一种新增异常点的自动检测方法、校正方法及系统与流程

本申请涉及相机设备技术领域，尤其涉及一种新增异常点的自动检测方法、校正方法及系统。

背景技术：

相机是获取图像的一种设备，其核心器件是图像传感器，图像传感器可以将光转换为电，进而得到数字信号，即为图像。通常在图像传感器的制造、运输过程中不可避免的造成图像传感器中存在一些响应异常的感光单元，表现在图像中即为异常点，其灰度值与周围正常像素点的灰度值差异较大。这些异常点主要有坏点和暗电流点(也叫热点)，坏点是由图像传感器的感光单元的响应不正常造成，热点则是受曝光时间、增益、温度影响导致图像传感器的感光单元的响应发生变化造成。为避免图像传感器中异常的感光单元影响相机拍摄图像的质量，需要对拍摄图像的异常点进行校正。

目前对拍摄图像异常点的校正通常需要以异常点的标定为基础，首先通过拍摄一定要求的图像，如暗场图像、半饱和图像或饱和图像等，检测出图像中的异常点，进而确定异常点在图像传感器中对应的位置，即找出图像传感器中异常感光单元的位置；然后将异常感光单元的位置信息储存在相机的存储介质(如ram/rom/flash等)中；最后使用异常感光单元周围的正常感光单元校正异常感光单元，达到使用图像中的异常点周围的正常像素点对异常点进行校正，如可以直接用正常像素点的灰度值赋值给异常点，也可以取正常像素点的均值赋值给异常点。

在相机使用过程中，发现随着相机的老化、相机参数设置(大曝光时间、大增益)以及使用温度的变化等问题使拍摄的图像中新增一些异常点。而上述以标定为基础的校正通常都是在相机出厂前进行，用户在拿到相机后通常不被允许再进行该操作。对于新增的这些异常点则无法被检测校正，并且若是其应用在一些使用要求较高的应用中时，这些异常点将会对应用造成不利影响。因此，如何对针对相机使用过程中新增异常点进行检测和校正是本领域技术人员亟待解决的技术难题。

技术实现要素：

本申请提供了一种新增异常点的自动检测方法、校正方法及系统，用于针对相机使用过程中新增的异常点进行检测和校正，保证采集图像的质量。

第一方面，本申请提供了一种新增异常点的自动检测方法，包括：

获取图像，以所述图像中的各像素点为目标点并以所述目标点为中心确定数据采集窗口；

从所述图像中获取所述数据采集窗口内各像素点的灰度值；

根据所述数据采集窗口内各像素点的灰度值，判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点；

若所述目标点为所述数据采集窗口内灰度值最大的像素点，判断所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值是否大于阈值；

若所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值大于阈值，则所述目标点为异常点。

可选的，上述新增异常点的自动检测方法中，所述根据所述数据采集窗口内各像素点的灰度值，判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点，包括：

将所述数据采集窗口内各像素点的灰度值按照从小到大或从大到小的顺序进行排序，根据所述排序判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点。

可选的，上述新增异常点的自动检测方法中，所述获取图像，以所述图像中的各像素点为目标点，包括：

提取彩色图像的红色分量图像、绿色分量图像和蓝色分量图像，分别以所述红色分量图像、绿色分量图像和蓝色分量图像中的各像素点为目标点。

可选的，上述新增异常点的自动检测方法中，所述方法还包括：

从所述图像的左上角开始逐行滑动所述数据采集窗口，遍历所述图像，检测出所述图像中的新增异常点。

可选的，上述新增异常点的自动检测方法中，所述数据采集窗口为3×3的像素窗口。

第二方面，本申请还提供了一种新增异常点的自动校正方法，所述方法还包括：

根据数据采集窗口内各像素点的灰度值，检测出图像中的新增异常点；

当检测到新增异常点时，根据以所述新增异常点为中心点对应的数据采集窗口内其他像素点的灰度值校正所述新增异常点的灰度值；

其中，所述根据数据采集窗口内各像素点的灰度值，采用上述任意一项所述的新增异常点的自动检测方法检测出图像中的新增异常点。

可选的，上述新增异常点的自动校正方法中，根据以所述新增异常点为中心点对应的数据采集窗口内其他像素点的灰度值校正所述新增异常点的灰度值，包括：

根据获取到的所述异常点为中心点对应的数据采集窗口内其他像素点的灰度值，计算以所述异常点为中心点各方向的灰度值变化梯度；

获取灰度值变化梯度最小方向上的像素点，取所述灰度值变化梯度最小方向上像素点的灰度值均值作为所述异常点校正后的灰度值。

可选的，上述新增异常点的自动校正方法中，当对彩色图像的红色分量图像、绿色分量图像和蓝色分量图像分别进行新增异常点校正时，所述方法还包括：

合并异常点校正后的红色分量图像、绿色分量图像和蓝色分量图像，获得异常点校正后的彩色图像。

第三方面，基于本申请提供的新增异常点的自动检测方法，本申请还提供了一种新增异常点的自动检测系统，其特征在于，所述系统用于执行上述任意一项所述的新增异常点的自动检测方法。

第四方面，基于本申请提供的新增异常点的自动校正方法，本申请还提供了一种增异常点的自动校正系统，其特征在于，所述系统用于执行上述任意一项所述的新增异常点的自动校正方法。

本申请提供的新增异常点的自动检测方法、校正方法及系统，当随着相机的老化、相机参数设置(大曝光时间、大增益)以及使用温度的变化等问题使拍摄的图像中新增一些异常点时，以图像中的各像素点为目标点以及以所述目标点为中心确定数据采集窗口，根据数据采集窗口内各像素点的灰度值的大小判定目标点是否为异常点，进而实现图像中异常点的检测；当目标点为异常点时，根据所述异常点为中心点对应的数据采集窗口内其他像素点的灰度值校正所述新增异常点的灰度值，进而实现图像中异常点的校正。因此，本申请提供的新增异常点的自动检测方法、校正方法及系统，实现对相机使用过程中新增的异常点进行检测和校正，有利于保证采集图像的质量，进而避免因为新增异常点无法进行校正对图像的应用的造成不良影响。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的存在新增异常点的图像；

图2为本申请实施例提供的一种新增异常点的自动检测方法的流程示意图；

图3为本申请实施例提供的一种新增异常点的自动校正方法的流程示意图；

图4为本申请实施例提供的一种数据采集窗口的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

随着相机的老化、相机参数设置(大曝光时间、大增益)以及使用温度的变化等问题使拍摄的图像中新增一些异常点。附图1为本申请实施例中提供的一张存在新增异常点的图像，图1中阴影较深的像素点为新增异常点，对于图像中新增的异常点，在相机拍摄形成图像的过程中无法被检测校正，若是将存在新增异常点的图像直接输出被应用，可能会对其应用产生不良的影响。在本申请由附图1可知，新增异常点多以孤立点的形态存在，并且新增异常点响应多为高于周围正常像素点的灰度值，即对暗场的应用影响很大。为避免新增异常点对图像的应用产生不良的影响，本申请实施例提供了一种新增异常点的自动检测和校正方法，用于新增异常点的自动检测和校正。

附图2为本申请实施例提供的一种新增异常点的自动检测方法的流程图。如附图2所示本申请实施例提供的新增异常点的自动检测方法，包括：

s101：获取图像，以所述图像中的各像素点为目标点并以所述目标点为中心确定数据采集窗口。

相机拍摄获取图像，所述图像可以为黑白图像也可为彩色图像。当需要检测出图像中新增异常点时，在图像输出前判定图像中像素点是否为异常点。

本申请实施例提供的新增异常点的自动检测方法中，当对图像的某一个像素点进行是否为新增异常点判定时，以所述像素点为目标点并确定以所述目标点为中心的数据采集窗口，即根据所检测像素点的位置移动数据采集窗口。在本申请具体实施方式中，数据采集窗口为n×n的窗口，其中n＝3,5,7…。在本申请中主要以n＝3进行详细说明。

s102：从所述图像中获取所述数据采集窗口内各像素点的灰度值。

根据数据采集窗口的位置，获取图像中位于所述数据采集窗口内各像素点的灰度值。表1为本申请实施例提供的3×3的数据采集窗口，表中的g(x,y)为数据采集窗口中心点像素的灰度值，即g(x,y)为目标点的灰度值，其中x和y分别表示异常点在图像中的行索引和列索引。

表1：

s103：根据所述数据采集窗口内各像素点的灰度值，判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点。

比较数据采集窗口内各像素点的灰度值，判断目标点是否为数据采集窗口内灰度值最大的像素点，即判断目标点是否为数据采集窗口内最亮的点。

在本申请实施例中可通过比较法或排序法，判断目标点是否为所述数据采集窗口内灰度值最大的像素点。可选的，将所述数据采集窗口内各像素点的灰度值按照从小到大或从大到小的顺序进行排序，根据所述排序判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点。

当所述目标点的灰度值为所述数据采集窗口内灰度值最大的像素点时，执行步骤s104；当所述目标点的灰度值非所述数据采集窗口内灰度值最大的像素点时，则认为所述目标点非新增异常点，继续选择新的像素点作为目标点，移动数据采集窗口重复执行以上步骤。即，当目标点的灰度值g(x,y)为表1中最大值时，执行步骤s104；当目标点的灰度值g(x,y)非表1中最大值时，目标点非新增异常点。

s104：若所述目标点为所述数据采集窗口内灰度值最大的像素点，判断所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值是否大于阈值。

当目标点的灰度值为所述数据采集窗口内灰度值最大的像素点时，找出数据采集窗口内第二大灰度值。判断目标点的灰度值与数据采集窗口内第二大灰度值的差值是否大于阈值。当判断目标点的灰度值与数据采集窗口内第二大灰度值的差值大于所述阈值时，执行步骤s105；当判断目标点的灰度值与数据采集窗口内第二大灰度值的差值小于或等于所述阈值时，则认为所述目标点非新增异常点。

假设目标点的灰度值g(x,y)为表1中最大值，表1中第二大灰度值为g(x-1,y+1)，计算目标点的灰度值g(x,y)和第二大灰度值g(x-1,y+1)之间的差值a，为便于描述记所述阈值为b，比较a和b的大小。当a＞b时，执行步骤s105；当a≤b时，则认为所述目标点非新增异常点。

在本申请实施例中，阈值通常选5-20，但不局限于此，可根据具体拍摄的图像进行选择，如当待拍摄的图像中灰度值变化较大时，阈值选择相对较大的值，反之选择相对较小的值。可选的，阈值为10。因此，当判断目标点的灰度值与数据采集窗口内第二大灰度值的差值大于10时，执行步骤s105；当判断目标点的灰度值与数据采集窗口内第二大灰度值的差值小于或等于10时，则认为所述目标点非新增异常点，继续选择新的像素点作为目标点，移动数据采集窗口重复执行以上步骤。

s105：若所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值大于阈值，则所述目标点为异常点。

当判断目标点的灰度值与数据采集窗口内第二大灰度值的差值大于阈值时，则认为目标点为异常点，进行异常点校正以及继续选择新的像素点作为目标点，移动数据采集窗口重复执行以上步骤，直至通过新增异常点的自动检测方法找出图像中所有的新增异常点。

在本申请实施例中，当图像为黑白图像时，直接对图像中的像素点进行扫描检测，判断其中的像素点是否为新增异常点；当图像为彩色图像时，提取彩色图像的红色分量图像、绿色分量图像和蓝色分量图像，分别以所述红色分量图像、绿色分量图像和蓝色分量图像中的各像素点为目标点，检测彩色图像对应的各红色分量图像、绿色分量图像和蓝色分量图像的像素点是否为新增异常点。

在本申请实施例中，通常从所述图像的左上角开始逐行滑动所述数据采集窗口，遍历所述图像，检测出所述图像中的新增异常点。具体的，图像的最外围的像素点可忽略；或者，采用轴对称将补全图像的最外围像素点的数据采集窗口内数据，然后进一步进行该像素点是否为新增异常点的检测判定。

本申请实施例提供的新增异常点的自动检测方法，当随着相机的老化、相机参数设置(大曝光时间、大增益)以及使用温度的变化等问题使拍摄的图像中新增一些异常点时，以图像中的各像素点为目标点以及以所述目标点为中心确定数据采集窗口，根据数据采集窗口内各像素点的灰度值的大小判定目标点是否为异常点，进而实现图像中异常点的检测。

基于本申请实施例提供的新增异常点的自动检测方法，本申请实施例还提供了一种新增异常点的自动校正方法。附图3为本申请实施例提供的新增异常点的自动校正方法的流程示意图。如附图3所示，本申请实施例提供的新增异常点的自动校验方法，包括：

s201：根据数据采集窗口内各像素点的灰度值，检测出图像中的新增异常点。

当相机拍摄图像时，以所述图像中的各像素点为目标点并以所述目标点为中心确定数据采集窗口；从所述图像中获取所述数据采集窗口内各像素点的灰度值；根据所述数据采集窗口内各像素点的灰度值，判断所述目标点是否为所述数据采集窗口内灰度值最大的像素点；若所述目标点为所述数据采集窗口内灰度值最大的像素点，判断所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值是否大于阈值；若所述目标点的灰度值与所述数据采集窗口内第二大灰度值的差值大于阈值，则所述目标点为异常点，即检测出图像中的新增异常点。本实施例中对新增异常点的检测可参考上述实施例提供的新增异常点的自动检测方法，在此不再赘述。

s202：当检测到新增异常点时，根据以所述新增异常点为中心点对应的数据采集窗口内其他像素点的灰度值校正所述新增异常点的灰度值。

当检测到新增异常点时，使用数据采集窗口内其他像素点对所述新增异常点进行校正。在本申请实施例中，可采用数据采集窗口内其余部分或全部像素点灰度值的均值进行新增异常点灰度值的校正。在本申请具体实施方式中，采用数据采集窗口内若干个像素点校正所述新增异常点。

本申请实施例中提供的新增异常点的自动校正方法，对图像中新增异常点进行检测，当检测判断出新增异常点时，根据所述异常点为中心点对应的数据采集窗口内其他像素点的灰度值校正所述新增异常点的灰度值，进而实现图像中异常点的校正。本申请实施例中提供的新增异常点的自动校正方法，检测新增异常点的同时即可对新增异常点进行校正，实现对相机使用过程中新增的异常点进行检测和校正，有利于保证相机输出采集图像的质量，进而避免因为新增异常点无法进行校正对图像的应用的造成不良影响。

在本申请实施例中，根据获取到的所述异常点为中心点对应的数据采集窗口内其他像素点的灰度值，计算以所述异常点为中心点各方向的灰度值变化梯度；获取灰度值变化梯度最小方向上的像素点，取所述灰度值变化梯度最小方向上像素点的灰度值均值作为所述异常点校正后的灰度值。

附图4为本申请实施例提供的一种典型的3×3数据采集窗口，假设数据采集窗口的中心点为新增异常点，且数据采集窗口内各像素点的灰度值如表1中所示。计算数据采集窗口数据梯度，附图4示出了该数据采集窗口的梯度方向。如附图4所示，所述数据采集窗口的数据梯度方向包括方向1、方向2、方向3和方向4，分别计算各方向上的梯度，详见下式。

根据上式确定梯度值最小的方向，梯度小表明该处为图像的平坦区域，像素点的灰度值变化缓慢，新增异常点校正值的计算即沿着梯度较小的方向进行。假设方向3的梯度最小，则新增异常点的校正值为方向3上的两个正常像素点的均值，即校正后新增异常点的灰度值为：如此，采用梯度较小方向上的像素点去校正新增异常点，有助于提高新增异常点校正的准确性以及保证校正效果最佳，对新增异常点进行较好的处理，且算法复杂度角度运算量较好，适宜在相机使用中运用，保证相机拍摄输出图像的质量。

当新增异常点的自动校正的图像为彩色图像时，对彩色图像的红色分量图像、绿色分量图像和蓝色分量图像分别进行新增异常点校正，当彩色图像的红色分量图像、绿色分量图像和蓝色分量图像的新增异常点均被校正完成后，合并异常点校正后的红色分量图像、绿色分量图像和蓝色分量图像，获得异常点校正后的彩色图像。

基于本申请实施例提供的新增异常点的自动检测方法，本申请实施例还提供了一种新增异常点的自动检测系统，所述新增异常点的自动检测系统用于执行新增异常点的自动检测方法，在此不再赘述。

基于本申请实施例提供的新增异常点的自动校正方法，本申请实施例还提供了一种新增异常点的自动校正系统，所述新增异常点的自动校正系统用于执行新增异常点的自动校正方法，在此不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处，相关之处参见方法实施例的部分说明即可。需要说明的是，本领域技术人员在考虑说明书及实践这里的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。