CN101822039A - 用于针对图像确定照相机瑕疵的***和方法 - Google Patents

用于针对图像确定照相机瑕疵的***和方法 Download PDF

Info

Publication number
CN101822039A
CN101822039A CN200880111405A CN200880111405A CN101822039A CN 101822039 A CN101822039 A CN 101822039A CN 200880111405 A CN200880111405 A CN 200880111405A CN 200880111405 A CN200880111405 A CN 200880111405A CN 101822039 A CN101822039 A CN 101822039A
Authority
CN
China
Prior art keywords
image
pixel
camera
vignetting
average
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.)
Granted
Application number
CN200880111405A
Other languages
English (en)
Other versions
CN101822039B (zh
Inventor
A·阿加瓦拉
D·R·戈尔德曼
S·酷斯伊拉玛尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Adobe Inc
Original Assignee
Adobe Systems Inc
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 Adobe Systems Inc filed Critical Adobe Systems Inc
Publication of CN101822039A publication Critical patent/CN101822039A/zh
Application granted granted Critical
Publication of CN101822039B publication Critical patent/CN101822039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • 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
    • H04N25/61—Noise processing, e.g. detecting, correcting, reducing or removing noise the noise originating only from the lens unit, e.g. flare, shading, vignetting or "cos4"
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20216—Image averaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

描述了用于创建图像滤镜的方法和***。在一个实施方式中，一种方法包括接收由具有与第一照相机相同的设置的至少一个照相机捕获的第一多个图像。该方法还包括：从多个捕获的图像创建平均图像，其中该平均图像包括针对该平均图像中每个像素的强度的测量值。该方法还包括确定平均图像中的图像瑕疵。该方法还包括创建图像滤镜以减少图像瑕疵。

Description

用于针对图像确定照相机瑕疵的***和方法
相关申请的交叉引用
本申请要求于2007年8月31日提交的美国临时专利申请No.60/967,235，名称为“Systems and Methods for Determination of CameraDistortion for an Image”，以及于2007年11月21日提交的美国专利申请系列号No.11/944,056，名称为“Systems and Methods forDetermination of Camera Imperfection for an Image”的优先权，通过引用将上述两个申请的全文合并于此。
技术领域
本发明的实施方式涉及用于确定和创建滤镜以减少图像瑕疵的***和方法。在一个实施方式中，本发明涉及针对数字照相机的捕获瑕疵的自动确定以及用于修正此类捕获瑕疵的滤镜的自动创建。
背景技术
数字照相机已经成为如从新手到高级用户中的大部分人进行摄影的优选形式。但是，在捕获图像时，所有照相机(模拟和数字)都具有由镜头或照相机产生的光学赝像(artifact)造成的不希望的瑕疵。示例瑕疵包括渐晕(图像角落变暗)、径向畸变(图像向边缘弯曲)以及镜头边缘柔化(1ens softness)(其中照相机不捕获清晰图像)。此外，某些瑕疵仅存在于数字照相机中，包括坏像素或死像素(例如，对光传感器的一个点处的信息的不正确捕获)。对于数字照相机而言，较不昂贵的数字照相机比更昂贵的型号易于在捕获的图像中产生更多的瑕疵。此外，瑕疵通常在一个照相机型号的所有照相机上或以特定设置使用特定镜头的所有照相机上都一致。例如，对于具有处于相同变焦设置的镜头的每个照相机而言，大部分对准即拍的照相机型号可以具有相同量的渐晕。
通常，为了修正数字照相机捕获的图像中的此类瑕疵，专业人员会校准数字照相机，使得该照相机在捕获图像期间将针对瑕疵进行补偿。但是，校准照相机通常是费力并且昂贵的过程。为了校准照相机，专业人员需要使用昂贵的设备(例如为了检测渐晕而创建完美照明的积分球(integrating sphere))在极端受控的测试环境中捕获特定类型的图像(例如，创建置于完全平直表面上的完美棋盘图案，从而从该棋盘图案周围的不同位置捕获10-20幅图像)。
发明内容
描述了用于创建图像滤镜的方法和***。在一个实施方式中，一种方法包括接收由具有与第一照相机相同的设置的至少一个照相机捕获的第一多个图像。该方法还包括从多个捕获的图像创建平均图像，其中该平均图像包括针对该平均图像中每个像素的强度的测量值。该方法还包括确定平均图像中的图像瑕疵。该方法还包括创建图像滤镜以减少图像瑕疵。
所述的该示范性实施方式不限制或限定本发明，但是提供示例以辅助对其的理解。在详细的描述中讨论了示范性实施方式，并且在此提供了对本发明的进一步描述。本发明各种实施方式提供的优势可以通过查看本说明书来进一步理解。
附图说明
当参考附图阅读以下详细描述时，更好地理解本发明的这些和其他特征、方面以及优势，在附图中：
图1示出了用于确定图像瑕疵和创建滤镜的示范性***100。
图2示出了用于确定图像瑕疵并且创建滤镜以减少图像瑕疵的图1的***100的示例性方法200。
图3示出了用于根据图2中的第一多个图像确定第二多个图像的示例性方法202。
图4示出了用于根据图2中的第一多个平均图像创建平均图像的示例性方法203。
图5示出了来自于图4的示例性方法的示例平均图像500。
图6示出了图5中平均图像500的自动色阶(auto-leveled)的图像600。
图7示出了用于从图2中的平均图像确定图像瑕疵的示例性方法204，其中图像瑕疵是渐晕。
图8示出了与具有特定照相机设置的照相机实际渐晕简档相比较的估计的渐晕简档的示例性图800。
图9示出了用于从图2中的平均图像确定图像瑕疵的示例性方法204，其中图像瑕疵是坏像素。
图10示出了用于从图2中的平均图像确定图像瑕疵的示例方法204，其中图像瑕疵是坏像素。
图11示出了图5中示例平均图像的坏像素。
图12示出了用于实现图1的示例***和图2-图4、图7以及图9-图10的示例方法的示例性计算机架构1200。
具体实施方式
本发明的实施方式涉及用于确定和创建滤镜以减少图像瑕疵的***和方法。在实施方式中，本发明涉及对数字照相机的捕获瑕疵的自动确定以及用于修正此类捕获瑕疵的滤镜的自动创建。贯穿本描述，出于解释的目的，记载了多个特定细节，从而提供对本发明的透彻理解。然而，本领域的技术人员应该理解，本发明可以在没有这些特定细节之中某些的情况下实现。在其他情况中，以框图形式示出了公知的结构和设备以避免模糊本发明的基本原理。
图像瑕疵存在于如今照相机拍摄的大部分图像中。可以存在于数字图像中的示例瑕疵包括但不限于渐晕、坏像素和径向畸变。渐晕是与到图像中心的距离有关的像素变暗。由于图像的暗角，渐晕对于裸眼来说可能是明显的。坏像素是图像中的这样一种像素，其中该像素的捕获值是不正确的。在一个实施方式中，像素的捕获传感器可能发生故障或被损坏，因此使得接收了不正确的值。由于亮点或暗点或该点的颜色与相邻的捕获值不一致，坏像素可能对于裸眼来说是明显的。径向畸变是图像相对于到图像中央的距离的弯曲。由于在接近图像边缘时期望中的直线弯曲，径向畸变可能对于裸眼来说是明显的。
数字摄影允许在捕获后操纵像素值，从而减少图像中的瑕疵。因此，捕获***中的错误可以在之后由改变像素值以减少此类图像瑕疵的滤镜补偿。在一个实施方式中，确定图像瑕疵(例如，渐晕或坏像素)并且创建滤镜从而减少标识的图像瑕疵。
在一个实施方式中，确定特定照相机设置，从而确定图像瑕疵，并且针对该特定照相机设置创建滤镜。例如，针对图像瑕疵确定待修正的第一图像。具有与另一照相机相同设置的照相机可以具有相同的图像瑕疵。特定照相机设置包括照相机型号、照相机镜头类型、照相机镜头光圈大小和照相机镜头的变焦设置。对于对准即拍的照相机而言，相同照相机型号中的每个照相机具有相同的镜头。因此，可以收集多个图像，其中用于所收集图像的照相机设置等同于用于第一图像的照相机设置。在一个实施方式中，从
Figure GPA00001096700600041
或主控多个图像的另一源收集图像。
在一个实施方式中，可以从图像的首部确定照相机设置。例如，图像可以具有包括照相机设置的可交换图像文件(EXIF)首部。因此，每个所收集的图像具有存储在其EXIF首部中的相同照相机设置。然后，可以将多个收集的图像合并为一个图像，从而确定图像瑕疵。一旦从一个图像中确定了图像瑕疵，则可以根据标识的图像瑕疵创建滤镜。滤镜继而可以被应用于第一图像，从而减少图像瑕疵。
用于标识图像瑕疵并且创建滤镜的示范性***
图1示出了用于在一个实施方式中确定图像瑕疵并且创建用于减少图像瑕疵的滤镜的示范性***100。在一个实施方式中，***100通常包括分类模块101以接收照相机设置102，其中根据照相机设置102确定图像瑕疵。分类模块101还可以接收第一多个图像103，因此将第一多个图像减少为第二多个图像，其中图像的照相机设置匹配于照相机设置102(例如，相同的照相机、光圈大小和变焦设置)。
***100可以进一步包括连接至分类模块101的图像创建模块104，从而根据第二多个图像确定图像瑕疵，并且根据标识的图像瑕疵(例如，渐晕、坏像素或径向畸变)创建图像滤镜105。以下描述的方法是由图1的***100执行用于标识图像瑕疵从而创建用于减少图像瑕疵的滤镜的示例方法。
用于确定图像瑕疵并且创建滤镜的示例方法
图2示出了用于确定图像瑕疵并创建滤镜以减少图像瑕疵的示例性方法200。从201开始，分类模块101接收针对其确定图像瑕疵的照相机设置和第一多个图片。在一个实施方式中，照相机设置是捕获第一图像的照相机的设置，将针对该第一图像确定图像瑕疵并创建滤镜。例如，用户可能希望减少第一图像的渐晕，其中第一图像是由具有第一光圈大小和2X变焦设置的对准即拍的
Figure GPA00001096700600051
捕获的JPEG。如上所述，具有相同照相机设置(例如，
Figure GPA00001096700600053
、第一光圈大小和2X变焦设置)的图像可以展现与第一图像相同的图像瑕疵。
在一个实施方式中，接收第一多个图像是访问多个数字图像。在一个实施方式中，***100能够通过互联网连接至图像主站点(例如，
Figure GPA00001096700600054
)。在另一个实施方式中，***100能够接收已经上传到计算机的、由用户在随意摄影期间捕获的多个图像。
前进到202，分类模块101根据在201中接收的第一多个图像确定第二多个图像。第二多个图像具有与201中接收的照相机设置(例如，
Figure GPA00001096700600055
、第一光圈大小和2X变焦设置)相同的照相机设置。因此，第二多个图像的图像可以展现与具有201中照相机设置的第一图像相同的照相机瑕疵。
图3在一个实施方式中示出了用于根据第一多个图像确定第二多个图像的示例性方法(202)。从301开始，将对第一多个图像的图像计数的计数器n设置为“1”。前进到302，从第一多个图像中取出第n个图像。例如，当n等于1时，分类模块取出第一多个图像的第一图像。前进到303，分类模块101可以确定用于第n个图像的照相机设置。如上所述，在一个实施方式中，分类模块可以读取图像的EXIF首部，从而确定照相机设置。前进到304，分类模块101可以确定第n个图像的照相机设置是否等于图2的201中接收的照相机设置。例如，如果在具有、第一光圈大小和2X变焦设置的照相机设置的图像中发现了瑕疵，则分类模块确定第n个图像的照相机设置是否是
Figure GPA00001096700600062
、第一光圈大小和2X变焦设置。
在304中，如果照相机设置相等，则分类模块101在305中将第n个图像置于第二多个图像中，并且在306中将计数器n加一。在304中，如果照相机设置不相等，则分类模块101在306中将计数器n加一，因此就将第n个图像从第二多个图像中排除。在307中，在增加n计数器时，分类模块确定第n个图像是否存在于第一多个图像中。例如，如果10,000个图像存在于第一多个图像中并且计数器在306中增加之前等于10,000，那么分类模块101可以确定第10,001个图像是否存在于第一多个图像中。
在306中，如果第n个图像不存在于第一多个图像中，则过程结束。例如，第10,001个图像不存在于之前的示例中。因此，之前示例中的过程结束。如果第n个图像在306中存在于第一多个图像中，那么过程回到302，并且分类模块101针对照相机设置102分析第n个图像。
除了比较照相机设置，在一个实施方式中，分类模块101可以基于图像的定向以及该图像是否采用了闪光灯来将图像从第二多个图像中排除。例如，分类模块101可以考虑仅将未用闪光灯时捕获的风景图像包括在第二多个图像中，从而创建更一致的图像光照参数(从上至下的顶部光照，是人工光照还是日照)。在另一个实施方式中，已经由照片编辑程序操纵或保存的图像也可以被分类模块101从第二多个图像中排除。编辑器可以改变图像，使得数据不能准确地表示图像瑕疵。因此，在一个实施方式中，分类模块101读取EXIF首部，从而确定图像是否受到编辑程序的操纵。此外，分类模块101还可以针对照相机设置排除没有以全分辨率存储的图像或选择特定分辨率的图像。
再次参考图2，在202中创建第二多个图像时，图像滤镜创建模块104接收第二多个图像，并且在203中根据第二多个图像创建平均图像。图4示出了图像滤镜创建模块104在图2的203中根据第二多个平均图像创建平均图像的示例性方法。从401开始，图像滤镜创建模块104将第二多个图像中的每个图像转换为灰度图。在一个实施方式中，图像可以是由RGB或LAB值表示的每个像素的彩色图像。因此，图像的像素灰色值可以是一个表示像素强度(例如，亮度)测量的值。前进到402，由图像滤镜创建模块104针对每个像素计算亮度的对数。
前进到403，对于图像中的每个像素位置，图像创建模块104对第二多个图像中的所有图像上的像素的对数亮度值进行平均。例如，将多个第二图像的每个图像中位置(x，y)处像素的对数亮度值在一起求平均。然后，图像创建模块104在404中创建平均图像，其中像素值等于第二多个图像中像素位置的平均对数亮度值。在一个实施方式中，像素位置的对数辐射度(log-radiance)分布是正态分布。因此，每个像素的对数辐射度分布可以由平均值表征，如在平均图像中。
图5示出了图4的方法203创建的示例平均图像500。图6示出了图5中平均图像500的自动色阶图像600。图像600允许裸眼注意到与特定照相机设置相关联的渐晕。例如，图像600的角落相对于图像600的其他部分变暗，这表示渐晕出现在具有相同照相机设置的图像中。
再次参考图2，在创建平均图像时，图像滤镜创建模块104在204中根据平均图像确定图像瑕疵。如上所述，可以发现各种图像瑕疵，包括坏像素、渐晕和径向畸变。以下描述描述了用于确定渐晕的示例方法。
确定渐晕
图7示出了用于在图2的204中根据平均图像确定图像瑕疵的示例性方法，其中图像瑕疵是渐晕。如上所述，渐晕是从图像中央开始的亮度的径向畸变。因此，如果不存在渐晕，则亮度不随到图像中央的距离而变化。但是，具有渐晕的平均图像通常向平均图像的角落变暗(其中到图像中央的距离增加)。
从701开始，图像滤镜创建模块104将平均图像每个像素的渐晕因子表示为到图像中央的径向距离的函数。在一个实施方式中，渐晕因子可以由以下方程式1表征：
li(x，y)*v(r)＝ci(x，y)(1)
其中如果不存在渐晕，则li(x，y)是位置(x，y)处平均像素的亮度，ci(x，y)是出现渐晕时像素的亮度，v(r)是像素的渐晕因子，i是对第二多个图像的索引，并且r是到图像中央的像素的径向距离。
对方程式1的两侧取对数产生以下的方程式2：
log(li(x，y)*v(r))＝log(ci(x，y))(2)
其在算术上等于以下的方程式3：
log(li(x，y)+log(v(r))＝log(ci(x，y))(3)
如上所述，在一个实施方式中，具有相同照相机设置的很多图像上的像素处的对数亮度是常规分布的。因此，可以通过对第二多个图像中所有图像的对数亮度进行平均来将该分布表征为以下方程式4中的数学显示：
1 N Σ i log ( l i ( x , y ) ) + log ( v ( r ) ) = 1 N Σ i log ( c i ( x , y ) ) - - - ( 4 )
(x，y)其中N是第二多个图像中的图像数量。在一个实施方式中，平均图像中的每个像素值等于
Figure GPA00001096700600091
出于更容易表示的目的，方程式4可以改写为以下方程式5：
L(x，y)+V(r)＝C(x，y)(5)
其中以及
Figure GPA00001096700600093
在一个实施方式中，沿图像行的像素的对数亮度值在不存在渐晕时是相等的。因此，可以改写方程式5以从L中消除竖向方面，如以下的方程式6所示：
L(y)+V(r)＝C(x，y)(6)
平均图像表示所有x和y的C(x，y)值。L(y)表示平均图像每行的平均图像的对数亮度值。V(r)是平均图像的渐晕简档，因此，关于平均图像中像素的x和y值(位置)来映射每个像素的渐晕因子。
再次参考图7，前进到702，图像滤镜创建模块104将渐晕简档创建为多项式函数，从而对平均图像中每个像素的渐晕因子进行近似。如上所述，V(r)是渐晕简档。因此，使渐晕简档成为多项式创建以下的方程式7：
V ( r ) = Σ k = 1 d a k r k whered ∈ N - - - ( 7 )
其中αk是单项式系数。完整的渐晕简档包括针对每个单项式系数确定的值。
虽然多项式可以是任何阶(d是自然数)，较小阶的多项式在近似渐晕因子时可能具有较大的误差，但是较大阶多项式可能需要较大的计算资源量(例如，处理能力、存储器、时间)。在一个实施方式中，多项式的阶是九(d＝9)。再次参考图7并且前进到703，图像滤镜创建模块104确定多项式方程式的系数值(渐晕简档)。在一个实施方式中，利用从平均图像而已知方程式6的C(x，y)以及在方程式7中表示为第九次幂多项式的V(r)，方程式6可以简化为线性方程组，可以针对多项式系数(渐晕简档)求解该线性方程组。在703中确定系数时，渐晕简档可以针对具有照相机设置102的图像(图1)中的每个像素近似渐晕因子。
图8示出了针对特定照相机设置与实际渐晕简档相比较的估计的渐晕简档的示例图800。地面真象(ground truth)渐晕是图像的实际渐晕，并且估计的渐晕是从渐晕简档导出的渐晕。由于很多原因，两条线之间可能存在误差，该原因包括第二多个图像中的图像太少或平均图像中的饱和像素。在一个实施方式中，第二多个图像大于10,000个图像。
在一个实施方式中，平均图像的顶部中央像素是饱和的(具有最大值)，因为图像那些位置处的光强度高。结果，使用来自于那些行的对数亮度值求解系数可能在渐晕简档中产生附加的误差。因此，在本发明的另一个实施方式中，根据来自于平均图像下半部分的对数亮度值确定渐晕简档。在另一个实施方式中，图像滤镜创建模块104为了确定渐晕简档系数来排除平均图像顶部预定数量的行。
除渐晕之外，如下所述，***200还可以确定坏像素。
确定坏像素
图9示出了用于在图2的204中根据平均图像确定图像瑕疵的示例性方法，其中图像瑕疵是坏像素。从901开始，由图像滤镜创建模块104针对平均图像中的像素确定像素和其邻居的对数亮度中的变化。前进到902，图像滤镜创建模块104确定在901中计算的任何变化在预定阈值之上。例如，在一个实施方式中，对于平均图像的三个水平相邻像素而言，从第一像素到第二像素以及继而从第二像素到第三像素，对数亮度不改变大的量。大的变化可以指示第二像素是坏像素。因此，在一个实施方式中，如果相邻像素的变化在902中高于预定阈值，那么在903中，图像滤镜创建模块104确定该像素是坏像素。
图10示出了用于在图2的204中根据平均图像确定图像瑕疵的另一示例性方法，其中图像瑕疵是坏像素。从1001开始，图像滤镜创建模块104针对每个像素位置确定所有第二多个图像上像素的对数亮度值的方差。前进到1002，图像滤镜创建模块104继而针对每个像素位置确定该方差是否在预定阈值之下。
小方差可以表示像素的亮度值不像典型变动得那样大。结果，像素不是正确值并且是坏像素。因此，将像素的对数亮度方差与预定阈值进行比较可以确定针对像素的方差何时太小。在1002中，如果方差在阈值之下，那么在1003中，图像滤镜创建模块104确定该像素是坏像素。如果1002中没有方差在阈值之下，那么没有像素被确定为坏像素并且过程结束。
图11示出了图5示例平均图像500中的坏像素1101和1102。自动色阶的图像600允许裸眼注意到坏像素和相邻像素之间的亮度变化。
在一个实施方式中，可以将每个坏像素值替换为相邻像素值的平均。例如，3×3环形(doughnut)滤镜可以将相邻像素值在一起求平均，并且将遮罩中心的像素值设置为等于遮罩的结果。
创建滤镜
再次参考图2，在204中确定图像瑕疵时，图像滤镜创建模块104在205中创建图像滤镜105以减少具有照相机设置102的图像中的图像瑕疵。在一个实施方式中，图像滤镜105减少渐晕包括估计渐晕简档，从而计算渐晕因子并且将像素值除以针对像素位置计算的渐晕因子。在另一实施方式中，为了减少坏像素，滤镜105标识坏像素并且将坏像素值替换为坏像素相邻像素值的平均。例如，3×3环形滤镜可以将相邻像素值在一起求平均，并且将遮罩中心的像素值(即，坏像素值)设置为等于遮罩的结果。
在一个实施方式中，可以将图像滤镜105保存在滤镜组中或每次过滤图像时重新计算。在一个实施方式中，图像滤镜105可以合并一个图像瑕疵或多个图像瑕疵。
示例性计算机架构
图12示出了用于实现上述图1的示例***和图2-4、图7和图9-10的示例方法的示例性计算机架构1200。图12的示例性计算***包括：1)一个或多个处理器1201；2)存储器控制中心(MCH)1202；3)***存储器1203(存在不同类型的***存储器，诸如DDR RAM、EDO RAM等)；4)高速缓存1204；5)I/O控制中心(ICH)1205；6)图形处理器1206；7)显示器/屏幕1207(存在不同类型的显示器/屏幕，诸如阴极射线管(CRT)、薄膜晶体管(TFT)、液晶显示器(LCD)、DPL等；和/或8)一个或多个I/O设备1208。
一个或多个处理器1201执行指令，从而执行计算***实现的任何软件例程。指令频繁涉及的对数据执行的某些类操作。数据和指令都存储在***存储器1203和高速缓存1204中。高速缓存1204通常设计为具有比***存储器1203更短的延迟时间。例如，高速缓存1204可能集成到与处理器相同的硅片上和/或利用更快的SRAM单元进行构建，而***存储器1203可能利用较慢的DRAM单元进行构建。通过倾向于更频繁地使用在高速缓存1204中而不是***存储器1203中存储的指令和数据，计算***的总性能效率得到了改进。
有意地使***存储器1203可用于计算***内的其他组件。例如，从到计算***的各种接口(例如，键盘和鼠标、打印机端口、LAN端口、调制解调器端口等)接收的数据或从计算***内部存储元件(例如，硬盘驱动器)获取的数据，其通常由一个或多个处理器1201在实现软件程序时对它们操作之前临时排队进入***存储器1203。类似地，软件程序确定应该通过计算***接口之一从计算***发送到外部实体或存储在内部存储元件中的数据通常在其被传输或存储之前临时在***存储器1203中排队。
ICH 1205负责确保此类数据在***存储器1203和其合适的相应计算***接口(如果计算***是如此设计的则还有内部存储设备)之间正确地传送。MCH 1202负责管理可能在时间上与另一次访问紧邻的处理器1201、接口和内部存储元件中的针对***存储器1203访问的各种竞争请求。
一个或多个I/O设备1208还实现在典型的计算***中。I/O设备通常负责向和/或从计算***(例如，网络适配器)传送数据；或负责计算***内的大规模非易失性存储(例如，硬盘驱动器)。ICH 1205在自身和可观察到的I/O设备1208之间具有双向点对点链接。
综述
再次参考图1，所描述***的不同实施方式的模块可以包括软件、硬件、固件或它们的任何组合。模块可以是软件程序，该软件程序可用于运行私有或公共软件的公共、专用或通用处理器。软件还可以是特别针对图像操纵编写的专业程序。例如，分类模块101可以是比较器或连接至存储装置的其他专用电路，从而存储其照相机设置与照相机设置102相匹配的图像。在另一示例中，分类模块可以是用于比较照相机设置并且创建第二多个图像的应用。图像滤镜创建模块104可以是接收第二多个图像并且创建图像滤镜的专用电路。图像滤镜创建模块104还可以是运行在通用或专用处理器上的应用，如示例计算机架构1200中所示出的(图12)。
对于图2-图4、图7和图9-图10中示出的示例性方法而言，本发明的实施方式可以包括上述各种过程。这些过程可以以机器可执行的指令实现，这些机器可执行的指令使得通用或专用处理器执行某些步骤。备选地，这些过程可以由包含用于执行这些过程的硬线逻辑的特定硬件组件，或由经编程的计算机组件和定制的硬件组件的任何组合来执行。此外，本发明的实施方式可以不需要所呈现的所有各种过程，并且本领域技术人员可以在思考如何实现本发明的实施方式而没有呈现的特定过程或具有未呈现的额外过程时想到这些。
本发明的元素还可以提供为用于存储机器可执行指令的机器可读介质。该机器可读介质可以包括但不限于软盘、光盘、CD-ROM和磁光盘、ROM、RAM、EPROM、EEPROM、闪存、磁卡或光卡、传播介质或适用于存储电子指令的其他类型的介质/机器可读介质。
仅出于说明和描述的目的呈现了本发明实施方式的上述描述，并且本发明实施方式的上述描述不旨在进行穷举或将本发明限制为所公开的精确形式。在不脱离本发明的精神和范围的情况下，多个修改和适配对于本领域技术人员来说是明显的。

Claims (25)

1.一种计算机实现的方法，包括：
接收由具有与第一照相机相同的设置的至少一个照相机捕获的第一多个图像，其中所述第一照相机配置为捕获第一图像，针对所述第一图像创建图像滤镜；
从多个捕获的图像创建平均图像，其中所述平均图像包括针对所述平均图像中的每个像素强度的测量值；
确定所述平均图像中的图像瑕疵；以及
创建所述图像滤镜以减少所述图像瑕疵。
2.根据权利要求1所述的计算机实现的方法，其中所述设置包括：
照相机型号；
所述照相机的光圈大小；以及
所述照相机的变焦设置。
3.根据权利要求2所述的计算机实现的方法，进一步包括：
根据第二多个图像确定所述第一多个图像，其中根据所述第二多个图像确定所述第一多个图像包括针对所述第二多个图像中的每个像素：
将捕获每个图像的照相机的设置与所述照相机的设置进行比较；以及
如果捕获图像的照相机的设置匹配于所述第一照相机的设置，则确定所捕获的图像处于所述第一多个图像中。
4.根据权利要求3所述的计算机实现的方法，其中捕获每个图像的照相机的设置存储在所捕获图像的首部中。
5.根据权利要求4所述的计算机实现的方法，其中所述捕获的图像是可交换图形文件(EXIF)格式。
6.根据权利要求1所述的计算机实现的方法，其中所述图像瑕疵是所述图像中第一位置处的坏像素，并且其中确定所述图像瑕疵包括：确定所述平均图像中所述第一位置处的像素的第一测量值与所述平均图像中所述第一位置处的相邻像素的第二测量值之间的差是否在预定阈值之上。
7.根据权利要求6所述的计算机实现的方法，其中确定所述图像瑕疵进一步包括：
合并所述相邻像素的所述第二测量值与其他相邻像素的测量值以创建平均值；以及
将所述平均值指定为所述相邻像素的所述第二测量值以便确定所述第一测量值与所述第二测量值之间的对比。
8.根据权利要求2所述的计算机实现的方法，其中：
所述图像瑕疵是渐晕，进一步包括：确定所述图像瑕疵包括：
确定所述第一照相机的渐晕简档，其中所述渐晕简档是与从所述平均图像的中央像素到所述平均图像的测量像素的距离的输入有关的渐晕的输出函数，针对所述输出函数将计算渐晕因子；以及
确定所述平均图像中的每个像素的修正值，在乘以所述渐晕因子针对渐晕进行修正之后约等于所述平均图像中的像素的测量值。
9.根据权利要求8所述的计算机实现的方法，其中所述渐晕简档的对数是多项式，其中所述多项式的每个单项式包括系数以及所述中央像素和所述测量像素之间的距离的幂。
10.根据权利要求9所述的计算机实现的方法，其中确定所述渐晕简档包括确定所述多项式的系数，并且针对所述平均图像的至少一部分的每个像素进一步包括：
确定所述中央像素与所述测量像素之间的距离；以及
将所述测量像素的修正值替换为与所述平均图像的所述测量像素水平并且与所述平均图像的所述中央像素垂直的像素的测量值。
11.根据权利要求10所述的计算机实现的方法，其中确定所述系数进一步包括：近似所述系数，从而减少用于所述平均图像中的所述测量像素的近似修正值与用于所述测量像素的修正值之间的误差，其中所述测量像素的所述近似修正值是所述测量像素的测量值除以所述多项式输出的反对数。
12.根据权利要求11所述的计算机实现的方法，其中减少所述图像瑕疵包括：针对所述第一图像的至少一部分的每个像素来确定所述近似修正值。
13.一种其上编码有程序代码的计算机可读介质，包括：
用于接收由具有与第一照相机相同的设置的至少一个照相机捕获的第一多个图像的程序代码，其中所述第一照相机配置为捕获第一图像，针对所述第一图像创建图像滤镜；
用于从多个捕获的图像创建平均图像的程序代码，其中所述平均图像包括针对所述平均图像中的每个像素强度的测量值；
用于确定所述平均图像中的图像瑕疵的程序代码；以及
用于创建所述图像滤镜以减少所述图像瑕疵的程序代码。
14.根据权利要求13所述的计算机可读介质，其中所述设置包括：
照相机型号；
所述照相机的光圈大小；以及
所述照相机的变焦设置。
15.根据权利要求14所述的计算机可读介质，进一步包括：
用于根据第二多个图像确定所述第一多个图像的程序代码，其中用于根据所述第二多个图像确定所述第一多个图像的程序代码包括针对所述第二多个图像中的每个像素：
用于将捕获每个图像的照相机的设置与所述第一照相机的设置进行比较的程序代码；以及
用于如果捕获图像的照相机的设置匹配于所述第一照相机的设置、则确定所捕获的图像处于所述第一多个图像中的程序代码。
16.根据权利要求15所述的计算机可读介质，其中捕获每个图像的照相机的设置存储在所捕获图像的首部中。
17.根据权利要求16所述的计算机可读介质，其中所述捕获的图像是可交换图形文件(EXIF)格式。
18.根据权利要求13所述的计算机可读介质，其中所述图像瑕疵是所述图像中第一位置处的坏像素，并且其中用于确定所述图像瑕疵的程序代码包括用于确定所述平均图像中所述第一位置处的像素的第一测量值与所述平均图像中所述第一位置处的相邻像素的第二测量值之间的差是否在预定阈值之上的程序代码。
19.根据权利要求18所述的计算机可读介质，其中用于确定所述图像瑕疵的程序代码进一步包括：
用于合并所述相邻像素的所述第二测量值与其他相邻像素的测量值以创建平均值的程序代码；以及
用于将所述平均值指定为所述相邻像素的所述第二测量值以便确定所述第一测量值与所述第二测量值之间的对比的程序代码。
20.根据权利要求14所述的计算机可读介质，其中：
所述图像瑕疵是渐晕，进一步包括：用于确定所述图像瑕疵的程序代码包括：
用于确定所述第一照相机的渐晕简档的程序代码，其中所述渐晕简档是与从所述平均图像的中央像素到所述平均图像的测量像素的距离的输入有关的渐晕的输出函数，针对所述输出函数将计算渐晕因子；以及
用于确定所述平均图像中的每个像素的修正值的程序代码，在乘以所述渐晕因子针对渐晕进行修正之后约等于所述平均图像中的像素的测量值。
21.根据权利要求20所述的计算机可读介质，其中所述渐晕简档的对数是多项式，其中所述多项式的每个单项式包括系数以及所述中央像素和所述测量像素之间的距离的幂。
22.根据权利要求21所述的计算机可读介质，其中用于确定所述渐晕简档的程序代码包括：用于确定所述多项式的系数的程序代码，并且针对所述平均图像的至少一部分的每个像素包括：
用于确定所述中央像素与所述测量像素之间的距离的程序代码；以及
用于将所述测量像素的修正值替换为与所述平均图像的所述测量像素水平并且与所述平均图像的所述中央像素垂直的像素的测量值的程序代码。
23.根据权利要求22所述的计算机可读介质，其中
用于确定所述系数的程序代码进一步包括：用于近似所述系数从而减少用于所述平均图像中的所述测量像素的近似修正值与用于所述测量像素的修正值之间的误差的程序代码，其中所述测量像素的所述近似修正值是所述测量像素的测量值除以所述多项式输出的反对数；以及
用于减少所述图像瑕疵的程序代码包括：用于针对所述第一图像的至少一部分的每个像素来确定所述近似修正值的程序代码。
24.一种用于针对来自于第一照相机的第一图像创建图像滤镜的***，包括：
分类模块，用于：
将捕获第二多个图像中每个图像的照相机的设置与所述第一照相机的设置进行比较；以及
如果捕获图像的照相机的设置匹配于所述第一照相机的设置，则针对所述第二多个图像中的每个图像确定所捕获的图像处于所述第一多个图像中；
图像滤镜创建模块，用于：
根据所述第一多个图像创建平均图像，其中所述平均图像包括针对所述平均图像中每个像素的强度的测量值；
确定所述平均图像中的渐晕，包括确定所述第一照相机的渐晕简档，其中：
所述渐晕简档是与从所述平均图像的中央像素到所述平均图像的测量像素的距离的输入有关的渐晕的输出函数，针对所述输出函数将计算渐晕因子；
在乘以所述渐晕因子针对渐晕进行修正之后，所述平均图像中的每个像素的修正值约等于所述平均图像中的所述像素的测量值；以及
近似所述渐晕简档，从而减少用于所述平均图像中的所述测量像素的近似修正值与用于所述测量像素的修正值之间的误差，其中所述测量像素的所述近似修正值是所述测量像素的测量值除以用于所述测量像素的所述渐晕简档的输出；以及
通过针对所述第一图像的至少一部分的每个像素确定所述近似修正值来创建所述图像滤镜以减少渐晕。
25.一种用于针对来自于第一照相机的第一图像创建图像滤镜的计算机实现的方法，包括：
接收多个图像，其中所述多个图像中的每个图像由照相机捕获，其中所述照相机的设置匹配于所述第一照相机的设置；
根据所述多个图像创建平均图像，其中所述平均图像包括针对所述平均图中每个像素的强度测量值；
确实所述平均图像中的渐晕，包括：
确定所述第一照相机的渐晕简档，其中所述渐晕简档是与从所述平均图像的中央像素到所述平均图像的测量像素的距离的输入有关的渐晕的输出函数，针对所述输出函数将计算渐晕因子；
确定所述平均图像中的每个像素的修正值，在乘以所述渐晕因子针对渐晕进行修正之后约等于所述平均图像中的像素的测量值；以及
近似所述渐晕简档，从而减少用于所述平均图像中的所述测量像素的近似修正值与用于所述测量像素的修正值之间的误差，其中所述测量像素的所述近似修正值是所述测量像素的测量值除以用于所述测量像素的所述渐晕简档的输出；以及通过针对所述第一图像的至少一部分的每个像素确定所述近似修正值来创建所述图像滤镜。
CN2008801114055A 2007-08-31 2008-07-24 用于针对图像确定照相机瑕疵的***和方法 Active CN101822039B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US96723507P 2007-08-31 2007-08-31
US60/967,235 2007-08-31
US11/944,056 2007-11-21
US11/944,056 US8103121B2 (en) 2007-08-31 2007-11-21 Systems and methods for determination of a camera imperfection for an image
PCT/US2008/070986 WO2009029365A1 (en) 2007-08-31 2008-07-24 Systems and methods for determination of a camera imperfection for an image

Publications (2)

Publication Number Publication Date
CN101822039A true CN101822039A (zh) 2010-09-01
CN101822039B CN101822039B (zh) 2012-11-28

Family

ID=39831372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008801114055A Active CN101822039B (zh) 2007-08-31 2008-07-24 用于针对图像确定照相机瑕疵的***和方法

Country Status (3)

Country Link
US (2) US8103121B2 (zh)
CN (1) CN101822039B (zh)
WO (1) WO2009029365A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107124901A (zh) * 2014-08-02 2017-09-01 加坦公司 去除电子显微照相机图像异常点的方法
TWI606422B (zh) * 2016-10-20 2017-11-21 Kinko Optical Co Limited Miniature camera lens image detection method
CN111541891A (zh) * 2020-04-20 2020-08-14 江苏唯侓机器人科技有限公司 一种基于图像确定照相机瑕疵的方法
CN115731829A (zh) * 2021-08-30 2023-03-03 广州视源电子科技股份有限公司 一种画质调节方法、存储介质及显示设备

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103121B2 (en) 2007-08-31 2012-01-24 Adobe Systems Incorporated Systems and methods for determination of a camera imperfection for an image
US8111290B2 (en) * 2008-06-06 2012-02-07 Microsoft Corporation Radiometric calibration using temporal irradiance mixtures
US9749607B2 (en) 2009-07-16 2017-08-29 Digimarc Corporation Coordinated illumination and image signal capture for enhanced signal detection
FR2948521B1 (fr) * 2009-07-21 2012-01-27 Dxo Labs Procede d'estimation d'un defaut d'un systeme de capture d'images et systemes associes
US8730329B2 (en) * 2011-07-11 2014-05-20 Qualcomm, Incorporated Automatic adaptive image sharpening
US8577140B2 (en) * 2011-11-29 2013-11-05 Microsoft Corporation Automatic estimation and correction of vignetting
US8823841B2 (en) * 2012-06-20 2014-09-02 Omnivision Technologies, Inc. Method and apparatus for correcting for vignetting in an imaging system
JP2015007739A (ja) * 2012-10-01 2015-01-15 キヤノン株式会社 表示装置及びその制御方法
US9635378B2 (en) 2015-03-20 2017-04-25 Digimarc Corporation Sparse modulation for robust signaling and synchronization
US10424038B2 (en) 2015-03-20 2019-09-24 Digimarc Corporation Signal encoding outside of guard band region surrounding text characters, including varying encoding strength
US9754341B2 (en) 2015-03-20 2017-09-05 Digimarc Corporation Digital watermarking and data hiding with narrow-band absorption materials
US10783601B1 (en) 2015-03-20 2020-09-22 Digimarc Corporation Digital watermarking and signal encoding with activable compositions
CN105931249B (zh) * 2016-05-06 2019-04-26 青岛海信移动通信技术股份有限公司 一种Camera成像的测试方法及测试装置
US10277662B2 (en) 2016-05-12 2019-04-30 International Business Machines Corporation Photo request using a location identifier
EP4254035A3 (en) * 2016-10-12 2023-12-06 Samsung Electronics Co., Ltd. Method, apparatus, and recording medium for processing image
US10896307B2 (en) 2017-11-07 2021-01-19 Digimarc Corporation Generating and reading optical codes with variable density to adapt for visual quality and reliability
US11062108B2 (en) 2017-11-07 2021-07-13 Digimarc Corporation Generating and reading optical codes with variable density to adapt for visual quality and reliability
US10630921B2 (en) * 2018-05-21 2020-04-21 Gopro, Inc. Image signal processing for reducing lens flare
US11503232B2 (en) 2019-09-17 2022-11-15 Gopro, Inc. Image signal processing for reducing lens flare
EP3832538B1 (en) 2019-12-05 2022-05-11 Axis AB Automatic malfunction detection in a thermal camera
EP3832537A1 (en) 2019-12-05 2021-06-09 Axis AB Thermal camera health monitoring
KR20210100444A (ko) * 2020-02-06 2021-08-17 삼성전자주식회사 필터를 제공하는 방법 및 이를 지원하는 전자 장치
US11378523B1 (en) * 2020-12-31 2022-07-05 Zoox, Inc. Imaging device blemish detection test enclosure
US11483501B1 (en) 2020-12-31 2022-10-25 Zoox, Inc. Imaging device blemish detection structures and techniques
US20230342897A1 (en) * 2022-04-26 2023-10-26 Communications Test Design, Inc. Method to detect camera blemishes

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5987164A (en) * 1997-08-01 1999-11-16 Microsoft Corporation Block adjustment method and apparatus for construction of image mosaics
US6097854A (en) * 1997-08-01 2000-08-01 Microsoft Corporation Image mosaic construction system and apparatus with patch-based alignment, global block adjustment and pair-wise motion-based local warping
DE19840049C5 (de) * 1998-09-02 2007-11-08 Leica Geosystems Ag Vorrichtung zur optischen Distanzmessung
SE521173C2 (sv) * 1998-09-17 2003-10-07 Spectra Prec Ab Elektronisk distansmätanordning
US7088865B2 (en) * 1998-11-20 2006-08-08 Nikon Corporation Image processing apparatus having image selection function, and recording medium having image selection function program
DE20080319U1 (de) * 1999-06-30 2002-05-16 Logitech Inc Videokamera, bei der die Hauptfunktionen in der Hauptrechnersoftware implementiert werden
US7128270B2 (en) * 1999-09-17 2006-10-31 Silverbrook Research Pty Ltd Scanning device for coded data
US6792575B1 (en) * 1999-10-21 2004-09-14 Equilibrium Technologies Automated processing and delivery of media to web servers
JP2002262094A (ja) * 2001-02-27 2002-09-13 Konica Corp 画像処理方法及び画像処理装置
DE10130763A1 (de) * 2001-06-26 2003-01-02 Bosch Gmbh Robert Vorrichtung zur optischen Distanzmessung über einen grossen Messbereich
US6965645B2 (en) * 2001-09-25 2005-11-15 Microsoft Corporation Content-based characterization of video frame sequences
US7003161B2 (en) * 2001-11-16 2006-02-21 Mitutoyo Corporation Systems and methods for boundary detection in images
US6817982B2 (en) * 2002-04-19 2004-11-16 Sonosite, Inc. Method, apparatus, and product for accurately determining the intima-media thickness of a blood vessel
US7259784B2 (en) 2002-06-21 2007-08-21 Microsoft Corporation System and method for camera color calibration and image stitching
US6919892B1 (en) * 2002-08-14 2005-07-19 Avaworks, Incorporated Photo realistic talking head creation system and method
US7391450B2 (en) 2002-08-16 2008-06-24 Zoran Corporation Techniques for modifying image field data
JP3680827B2 (ja) * 2002-08-27 2005-08-10 コニカミノルタフォトイメージング株式会社 デジタルカメラ
DE10239435B4 (de) * 2002-08-28 2005-03-10 Bosch Gmbh Robert Vorrichtung und Verfahren zur optischen Distanzmessung
US7623152B1 (en) * 2003-07-14 2009-11-24 Arecont Vision, Llc High resolution network camera with automatic bandwidth control
WO2005022901A1 (ja) 2003-08-29 2005-03-10 Nikon Corporation 撮像系診断装置、撮像系診断プログラム、撮像系診断プログラム製品、および撮像装置
US7313933B2 (en) 2004-02-18 2008-01-01 Whirlpool Corporation Laundry appliance utility shelf
WO2007138201A1 (fr) * 2006-06-01 2007-12-06 Advanced Track And Trace Procede et dispositif de securisation de documents
US7805011B2 (en) * 2006-09-13 2010-09-28 Warner Bros. Entertainment Inc. Method and apparatus for providing lossless data compression and editing media content
CN100562127C (zh) * 2007-03-07 2009-11-18 北京中星微电子有限公司 消除渐晕现象的方法、装置以及成像设备
EP1986126B8 (fr) * 2007-04-26 2010-11-10 STMicroelectronics Rousset SAS Procédé et dispositif de localisation d'un iris humain dans une image
US8103121B2 (en) 2007-08-31 2012-01-24 Adobe Systems Incorporated Systems and methods for determination of a camera imperfection for an image

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107124901A (zh) * 2014-08-02 2017-09-01 加坦公司 去除电子显微照相机图像异常点的方法
CN107124901B (zh) * 2014-08-02 2020-09-01 加坦公司 去除电子显微照相机图像异常点的方法
TWI606422B (zh) * 2016-10-20 2017-11-21 Kinko Optical Co Limited Miniature camera lens image detection method
CN111541891A (zh) * 2020-04-20 2020-08-14 江苏唯侓机器人科技有限公司 一种基于图像确定照相机瑕疵的方法
CN111541891B (zh) * 2020-04-20 2022-08-09 江苏唯侓机器人科技有限公司 一种基于图像确定照相机瑕疵的方法
CN115731829A (zh) * 2021-08-30 2023-03-03 广州视源电子科技股份有限公司 一种画质调节方法、存储介质及显示设备

Also Published As

Publication number Publication date
CN101822039B (zh) 2012-11-28
US8675987B2 (en) 2014-03-18
US20090060369A1 (en) 2009-03-05
WO2009029365A1 (en) 2009-03-05
US8103121B2 (en) 2012-01-24
US20120105686A1 (en) 2012-05-03

Similar Documents

Publication Publication Date Title
CN101822039B (zh) 用于针对图像确定照相机瑕疵的***和方法
US7327390B2 (en) Method for determining image correction parameters
JP4416795B2 (ja) 補正方法
US9420276B2 (en) Calibration of light-field camera geometry via robust fitting
CN110689841B (zh) Led显示屏逐点校正方法
US7206461B2 (en) Digital image acquisition and processing system
US7424170B2 (en) Automated statistical self-calibrating detection and removal of blemishes in digital images based on determining probabilities based on image analysis of single images
US8724007B2 (en) Metadata-driven method and apparatus for multi-image processing
US8675988B2 (en) Metadata-driven method and apparatus for constraining solution space in image processing techniques
US7369712B2 (en) Automated statistical self-calibrating detection and removal of blemishes in digital images based on multiple occurrences of dust in images
US7310450B2 (en) Method of detecting and correcting dust in digital images based on aura and shadow region analysis
US20050078173A1 (en) Determination of need to service a camera based on detection of blemishes in digital images
US7308156B2 (en) Automated statistical self-calibrating detection and removal of blemishes in digital images based on a dust map developed from actual image data
US20050068445A1 (en) Digital camera
EP2076020B1 (en) Image processing device, correction information generation method, and image-capturing device
US20040218055A1 (en) Camera shake warning and feedback system that teaches the photographer
WO2021008052A1 (zh) 3d摄影模组镜头精度的标定方法、装置及设备
US7079179B2 (en) Image processing apparatus for performing image restoration
CN103136745B (zh) 利用散焦碉堡图像执行深度估计的***及方法
CN106603896A (zh) 相机模块及制造该相机模块的方法
CN112362033B (zh) 一种航空遥感相机影像的质检方法
CN104301638B (zh) 坏像素处理方法与图像处理装置
CN101577791A (zh) 修正手震模糊的数码图像处理方法
JP2004134861A (ja) 解像度評価方法、解像度評価プログラム、および光学機器
US6577378B1 (en) System and method for light falloff compensation in an optical system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant