CN1375161A - 适用于改变数字图像中缺陷的方法和*** - Google Patents

Abstract

本发明的一方面是改变数字图像中缺陷的方法。通过求第一像素和第一像素相邻区中多个附加像素的亮度的平均值,使用数字电路过滤数字图像中第一通道的至少第一像素以产生过滤像素。对应与数字图像关联的缺陷通道中至少一个像素的亮度值,对至少一个像素加权。对应于过滤像素和数字图像的第一通道,使用数字电路产生纠正的数字图像。

Description

适用于改变数字图像中缺陷的方法和***

技术领域

本发明主要涉及图像处理，尤其涉及用于改变数字图像中缺陷的方法和***。

发明背景

现实的图像，如摄影图像，可能会存在着表面缺陷，如划痕、指印、或尘粒。在摄影图像的情况下，这种缺陷也可能在幻灯片或底片中产生，以及在幻灯片或底片的影印中产生。这种缺陷通常会不理想地影响摄影图像。

在图像处理的领域中，使用扫描仪得到来自摄影图像的数字图像通常包括基本摄影图像中存在的缺陷。因为数字图像可以经过数学处理，所以如果从图像细节中识别并分辨了图像缺陷，那么可以部分或完全去除这些缺陷。

使用红外光源和红外光传感器来扫描摄影图像，可以产生包括与摄影图像中缺陷成比例的数字信号的缺陷通道。红外光试图以接近全透射通过显影摄影胶片，因为摄影胶片各层的染料不能完全吸收红外光。另一方面，当存在缺陷时，红外光的一部分将在通过胶片之前从光路反射。因此，摄影图像中的缺陷将在使用红外光源和红外光传感器产生的缺陷通道中显示出来。在反射扫描仪中，可以通过检验当光源从不同角度照亮扫描图像时获得图像之间的差别，获得缺陷通道。要解决的问题是使用缺陷通道自动改变数字图像中的缺陷，并尽可能少地对数字图像作非期望的改变。

发明内容

本发明的一个方面是一种改变数字图像中缺陷的方法。使用数字电路过滤数字图像第一通道的至少一个第一像素，通过将第一像素和第一像素周围的多个附加像素的亮度求平均，产生过滤像素。将至少对应与数字图像关联的缺陷通道中至少一个像素的亮度值的一个像素加权。使用数字电路来产生对应于过滤像素和数字图像的第一通道的修正后的数字图像。

本发明具有几个重要的技术优点。不脱离本发明的范围，本发明的各种实施例可以不具有、具有一个、一些或所有这些优点。本发明允许基于具有与数字图像中缺陷成比例的信号缺陷通道来自动改变数字图像中的缺陷。本发明允许图像中的这种改变，实质上对基本图像只有较小或没有破坏。因为本发明用根据每个像素所期望的可靠性值加权的像素过滤数字图像的像素，所以能够更容易地去除强缺陷的区域，而不会引起对缺陷周围区域的严重破坏。因此，对于合适大小的缺陷，本发明可以用一种方法自动改变缺陷，该方法产生的图像通常比包含缺陷的原始图像更加完善。对所得图像的满意度依赖于缺陷大小和数字图像中剩余的有效图像信息量。

附图说明

为了更完整地理解本发明及其优点，参考以下描述和附图，附图中：

图1显示了可用于本发明的通用计算机的框图；

图2显示了包括本发明实施例的扫描仪的实例；

图3显示了根据本发明的一种方法来改变数字图像中缺陷的流程图；

图4显示了根据本发明对应于过滤图像所产生的加权平均值来调整图像的流程图；

图5显示了根据本发明改变数字图像中缺陷的第二方法的流程图；

图6显示了本发明使用的加权函数实例的曲线图。

本发明的详细描述

通过参考附图的图1-5，(各种附图中类似或相应的部分采用类似的标号)，将更好地理解本发明的较佳实施例及其优点。

图1显示了根据本发明可用于图像增强的通用计算机10。尤其，通用计算机10可以包括一部分数字图像处理***，并可用于执行包括图像增强软件的应用软件。通用计算机10适用于执行任何公知的MS-DOS、PC-DOS、OS2、UNIX、MAC-OS和Windows操作***或其它操作***。通用计算机10包括处理器12，随机存取存储器(RAM)14、只读存储器(ROM)16、鼠标18、键盘20、和输入/输出装置，如打印机24、磁盘驱动器22、显示器26和通信链路28。本发明包括存储在RAM 14、ROM 16、或磁盘驱动器22中、并可被处理器12执行的程序。通信链路28可以与计算机网络连接，还可以与电话线、天线、网关、或任何其它类型的通信链路相连接。磁盘驱动器22可以包括各种类型的存储媒介，如软盘驱动器、硬盘驱动器、CD ROM驱动器、或磁带驱动器、虽然该实施例使用多个磁盘驱动器22，但是使用单个磁盘驱动器22并不脱离本发明的范围。图1只提供了可用于本发明的计算机的一个实例。本发明还可以使用通用计算机以外的计算机，以及没有常规操作***的通用计算机。

通用计算机10还包括扫描仪30，根据本发明的理论，它用于扫描要被增强的图像。在该实施例中，扫描仪30执行存储的软件可以执行该增强，其结果存储在包括扫描仪一部分的存储媒介中和/或通用计算机10的任何存储装置中。或者，图像增强软件可以存储在任何与通用计算机10关联的存储媒介中并由处理器12执行，以增强扫描仪30扫描的图像。此外，图像增强可以发生在扫描仪30内部，也可以发生在通用计算机中，却不脱离本发明的范围。扫描仪30可以包括胶片扫描仪或任何类型的平面扫描仪，却不脱离本发明的范围。还可以使用扫描仪30、通用计算机10或分离装置中包含的专用数字电路来执行图像增强。这种专用数字电路可以包括例如状态机、模糊逻辑等等。

图2显示了根据本发明构造的所举例扫描仪34。扫描仪34包括处理器36、存储媒介38和扫描硬件40。处理器36通过执行存储媒介38中存储的控制软件44控制扫描硬件40的操作。然而为了简单起见，仅显示了单个存储媒介，但是存储媒介38可以包括多个存储媒介，以及包括不同类型的存储媒介。于是，例如控制软件可以存储于ROM存储器、RAM存储器或磁盘驱动器中。扫描硬件40可以通过使用一些类型的光电路将模拟图像转换成数字图像。此外，光电路还可用于产生与模拟图像中缺陷成比例的缺陷通道。任何类型的光电路都可用作扫描硬件，这并不脱离本发明的范围。对于缺陷通道，大部分由可见光谱以外能量构成的光源和匹配的扫描仪可用于产生缺陷通道。例如，红外光源和传感器，如通常用于摄影图像的图像处理应用中的，可用作扫描硬件的这部分。

如果扫描仪34包括反射扫描仪，那么可以从可见光谱中图像的多个扫描版本中得到缺陷通道。可以通过在两个或多个角度照亮扫描图像，并计算扫描图像在多个角度上的变化，获得这种缺陷通道。当从不同角度进行照亮时，缺陷将对光产生不同的影响。其它类型的扫描硬件也可用于产生缺陷通道，并不脱离本发明的范围。

在扫描硬件40扫描了图像之后，根据本发明使用存储在存储媒介38中的图像处理软件42可以增强该图像(通过改变其中的缺陷)。或者，不使用处理器(数字电路的一种类型)上运行的软件，本发明可以使用其它类型的数字电路，这些数字电路中包括任何类型的专用数字硬件以改变数字图像中的缺陷。正如以上所讨论的，该硬件可以是上述扫描仪34或通用计算机10的一部分。类似地，扫描图像可以如增强图像一样存储在存储媒介38中。或者，扫描仪34可以不具有任何图像处理软件42。取而代之的是这种软件可以由通用计算机10提供，用于增强从扫描仪34接收到的图像。增强可以发生在扫描仪34和通用计算机10中。因此，扫描仪34可以通过通信端口(未明确显示)向通用计算机10提供扫描图像和/或增强扫描图像。可以类似地提供缺陷通道。虽然显示了可用于本发明中图像增强的典型扫描仪34的一个实施例，但是还可以使用其它扫描仪并不脱离本发明的范围。

图3显示了本发明一个实施例所采用的增强数字图像方法的流程图。如以下所述的任何过程一样，使用计算机软件可以执行这里所述的图像增强。如上所述，扫描仪34、通用计算机10、及其组合都可以执行该软件。根据本发明，可以增强从扫描仪30以外接收到的数字图像。

图3中所述的方法可用于改变多种图像中的缺陷，如彩色摄影图像(底片或幻灯片)、黑白图像(底片或幻灯片并包括从多层摄影胶片中得到的黑白图像)、其它单色图像、X-射线或存储在胶片上的任何其它类型的图像。本发明还可用于改变扫描仪扫描的现实媒介上任何图像中的缺陷。

在步骤50中，扫描图像以产生数字图像和缺陷通道。然而，要注意到该步骤可以省略，本发明在先前已扫描并具有关联的缺陷通道的图像上执行。在彩色图像的情况下，数字图像通常由三个通道构成：红色通道、绿色通道和蓝色通道。每个通道包括一系列像素，对应于原始图像中空间位置处光的特定颜色的亮度，每个像素具有与其关联亮度值。还可以使用其它类型的彩色图像，并不脱离本发明的范围。此外，在本发明的范围中，可以将彩色图像转换成黑白图像，以改变图像中的缺陷。然后，将改变缺陷的增强图像转换回彩色图像。本发明的方法还可用于数字图像的单色通道，相同的纠正还可应用于数字图像的所有通道。类似地，黑白图像可以包括有像素组成的一个或多个通道。其它类型的图像也可以包括一个或多个类似的通道。本发明可应用于这些类型图像中的任何一种。

缺陷通道包括一系列像素，每个像素的亮度值都与原始图像中的缺陷(或者缺乏)成正比或反比。例如使用摄影胶片图像处理应用中常用类型的红外光源和红外传感器可以产生这种缺陷通道。其它类型的光源和传感器可用于产生缺陷通道，如以上结合反射型扫描仪所述的。任何其它方法用于产生合适的缺陷通道都不脱离本发明的范围。这种缺陷通道通常产生与原始图像中缺陷对比较强、并与可视图像本身对比较弱的信号。

步骤52-58包括改变数字图像中缺陷以产生增强数字图像的方法。在详细描述过程之前，一般地描述它是有帮助的。为了通过改变数字图像中的缺陷来增强数字图像，本发明在至少两个频带中纠正缺陷。该申请中所用的术语“纠正”或“校正”是泛指改变数字图像中的缺陷。在本发明的范围中，不需要完全去除或完全纠正图像缺陷。因此，缺陷纠正包括，但不限于，减小或另外改变数字图像中的缺陷。使用一个或多个滤光片产生图像频带，滤光片将所述像素相邻区中的像素求平均，其中每个像素根据其可靠性期望值加权。可靠性期望值由所述像素或所述像素加上其相邻区中的一系列像素的缺陷通道中的亮度值确定。根据缺陷通道，对较可靠像素的加权比低可靠性期望等级的要重。也可以将缺陷通道类似地分成多个频带。

每个加权平均操作的结果是产生原始图像的低通过滤版本。当执行多个平均操作时，获得原始图像的多个低通过滤版本，它们通常可具有不同的带宽。这些多个低通过滤版本和原始图像可用于获得原始图像在多个邻近频带中的表示法。通过从一个低通过滤版本中减去另一个，可以获得一个频带的带通表示法，其中去除了相同的频率。可以类似产生一系列频带，以下将进一步描述。

然后，处理数字图像的过滤表示法，使得将原始图像分成多个频带，这些频带共同构成原始图像中存在的所有或基本所有频率，也许不会有一点重叠。然后，重新组合这些频带，可产生去除缺陷的图像。

上可以选择地对缺陷通道执行相同的过滤操作。然后，通过从图像频带中减去缺陷通道频带，可以在频带间进一步去除缺陷。然后通过将纠正过的各个频带再组合在一起，以构造增强图像。

在步骤52中，对于缺陷通道和执行缺陷纠正的每个数字图像通道任选地将数据转换到对数空间。与不进行转换相比，将数据转换到对数空间可以使该方法剩余步骤的执行更容易。例如，以下所述的几个操作涉及对数空间的加法和减法，而不涉及非对数空间中除以0的除法。因为除以0的除法会导致错误的结果，所以在对数空间中执行本发明的过程将更简便。然而，本发明还可以使用对数空间以外的数学等效函数的性能。

虽然可以使用任何类型的对数计算，但是本发明的一个实施例使用公式1所述的向对数空间的转换。 $Y\left(x\right)=\frac{{\mathrm{Log}}_{10}(x+1){\mathrm{Log}}_{10}4095}{{\mathrm{Log}}_{10}4096}---\left(1\right)$ 在公式1中，“x”表示要转换到对数空间的像素的亮度值。在该实施例中，每个这样的像素包括12比特的亮度值。还可以使用其它比特数，这并不脱离本发明的范围。根据本发明如何执行，要考虑根据本发明用于执行计算的数字硬件的容量来进行简便的转换。

如果将数据转换到对数空间，并且缺陷通道是适当的，那么通过从可见每个图像通道中减去缺陷通道，就可以执行第一种缺陷纠正。这种减法可以是直接减法或有界减法，类似于以下图5中所述的有界减法。该减法还考虑红色渗漏和透明胶片值，其中使用胶片扫描仪中的红外光源和传感器获得缺陷通道。考虑这些影响的任何方法(以下将描述)都在本发明的范围内。利用胶片扫描仪中的红外光获得的缺陷通道通常适用于该选择性的图像增强。然而，即使在这种情况下，该步骤却是可选择的。该任选减法的另一种情况是在通过以下所述加权过滤而进行增强之后，在频带间以频带对频带的从图像通道中减去缺陷通道。该方案也是任选的，并可以适用于陷通道合适的场合。当缺陷通道中的像素亮度值与缺陷成正比或成反比，并随缺陷阻塞的光通量大约线性变化时，缺陷通道是合适的。

在步骤54中，采用特定像素在可变距离内的像素的加权平均值来过滤图像和缺陷通道。如上所述，可以过滤每个图像通道，可以将通道组合成单个通道和过滤后的组合通道，或者个别组合或过滤通道的一个子集，并且根据从这些通道中获得的结果，施加缺陷纠正这些不脱离本发明的范围。根据所用的增强类型，缺陷通道的过滤也可以选择的。

适用于特定像素用于计算加权平均值的加权可基于该像素的可靠性期望值。通过使用缺陷通道，可以确定像素的可靠性期望值。这里所用的，“加权平均值”或“平均”或任何类似的术语都是指任何类型的平均值，如中间平均数、模平均数、平均值、算术平均数、或几何平均数。每个数字图像通道中像素周围像素的加权平均数的计算有利于采用低通滤光片的不同强度来过滤每个通道。根据每个像素的可靠性期望值，计算平均值中涉及的对每个像素(或像素子集)加权的效果抑制了数字图像原始通道的每个过滤版本中缺陷的效果。

一个实例将说明加权平均值的计算。在该实例中，执行四个过滤操作：3×3加权平均值，5×5加权平均值、9×9加权平均值、和17×17加权平均值。在该实例中，对于数字图像中的每个像素，计算这四个加权平均值中的每一个。为了这些计算，将图像边界外的任何像素设置为0。对于特定的像素，使用所述像素位于矩阵中心的3×3像素矩阵，计算3×3加权平均值。因此，所述像素相邻区中的像素可用于计算加权平均值。施加给每个像素的权对应于它的可靠性期望值，使用相应的像素或缺陷通道中的像素来确定该可靠性期望值。通过将每个像素亮度和权的积求和，并将总和除以施加于每个像素的权值的和，计算加权平均值。类似地计算5×5、9×9、17×17滤光片。

每个像素处四个所述加权平均值的计算产生了数字图像原始通道的四个低通过滤版本。施加于图像通道每个像素的3×3加权平均值产生了图像的低通过滤版本，它的空间频率实质上在0到图像中可能最大空间频率的三分之一之间。类似地，5×5的加权平均值产生数字图像原始通道的低通过滤版本，它的频率主要在0到图像中可能最大空间频率的五分之一之间。9×9和17×17加权平均值产生过滤版本，其频率主要在0到图像中可能最大空间频率的九分之一之间，以及主要在0到图像中可能最大空间频率的十七分之一之间。由于在过滤操作期间对每个像素加权，所以每个频带中的过滤版本都对减小缺陷有影响。单单进行低通过滤将抑制缺陷的影响，但也可能使图像的细节模糊。与单单进行低通过滤相比，加权更能抑制缺陷的影响，并以更小的比例减小图像细节。以下将使用该实例，以进一步说明图像和缺陷通道的调整。如果期望进一步减小缺陷，在缺陷通道上可以执行相同的过滤操作。

多个选项可用于计算像素和该像素相邻区中其它像素的加权平均值。滤光片可以是正方形(如以上实例中)，圆形或任何其它形状，但却未脱离本发明的范围。滤光片可以是对称的或不对称的，可以以所述像素为中心，或不以之为中心。滤光片还可以是具有薄边的窗口。此外，可以使用任何数目的滤光片。更多滤光片的使用允许将图像分成更多数目的频带。然而，附加滤光片的使用需要附加的计算。还可以使用比以上实例更少的滤光片，但这并不脱离本发明的范围。

以上实例中的滤光片具有特定的维数，每个的维数都大约是前一滤光片维数的两倍。然而，可以使用任何大小的滤光片，这并不脱离本发明的范围。在以上实例中，为了加权平均值的计算，将图像边界以外的像素设置成0亮度值。还可以使用其它边界条件，例如，可以使用模糊边界条件，如三角边界或高斯边界这也不脱离本发明的范围。

在以上实例中，为数字图像每个通道和缺陷通道中的每个像素计算加权平均值。也可以在通道中像素的子集上或在通道子集中的所有像素上执行加权平均值这也不脱离本发明的范围。此外，不同的权可用于每个频带，并且在一些频带中也可以省略。不同的权还可用于不同的通道。

可以用几种方法确定用于特定像素的加权。加权可以依赖于缺陷通道中空间相应像素的亮度。当对缺陷本身施加加权时，可以根据计算中涉及的每个像素的亮度，确定加权。相同或不同的加权可用于缺陷通道和一个或多个图像通道。然而，由于焦点移动、使缺陷特征和数字图像可见通道和缺陷通道之间不一致的配准，与可见通道相比缺陷通道将会模糊。因此，期望估计像素的可靠性，并通过考虑缺陷通道中像素周围的多个像素，确定像素的加权，其中缺陷通道中的像素对应于加权平均值计算的可见图像通道中的像素。或者，如果模糊效果不明显，配准误差相当恒定，那么可以选择缺陷通道中所用的像素，并补偿恒定配准误差。

所选的特定加权函数可依赖于产生缺陷通道所用特定扫描仪的特征。施加的加权可以是缺陷通道中一个像素或多个像素亮度值的函数。当用多个像素确定权时，像素的平均值或加权平均值可用于提出用于确定权的平均亮度。

任何类型的函数都可用于使权与缺陷通道中的像素亮度或缺陷通道中一系列像素的平均亮度相关。可用一条直线来建立该函数，或者可以使用任何其它类型的曲线来建立函数。在该实例中，根据扫描仪产生的红外通道的特征，可以确定高阈值和低阈值。例如，在一个实施例中，可以将一个权分配给大于特定高阈值的所有像素值，其中该阈值提供不存在缺陷的较高可预测性。当亮度值低于某一低阈值时，该低阈值表示存在缺陷并带有较少或没有图像细节的较高可预测性，可以分配为0的权。对于亮度在这些阈值之间的点，可以使用直线或其它曲线连接两个阈值，以建立0到1之间权的连续函数。亮度在该中间区域的像素是有缺陷的，但仍保留了一些图像细节，允许增强数字图像，以去除缺陷而保留一些图像细节。在缺陷通道来自于使用多角度照明的反射扫描仪的情况下，缺陷通道中像素的亮度可能缺少与通过缺陷的光线数量的线性关系。用这种缺陷通道，可以使用权的离散组，如0、1/2和1。

图6显示了权函数的实例。在图6中，当不存在缺陷时，缺陷通道中的红外亮度较高，允许大部分或所有红外能量通过胶片。然而，当存在缺陷时，红外亮度较低。在该实例中，将所有可能的缺陷像素(它在缺陷通道中的红外亮度小于20％)设置成为0的权。将为1的权分配给具有较大可能性为无缺陷像素的所有像素(它在缺陷通道中的红外亮度大于最大亮度的64％)。根据所示的曲线将权分配给中间区域中的像素。此外，还可以使用更复杂的函数，这并不脱离本发明的范围。

所用的加权还可具有补偿效果，如从彩色图像的红色通道到缺陷通道的泄漏。因为红外光源和/或传感器对用于调制可见光谱中红色区域的图像中的青色染料残留感光，所以会产生该泄漏。该效果表明其本身有红色图像到红外图像的明显泄漏。当建立权值时，可以考虑红色泄漏的效果。例如，可以计算图像的所有红色泄漏值。然后，该红色泄漏值可用于建立用于与红色通道中的像素亮度值相乘倍数的常量。该积可以表示对该特定像素的缺陷通道中存在的红色通道数量的估计。因此，在权的计算中，可以从缺陷通道中的像素亮度中减去该积。

类似地，缺陷通道中亮度的一部分与如果红外光穿过透明胶片所得的亮度成比例。当红外光穿过透明胶片时，不同类型的胶片会产生不同的亮度值。因此，通过对特定的数字图像减去平均透明胶片值，可以调整权。

根据所用的过滤类型，有一种一次能用一个或多个滤光片过滤图像，然后用不同的滤光片再次过滤纠正后的图像。可以根据缺陷通道所决定的缺陷的估计大小，确定是否施加第二次过滤步骤。

在步骤56中，对应于加权平均值来调节数字图像通道和缺陷通道，以减小图像中缺陷的影响。本发明包括步骤54中计算的加权平均值的任何使用，用于调节图像达到减小图像中缺陷的影响。以下将结合图4讨论对应于加权平均值调节数字图像的特定方法。这种调节可以发生在时域中，或频域中，并且在空间域中、在对数空间中或然后其它空间。在调节图像并减小缺陷的影响之后，在步骤58处终止该过程。

除了以下结合图4所描述的方法，另一可能的增强方法是根据多个原始图像的加权平均值和原始图像本身产生一系列本质上邻近的频带。产生这些频带的过程如以下结合图4中步骤60所述。在产生了这些频带之后，可以将它们加在一起，以形成减少缺陷的原始图像的增强版本。例如，当缺陷通道不适于从图像中减去时，可以使用该方法。然而，即使在缺陷通道适于纠正时，也可以使用该方法。还可以采用其它操作进一步增强已增强的图像，这也不脱离本发明的范围。如果在步骤52中将像素数据转换到对数空间，那么可以用适当的逆公式，如公式1的逆函数，将增强后的像素数据转换回到原始图像空间。

图4显示了为了减小数字图像中缺陷影响，对应加权平均值调节图像的方法的一个实例。在步骤60中，根据计算出的加权平均值，将过滤后的数字图像(它包括原始数字图像和步骤54中计算的数字图像的过滤版本)和过滤后的缺陷通道(它包括原始缺陷通道和步骤54中获得的缺陷通道的过滤版本)分成多个频带。一般，过滤图像和原始图像可用于产生一系列带有较少或没有重叠的频带，表示原始数字图像和原始缺陷通道，其中有由于过滤操作中发生的加权而受抑制的缺陷像素。该方法假设采用图3的方法过滤缺陷通道。

使用上述结合图3的实例，使用计算出的四个加权平均值可以产生五个频带。为了以下的目的，F_m表示数字图像中可能存在的最大空间频率。对于数字图像的特定通道或缺陷通道，使用为该通道计算的加权平均值，可以产生对应于所述通道的五个频带。从大约1/3 F_m到F_m的频带包括原始通道和该通道的3×3加权平均值过滤版本之差。通过从原始通道的3×3加权平均值版本中减去通道的5×5加权平均值版本，可以计算从大约1/5F_m到1/3F_m的频带。通过从原始图像通道的5×5版本中减去原始通道的9×9加权平均值版本，以及从原始通道的9×9加权平均值版本中减去原始通道的17×17加权平均值版本，可以分别确定从大约1/5F_m到1/9F_m和从大约1/17F_m到1/9F_m的频带。最后，用原始图像通道的17×17加权平均值版本表示从大约0到1/17F_m的频带。

一般，使用加权平均值产生的图像和缺陷通道的低通过滤版本可用于将图像的每个通道和缺陷通道分成邻近的频带，其中的部分或所有频带对使用加权平均值计算抑制的缺陷有影响。

在步骤62中，可以去除缺陷通道的每个频带中的红色剩余。任选地，使用有界计算容许一些方差，可以去除这种剩余。如果使用红外光源和传感器(或其它光源和传感器)，不会在缺陷通道留下红色剩余，因而省略该步骤，那么也未脱离本发明的范围。从缺陷通道中去除红色泄漏的一个选项是从缺陷通道中每个像素的亮度值中减去红色通道中相应像素的亮度值与平均红色泄漏常量的乘积，平均红色泄漏常量表示整个数字图像的平均红色泄漏。该差值可以与1和红色泄漏值之差值相除，用于将结果适当地归一化。或者，因为红色泄漏可以在特定图像的区域中变化，所以它可用于使用有界减法，以容许局部红色泄漏值中的一些方差。

以下结合图5提供红色剩余的有界减法的实例。一般，对缺陷通道中的亮度值要执行两次或多次减法。红色通道中所述像素亮度值的乘积乘以红色泄漏常量，该常量对于缺陷通道中亮度值的一个减法向上调节，对于第二减法向下调节。这些结果除以1与适当调节后红色泄漏常量之间的差值。如果两个计算都产生相同的符号(也就是都为正或都为负)，那么选择较小的结果。如果结果具有相反的符号，那么将所述像素设置为0。除了允许红色泄漏值中的方差，这种有界减法还可以补偿数字图像空间通道和缺陷通道之间的配准误差，以及缺陷通道中可能产生的模糊。

在步骤64中，采用从步骤60中获得的每个图像通道的相关频带中减去步骤62中获得的缺陷通道的相关频带的方法，可进一步从图像中去除缺陷。任选地，有界计算，如结合步骤62所述的，可用于容许配准误差、模糊等引起的缺陷通道中的一些方差。

接着，在步骤66中，通过求和重新组合频带，以形成去除原始缺陷的增强图像。在步骤67中，使用适当的逆公式，如公式1的逆函数，将增强图像从对数空间转换回其原来的原始空间。如果在对数空间以外的空间产生增强图像，那么67可以省略但并不脱离本发明的范围步骤。如果在频域中执行步骤60到66，那么在步骤67中就可以将增强图像转换回时域。

图5显示了根据本发明，通过改变图像中缺陷而增强图像的第二方法的流程图。在该实施例中，可以将图像分成几个片段，并在各个片段中处理缺陷。通过将图像分成片段，可以减小每次增强图像所用存储空间的大小，还可以减小所需的计算量。因此，在该实施例中，将图像分成几个片段，将类似于以上结合图3和图4所述的过程分别施加于每个片段，相当于该片段包括整个图像。

在步骤68中，扫描图像以产生包括一个或多个通道以及缺陷通道的数字图像。在本发明的该实施例中可以获得以上结合步骤50讨论的所有选项。接着，在步骤70中，将来自缺陷通道和数字图像通道的数据转换到对数空间。此外，在步骤70中可以使用以上结合步骤52讨论的任何选项，包括从空间通道中任选地减去缺陷通道。

在步骤72中，可以将数字图像的每个通道和缺陷通道分成几个片段。可以使用任何大小或形状的片段，这并不脱离本发明的范围。在一个实施例中，将数字图像的每个通道和缺陷通道分成8×8的片段。该实例可用于说明图5中方法的剩余步骤。

在步骤74中，计算缺陷通道片段和每个图像通道片段中特定像素可变距离内像素的加权平均值。类似于步骤54中计算的加权平均值，计算这些加权平均值。然而，对于图像的各个片段计算步骤74中计算的加权平均值，假设该片段包括整个图像。因此，即使8×8片段被其它的8×8片段包围，也可以将超出所述8×8片段边界的像素看作是超出图像边界，并且将超出这些边界的任何像素看作是亮度为0(或其它边界条件)。

对于图5所揭示的实施例，在步骤74中可以使用以上结合步骤54讨论的过滤和加权的所有选项(包括过滤缺陷通道的选项)。然而，因为该实例中的片段为8×8，所以8×8滤光片是该实例中可用的最大尺寸的滤光片。在该实施例中，如以上结合步骤54所讨论的，权函数考虑到红色泄漏和透明胶片的效果。例如，使用公式2可以确定加权平均值计算中特定像素的权。

W(x，y)＝2(D_in(x，y)-R_LR_in(x，y)-C_F)+1.4

                                                  (2)

                限制0≤W(x，y)≤1在公式2中，x和y表示8×8片段中特定像素的坐标。D_in表示步骤68中从扫描仪接收到的缺陷通道。R_L包括表示所述片段中或整个数字图像中平均红色泄漏的常量值。R_IN表示数字图像的红色通道。C_F是表示所述片段或整个图像的平均透明胶片值的常量。限制公式2的权函数，使得权在0到1之间变化。加权函数对缺陷通道中亮度的曲线图类似于图6中所示的曲线。可以使用任何其它权函数，这并不脱离本发明的范围。

在该实例中，为每个通道计算两个不同的加权平均值。计算3×3加权平均值。此外，计算8×8加权平均值。8×8的平均值覆盖整个片段，结果，单个标量值可用于表示该加权平均值的结果。使用公式3到6，可以计算对于红色、绿色、蓝色和缺陷通道的3×3加权平均值。 $R_{3L}(x,y)=\frac{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)R_{\mathrm{in}}(x+a,y+b)}{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)}$ 其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)\≠0---\left(3\right)$ R_3L(x，y)＝0    其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)=0$ $G_{3L}(x,y)=\frac{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)G_{\mathrm{in}}(x+a,y+b)}{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)}$ 其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)\≠0---\left(4\right)$ G_3L(x，y)＝0    其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)=0$ $B_{3L}(x,y)=\frac{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)B_{\mathrm{in}}(x+a,y+b)}{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)}$ 其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)\≠0---\left(5\right)$ B_3L(x，y)＝0     其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)=0$ $D_{3L}(x,y)=\frac{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)D_{\mathrm{in}}(x+a,y+b)}{\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)}$ 其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)\≠0---\left(6\right)$ D_3L(x，y)＝0    其中 $\underset{a=-1}{\overset{1}{\mathrm{\Σ}}}\underset{b=-1}{\overset{1}{\mathrm{\Σ}}}W(x+a,y+b)=0$ 在这些公式中，R_in、G_in、B_in、D_in分别表示步骤68中扫描的数字图像的红色、绿色、蓝色和缺陷通道。

使用公式7到10，可以分别计算对于红色、绿色、蓝色和缺陷通道的8×8加权平均值。要注意到，这些公式中的每一个都产生标量结果。 $R_{8L}(x,y)=\frac{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)R_{\mathrm{in}}(a,b)}{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)}$ 其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)\≠0---\left(7\right)$ R_8L(x，y)＝0    其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)=0$ $G_{8L}(x,y)=\frac{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)G_{\mathrm{in}}(a,b)}{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)}$ 其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)\≠0---\left(8\right)$ G_8L(x，y)＝0    其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)=0$ $B_{8L}(x,y)=\frac{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)B_{\mathrm{in}}(a,b)}{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)}$ 其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)\≠0---\left(9\right)$ B_8L(x，y)＝0    其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)=0$ $D_{8L}(x,y)=\frac{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)D_{\mathrm{in}}(a,b)}{\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)}$ 其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)\≠0---\left(10\right)$ D_8L(x，y)＝0    其中 $\underset{a=0}{\overset{7}{\mathrm{\Σ}}}\underset{b=0}{\overset{7}{\mathrm{\Σ}}}W(a,b)=0$

R_3L表示频带在大约0到1/3F_m之间的数字图像红色通道的加权低通过滤版本，其中F_m是数字图像片段中可能的最大空间频率。G_3L、B_3L和D_3L分别覆盖绿色、蓝色和缺陷通道的类似频带。R_8L表示频带在大约0到1/8F_m之间的数字图像红色通道的加权低通过滤版本。G_8L、B_8L和D_8L分别表示相同频带中绿色、蓝色和缺陷通道的加权低通过滤版本。

在步骤76中，对步骤74中获得的每个图像通道和缺陷通道的加权平均值，以及原始图像通道和缺陷通道，调节图像片段，以减小图像中缺陷的影响。该调节步骤中可以使用以上结合步骤56和步骤60到67所讨论的任何选项。

在该实例中，在三个分离的频带中产生原始图像和原始缺陷通道的版本，其中带有由于步骤74中计算的加权平均值而部分受抑制的缺陷的效果。对于每个图像通道和缺陷通道，获得频率在大约0到1/8F_m的之间的第一频带。第二频带从大约1/8F_m延伸到1/3F_m。第三频带从大约1/3F_m延伸到F_m。

使用公式11到14可以获得第一频带。

R_8B＝R_8L                      (11)

G_8B＝G_8L                      (12)

B_8B＝B_8L                      (13)

D_8B＝D_8L                      (14)

因为在步骤74中已经计算了第一频带，所以无需任何进一步的计算就可以使用它。

使用公式15到18可以计算第三频率。在这些公式中，从未过滤的图像通道中减去大约0到1/3F_m频段中每个通道的加权低通过滤版本，以产生从大约1/3F_m到F_m之间的频带。

R_1B(x，y)＝R_in(x，y)-R_3L(x，y)           (15)

G_1B(x，y)＝G_in(x，y)-G_3L(x，y)           (16)

B_1B(x，y)＝B_in(x，y)-B_3L(x，y)           (17)

D_1B(x，y)＝D_in(x，y)-D_3L(x，y)           (18)

最后，使用公式19到22，可以计算大约1/8F_m到1/3F_m之间的第二频带。在公式19到22中，从原始图像通道的3×3加权过滤版本中减去每个图像通道的8×8加权过滤版本。只用于产生多个频带的该过程可以使用以上结合步骤60所述的任何选项。

R_3B(x，y)＝R_3L(x，y)-R_8L               (19)

G_3B(x，y)＝G_3L(x，y)-G_8L               (20)

B_3B(x，y)＝B_3L(x，y)-B_8L               (21)

D_3B(x，y)＝D_3L(x，y)-D_8L               (22)

接着，可以从每个频带的缺陷通道中去除红色剩余。此外，可以使用以上结合步骤62所述的任何选项，但并不脱离本发明的范围。在该实施例中，有界减法可用于两个频带，单个减法可用于剩余的频带。公式23可用于减去缺陷通道的第一频带中的红色剩余。 $D_{8B}^{\′}=\frac{D_{8B}-R_{8B}{D}_{K8}{R}_L}{1-D_{K8}{R}_L}---\left(23\right)$ 在公式23中，通常将常量DK8设置成1，但是可以根据所述的扫描仪而变化。该常量表示相当于测量到的整个片段和/或整个图像的平均红色泄漏，应该从缺陷中减去的红色通道数量。

公式24到26可用于从缺陷通道的第二频带中减去红色剩余。 $T{1}_{D3B}(x,y)=\frac{D_{3B}(x,y)-R_{3B}(x,y)D_{K3H}{R}_L}{1-D_{K3H}{R}_L}---\left(24\right)$ ${T2}_{D3B}(x,y)=\frac{D_{3B}(x,y)-R_{3B}(x,y)D_{K3L}{R}_L}{1-D_{K3L}{R}_L}---\left(25\right)$ D′_3B(x，y)＝T1_D3B(x，y)  其中|T1_D3B(x，y)|≤|T2_D3B(x，y)|

                        并且|T1_D3B(x，y)和T2_D3B(x，y)具有相同的符号D′_3B(x，y)＝T2_D3B(x，y)  其中|T2_D3B(x，y)|＜|T1_D3B(x，y)|       (26)

                        并且T1_D3B(x，y)和T2_D3B(x，y)具有相同的符号D′_3B(x，y)＝0             其中T1_D3B(x，y)和T2_D3B(x，y)具有不同的符号公式24到26中提供的有界减法容许红色泄漏值中的局部方差，以及一些配准误差和/或与可见通道比较缺陷通道中的模糊。公式24中将高值常量D_K3H和红色泄漏常量R_L相乘。公式25中将低值常量D_K3L和红色泄漏常量R_L相乘。D_K3H和D_K3L是确定要从缺陷通道中减去多少红色通道中图像内容的高低范围。可以用实验方法确定这些常量。

在该实施例中，选择D_K3H为1.3，而选择D_K3L为0.6。这些常量的平均值大约为1。平均值是红外通道对红色通道的***分辨率的函数。这两个常量之间的扩展是产生缺陷通道的扫描仪精确度的函数。如果选择的D_K3H过大，那么较小的图像可能引起较大的将被消除的匹配缺陷，当缺陷接近图像细节时，反映在中频处未纠正缺陷。如果选择的D_K3H过小，那么图像剩余可能仍然在缺陷记录中，使得消除中频图像细节。如果选择的D_K3L过大，那么将从缺陷中去除过多的图像细节，而引起负剩余，它将干扰辨别缺陷的能力。如果选择的D_K3L过小，那么在反向极性的缺陷细节面前，不能去除可见细节。

在计算出了公式24和25的结果之后，使用公式26计算频带的修正版本。如果公式24和公式25的结果具有不同的符号，那么将亮度值设置为0。如果这些符号是相同的，那么选择公式24或公式25中所得的较小值。因此，该有界减法试图是修正值接近于0。

对于以上产生的第三频带，公式27到32可用于去除缺陷通道中的红色剩余。 ${T1}_{D1B}(x,y)=\frac{D_{1B}(x,y)-R_{1B}(x,y)D_{K1H}{R}_L}{1-D_{K1H}{R}_L}---\left(27\right)$ ${T2}_{D1B}(x,y)=\frac{D_{1B}(x,y)-R_{1B}(x,y)D_{K1L}{R}_L}{1-D_{K1L}{R}_L}---\left(28\right)$ T3_D1B(x，y)＝T1_D1B(x，y)其中|T1_D1B(x，y)|≤|T2_D1B(x，y)|

                      并且T1_D1B(x，y)和T2_D1B(x，y)具有相同的符号T3_D1B(x，y)＝T2_D1B(x，y)其中|T2_D1B(x，y)|＜|T1_D1B(x，y)|        (29)

                      并且T2_D1B(x，y)和T1_D1B(x，y)具有相同的符号T3_D1B(x，y)＝0           其中T1_D1B(x，y)和T2_D1B(x，y)具有不同的符号T4_D1B(x，y)＝T3_D1B(x，y)-D_K1A            (30)T5_D1B(x，y)＝T3_D1B(x，y)-D_K1A            (31)D′_1B(x，y)＝T4_D1B(x，y)  其中|T4_D1B(x，y)|≤|T5_D1B(x，y)|

                        并且T4_D1B(x，y)和T5_D1B(x，y)具有相同的符号D′_1B(x，y)＝T5_D1B(x，y)  其中|T5_D1B(x，y)|＜|T4_D1B(x，y)|      (32)

                        并且T5_D1B(x，y)和T4_D1B(x，y)具有相同的符号D′_1B(x，y)＝0            其中T5_D1B(x，y)和T4_D1B(x，y)具有相反的符号公式27到29类似于公式24到26。在该实例中，对于该频带，选择高常量D_K1H为1.0，选择低频率常量D_K1L为0.3。类似地考虑这些常量的选择，就如以上D_K3H和D_K3L的选择。在这种情况下，这些常量的影响在于高频带。这里，两个常量的平均值小于1，并且可以像范围一样被选择，使得相对于高频图像，增加频率缺陷而模糊。范围也较宽，以容纳较高频率处发生的较大方差。

公式27到32与公式23到26之间的不同在于加入了公式30和31。这些公式进行公式29所计算值的次要调节，以调节缺陷通道的高频部分中的剩余噪声。在该实施例中，常量D_K1A的值为0.01。如果剩余噪声常量D_K1A设置得过高，那么将会去除图像中小缺陷中的细节。如果该值设置得过低，那么从缺陷通道的该频带中去除的剩余电子噪声将太少，缺陷通道中的这种噪声将作为该噪声的负像出现在可见通道中，产生缺陷通道中的电子噪声从而污染了处理的可见图像。

接着，从可见图像的频带中逐一地去除缺陷。执行类似的有界减法，就像以上当从缺陷通道中去除红色剩余时所执行的。在这种情况下，将第一频带的常量R_K8设置为1，而且还可以调节。对于该频带，使用直接减法，而非有界减法。模糊效果不会影响该频带，或无意义地影响它，但是如果期望可以使用有界减法。将常量R_K3H和R_K3L分别设置为1.5和0.5。将常量R_K1H和R_K1L分别设置为1.7和0.5。对于绿色和蓝色通道的相应常量，也可以选择这些值。这些常量建立进行纠正的边界。此外，选择边界之间使得纠正结果接近于0的任何一个数。上界和下界的平均值通常为1，除了有人在不破坏图像下，将下界设置得比较低。最后，通过将图像通道减去缺陷通道的有界减法中所得的像素与使用公式2计算的特定像素的权相乘，可以进一步抑制原始图像中的缺陷。

使用公式33到59，可以从可见图像通道的每个频带中去除缺陷。公式33到35适用于从第一频带中去除缺陷信息。公式36到47适用于从每个通道的中频带中去除缺陷。公式48到59适用于从每个通道的第三频带中去除缺陷。

       R′_8B＝R_8B-D′_8BR_K8                  (33)

       G′_8B＝G_8B-D′_8BG_K8                  (34)

       B′_8B＝B_8B-D′_8BB_K8                  (35)

T1_R3B(x，y)＝R_3B(x，y)-D′_3B(x，y)R_K3H      (36)

T2_R3B(x，y)＝R_3B(x，y)-D′_3B(x，y)R_K3L      (37)T3_R3B(x，y)＝T1_R3B(x，y)其中|T1_R3B(x，y)|≤|T2_R3B(x，y)|

                      并且T1_R3B(x，y)和T2_R3B(x，y)具有相同的符号T3_R3B(x，y)＝T2_R3B(x，y)其中|T2_R3B(x，y)|＜|T1_R3B(x，y)|        (38)

                      并且T2_R3B(x，y)和T1_R3B(x，y)具有相同的符号T3_R3B(x，y)＝0          其中T2_R3B(x，y)和T1_R3B(x，y)具有相反的符号

                    R′_3B(x，y)＝T3_R3B(x，y)W(x，y)           (39)

                T1_G3B(x，y)＝G_3B(x，y)-D′_3B(x，y)G_K3H      (40)

                T2_G3B(x，y)＝G_3B(x，y)-D′_3B(x，y)G_K3L      (41)T3_G3B(x，y)＝T1_G3B(x，y)其中|T1_G3B(x，y)|≤|T2_G3B(x，y)|

                      并且T1_G3B(x，y)和T2_G3B(x，y)具有相同的符号T3_G3B(x，y)＝T2_G3B(x，y)其中|T2_G3B(x，y)|＜|T1_G3B(x，y)|        (42)

                      并且T2_G3B(x，y)和T1_G3B(x，y)具有相同的符号T3_G3B(x，y)＝0          其中T2_G3B(x，y)和T1_G3B(x，y)具有相反的符号

                    G′_3B(x，y)＝T3_G3B(x，y)W(x，y)           (43)

                T1_B3B(x，y)＝B_3B(x，y)-D′_3B(x，y)B_K3H      (44)

                T2_B3B(x，y)＝B_3B(x，y)-D′_3B(x，y)B_K3L      (45)T3_B3B(x，y)＝T1_B3B(x，y) 其中|T1_B3B(x，y)|≤|T2_B3B(x，y)|并且T1_B3B(x，y)和T2_B3B(x，y)具有相同的符号T3_B3B(x，y)＝T2_B3B(x，y)其中|T2_B3B(x，y)|＜|T1_B3B(x，y)|    (46)并且T2_B3B(x，y)和T1_B3B(x，y)具有相同的符号T3_B3B(x，y)＝0    其中T2_B3B(x，y)和T1_B3B(x，y)具有相反的符号B′_3B(x，y)＝T3_B3B(x，y)W(x，y)     (47)T1_R1B(x，y)＝R_1B(x，y)-D′_1B(x，y)R_K1H    (48)T2_R1B(x，y)＝R_1B(x，y)-D′_1B(x，y)R_K1L    (49)T3_R1B(x，y)＝T1_R1B(x，y)其中|T1_R1B(x，y)|≤|T2_R1B(x，y)|并且T1_R1B(x，y)和T2_R1B(x，y)具有相同的符号T3_R1B(x，y)＝T2_R1B(x，y)其中|T2_R1B(x，y)|≤|T1_R1B(x，y)|    (50)并且T2_R1B(x，y)和T1_R1B(x，y)具有相同的符号T3_R1B(x，y)＝0    其中T2_R1B(x，y)和 T1_R1B(x，y)具有相反的符号R′_1B＝T3_R1B(x，y)W(x，y)    (51)T1_G1B(x，y)＝G_1B(x，y)-D′_1B(x，y)G_K1H    (52)T2_G1B(x，y)＝G_1B(x，y)-D′_1B(x，y)G_K1L    (53)T3_G1B(x，y)＝T1_G1B(x，y)其中|T1_G1B(x，y)|≤|T2_G1B(x，y)|并且T1_G1B(x，y)和T2_G1B(x，y)具有相同的符号T3_G1B(x，y)＝T2_G1B(x，y)其中|T2_G1B(x，y)|＜|T1_G1B(x，y)|    (54)并且T2_G1B(x，y)和T1_G1B(x，y)具有相同的符号T3_G1B(x，y)＝0    其中T2_G1B(x，y)和T1_G1B(x，y)具有相反的符号

G′_1B＝T3_G1B(x，y)W(x，y)                               (55)T1_B1B(x，y)＝B_1B(x，y)-D′_1B(x，y)B_K1H                    (56)T2_B1B(x，y)＝B_1B(x，y)-D′_1B(x，y)B_K1L                    (57)T3_B1B(x，y)＝T1_B1B(x，y)  其中|T1_B1B(x，y)|≤|T2_B1B(x，y)|

                       并且T1_B1B(x，y)和T2_B1B(x，y)具有相同的符号T3_B1B(x，y)＝T2_B1B(x，y)  其中|T2_B1B(x，y)|＜|T1_B1B(x，y)|        (58)

                         并且T2_B1B(x，y)和T1_B1B(x，y)具有相同的符号T3_B1B(x，y)＝0             其中T2_B1B(x，y)和T1_B1B(x，y)具有相反的符号

                           B′_1B＝T3_B1B(x，y)W(x，y)              (59)

为了获得去除缺陷的增强图像，使用公式60到62，可以重新组合每个通道的频带。

R_out(x，y)＝R′_1B(x，y)+R′_3B(x，y)+R′_8B(x，y)               (60)

G_out(x，y)＝G′_1B(x，y)+G′_3B(x，y)+G′_8B(x，y)               (61)

B_out(x，y)＝B′_1B(x，y)+B′_3B(x，y)+B′_8B(x，y)               (62)

使用适当的反对数函数，可以将这些增强图像转换回到原始图像空间。此外，以上结合步骤67讨论的所有选项也可应用于该实施例。

在步骤78中，确定是否还有更多的数字图像片段要处理。如果有，那么对于每个剩余的数字图像片段，重复步骤74和76。如果没有更多的片段要处理，那么方法执行步骤80。

在步骤80中，确定是否还要执行更多的重叠。如果没有，那么程序在步骤84处终止。如果有，那么将使用步骤74和76获得的每个片段的增强数字图像的每个通道分成在空间上不同于先前片段的片段。然后，为这些片段中的每一个重复步骤74和76。该实施例的该方面可以补偿对于接近片段边界的像素所获得的结果，所述片段是步骤72中第一次将图像分成片段时所使用的。通过第二次执行去除缺陷，可以进一步抑制缺陷。在该实施例中，使用8×8片段执行第二重叠，8×8片段包括四个邻接片段的2×2角，它们在公共点处互相基础。因此，这些8×8片段由四个邻接片段中每一个的四分之一组成。在步骤82中可以使用以上参考步骤72讨论的任何选项，用于将增强图像分成不同的片段。可以使用不同形状、不同大小的片段，不破坏图像。

虽然这里所述的本发明涉及空间域的计算，可以等效地使用频域的模拟计算，但并不脱离本发明的范围。

虽然详细描述了本发明，但是应该理解不脱离以下权利要求书所定义的本发明的领域和范围，可以进行各种变化、替换和改变。

为了在解释以下权利要求书的过程中帮助专利局和该申请中公布任何专利的任何读者，申请人希望注意到他们不相让任何权利要求调用35 U.S.C.§112中的

6，因为它存在于此申请日，除非特定的权项中使用了“装置”或“步骤”。

Claims (65)

1.一种改变数字图像中缺陷的方法，其特征在于，包括以下步骤：

将包含至少一个通道的数字图像存储在计算机可读存储媒介中，所述至少一个通道包括多个像素，每个像素都具有亮度值；

将缺陷通道存储在计算机可读存储媒介中，所述缺陷通道包含多个像素，每个像素具有亮度值，缺陷通道中多个像素中的至少一些具有与数字图像中缺陷成比例的亮度值；

过滤数字图像中至少一个通道的第一像素，以产生过滤后的像素，第一像素的过滤步骤对应于第一像素和第一像素相邻区中多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权；和

对应于过滤后的像素和至少一个通道，产生纠正后的数字图像。

2.如权利要求1所述的方法，其特征在于：

数字图像包括三个通道，每个通道包含多个像素；

数字图像表示彩色图像；和

所述方法还包括以下步骤：

过滤三个通道中每一个相同位置处的至少第二像素，以产生三个通道中每一个的第二过滤像素，每个通道中第二像素的过滤步骤，对于特定的通道，对应于特定通道中第二像素和特定通道中第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤特定通道中第二像素的步骤中所用的至少一个像素加权；

对应于过滤后的像素、每个通道的第二过滤像素和三个通道，产生纠正的数字图像。

3.如权利要求1所述的方法，其特征在于，数字图像包含单个通道，并表示单色图像。

4.如权利要求1所述的方法，其特征在于，对应于缺陷通道中多个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

5.如权利要求1所述的方法，其特征在于，对应于缺陷通道中空间上对应于第一像素的像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

6.如权利要求1所述的方法，其特征在于，对过滤第一像素步骤中所用的至少一个像素的加权还对应于缺陷通道中的红色泄漏。

7.如权利要求1所述的方法，其特征在于，对过滤第一像素步骤中所用的至少一个像素的加权还对应于透明胶片亮度测量值。

8.如权利要求1所述的方法，其特征在于，在对数空间执行过滤步骤。

9.如权利要求8所述的方法，其特征在于，纠正后的数字图像还对应于数字图像和包含过滤像素的数字图像过滤版本之间的差值。

10.如权利要求8所述的方法，其特征在于，纠正后的数字图像还对应于(a)和(b)之间的差值，其中(a)是数字图像和包含过滤像素的数字图像过滤版本之间的差值，(b)是原始缺陷通道和缺陷通道过滤版本之间的差值。

11.如权利要求1所述的方法，其特征在于，缺陷通道中像素的亮度对应于数字图像的至少两个图像反射扫描之间的差值，其中在每个扫描期间，至少一个光源相对于图像表面以不同角度照射所述图像。

12.如权利要求1所述的方法，其特征在于，过滤第一像素的步骤还包括以下步骤：

多次过滤第一像素，其中多次过滤操作中的一些覆盖不同的带宽，并对应于第一像素和第一像素相邻区中多个附加像素的亮度，并且对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权，多次过滤操作中每次都产生一个过滤像素，总共包括多个过滤像素；和

其中纠正后的数字图像还对应于多个过滤像素。

13.如权利要求1所述的方法，其特征在于，

数字图像包括三个通道，每个通道包括多个像素；

数字图像表示彩色图像；

至少一个通道包括三个通道中的一个；和

根据为至少一个通道确定的过滤像素，采用纠正所有三个通道的方法来产生对应于过滤像素纠正后的数字图像。

14.如权利要求1所述的方法，其特征在于，

数字图像包括三个通道，每个通道包括多个像素；

数字图像表示彩色图像；

所述方法还包括基于所述三个通道形成黑白通道的步骤，黑白通道包括至少一个通道；和

根据为黑白通道确定的过滤像素，采用纠正所有三个通道来产生对应于过滤像素的纠正数字图像。

15.如权利要求1所述的方法，其特征在于，缺陷通道中像素的亮度与穿过胶片的红外透射成比例，数字图像就来源于该胶片。

16.如权利要求15所述的方法，其特征在于，还包括以下步骤：

如果缺陷通道中空间对应像素的亮度小于第一阈值，那么将较低的权值分配给用于过滤操作的像素。

17.如权利要求15所述的方法，其特征在于，还包括以下步骤：

如果缺陷通道中空间对应像素和空间对应像素相邻区内缺陷通道中其它像素的平均亮度小于第一阈值，那么将较低的权值分配给用于过滤操作的像素。

18.如权利要求1所述的方法，其特征在于，还包括以下步骤：

将数字图像分成多个片段；

其中第一像素位于第一片段，第一片段包括数字图像中至少一个通道的多个片段之一，并且第一像素相邻区内的多个附加像素也位于第一片段；

过滤数字图像中至少一个通道的第二像素，以产生第二过滤像素，第二像素的过滤步骤对应于第二像素和第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第二像素步骤中所用的至少一个像素加权；

其中第二像素位于第二片段，第二片段包括数字图像中至少一个通道的多个片段之一，并且第二像素相邻区内的多个附加像素也位于第二片段；和

其中对应于过滤像素、第二过滤像素和至少一个通道产生纠正后的数字图像。

19.如权利要求1所述的方法，其特征在于，使用矩形滤光片过滤第一像素。

20.如权利要求1所述的方法，其特征在于，使用圆形滤光片过滤第一像素。

21.一种改变数字图像中缺陷的方法，其特征在于，该方法包括以下步骤：

通过求第一像素和第一像素相邻区内多个附加像素的亮度的平均值，使用数字电路过滤数字图像中第一通道的第一像素，以产生过滤像素，其中对应于与数字图像关联的缺陷通道中至少一个像素的亮度值，对求平均值步骤中所用的至少一个像素加权；和

对应于过滤像素和第一通道，使用数字电路产生纠正后的数字图像。

22.如权利要求21所述的方法，其特征在于，数字电路包括专用数字硬件。

23.如权利要求21所述的方法，其特征在于，数字电路包括执行计算机软件的微处理器。

24.如权利要求21所述的方法，其特征在于，

数字图像包括三个通道，每个通道包括多个像素；

数字图像表示彩色图像；和

所述方法还包括以下步骤：

过滤三个通道中每一个相同位置处的至少第二像素，以产生三个通道中每一个的第二过滤像素，每个通道中第二像素的过滤步骤，对于特定的通道，对应于特定通道中第二像素和特定通道中第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤特定通道中第二像素的步骤中所用的至少一个像素加权；

对应于过滤像素、每个通道的第二过滤像素和三个通道，产生纠正的数字图像。

25.如权利要求21所述的方法，其特征在于，对应于缺陷通道中多个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

26.如权利要求21所述的方法，其特征在于，对应于缺陷通道中空间上对应于第一像素的像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

27.如权利要求21所述的方法，其特征在于，还包括以下步骤：

多次过滤第一像素，其中多次过滤操作中的一些覆盖不同的带宽，并对应于第一像素和第一像素相邻区中多个附加像素的亮度，并且对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权，多次过滤操作中每次都产生一个过滤像素，总共包括多个过滤像素；和

其中纠正后的数字图像还对应于多个过滤像素。

28.如权利要求21所述的方法，其特征在于，还包括以下步骤：

假定缺陷通道中空间对应像素的亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

29.如权利要求21所述的方法，其特征在于，还包括以下步骤：

假定缺陷通道中空间对应像素和空间对应像素相邻区内缺陷通道中其它像素的平均亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

30.如权利要求21所述的方法，其特征在于，还包括以下步骤：

对至少一个通道中的每个像素执行过滤操作。

31.如权利要求21所述的方法，其特征在于，还包括以下步骤：

将数字图像分成多个片段；

其中第一像素位于第一片段，第一片段包括数字图像中至少一个通道的多个片段之一，并且第一像素相邻区内的多个附加像素也位于第一片段中；

过滤数字图像中至少一个通道的第二像素，以产生第二过滤像素，第二像素的过滤步骤对应于第二像素和第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第二像素步骤中所用的至少一个像素加权；

其中第二像素位于第二片段，第二片段包括数字图像中至少一个通道的多个片段之一，并且第二像素相邻区内的多个附加像素也位于第二片段；和

其中对应于过滤像素、第二过滤像素和至少一个通道产生纠正后的数字图像。

32.一种数字图像扫描***，其特征在于，它包括：

扫描硬件，用于扫描图像，并将图像转换成具有至少一个通道的数字图像，并产生对应于图像中缺陷的缺陷通道；和

与扫描硬件关联的计算机软件，它可用于：

过滤数字图像中至少一个通道的第一像素，以产生过滤后的像素，第一像素的过滤步骤对应于第一像素和第一像素相邻区中多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权；和

对应于过滤像素和至少一个通道，产生纠正后的数字图像。

33.如权利要求32所述的数字图像扫描***，其特征在于，数字图像包括三个通道，每个通道包括多个像素；

数字图像表示彩色图像；和

所述计算机软件还可用于：

过滤三个通道中每一个相同位置处的至少第二像素，以产生三个通道中每一个的第二过滤像素，每个通道中第二像素的过滤步骤，对于特定的通道，对应于特定通道中第二像素和特定通道中第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤特定通道中第二像素的步骤中所用的至少一个像素加权；

对应于过滤后的像素、每个通道的第二过滤像素和三个通道，产生纠正的数字图像。

34.如权利要求32所述的数字图像扫描***，其特征在于，对应于缺陷通道中多个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

35.如权利要求32所述的数字图像扫描***，其特征在于，对应于缺陷通道中空间上对应于第一像素的像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

36.如权利要求32所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

多次过滤第一像素，其中多次过滤操作中的一些覆盖不同的带宽，并对应于第一像素和第一像素相邻区中多个附加像素的亮度，并且对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权，多次过滤操作中每次都产生一个过滤像素，总共包括多个过滤像素；和

其中纠正后的数字图像还对应于多个过滤像素。

37.如权利要求32所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

假定缺陷通道中空间对应像素的亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

38.如权利要求32所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

假定缺陷通道中空间对应像素和空间对应像素相邻区内缺陷通道中其它像素的平均亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

39.如权利要求32所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

将数字图像分成多个片段；

其中第一像素位于第一片段，第一片段包括数字图像中至少一个通道的多个片段之一，并且第一像素相邻区内的多个附加像素也位于第一片段中；

过滤数字图像中至少一个通道的第二像素，以产生第二过滤像素，第二像素的过滤步骤对应于第二像素和第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第二像素步骤中所用的至少一个像素加权；

其中第二像素位于第二片段，第二片段包括数字图像中至少一个通道的多个片段之一，并且第二像素相邻区内的多个附加像素也位于第二片段；和

其中对应于过滤像素、第二过滤像素和至少一个通道产生纠正后的数字图像。

40.一种数字图像处理***，其特征在于，它包括：

计算机可读存储媒介；

存储在计算机可读存储媒介中的计算机软件，它可用于：

过滤数字图像中至少一个通道的第一像素，以产生过滤后的像素，第一像素的过滤步骤对应于第一像素和第一像素相邻区中多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权；和

对应于过滤像素和至少一个通道，产生纠正后的数字图像。

41.如权利要求40所述的数字图像处理***，其特征在于，数字图像包括三个通道，每个通道包括多个像素；

数字图像表示彩色图像；和

所述计算机软件还可用于：

过滤三个通道中每一个相同位置处的至少第二像素，以产生三个通道中每一个的第二过滤像素，每个通道中第二像素的过滤步骤，对于特定的通道，对应于特定通道中第二像素和特定通道中第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤特定通道中第二像素的步骤中所用的至少一个像素加权；

对应于过滤后的像素、每个通道的第二过滤像素和三个通道，产生纠正的数字图像。

42.如权利要求40所述的数字图像处理***，其特征在于，对应于缺陷通道中多个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

43.如权利要求40所述的数字图像处理***，其特征在于，对应于缺陷通道中空间上对应于第一像素的像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权。

44.如权利要求40所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

多次过滤第一像素，其中多次过滤操作中的一些覆盖不同的带宽，并对应于第一像素和第一像素相邻区中多个附加像素的亮度，并且对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权，多次过滤操作中每次都产生一个过滤像素，总共包括多个过滤像素；和

其中纠正后的数字图像还对应于多个过滤像素。

45.如权利要求40所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

假定缺陷通道中空间对应像素的亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

46.如权利要求40所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

假定缺陷通道中空间对应像素和空间对应像素相邻区内缺陷通道中其它像素的平均亮度指示该像素有缺陷的可能性较大，那么将较低的权值分配给用于过滤操作的像素。

47.如权利要求40所述的数字图像扫描***，其特征在于，所述计算机软件还可用于：

将数字图像分成多个片段；

其中第一像素位于第一片段，第一片段包括数字图像中至少一个通道的多个片段之一，并且第一像素相邻区内的多个附加像素也位于第一片段中；

过滤数字图像中至少一个通道的第二像素，以产生第二过滤像素，第二像素的过滤步骤对应于第二像素和第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第二像素步骤中所用的至少一个像素加权；

其中第二像素位于第二片段，第二片段包括数字图像中至少一个通道的多个片段之一，并且第二像素相邻区内的多个附加像素也位于第二片段；和

其中对应于过滤像素、第二过滤像素和至少一个通道产生纠正后的数字图像。

48.一种由具有至少一个通道的数字图像改变而来的数字图像，其特征在于，它包括：

计算机可读存储媒介；

存储在计算机可读存储媒介中的改变的数字图像，其中通过以下步骤产生改变的数字图像：

过滤数字图像中至少一个通道的第一像素，以产生过滤后的像素，第一像素的过滤步骤对应于第一像素和第一像素相邻区中多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权；和

对应于过滤像素和至少一个通道，产生纠正后的数字图像。

49.如权利要求48所述的改变的数字图像，其特征在于，数字图像包括三个通道，每个通道包括多个像素；和

数字图像表示彩色图像，并且改变的数字图像还可以通过以下的步骤产生：

过滤三个通道中每一个相同位置处的至少第二像素，以产生三个通道中每一个的第二过滤像素，每个通道中第二像素的过滤步骤，对于特定的通道，对应于特定通道中第二像素和特定通道中第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤特定通道中第二像素的步骤中所用的至少一个像素加权；

对应于过滤后的像素、每个通道的第二过滤像素和三个通道，产生纠正的数字图像。

50.如权利要求48所述的改变的数字图像，其特征在于，改变的数字图像还可以通过以下的步骤产生：

多次过滤第一像素，其中多次过滤操作中的一些覆盖不同的带宽，并对应第一像素和第一像素相邻区中多个附加像素的亮度，并且对应缺陷通道中至少一个像素的亮度值，对过滤第一像素步骤中所用的至少一个像素加权，多次过滤操作中每次都产生一个过滤像素，总共包括多个过滤像素；和

其中纠正后的数字图像还对应于多个过滤像素。

51.一种用于改变数字图像中缺陷的方法，其特征在于，包括以下步骤：

将包含至少一个通道的数字图像存储在计算机可读存储媒介中，所述至少一个通道多个像素，每个像素都具有亮度值；

将缺陷通道存储在计算机可读存储媒介中，所述缺陷通道包含多个像素，每个像素具有亮度值，缺陷通道中多个像素中的至少一些具有与数字图像中缺陷成比例的亮度值；

使用数字电路产生至少一个通道的多个过滤版本，其中通过计算特定像素和至少一个通道中像素的亮度值的加权平均值，为特定过滤版本中的特定像素，确定至少一个通道过滤版本的像素，其中对应于缺陷通道中至少一个像素的亮度值，对计算加权平均值步骤中所用的至少一些亮度值加权，和

对应于至少一个通道的多个过滤版本、至少一个原始通道、和缺陷通道，产生纠正的数字图像。

52.如权利要求51所述的方法，其特征在于，还包括以下步骤：

使用数字电路产生缺陷通道的多个过滤版本，其中通过计算特定像素和特定像素相邻区内像素的亮度值的加权平均值，为特定过滤版本中的特定像素，确定缺陷通道过滤版本的像素，其中对应于缺陷通道中至少一个像素的亮度值，对计算加权平均值步骤中所用的至少一些亮度值加权，和

对应于缺陷通道的多个过滤版本，进一步产生纠正的数字图像。

53.如权利要求52所述的方法，其特征在于，在对数空间中产生至少一个通道的过滤版本。

54.如权利要求51所述的方法，其特征在于，还包括以下步骤：

将至少一个通道分成几个片段；

使用数字电路产生至少一个通道的每个片段的多个过滤版本，其中通过计算特定像素和特定像素相邻区内以及特定像素同一片段内像素的亮度值的加权平均值，为特定过滤版本中的特定像素，确定每个片段的过滤版本的像素，并且对应于缺陷通道中至少一个像素的亮度值，对计算加权平均值步骤中所用的至少一些亮度值加权；和

其中对应于至少一个通道的每个片段的多个过滤版本，进一步产生纠正后的数字图像。

55.如权利要求51所述的方法，其特征在于，还包括以下步骤：

在产生至少一个通道的多个过滤版本之前，对于特定的像素，通过从第二值中减去第一值，改变至少一个通道的多个像素，所述第一值对应于空间上对应于至少一个通道中特定像素位置的缺陷通道中像素的亮度值，所述第二值对应于特定像素的亮度值。

56.如权利要求51所述的方法，其特征在于，通过以下步骤产生纠正的数字图像：

产生一系列频带，所述频带本质上邻接，并对应于至少一个通道和至少一个通道的多个过滤版本；和

将所述频带加在一起，以形成纠正后的数字图像。

57.如权利要求55所述的方法，其特征在于，通过以下步骤产生纠正的数字图像：

产生一系列频带，所述频带本质上邻接，并对应于至少一个通道的改变版本和至少一个通道的改变版本的多个过滤版本；和

将所述频带加在一起，以形成纠正后的数字图像。

58.如权利要求52所述的方法，其特征在于，通过以下步骤产生纠正的数字图像：

产生第一批频带，所述第一批频带本质上邻接，并对应于至少一个通道和至少一个通道的多个过滤版本；

产生第二批频带，所述第二批频带本质上邻接，并对应于缺陷通道和缺陷通道的多个过滤版本，其中第二批频带中的每一个都对应于第一批频带中的一个频带；

用第一批频带中的一个频带减去第二批频带中各个相应频带，以形成第三批频带；

将所述第三批频带加在一起，以形成纠正后的数字图像。

59.如权利要求58所述的方法，其特征在于，所述减法步骤包括有界减法，其中对于特定频带中的特定像素，有界减法包括选择多个减法的结果，所述多个减法包括第一减法和第二减法，其中第一减法与第一值和第二值之间的差值成比例，所述第一值与第一批频带中特定频带中特定像素的亮度成比例，所述第二值与第二批频带中特定频带中特定像素的亮度成比例，第二减法与第一值和第三值之间的差值成比例，所述第三值与第二批频带中特定频带中特定像素的亮度成比例。

60.如权利要求58所述的方法，其特征在于，第二批频带还对应于缺陷通道中的红色剩余，使得调节第二批频带，以减小缺陷通道中的红色剩余。

61.如权利要求58所述的方法，其特征在于，加权平均值包括选自中间平均数、算术平均数、几何平均数、平均值和模平均数组合中的平均值。

62.如权利要求1所述的方法，其特征在于，使用带有薄边的窗口滤光片过滤第一像素。

63.如权利要求1所述的方法，其特征在于，还包括以下步骤：

过滤包含一部分缺陷通道的第二像素，以产生第二过滤像素，第二像素的过滤步骤对应于第二像素和第二像素相邻区内多个附加像素的亮度，其中对应于缺陷通道中至少一个像素的亮度值，对过滤第二像素步骤中所用的至少一个像素加权。

64.如权利要求63所述的方法，其特征在于，对应于过滤像素、第二过滤像素、至少一个通道和缺陷通道，产生纠正的数字图像。

65.如权利要求1所述的方法，其特征在于，还包括以下步骤：

在过滤第一像素之前，通过从第二值中减去第一值，改变至少一个通道的至少第二像素，所述第一值对应空间对应于至少一个通道中第二像素位置的缺陷通道中像素的亮度值，所述第二值对应于第二像素的亮度值。

Images