美文网首页
去坏点小谈

去坏点小谈

作者: 大梦一场三十一 | 来源:发表于2021-04-24 21:34 被阅读0次

    一、基本概念

    1. 坏点:在sensor的制造过程中,无法保证每个sensor中的像素点都是完好的。一半会存在较少的一些像素会存在损坏的情况。
    2. 坏点的一些类型:
      2.1 亮度 -- 一直保持高亮的点
      2.2 暗点 -- 一直保持黑暗的点
      2.3 灰点 -- 在一定的范围内正常,但是超过一定的阈值即无法显示正常
    3. 处理的方法
      3.1 静态坏点标定法
      即在全亮的环境中把暗点标记出来,在全黑的环境下把亮点标记出来。用静态表把坏点存放起来,再进行标定。
      好处是精确,坏处是需要每个批次都需要校准以及需要比较大的空间来放静态表。
      3.2 动态坏点标定法
      即动态的识别判断出坏点,然后进行矫正。好处是不用进行每个sensor进行标定。往往通过以下两种方式进行对坏点的识别。1. 梯度的方式,通过当前点像素的与附近同色像素的梯度差异来判断出是否为坏点。 2.色差的方式,根据一般现实世界中的颜色过渡比较平缓,所以有一些会根据g/r,g/b的比例或者差值来进行判别出坏点。

    二、一个简单的动态坏点标定法

    1. CN103297717B上的插值方法
    1. 使用5*5的区域来获取差异性,T值为区域中相同元素的值,g为菱形,r/b为正方形。
    dN = |T1 - T2| + |T2 - T3| + ... + |Tn - T1|
    2. 计算坏点的门限阈值,DPC与拍摄中的感光度有关
    DPC_TH= dN * DPC
    3. 计算当前值与领域的值的差异
    DIFF = dC = |T - T1| + |T - T2| + ... + |T - Tn|
    4. 如果DIFF大于DPC_TH则为坏点,进入5
    5. 计算出边缘的梯度,计算出水平和垂直的梯度以下图G为中心来示例。
    VG=|G3-G7|+|R0-R1|
    HG=|G1-G5|+|B0-B1|
    6. 根据梯度来计算出待插值的方向
      6.1 如果VG<HG×DR,DR为预设的边缘补偿的比例
          AVG_V=(G3+G7)/2
      6.2 如果HG<VG×DR
          AVG_H=(G1+G5)/2
      6.3 如果VG≧HG×DR&HG≧VG×DR
          AVG_T=(G1+G2+G3+G4+G5+G6+G7+G8)/8
    
    G为中心
    void xxx_dpc_lianyong_run(void* handle)
    {
        if (NULL == handle)
        {
            printf("xxx_dpc_chen_run handle is null! \n");
            return;
        }
        xxx_isp_handle* isp_handle = (xxx_isp_handle*)handle;
        u16 Width = isp_handle->raw_handle.raw_wide;
        u16 Height = isp_handle->raw_handle.raw_high;
    
        const u8 Green = 1 - ((isp_handle->demosaic_handle.red_x + \
            isp_handle->demosaic_handle.red_y) & 1);
    
        u16* data = isp_handle->raw_handle.data;
        u16 search_step = isp_handle->dpc_handle.dpc_chan_handle.search_step;
        u16* ptr;
        ptr = (u16*)malloc(Width * Height * sizeof(u16));// 全部按16位读出来
        if (ptr == NULL) return ;
        memcpy(ptr, data, Width * Height * sizeof(u16));
    
        u16 x, y;
        u16 dN,dpc_th,diff;
        u16 vg, hg;
        u32 hist_g = 0;
        u32 hist_g_v = 0;
        u32 hist_g_h = 0;
        u32 hist_g_t = 0;
        u32 hist_rb_v = 0;
        u32 hist_rb_h = 0;
        u32 hist_rb_t = 0;
        u32 hist_rb = 0;
        // 暂时先不管最外层的问题,不考虑边界
        for (y = search_step + 1; y < Height - search_step - 1; y++)
        {
            for (x = search_step + 1; x < Width - search_step - 1; x++)
            {
                // green取菱形
                if (((x + y) & 1) == Green)
                {
                    dN = abs(data[y * Width + x - 2] - data[(y - 1) * Width + x - 1]) + \
                        abs(data[(y - 1) * Width + x - 1] - data[(y - 2) * Width + x]) + \
                        abs(data[(y - 2) * Width + x] - data[(y - 1) * Width + x + 1]) + \
                        abs(data[(y - 1) * Width + x + 1] - data[(y)*Width + x + 2]) + \
                        abs(data[(y)*Width + x + 2] - data[(y + 1) * Width + x + 1]) + \
                        abs(data[(y + 1) * Width + x + 1] - data[(y + 2) * Width + x]) + \
                        abs(data[(y + 2) * Width + x] - data[(y + 1) * Width + x - 1]) + \
                        abs(data[(y + 1) * Width + x - 1] - data[(y)*Width + x - 2]);
                    diff = abs(data[y * Width + x] - data[(y - 1) * Width + x - 1]) + \
                        abs(data[y * Width + x] - data[(y - 2) * Width + x]) + \
                        abs(data[y * Width + x] - data[(y - 1) * Width + x + 1]) + \
                        abs(data[y * Width + x] - data[(y)*Width + x + 2]) + \
                        abs(data[y * Width + x] - data[(y + 1) * Width + x + 1]) + \
                        abs(data[y * Width + x] - data[(y + 2) * Width + x]) + \
                        abs(data[y * Width + x] - data[(y + 1) * Width + x - 1]) + \
                        abs(data[y * Width + x] - data[(y)*Width + x - 2]);
                    dpc_th = dN * isp_handle->dpc_handle.dpc_lianyong_handle.dpc;
                    if (diff > dpc_th)
                    {
                        hist_g++;
                        vg = abs(data[(y - 2) * Width + x] - data[(y + 2) * Width + x]) + \
                            abs(data[(y - 1) * Width + x] - data[(y + 1) * Width + x]);
                        hg = abs(data[(y) * Width + x - 2] - data[(y ) * Width + x + 2]) + \
                            abs(data[(y ) * Width + x - 1] - data[(y) * Width + x] + 1);
                        if (vg * 100 < hg * isp_handle->dpc_handle.dpc_lianyong_handle.dr)
                        {
                            hist_g_v++;
                            ptr[(y)*Width + x] = (data[(y - 2) * Width + x] + data[(y + 2) * Width + x]) / 2;
                        }
                        else if (hg * 100 < vg * isp_handle->dpc_handle.dpc_lianyong_handle.dr)
                        {
                            hist_g_h++;
                            ptr[(y)*Width + x] = (data[(y)*Width + x - 2] + data[(y)*Width + x + 2]) / 2;
                        }
                        else
                        {
                            hist_g_t++;
                            ptr[(y)*Width + x] = (data[y * Width + x - 2] + data[(y - 1) * Width + x - 1] + \
                                data[(y - 2) * Width + x] + data[(y - 1) * Width + x + 1] + \
                                data[(y)*Width + x + 2] + data[(y + 1) * Width + x + 1] + \
                                data[(y + 2) * Width + x] + data[(y + 1) * Width + x - 1])/8;
                        }
                    }
                }// r/b取正方形
                else
                {
                   
                    dN = abs(data[y * Width + x - 2] - data[(y - 2) * Width + x - 2]) + \
                        abs(data[(y - 2) * Width + x - 2] - data[(y - 2) * Width + x]) + \
                        abs(data[(y - 2) * Width + x] - data[(y - 2) * Width + x + 2]) + \
                        abs(data[(y - 2) * Width + x + 2] - data[(y)*Width + x + 2]) + \
                        abs(data[(y)*Width + x + 2] - data[(y + 2) * Width + x + 2]) + \
                        abs(data[(y + 2) * Width + x + 2] - data[(y + 2) * Width + x]) + \
                        abs(data[(y + 2) * Width + x] - data[(y + 2) * Width + x - 2]) + \
                        abs(data[(y + 2) * Width + x - 2] - data[(y)*Width + x - 2]);
                    diff = abs(data[y * Width + x] - data[(y - 2) * Width + x - 2]) + \
                        abs(data[y * Width + x] - data[(y - 2) * Width + x]) + \
                        abs(data[y * Width + x] - data[(y - 2) * Width + x + 2]) + \
                        abs(data[y * Width + x] - data[(y)*Width + x + 2]) + \
                        abs(data[y * Width + x] - data[(y + 2) * Width + x + 2]) + \
                        abs(data[y * Width + x] - data[(y + 2) * Width + x]) + \
                        abs(data[y * Width + x] - data[(y + 2) * Width + x - 2]) + \
                        abs(data[y * Width + x] - data[(y)*Width + x - 2]);
                    dpc_th = dN * isp_handle->dpc_handle.dpc_lianyong_handle.dpc;
                    if (diff > dpc_th)
                    {
                        hist_rb++;
                        vg = abs(data[(y - 2) * Width + x] - data[(y + 2) * Width + x]) + \
                            abs(data[(y - 1) * Width + x] - data[(y + 1) * Width + x]);
                        hg = abs(data[(y)*Width + x - 2] - data[(y)*Width + x + 2]) + \
                            abs(data[(y)*Width + x - 1] - data[(y)*Width + x] + 1);
                        if (vg * 100 < hg * isp_handle->dpc_handle.dpc_lianyong_handle.dr)
                        {
                            hist_rb_v++;
                            ptr[(y)*Width + x] = (data[(y - 2) * Width + x] + data[(y + 2) * Width + x]) / 2;
                        }
                        else if (hg * 100 < vg * isp_handle->dpc_handle.dpc_lianyong_handle.dr)
                        {
                            hist_rb_h++;
                            ptr[(y)*Width + x] = (data[(y)*Width + x - 2] + data[(y)*Width + x + 2]) / 2;
                        }
                        else
                        {
                            hist_rb_t++;
                            ptr[(y)*Width + x] = (data[(y - 2) * Width + x - 2] + data[(y - 2) * Width + x] + \
                                data[(y - 2) * Width + x + 2] + data[(y)*Width + x + 2] + \
                                data[(y + 2) * Width + x + 2] + data[(y + 2) * Width + x] + \
                                data[(y + 2) * Width + x - 2] + data[(y)*Width + x - 2]) / 8;
                        }
                    }
                }
            }
        }
        memcpy(data, ptr, Width * Height * sizeof(u16));
        printf("hist_g = %d;hist_rb = %d\n", hist_g, hist_rb);
        printf("hist_g_v = %d;hist_g_h = %d;hist_g_t = %d\n", hist_g_v, hist_g_h, hist_g_t);
        printf("hist_rb_v = %d;hist_rb_h = %d;hist_rb_t = %d\n", hist_rb_v, hist_rb_h, hist_rb_t);
    }
    

    感觉整体效果还可以,基本上该去的坏点都去掉了,逻辑简单,看起来很舒服。
    修改DR和DPC的强度值就可以调整效果了。DPC越小,可以检测到越多的坏点。DR越小则越容易做中值滤波,可以应对多个坏点的簇,也会带来一些细节的模糊。


    去坏点前后

    待完成的。色比的方式。多帧的时候,防止坏点闪烁。
    多说一句,在对于tone_curve等提亮之后会存在一部分的坏点出来,所以去坏点放的位置是不是在提亮之后会合适一点呢?

    相关文章

      网友评论

          本文标题:去坏点小谈

          本文链接:https://www.haomeiwen.com/subject/dpeqrltx.html