图像处理之坏点校正及源码实现

1、坏点介绍

图像坏点(Bad pixel) : 图像传感器上光线采集点(像素点)所形成的阵列存在工艺上的缺陷,或光信号进行转化为电信号的过程中出现错误,从而会造成图像上像素信息错误,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。

由于来自不同工艺技术和传感器制造商,尤其对一些低成本、消费品的sensor来说,坏点数会有很多。另外,sensor在长时间、高温环境下坏点也会越来越多,从而破坏了图像的清晰度和完整性。坏点校正的目的就是修复这类问题,通常坏点分为一下两种:

(1) 静态坏点:分为静态亮点和静态暗点。

静态亮点:一般来说像素点的亮度值是正比于入射光的,而亮点的亮度值明显大于入射光乘以相应比例,并且随着曝光时间的增加,该点的亮度会显著增加;

静态坏点:无论在什么入射光下,该点的值接近于0;

(2) 动态坏点:在一定像素范围内,该点表现正常,而超过这一范围,该点表现的比周围像素要亮。与sensor 温度、增益有关,sensor 温度升高或者gain 值增大时,动态坏点会变的更加明 显;

2、坏点校正成因

为什么图像处理的过程中需要做坏点校正,而且坏点校正(DPC)通常在ISP的pipeline靠前位置?主要有如下原因:

(1) 如果图像中存在坏点的话,ISP后续进行插值和滤波处理时,会影响周围的像素点值,因此需要在插值和滤波之前对坏点进行校正 ;

(2) 图像存在坏点比较多或动态坏点很多的情况下,会造成图像的边缘出现伪色彩的情况,这种现象不但影响图像的清晰度,而且会影响边缘的色彩;

(3) 坏点也会造成图像部分pixel闪烁的现象;

3、坏点校正策略

图像的坏点校正(DPC)通常在Bayer域(灰度图原理一致)进行。若Bayer域为R/G/B三通道,则分别进行坏点校正;若Bayer域为RGBIR格式,则分别对R/Gr/Gb/B四通道独立进行。动态坏点校正和静态坏点校正是两个相互独立的过程,可以同时开启,也可以只开启一个,视需要设置。

静态坏点校正:基于已有的静态坏点表,比较当前点的坐标是否与静态坏点表中的某个坐标一致,若一致则判定为坏点,然后再计算校正结果对其进行校正。一般情况下,每个sensor的坏点都不一样,需要sensor厂商给出每个sensor的静态坏点表,但是出于成本的考虑,很多sensor厂商并没有给出,而用户校正的话只能一个一个对其进行校正,因此对于一些低成本的sensor,静态坏点校正的实用性不是很强。另外,由于在硬件设计的时候需要占用大量的memory,考虑到芯片面积以及一些其他原因,因此静态坏点有大小的限制,不可以无限制的校正。

动态坏点校正:可以实时的检测和校正sensor 的亮点与暗点,并且校正的坏点个数不受限制。动态坏点校正相对静态坏点校正具有更大的不确定性。动态dpc可以分为两个步骤,分别为坏点检测和坏点校正。

4、源码实现(Matlab Version)

该算法是动态坏点校正策略实现,算法使用梯度百分比的方式去检测坏点,检测到坏点之后通过中值滤波进行坏点校正,最终通过alpha混合的方式计算出最终的计算结果。代码如下:

close all;
clear;
clc;
%% variable
dp_slope = 0.02;
dp_thresh = -0.3;
r=3;        %Stencil radius
%% read raw image
% x = 0:255;
% y = dp_slope * x + dp_thresh;
% y(y<0) = 0;
% y(y>1) = 1;
% figure,
% plot(0:255,y)
% axis([0 255 0 1.5])
[filename, pathname] = ...
    uigetfile({'*.raw'}, 'select picture');
str = [pathname filename];
fp = fopen(str, 'rb');
[X,l] = fread(fp, [1920,1080], 'uint16');
fclose(fp);
img = uint8(X/16)';
[height, width] = size(img);
img_correct = zeros(height, width);
%% Image edge extension
imgn=zeros(height+2*r,width+2*r);
imgn(r+1:height+r,r+1:width+r)=img;
imgn(1:r,r+1:width+r)=img(1:r,1:width);                 
imgn(1:height+r,width+r+1:width+2*r+1)=imgn(1:height+r,width:width+r);    
imgn(height+r+1:height+2*r+1,r+1:width+2*r+1)=imgn(height:height+r,r+1:width+2*r+1);    
imgn(1:height+2*r+1,1:r)=imgn(1:height+2*r+1,r+1:2*r);
%% dp algorithm
for i = r+1:height-r
    for j = r+1:width-r
        img_r = imgn(i-r:2:i+r, j-r:2:j+r);
        data_r_center = img_r(r, r);
        data_r_diff(1:r+1, 1:r+1) = abs(img_r - img_r(r,r));
        data_r_sort = sort(img_r(:));
        data_r_median = data_r_sort(r*2+1);
        data_r_detect = data_r_diff * dp_slope + dp_thresh;
        data_r_detect(data_r_detect < 0) = 0;
        data_r_detect(data_r_detect > 1) = 1;
        data_r_judge = sum(sum(data_r_detect > 0));
        data_r_weight = sum(sum(data_r_detect)) / data_r_judge;
        if i-r == 18 && j-r == 43
            a = 1;
        end
        if data_r_judge >= 7
            data_r_correct = data_r_median * data_r_weight + (1-data_r_weight) * data_r_center;
        else
            data_r_correct = data_r_center;
        end
        img_correct(i-r, j-r) = data_r_correct;
    end
end
%% show
figure,imshow(uint8(img));
figure,imshow(uint8(img_correct));

仿真效果如下:

动态坏点校正前:

图像处理之坏点校正及源码实现

动态坏点校正之后:
图像处理之坏点校正及源码实现

本文转载自:博客园 - 淇淇宝贝 ,转载此文目的在于传递更多信息,版权归原作者所有。

--电子创新网--
粤ICP备12070055号