CN111242884A - 图像坏点检测、校正方法及装置、存储介质、摄像设备 - Google Patents
图像坏点检测、校正方法及装置、存储介质、摄像设备 Download PDFInfo
- Publication number
- CN111242884A CN111242884A CN201811342959.8A CN201811342959A CN111242884A CN 111242884 A CN111242884 A CN 111242884A CN 201811342959 A CN201811342959 A CN 201811342959A CN 111242884 A CN111242884 A CN 111242884A
- Authority
- CN
- China
- Prior art keywords
- frequency
- image
- low
- detected
- dead
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
一种图像坏点检测、校正方法及装置、存储介质、摄像设备,图像坏点检测方法包括:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带;根据所述三个高频子带各个点处高频系数的绝对值确定数值矩阵;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵。本发明技术方案能够提高4cell格式传感器所获取的图像质量。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像坏点检测、校正方法及装置、存储介质、摄像设备。
背景技术
目前,用于采集数字图像的传感器主要分为两种:电荷耦合器件(Charge CoupledDevice,简称CCD)以及互补金属氧化物主动式像素传感器(Complementary Metal OxideSemiconductor,简称CMOS)。通常会在CCD或者CMOS表面上覆盖一层彩色滤波阵列(ColorFilter Array,简称CFA)。
现在主流的彩色滤波阵列通常是拜耳(Bayer)格式的,而近些年出现了一种Bayer阵列的改良型4cell格式彩色滤波阵列,其排列组合方式有四种,请参照图1至图4,分别是BBBB-GGGG-GGGG-RRRR(图1),GGGG-BBBB--RRRR-GGGG(图2),RRRR-GGGG-GGGG-BBBB(图3),和GGGG-RRRR-BBBB-GGGG(图4)。与Bayer格式传感器相比,4cell格式传感器中相同颜色通道具有更高的感光面积,因此4cell格式传感器具有更高的信噪比。
但是,由于图像传感器制造工艺存在缺陷,或者光信号进行转化的过程中出现错误,会造成图像上有些像素的信息有误,导致图像中的像素值不准确,这些有缺陷的像素即为图像坏点。一般坏点分为静态坏点和动态坏点:静态坏点指的是不会随时间、增益等改变,在传感器制造时因为工艺等产生的坏点;动态坏点指的是因为增益、温度等引起的会随着时间变化而改变的坏点。如果4cell格式传感器所获取的RAW图像中存在坏点的话,在进行插值和去噪处理的时候,会影响周围的像素点,最终会导致图像质量下降,因此需要在插值和去噪之前对坏点进行校正。
发明内容
本发明解决的技术问题是如何提高4cell格式传感器所获取的图像质量。
为解决上述技术问题,本发明实施例公开了一种坏点检测方法,所述方法包括:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中的2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
可选的,所述根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵包括:确定所述三个高频子带中处于各个点处高频系数的绝对值的最大值,以形成所述数值矩阵。
可选的,所述根据所述三个高频子带各个点处高频系数的绝对值确定数值矩阵包括:确定所述三个高频子带中处于各个点处高频系数的绝对值之和,以形成所述数值矩阵。
可选的,所述根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点包括:如果所述大小关系表示所述中心数值与其邻域内最大数值的差值大于预设阈值,则判定所述中心数值对应的所述待检测图像中的像素块存在坏点。
本发明实施例还公开了一种图像坏点校正方法,所述方法包括:确定待检测图像是否存在坏点,所述坏点是通过以下方式检测得到的:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值;如果所述待检测图像存在坏点,则分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;根据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
可选的,所述根据邻域低频系数对坏点对应的低频系数进行校正包括:计算所述邻域低频系数的平均值或者中值替代坏点对应的低频系数;根据邻域高频系数对坏点对应的高频系数进行校正包括:计算所述邻域高频系数的平均值或者中值替代坏点对应的高频系数。
本发明实施例还公开了一种图像坏点检测装置,所述装置包括:待检测图像获取模块,适于获取待检测图像,所述待检测图像为4cell格式图像;一级Haar小波分解模块,适于对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的的像素块与低频子带中的像素和三个高频子带中的点相对应;数值矩阵确定模块,适于根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;坏点检测模块,适于在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
本发明实施例还公开了一种图像坏点校正装置,所述装置包括:坏点确定模块,适于确定待检测图像是否存在坏点,所述坏点是通过以下方式检测得到的:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值;低频系数和高频系数确定模块,适于在所述待检测图像存在坏点时,分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;低频校正模块,适于对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;高频校正模块,适于对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;Haar小波重构模块,适于据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述图像坏点检测方法的步骤,或者执行所述图像校正方法的步骤。
本发明实施例还公开了一种摄像设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行图像坏点检测方法的步骤,或者执行图像校正方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明技术方案获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值;本发明技术方案中,由于4cell格式图像的每四个相邻像素点具有相同的颜色通道,因此通过将4cell图像进行一级Haar小波分解,可以得到拜耳格式的低频子带和三个高频子带;由于坏点属于高频信号,如果4cell格式图像中存在坏点,那么在高频子带中局部邻域内会出现脉冲信号,因此,可以利用小波高频子带进行坏点检测。也即通过比较高频子带所形成的数值矩阵在滑动窗口内的中心数值与其邻域数值的大小关系,可以确定坏点,从而实现了对4cell格式图像的坏点检测,进而能够在后续过程中针对坏点进行校正,保证4cell格式传感器所获取的RAW图像质量。
进一步地,可以将中心数值与其在所述滑动窗口内的邻域数值进行比较确定坏点,邻域数值可以是所述三个高频子带中处于各个点处高频系数的绝对值的最大值,也可以是所述高频子带三个高频子带中处于各个点处高频系数的绝对值之和,从而实现对坏点检测的灵活性以及准确性。
附图说明
图1至图4是四种基本的4cell格式彩色滤波阵列的示意图;
图5是本发明实施例一种图像坏点检测方法的流程图;
图6是本发明实施例中一种典型数值矩阵的示意图;
图7是本发明实施例一种图像坏点校正方法的流程图;
图8是本发明实施例中一种典型采样子图的示意图;
图9是本发明实施例一种图像坏点检测装置的结构示意图;
图10是本发明实施例一种图像坏点校正装置的结构示意图。
具体实施方式
如背景技术中所述,由于图像传感器制造工艺存在缺陷,或者光信号进行转化的过程中出现错误,会造成图像上有些像素的信息有误,导致图像中的像素值不准确,这些有缺陷的像素即为图像坏点。一般坏点分为静态坏点和动态坏点:静态坏点指的是不会随时间、增益等改变,在传感器制造时因为工艺等产生的坏点;动态坏点指的是因为增益、温度等引起的会随着时间变化而改变的坏点。如果4cell格式传感器所获取的RAW图像中存在坏点的话,在进行插值和去噪处理的时候,会影响周围的像素点,最终会导致图像质量下降,因此需要在插值和去噪之前对坏点进行校正。
本发明技术方案中,由于4cell格式图像的每四个相邻像素点具有相同的颜色通道,因此通过将4cell图像进行一级Haar小波分解,可以得到拜耳格式的低频子带和三个高频子带;由于坏点属于高频信号,如果4cell格式图像中存在坏点,那么在高频子带中局部邻域内会出现脉冲信号,因此,可以利用小波高频子带进行坏点检测。也即通过比较高频子带所形成的数值矩阵在滑动窗口内的中心数值与其邻域数值的大小关系,可以确定坏点,从而实现了对4cell图像的坏点的检测,进而能够在后续过程中针对坏点进行校正,保证4cell格式传感器所获取的4cell图像质量。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图5是本发明实施例一种图像坏点检测方法的流程图。本发明实施例的图像坏点检测方法可以用于摄像设备侧。
请参照图5,图像坏点检测方法可以包括以下步骤:
步骤S501:获取待检测图像,所述待检测图像为4cell格式图像;
步骤S502:对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;
步骤S503:根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;
步骤S504:在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
待检测图像可以是4cell格式的RAW图像,RAW图像是指CMOS或者CCD图像传感器将捕捉到的光源信号转化为数字信号的原始数据。
具体地,2×2大小的像素块是指4cell格式图像中具有相同颜色通道的四个相邻像素点所构成的,可参照图1至图4所示的4cell格式彩色滤波阵列。
本发明一个优选实施例中,对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带。
具体而言,对分辨率为M×N待检测图像I4cell(x,y)进行如下的一级Haar小波分解:
其中,函数L(x)、L(y)是低通滤波器,函数H(x)、H(y)是高通滤波器。是分辨率为(M/2)×(N/2)的低频子带,是分辨率为(M/2)×(N/2)的垂直高频子带,是分辨率为(M/2)×(N/2)的水平高频子带,是分辨率为(M/2)×(N/2)的对角高频子带,并且低频子带和上述三个高频子带都是Bayer格式的。
由于坏点属于高频信号,因此经过小波变换以后该坏点对应的三个高频系数中至少存在一个高频系数的绝对值大于其邻域内高频系数的绝对值。具体地,图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。
故而在步骤S503的具体实施中,可以根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵。所述数值矩阵能够用于确定坏点。所述数值矩阵中各个位置的数值与待检测图像中的像素块具备对应关系。
进而在步骤S504的具体实施中,通过移动滑动窗口可以确定数值矩阵中每个中心数值的邻域数值。也即,对于滑动窗口内处于中心位置的中心数值,滑动窗口内除中心数值之外的其他数值为所述中心数值的邻域数值。
需要说明的是,滑动窗口的大小可以是3×3、5×5、7×7、9×9等,也可以是其他任意可实施的大小,本发明实施例对此不做限制。
在每次移动滑动窗口后,可以确定中心数值对应的待检测图像中的像素块是否存在坏点。但是,本实施例所检测出的坏点并不能具体地判定待检测图像中哪个像素点为坏点。
本发明一个非限制性的实施例中,如果所述中心数值与其邻域内最大数值的差值大于预设阈值,则判定所述中心数值对应的所述待检测图像中的像素块存在坏点,否则所述的像素块不存在坏点。
本发明一个具体实施例中,图5所示步骤S503可以包括以下步骤:确定所述三个高频子带中处于各个点处高频系数的绝对值的最大值,以形成所述数值矩阵。
具体而言,对于一级Haar小波分解后得到的高频子带: 和其分辨率为(M/2)×(N/2)。计算各个高频子带在点(i,j)处的高频系数的绝对值的最大值:其中,1≤i≤M/2,1≤≤N/2,以得到数值矩阵S。
本发明另一个具体实施例中,图5所示步骤S503可以包括以下步骤:确定所述三个高频子带中处于各个点处高频系数的绝对值之和,以形成所述数值矩阵。
具体而言,对于一级Haar小波分解后得到的高频子带: 和其分辨率为(M/2)×(N/2)。计算各个高频子带在点(i,j)处的高频系数的绝对值之和: 其中,1≤i≤M/2,1≤≤N/2,以得到数值矩阵S。
在本发明一个具体应用场景中,在数值矩阵S上获取以任意点(i,j)为中心的3×3大小的数据子块,请参照图6。对于中心数值s(i,j),获取确定其3×3邻域数值,分别为s(i-1,j-1)、s(i-1,j)、s(i-1,j+1)、s(i,j-1)、s(i,j+1)、s(i+1,j-1)、s(i+1,j)以及s(i+1,j+1)。将这8个邻域数值进行排序得到最大值smax,如果中心数值s(i,j)>smax+Th,其中Th表示预设阈值,则判定表示点(i,j)对应的待检测图像中的像素块存在坏点,否则判定表示点(i,j)对应的待检测图像中的像素块不存在坏点。
需要说明的是,预设阈值Th可以是任意可实施的正实数,本发明实施例对此不做限制。
请参照图7,图像坏点校正方法可以包括以下步骤:
步骤S701:确定待检测图像是否存在坏点;
步骤S702:如果所述待检测图像存在坏点,则分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;
步骤S703:对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;
步骤S704:对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;
步骤S705:根据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
需要说明的是,待检测图像中的坏点可以是通过执行图5所示各个步骤得到的,此处不再赘述。
本实施例中,图像坏点校正方法可以用于摄像设备侧。
如前所述,所述待检测图像中的像素块与低频子带和三个高频子带中的点相对应,故而可以根据上述对应关系确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数。
在步骤S703和步骤S704中,对于低频子带和各个高频子带,分别进行校正。
具体而言,在本发明实施例一个具体应用场景中,对分辨率为M×N待检测图像I4cell(x,y)进行一级Haar小波分解得到分辨率为(M/2)×(N/2)的低频子带中以及三个高频子带和下面以校正低频子带为例,校正三个高频子带的方法类似,此处不再赘述。
假设在低频子带中点(i,j)所对应的待检测图像I4cell(x,y)的2×2像素块中存在坏点。预设滑动窗口大小为5×5,在低频子带中获取以低频系数P(i,j)为中心的采样低频子图,如图8所示。由于低频子带属于Bayer格式图像,因此在预设窗口内,点(i-2,j-2),(i-2,j),(i-2,j+2),(i,j-2),(i,j+2),(i+2,-2),(i+2,j),(i+2,+2)与点(i,j)处具有相同的颜色通道。
需要说明的是在步骤S703和步骤S704中所述的滑动窗口大小可以是由本领域技术人员根据实际情况进行设定。另外,所述的校正操作可以是中值滤波,均值滤波,以及其他滤波等,对此本发明不作限制。
进而在步骤S705中,可以根据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
请参照图9,图像坏点检测装置90可以包括待检测图像获取模块901、一级Haar小波分解模块902、数值矩阵确定模块903和坏点检测模块904。
其中,待检测图像获取模块901适于获取待检测图像,所述待检测图像为格式4cell格式图像;
一级Haar小波分解模块902适于对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中的2×2像素块与低频子带和三个高频子带中的点相对应;
数值矩阵确定模块903适于根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;
坏点检测模块904适于在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
关于所述图像坏点检测装置90的工作原理、工作方式的更多内容,可以参照图1至图8中的相关描述,这里不再赘述。
请参照图10,图像坏点校正装置100可以包括坏点确定模块1001、低频系数和高频系数确定模块1002、低频校正模块1003、高频校正模块1004和Haar小波重构模块1005。
其中,坏点确定模块1001适于确定待检测图像是否存在坏点;低频系数和高频系数确定模块1002适于在所述待检测图像存在坏点时,分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;校正模块1003适于对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;高频校正模块1004适于对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;Haar小波重构模块1005适于据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
可以理解的是,所述坏点可以是通过图5所示实施例检测得到的。
关于所述图像坏点校正装置100的工作原理、工作方式的更多内容,可以参照图5至图8中的相关描述,这里不再赘述。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时可以执行图5或图7中所示方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种摄像设备,所述摄像设备可以包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图5或图7中所示方法的步骤。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种图像坏点检测方法,其特征在于,包括:
获取待检测图像,所述待检测图像为4cell格式图像;
对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中的2×2大小的像素块与低频子带以及三个高频子带中的点相对应;
根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;
在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
2.根据权利要求1所述的图像坏点检测方法,其特征在于,所述根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵包括:
确定所述三个高频子带中处于各个点处高频系数的绝对值的最大值,以形成所述数值矩阵。
3.根据权利要求1所述的图像坏点检测方法,其特征在于,所述根据所述三个高频子带各个点处高频系数的绝对值确定数值矩阵包括:
确定所述三个高频子带中处于各个点处高频系数的绝对值之和,以形成所述数值矩阵。
4.根据权利要求1所述的图像坏点检测方法,其特征在于,所述根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点包括:
如果所述大小关系表示所述中心数值与其邻域内最大数值的差值大于预设阈值,则判定所述中心数值对应的所述待检测图像中的像素块存在坏点。
5.一种图像坏点校正方法,其特征在于,包括:
确定待检测图像是否存在坏点,所述坏点是通过以下方式检测得到的:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值;
如果所述待检测图像存在坏点,则分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;
对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;
对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;
根据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
6.根据权利要求5所述的图像坏点校正方法,其特征在于,所述根据邻域低频系数对坏点对应的低频系数进行校正包括:
计算所述邻域低频系数的平均值或者中值替代坏点对应的低频系数;
根据邻域高频系数对坏点对应的高频系数进行校正包括:
计算所述邻域高频系数的平均值或者中值替代坏点对应的高频系数。
7.一种图像坏点检测装置,其特征在于,包括:
待检测图像获取模块,适于获取待检测图像,所述待检测图像为4cell格式图像;
一级Haar小波分解模块,适于对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的的像素块与低频子带中的像素和三个高频子带中的点相对应;
数值矩阵确定模块,适于根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;
坏点检测模块,适于在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值。
8.一种图像坏点校正装置,其特征在于,包括:
坏点确定模块,适于确定待检测图像是否存在坏点,所述坏点是通过以下方式检测得到的:获取待检测图像,所述待检测图像为4cell格式图像;对所述待检测图像进行一级Haar小波分解,以得到低频子带和三个高频子带,所述待检测图像中2×2大小的像素块与低频子带以及三个高频子带中的点相对应;根据所述三个高频子带中各个点处高频系数的绝对值确定数值矩阵,所述数值矩阵的大小与所述三个高频子带的大小一致;在所述数值矩阵上逐点移动滑动窗口,每次移动所述滑动窗口后,确定所述滑动窗口内的中心数值与其邻域内最大数值的大小关系,并根据所述大小关系确定所述中心数值对应的所述待检测图像中的像素块是否存在坏点,直至遍历完成所述数值矩阵,所述中心数值为处于所述滑动窗口中心位置处的数值;
低频系数和高频系数确定模块,适于在所述待检测图像存在坏点时,分别确定各个坏点对应的低频子带中的低频系数和三个高频子带中的高频系数;
低频校正模块,适于对于每一坏点,按照预设滑动窗口大小,在低频子带中获取以坏点对应的低频系数为中心的采样低频子图,在所述采样低频子图上获取与坏点对应的低频系数具有相同颜色通道的邻域低频系数,并根据邻域低频系数对坏点对应的低频系数进行校正,以得到校正后的低频子带;
高频校正模块,适于对于每一坏点,按照预设滑动窗口大小,在高频子带中获取以坏点对应的高频系数为中心的采样高频子图,在所述采样高频子图上获取与坏点对应的高频系数具有相同颜色通道的邻域高频系数,并根据邻域高频系数对坏点对应的高频系数进行校正,以得到校正后的高频子带;
Haar小波重构模块,适于据所述校正后的低频子带和三个校正后的高频子带进行Haar小波重构,以得到校正后的待检测图像。
9.一种存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至4中任一项所述的图像坏点检测方法的步骤,或者执行利要求5至6中任一项所述的图像坏点校正方法的步骤。
10.一种摄像设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至4中任一项所述的图像坏点检测方法的步骤,或者执行利要求5至6中任一项所述的图像坏点校正方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811342959.8A CN111242884B (zh) | 2018-11-12 | 2018-11-12 | 图像坏点检测、校正方法及装置、存储介质、摄像设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811342959.8A CN111242884B (zh) | 2018-11-12 | 2018-11-12 | 图像坏点检测、校正方法及装置、存储介质、摄像设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242884A true CN111242884A (zh) | 2020-06-05 |
CN111242884B CN111242884B (zh) | 2022-07-15 |
Family
ID=70865511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811342959.8A Active CN111242884B (zh) | 2018-11-12 | 2018-11-12 | 图像坏点检测、校正方法及装置、存储介质、摄像设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242884B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688828A (zh) * | 2021-07-23 | 2021-11-23 | 山东云海国创云计算装备产业创新中心有限公司 | 一种坏元识别方法及相关装置 |
WO2022042040A1 (zh) * | 2020-08-25 | 2022-03-03 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN116309337A (zh) * | 2023-02-11 | 2023-06-23 | 广州华盛汇美科技实业有限公司 | 基于图像识别的包装盒质量检测*** |
WO2024125145A1 (zh) * | 2022-12-16 | 2024-06-20 | 深圳市中兴微电子技术有限公司 | 坏点检测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080239114A1 (en) * | 2007-03-27 | 2008-10-02 | Samsung Electronics Co., Ltd | Method and apparatus to detect a dead pixel of an image sensor and method and apparatus to capture an image from an image sensor |
CN104751416A (zh) * | 2013-12-31 | 2015-07-01 | 展讯通信(上海)有限公司 | 一种图像去噪的方法、装置及图像处理*** |
CN104751415A (zh) * | 2013-12-31 | 2015-07-01 | 展讯通信(上海)有限公司 | 一种图像去噪和增强的方法、装置及图像处理*** |
CN106815821A (zh) * | 2017-01-23 | 2017-06-09 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
-
2018
- 2018-11-12 CN CN201811342959.8A patent/CN111242884B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080239114A1 (en) * | 2007-03-27 | 2008-10-02 | Samsung Electronics Co., Ltd | Method and apparatus to detect a dead pixel of an image sensor and method and apparatus to capture an image from an image sensor |
CN104751416A (zh) * | 2013-12-31 | 2015-07-01 | 展讯通信(上海)有限公司 | 一种图像去噪的方法、装置及图像处理*** |
CN104751415A (zh) * | 2013-12-31 | 2015-07-01 | 展讯通信(上海)有限公司 | 一种图像去噪和增强的方法、装置及图像处理*** |
CN106815821A (zh) * | 2017-01-23 | 2017-06-09 | 上海兴芯微电子科技有限公司 | 近红外图像的去噪方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022042040A1 (zh) * | 2020-08-25 | 2022-03-03 | 京东方科技集团股份有限公司 | 视频坏点检测的方法和装置、计算机可读介质 |
CN113688828A (zh) * | 2021-07-23 | 2021-11-23 | 山东云海国创云计算装备产业创新中心有限公司 | 一种坏元识别方法及相关装置 |
CN113688828B (zh) * | 2021-07-23 | 2023-09-29 | 山东云海国创云计算装备产业创新中心有限公司 | 一种坏元识别方法及相关装置 |
WO2024125145A1 (zh) * | 2022-12-16 | 2024-06-20 | 深圳市中兴微电子技术有限公司 | 坏点检测方法、装置、设备及介质 |
CN116309337A (zh) * | 2023-02-11 | 2023-06-23 | 广州华盛汇美科技实业有限公司 | 基于图像识别的包装盒质量检测*** |
CN116309337B (zh) * | 2023-02-11 | 2023-10-10 | 广州华盛汇美科技实业有限公司 | 基于图像识别的包装盒质量检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN111242884B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242884B (zh) | 图像坏点检测、校正方法及装置、存储介质、摄像设备 | |
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
CN107071234B (zh) | 一种镜头阴影校正方法及装置 | |
US8253825B2 (en) | Image data processing method by reducing image noise, and camera integrating means for implementing said method | |
US8446477B2 (en) | Imaging apparatus, aberration correcting method, and program | |
US7522782B2 (en) | Digital image denoising | |
CN110830795B (zh) | 一种图像传感器坏点检测方法、装置及电子设备 | |
US8605999B2 (en) | Signal processing apparatus and method, noise reduction apparatus and method, and program therefor | |
US8804013B2 (en) | Method of calculating lens shading compensation factor and method and apparatus for compensating for lens shading by using the method | |
US20060061669A1 (en) | Method for flicker detection in image signal | |
CN113196334B (zh) | 用于生成超分辨率图像的方法和相关设备 | |
KR101665137B1 (ko) | 이미지 센서에서 발생되는 잡음을 제거하기 위한 장치 및 방법 | |
KR101225056B1 (ko) | 이미지 센서 노이즈 저감 장치 및 방법 | |
CN113763271B (zh) | 一种基于物理噪声模型的高质量光谱去噪方法 | |
CN112583999B (zh) | 相机模块的镜头脏污检测方法 | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
ITVI20110009A1 (it) | Texture detection in image processing | |
CN111833368B (zh) | 一种基于相位一致性边缘检测的语音还原方法 | |
CN116935181B (zh) | 一种完全二值散斑嵌入脉宽调制模式三维测量方法 | |
TWI434228B (zh) | 濾波器設計方法、裝置與用濾波器還原影像的方法及裝置 | |
CN112614078A (zh) | 一种图像降噪方法和存储介质 | |
CN112613456A (zh) | 一种基于多帧差分图像累积的小目标检测方法 | |
CN110227968B (zh) | 基于小波变换的磁流变去除函数寄生条纹消除方法及装置 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
WO2021189460A1 (zh) | 图像处理方法、装置及可移动平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |