoft Corporation Adaptive interpolation with artifact reduction of images
US20050276510A1 (en) * 2004-06-08 2005-12-15 Stmicroelectronics S.R.I. Filtering of noisy images
US7313288B2 (en) * 2005-04-20 2007-12-25 Cypress Semiconductor Corporation Defect pixel correction in an image sensor
US20090175553A1 (en) * 2007-12-28 2009-07-09 Nikon Corporation Image processing apparatus and imaging apparatus
US20100259650A1 (en) * 2009-04-08 2010-10-14 Olympus Corporation Image processing device, image processing method, and computer readable storage medium storing image processing program

Also Published As

Publication number Publication date
US20130208152A1 (en) 2013-08-15
US8854508B2 (en) 2014-10-07
TW201334526A (zh) 2013-08-16

Similar Documents

Publication Publication Date Title
JP4374488B2 (ja) デモザイク処理及び不良ピクセル補正を組み合わせるためのディジタル画像システム及び方法
TWI492621B (zh) 適應性影像處理方法及其相關裝置
JP4378746B2 (ja) 欠陥ピクセルの検出可能なディジタル・イメージ・センサおよび方法
JP5631325B2 (ja) 撮像装置の欠陥検出方法及び撮像装置
JP4388909B2 (ja) 画素欠陥補正装置
RU2527198C2 (ru) Устройство обработки изображения и способ управления устройством обработки изображения
JP3747909B2 (ja) 画素欠陥検出補正装置及び画素欠陥検出補正方法
CN101764926B (zh) 缺陷像素检测纠正设备、系统及检测纠正缺陷像素的方法
US20050243181A1 (en) Device and method of detection of erroneous image sample data of defective image samples
US8698923B2 (en) Image processing device, image processing method, and program for detecting and correcting defective pixel in image
JP2006166450A (ja) ディジタルイメージセンサ内の不良ピクセルを検出及び補正するためのシステム及び方法。
JP5141245B2 (ja) 画像処理装置、補正情報生成方法、および撮像装置
CN110149486B (zh) 一种新增异常点的自动检测方法、校正方法及系统
US20130229550A1 (en) Defective pixel correction apparatus, method for controlling the apparatus, and program for causing computer to perform the method
JP2007201530A (ja) 画素欠陥補正装置
WO2016031597A1 (ja) 画像処理装置、画像処理方法、及び、画像処理システム
US8643751B2 (en) Method for detecting dead pixels and computer program product thereof
KR101470019B1 (ko) 이미지센서의 불량 픽셀 검출 및 보정 방법
CN103888690B (zh) 用于检测缺陷像素的设备和方法
US8693775B2 (en) Image processing apparatus, method, recording medium, and program
CN103297717B (zh) 自适应图像处理方法及其相关装置
US20150139554A1 (en) Consecutive thin edge detection system and method for enhancing a color filter array image
US8767101B2 (en) Image processing apparatus and system
US11910080B2 (en) Image pickup apparatus for inferring noise and learning device
US9628730B2 (en) Dark current gradient estimation using optically black pixels

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees