CN104867159B - 一种数字相机传感器污点检测及分级方法与装置 - Google Patents

Abstract

本发明公开了一种数字相机传感器污点检测方法，以及基于该检测方法对相机传感器进行分级的方法与装置，该方法包括如下步骤：(1)原始图像数据输入，插值获取亮度分量，(2)低通滤波，(3)边缘增强，(4)带通滤波，(5)图像二值化操作和形态学膨胀，(6)连通域提取，(7)在原始图像中标记污点，(8)传感器分级操作并输出图像级别。本发明分为污点检测和传感器分级两个功能模块，此分级决策函数的相关项来自从相机拍摄图像中检测到的污点的数量，面积，颜色深度等特征。本发明简单有效，可以快速检测到传感器上的污点位置，并根据这些污点的特征对当前传感器进行准确的级别评定。

Description

一种数字相机传感器污点检测及分级方法与装置

技术领域

本发明涉及仪器测量、测试领域，具体涉及一种用于相机传感器的检测和分级方法及相应装置。

背景技术

工业相机生产中，需要根据不同用户对相机品质的要求对相机传感器进行级别划分，如有些用户要求相机传感器面上无污点；有些用户则仅要求传感器中心区域范围内无污点，而对传感器的边缘区域的污点则是可以接受的；此外，如果传感器面上有颜色较深，面积较大的污点，则需要返厂处理。

因此，传感器在出厂之后，都需要对其进行测试，以判断其满足哪种需求。目前，对于传感器质量的检测多是通过人工分拣的方式，逐个地判断。而采用人工判断的方式耗时长，工作量大，成本高，判断尺度难以把握。

因此，为了减少人工分拣的烦劳，并降低生产成本，有必要设计一种全自动的污点检测方法以及相应装置。

发明内容

1.目的

为了降低目前人工检测相机传感器质量的成本，并且满足不同用户对相机传感器的污点个数和位置的差异化要求，本发明提出了一种能够快速、有效地对相机传感器进行污点检测，并基于检测结果对相机进行分级的方法和相应装置，其采用自动化污点检测算法和装置对相机进行检测，并进行评级，区分相机的品质。

具体而言，本发明提供了一种相机传感器污点检测方法，其特征在于，所述方法包括以下步骤：

步骤一：利用待测相机传感器对预定场景进行拍摄，并且载入获得的原始格式图像数据；

步骤二：将所述原始格式图像数据的色彩空间转换到YUV色彩空间，获取转换后的图像数据中每个像素点的Y(亮度)分量；

步骤三：在图像的水平方向和垂直方向分别对图像数据中的Y分量进行低通滤波处理；

步骤四：对滤波处理后的图像进行边缘增强；

步骤五：对边缘增强后的图像进行带通滤波；

步骤六：根据待测相机传感器的类型设定阈值，对带通滤波处理后的图像进行二值化处理。

步骤七：基于二值化图像进行连通域形态学膨胀；

步骤八：进行连通域提取；

步骤九：基于连通域提取图像中的污点，并基于污点的参数进行传感器质量评估。

优选地，所述步骤二包括：根据2*2邻域插值方法，将原始格式图像数据插值成RGB图像，然后将RGB格式图像转换成YUV格式图像，以获取每个像素点的Y分量数据。

优选地，在所述步骤三中，进行低通滤波时，所采用的滤波核为[1 4 6 4 1]；所述步骤四包括：对增强后的图像在水平方向和垂直方向图像采用统一的5*5锐化模板进行卷积操作；所述步骤五采用的带通滤波的核函数为[0.5 0 0 0 -1 0 0 0 0.5]，利用该核函数对水平方向和垂直方向的图像分别进行处理。

优选地，所述连通域膨胀的步骤包括：判断任意一个像素点的3*3邻域范围之内是否存在值为1的点，如果该像素点的邻域范围内存在值为1的点，则将当前像素点的值设为1。

另一方面，本发明提供一种数字相机传感器污点检测及分级方法，其特征在于，所述方法还包括：

(1)权利要求1～4中任意一项所述的数字相机传感器污点检测方法，以及

(2)步骤十：基于对传感器质量评估的结果对待测相机传感器进行分级。

优选地，所述步骤九包括：

1)统计污点数量及各污点的分布区域；

2)统计污点面积；

3)统计污点色彩深度；

4)基于所统计的污点数量、分布区域、面积以及色彩深度中的至少一项，计算待测相机传感器的质量评价因子。

优选地，计算所述传感器质量评价因子包括：基于所统计的污点数量、分布区域、面积以及色彩深度的加权组合来计算所述传感器质量评价因子。

优选地，所述步骤一包括利用所述相机传感器对内嵌于镜头中的光源进行拍照，并控制所述相机传感器的曝光时间和增益调节，使图像亮度在100～140灰级。

另一方面，本发明提供一种数字相机传感器污点检测及分级装置，其特征在于，所述装置包括：照明光源、可内嵌光源的T型镜头以及用于执行所述方法的处理器。

需要说明的是，在步骤二中，基于处理效率考虑，将转换过程中的浮点数进行整形化，通过移位等操作简化计算。

步骤三进行低通滤波的目的在于滤除掉图像噪声，使图像更平滑，减少随机噪声对污点检测的干扰。

在对图像的边缘区域进行处理时，可以采用补边或者忽略边缘的方式进行。对于水平方向卷积，卷积模板的宽度为5个像素，如果采用补边的方式进行处理，需以边缘像素为基准将图像的两行像素或者两列像素进行边缘复制，同理，在对垂直卷积过程中进行补高时与水平补边操作思路一致。如果采用忽略边缘像素进行处理，需从第(2,2)个像素点开始处理，并至第(w-2,h-2)个像素点结束，其中w表示图像的宽度，h表示图像的高度；以下步骤中补边操作与本步骤一致。

上述步骤四中边缘增强的目的在于将污点突出显示，便于提取。从增强后的图像中可以更明显地观察到低通滤波的方向性，同时图像噪声也更大。因此，需要在步骤四之后进行带通滤波，以便将污点突出显示，而将平坦区域滤除。

在上述步骤八中，连通域提取的具体过程包括：其一，对连通域进行标记，标记方法为：首先，判断此点八邻域中的最左，左上，最上，上右点的情况。如果都没有点(像素点值为0)，则表示一个新的区域的开始；其次，如果此点八邻域中的最左有点，上右都有点，则标记此点为这两个中的最小的标记点，并修改大标记为小标记；再次，如果此点八邻域中的左上有点，上右都有点，则标记此点为这两个中的最小的标记点，并修改大标记为小标记；最后，否则按照最左，左上，最上，上右的顺序，标记此点为四个中的一个。其二：根据连通域面积，位置等阈值设定，筛选大小合适的连通区域，并统计各连通域的位置、面积，长和宽等信息。

上述步骤九中对传感器质量的评估的具体过程如下：首先统计污点数量；污点数量使用N表示，污点序号使用i表示，且i∈N；其次，统计污点分别区域，并设定其对传感器质量评价的影响系数；污点分布区域根据距离中心的距离远近来划分，每个区域对应不同的权重；再次，统计污点面积，污点的面积通过计算污点的像素点的个数来统计得到，污点越大，其在传感器分级中所占的权重越大；然后，统计污点色彩深度，一般情况下，污点比背景颜色略深，即灰度值较小，通过将污点与背景点的灰度平均值做差，来决策当前污点对传感器级别的重要程度；最后，由上述对传感器质量评价的相关项，计算传感器质量评价因子。

在一种优选实现方式中，质量评价函数为：其中i表示污点序号；N表示污点总个数；S(i)污点面积；α表示S(i)在质量评价函数中的权重因子，一般α＝10000.0；V(i)污点平均灰度值与背景灰度值的差值；β表示V(i)在质量评价函数中的权重因子，一般β＝10.0；

3.优点及效果

本发明的传感器污点检测与分级方法的优点在于：1)自动检测工业相机传感器上的污点位置和数目，并对当前传感器进行分级；2)本发明在进行检测过程中效果好且效率高，结合本发明设计的光照环境和参数设置，相机传感器直接对内嵌于镜头内的光源成像，背景单一且成像质量高；同时设置相机曝光时间为100ms，增益为2dB；本发明对相机分级的准确率达到99.5％，较好地满足了生产和客户的需求。

本发明方法提出了一种独特的计算传感器质量的方式，根据检测出污点的数量，分布区域，色彩深度等特征，计算当前传感器质量评价因子，根据不同级别传感器品质因子的分布，对传感器进行级别划分。本发明的传感器质量评价因子计算方式兼顾了影响传感器的各个方面，第一次引入了色彩深度以及分布区域的加权计算方式。

通过本发明中所述污点检测方法，可以准确地对相机传感器上的污点(如灰尘，连续坏点等)进行标记，并对当前传感器进行级别划分。

附图说明

此处所说明的附图主要是为了方便对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明方法执行所需要的普通计算机101和大恒图像数字摄像机102组成的设备环境示意图；

图2为Bayer格式传感器成像模型示意图；

图3为污点检测与传感器分级方法整体流程图；

图4为含污点图像示意图；

图5为GR格式原始图像像素点位置分布；

图6为连通域提取中当前像素点的8邻域像素位置；

图7为污点区域各参数示意图；

图8为图像中污点分布区域和相应的权重系数设置；

图9为图像卷积处理时需补边区域操作示意图；

图10为经过污点检测和分级后的输出图像。

具体实施方式

本发明具体实施所需要的设备条件是：(1)一台大恒图像产MER-Gx200数字摄相机，物理参数为：镜头：Computar 16mm,1:1.4，2/3；摄相机型号：MER-Gx200UC-L，摄像机CCD芯片像素尺寸：4.40um*4.40um，图像分辨率为：1628*1236；(2)一台进行污点检测和传感器分级处理的计算机，物理参数为：CPU：Core i7 920 2.66GHz，RAM：8GB。(3)光源，型号为NSPL-8-1-G，电压5V，功率1.75W；(4)大恒图像Galaxy View相机演示程序。

如附图1所示：101表示计算机；102为连接相机的电源和数据线；103为相机支架；104为待检测的数字相机；105为相机托架，用于卡住相机防止脱落；106为光源；107为光源供电电源；

图2示出了摄像机成像的模型。本发明具体实施采用普通数字摄像机成像环境，如附图2所示；201表示输入可见光场景，202表示镜头，203表示Bayer格式的滤波器，204表示成像传感器。

下面，结合附图对相机传感器污点检测和分级的具体过程进行描述。图3示出了本实施例的流程图。如图所示，检测过程具体包括以下步骤：

步骤一：图像数据载入

按图1和2中的布置方式，利用待测相机拍摄图像并载入缓冲区，输入图像如附图4所示，301表示待处理图像数据，302表示图像中的污点区域；由于污点检测算法输入图像为单通道灰度图像，因此需要将输入的原始图转换为灰度图像，首先将原始图像插值成RGB图像，然后将RGB图像转换为YUV图像，提取其中的Y分量作为污点检测算法的输入。本发明实施例中的插值方法采用2*2邻域插值。基于处理速度考虑，同时减少中间数据缓冲区的申请和释放，直接将原始图转化灰度图。

步骤二：获取每个像素点的Y分量

以GR格式Bayer图像为例，描述本步骤中Y分量的获取方法。Bayer格式如附图5所示，G₁点的G来自G₁和G₅，G₁点的R来自R₂，G₁点的B来自B₄；因此根据从RGB色彩空间到YUV色彩空间的转换公式，G₁点的Y可以得到：

Y＝0.299*R+0.587*G+0.114*B (1)

由附图3插值得到：

R＝R₂

G＝(G₂+G₅)/2

B＝B₄ (2)

将式(2)载入式可得：

Y＝0.299*R₂+0.587*(G₂+G₅)/2+0.114*B₄ (3)

将式(3)进一步简化为：

Y＝0.299*R₂+0.294*(G₂+G₅)+0.114*B₄ (4)

本发明实施过程中，基于效率考虑，将式(4)中各变量相关系数放大1024倍，将浮点数整型化，可得：

同理，R₂，B₄和G₅点的Y值可以求得：

其余类型的Bayer格式图像与上述计算方法一致。

步骤三：低通滤波

低通滤波过程中，在图像的水平方向和垂直方向分别进行滤波，滤波后的图像具有方向性，本步骤的目的在于滤除掉图像噪声，使图像更平滑，减少随机噪声对污点检测的干扰，滤波核为[1 4 6 4 1]。设像素点x的图像灰度为y(x),x∈I，卷积模板为k(x)，有：

f(x)＝(y*k)(x) (7)

式(7)中，水平方向的卷积模板为：

k_h(x)＝[1 4 6 4 1] (8)

式(7)中，垂直方向的卷积模板为：

k_v(x)＝[1 4 6 4 1]^T (9)

在对图像的边缘区域进行处理时，可以采用补边或者忽略边缘的方式进行。对于水平方向卷积，卷积模板的宽度为5个像素，如果采用补边的方式进行处理，需以边缘像素为基准将图像的两行像素或者两列像素进行边缘复制；附图9为图像补边示意图，901为当前待补边操作图像数据，在对水平卷积过程中进行补宽的时候，以904列为轴，905和906分别来自于903和902，同理，在对垂直卷积过程中进行补高时与水平补边操作思路一致。如果采用忽略边缘像素进行处理，需从第(2,2)个像素点开始处理，并至第(w-2,h-2)个像素点结束，其中w表示图像的宽度，h表示图像的高度；以下步骤中补边操作与本步骤一致。

步骤四：边缘增强

边缘增强的目的在于将污点突出显示，便于提取。从增强后的图像中可以更明显地观察到低通滤波的方向性，同时图像噪声也更大。边缘增强也是卷积操作，若低通滤波处理后的(x)位置的像素值为f(x)，设卷积模板为

则增强后的图像为

g(x)＝(f*h)(x) (11)

水平方向和垂直方向数据在边缘增强时统一采用式(10)所示模板，增强后的图像边缘突出，污点显著，便于污点区域的提取。

步骤五：带通滤波

带通滤波可以将污点突出显示，而将平坦区域滤除。带通滤波的核函数为[0.5 00 0 -1 0 0 0 0.5]，水平方向和垂直方向的图像分别进行处理。当然，此核函数的宽度和系数是可以根据情况自适应地调整的，以方便检测不同大小的污点。

对于边缘增强后的图像g(x)，设卷积模板为p(x)，则

m(x)＝(g*p)(x) (12)

式(12)中，水平方向卷积模板为

p_h(x)＝[0.5 0 0 0 -1 0 0 0 0.5] (13)

式(12)中，垂直方向卷积模板为

p_v(x)＝[0.5 0 0 0 -1 0 0 0 0.5]^T (14)

在进行带通滤波之后，将水平方向和垂直方向滤波处理后的图像叠加直接求平均，本模块处理的目的是降低噪声减小检测的误差，则带通滤波后的输出为：

式(15)中，m_h(x)表示水平方向上带通滤波后的结果，m_v(x)表示垂直方向上带通滤波后的结果，m(x)表示水平和垂直方向带通滤波结果平均后的输出结果。

步骤六：图像二值化处理

二值化处理时需要手动设置阈值，不同的相机此阈值可能不相同，而且此阈值对于相机的污点检测非常重要，它直接决定了污点的检出率。设前景为污点像素，图像像素值为v＝m(x)，将前景与背景分割的阈值设为t，可得

背景区域为0(黑色)，前景区域为1(白色)。

步骤七：连通域形态学膨胀

形态学膨胀的目的是使污点更大一些，便于检测和连通域提取，也使后期的污点标记更容易。用b对函数n(x)进行的灰度膨胀表示为n⊕b，数学定义为

(n⊕b)(x)＝max{n(x-s)+b(s)|(x-s)∈D_n,s∈D_b} (17)

其中D_n和D_b分别是n和b的定义域。

设形态学膨胀结构算子b为

则若像素点的3*3邻域范围之内有值为1的点，则当前点为1。

步骤八：连通域提取

图像连通域提取之前需要对连通域内像素进行标记，本发明实施例采用八邻域标记方法，邻域像素位置如附图6所示，具体实施方式如下：

步骤8.1输入二值化后的图像；

步骤8.2只有在白点区域才会执行连通域标记操作，首先判断如果当前点为(0,0)点，则新建连通域标号nNum；如果当前点为第0行的非第0点，考察其左侧点是否为1，如果为1，则当前点标号等于左侧点的标号；否则标号加1；

步骤8.3如果当前点为第0列的非0行点，考察正上的点，如果正上的点为1，则当前点的标号为正上点的标号；考察右上的点，如果右上的点为1，则当前点的标号等于右上点的标号，否则标号加1；

步骤8.4如果当前点为最后一列，首先考察左侧的点，如果左侧的点为1，则当前点的标号等于左侧点的标号；其次考察左上的点，如果左上的点为1，则当前点的标号等于左上点的值；然后考察正上的点，如果正上的点为1，则当前标号的值等于正上的点的值；否则，标号加1；

步骤8.5处理非边缘区域像素点；

步骤8.5.1首先考察左侧的点，如果其值为1，则当前点的标号等于左侧点的标号；连通域标记中邻域像素取最小的标记号，因此进一步考察其邻域，正上的点略过；考察右上的点，如果右上的点的值为1，分两种情况：

步骤8.5.1.1判断右上点的标号是否大于当前点的标号，如果大于，设右上的点的标记值为nMax，遍历当前像素点之前的所有像素点，如果有标号值等于nMax的，则将标号值设置为与当前像素点的标号值一致，如果标号值大于nMax，则将其像素点的标号值自减1；同时将nNum减1；

步骤8.5.1.2如果右上方的像素点的标记值小于当前像素点的标记值，设当前点的标记值为nMax，遍历当前像素点之前的所有像素点，如果有标号值等于nMax的，则将标号值设置为右上像素点的标号值一致，如果标号值大于nMax，则将其像素点的标号值自减1；同时将nNum减1；

步骤8.5.2考察左上的点，如果左上的点的值为1，当前像素点的标号值等于左上像素点的标号值，此外比较邻域标号值大小，分两种情况：

步骤8.5.2.1判断左上点的标号是否大于当前点的标号，如果大于，设右上的点的标记值为nMax，遍历当前像素点之前的所有像素点，如果有像素点的标号值等于nMax的，则将标号值设置为与当前像素点的标号值一致，如果标号值大于nMax，则将其像素点的标号值自减1；同时将nNum减1；

步骤8.5.2.2如果左上方的像素点的标记值小于当前像素点的标记值，设当前点的标记值为nMax，遍历当前像素点之前的所有像素点，如果有标号值等于nMax的，则将标号值设置为左上像素点的标号值一致，如果标号值大于nMax，则将其像素点的标号值自减1；同时将nNum减1；

步骤8.5.3其次考察正上的点，如果其像素值为1，则当前像素点的标号等于正上像素点的标号值；

步骤8.5.4然后考察右上的点，如果其像素值为1，则当前像素点的标号等于正上像素点的标号值；

步骤8.5.5最后，没有邻域为1的像素点，则nNum加1，当前像素点的标号值等于nNum值；

步骤8.6输出标记好的连通域数据图；

步骤8.7在对连通域进行标记之后，提取表1中所述连通域的相关特征量。

表1 连通域相关特征量

污点区域示意图如附图7所示，污点中心坐标点(m,n)的获取方式为：

污点区域的宽度w_b和高度h_b获取方式为：

w_b＝Xmax-Xmin

h_b＝Ymax-Ymin (20)

然后通过阈值分段函数来筛选污点，设污点面积阈值为T_s，则有：

当C＝1时，则表明此点为污点，根据当前污点的中心位置和长宽大小对原始图像的该区域进行标记，若C＝0，则忽略此连通域，在原始图像中不进行标记。

步骤九：传感器质量评价函数及其参数计算

步骤9.1统计污点数量；污点数量使用N表示，污点序号使用i表示，且i∈N；

步骤9.2统计污点分布区域，并设定其对传感器质量评价的影响系数；污点分布区域如附图8所示，根据距离中心的距离远近，划分为5个区域，每个区域对应的权重如表2所示：

表2不同区域对应的权重系数

区域划分

权重系数

1区：100％	1.0
		2区：80％	0.8
3区：60％	0.6
		4区：40％	0.4
5区：20％	0.2

设权重系数变量设为P(i)i∈N。

步骤9.3统计污点面积，污点的面积通过计算污点的像素点的个数来统计得到，污点越大，其在传感器分级中所占的权重越大。

设污点_i所占的像素个数为S_i，权重系数为P(i),(i∈N)，考虑到图像分辨率对污点面积的影响，设图像的宽和高分别为W和H，则图像像素总数为A＝W×H，则加权后的函数为：

步骤9.4统计污点色彩深度，一般情况下，污点比背景颜色略深，即灰度值较小，通过将污点与背景点的灰度平均值做差，来决策当前污点对传感器级别的重要程度。

设污点的平均灰度值为V_ble(i),(i∈N)，图像背景(不包含污点区域)的平均灰度值为V_back，则它们的差记为：

V′(i)＝abs(V_ble(i)-V_back),(i∈N) (23)

权重系数为P(i),(i∈N)，加权并归一化后的函数为：

同时，考虑到某些特殊情况：

若Q判定当前传感器为一等品或者合格品，且则为次品；若Q判定当前传感器为合格品，且Max{V′(i),i∈N}<5，则为一等品。

步骤9.5计算传感器质量评价系数，由上述对传感器质量评价的相关项，得到其质量评价函数为：

式(25)中：i表示污点序号；N表示污点总个数；S(i)污点面积；α表示S(i)在质量评价函数中的权重因子，一般α＝10000.0；V(i)污点平均灰度值与背景灰度值的差值；β表示V(i)在质量评价函数中的权重因子，一般β＝10.0；

步骤十：传感器分级并输出标记后图像

传感器具体的生成标准和Q评价指标之间的关系如表3所示：

表3传感器分级标准和其对应的Q值

步骤10.1传感器级别判断，通过计算质量评价函数，根据得到的Q值，可以对传感器进行分级，级别与Q值对应关系为：

式(26)中，A，B和C分别对应于传感器分级输出的三个级别，t₁和t₂表示分级时需要考虑的阈值，作为一种适应性更广的分级方法，此二值可以根据需求调整，一般情况下，t₁＝1，t₂＝5。

步骤10.2根据分级结果和污点的特征量，在原始图像上标记并输出Y分量图像数据；如附图10所示，1001为输出Y分量图像数据，1002为当前相机传感器级别，1003为标记处的污点区域。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明方法既可以应用于计算机设备的软件端也可以在移动嵌入式设备中使用，基于这样的理解，本发明的技术方案可以以软件的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。

Claims (9)

1.一种数字相机传感器污点检测方法，其特征在于，所述方法包括以下步骤：

步骤一：利用待测相机传感器对预定场景进行拍摄，并且载入获得的原始格式图像数据；

步骤二：将所述原始格式图像数据的色彩空间转换到YUV色彩空间，获取转换后的图像数据中每个像素点的Y分量；

步骤三：在图像的水平方向和垂直方向分别对图像数据中的Y分量进行低通滤波处理；

步骤四：对滤波处理后的图像进行边缘增强；

步骤五：对边缘增强后的图像进行带通滤波；

步骤六：根据待测相机传感器的类型设定阈值，对带通滤波处理后的图像进行二值化处理；

步骤七：基于二值化图像进行连通域形态学膨胀；

步骤八：进行连通域提取；

步骤九：基于连通域提取图像中的污点，并基于污点的参数进行传感器质量评估，所采用的质量评价函数为其中i表示污点序号；N表示污点总个数；S(i)表示污点面积；α表示S(i)在质量评价函数中的权重因子，β表示V(i)在质量评价函数中的权重因子，V(i)表示污点平均灰度值与背景灰度值的差值。

2.根据权利要求1所述的数字相机传感器污点检测方法，其特征在于，

所述步骤二包括：根据2*2邻域插值方法，将原始格式图像数据插值成RGB图像，然后将RGB格式图像转换成YUV格式图像，以获取每个像素点的Y分量数据。

3.根据权利要求1所述的数字相机传感器污点检测方法，其特征在于，在所述步骤三中，进行低通滤波时，所采用的滤波核为[1 4 6 4 1]；所述步骤四包括：对增强后的图像在水平方向和垂直方向采用统一的5*5锐化模板进行卷积操作；所述步骤五采用的带通滤波的核函数为[0.5 0 0 0 -1 0 0 0 0.5]，利用该核函数对水平方向和垂直方向的图像分别进行处理。

4.根据权利要求1所述的数字相机传感器污点检测方法，其特征在于，所述连通域形态学膨胀的步骤包括：判断任意一个像素点的3*3邻域范围之内是否存在值为1的点，如果该像素点的邻域范围内存在值为1的点，则将当前像素点的值设为1。

5.一种数字相机传感器污点检测及分级方法，其特征在于，所述方法包括：

(1)权利要求1～4中任意一项所述的数字相机传感器污点检测方法，以及

(2)步骤十：基于对传感器质量评估的结果对待测相机传感器进行分级。

6.根据权利要求5所述的数字相机传感器污点检测及分级方法，其特征在于，所述步骤九包括：

1)统计污点数量及各污点的分布区域；

2)统计污点面积；

3)统计污点色彩深度；

4)基于所统计的污点数量、分布区域、面积以及色彩深度中的至少一项，计算待测相机传感器的质量评价因子。

7.根据权利要求6所述的数字相机传感器污点检测及分级方法，其特征在于，计算待测相机传感器的质量评价因子包括：基于所统计的污点数量、分布区域、面积以及色彩深度的加权组合来计算所述传感器质量评价因子。

8.根据权利要求6所述的数字相机传感器污点检测及分级方法，其特征在于，所述步骤一包括利用所述相机传感器对内嵌于镜头中的光源进行拍照，并控制所述相机传感器的曝光时间和增益调节，使图像亮度在100～140灰度级。

9.一种数字相机传感器污点检测及分级装置，其特征在于，所述装置包括：照明光源、可内嵌光源的T型镜头以及用于执行权利要求1-8中任意一项所述方法的处理器。