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：

1 close all;2 clear;3 clc;4 %%variable5 dp_slope = 0.02;6 dp_thresh = -0.3;7 r=3; %Stencil radius8

9 %%read raw image10 % x = 0:255;11 % y = dp_slope * x +dp_thresh;12 % y(y<0) = 0;13 % y(y>1) = 1;14 %figure,15 % plot(0:255,y)16 % axis([0 255 0 1.5])17

18 [filename, pathname] =...19 uigetfile({'*.raw'}, 'select picture');20 str =[pathname filename];21 fp = fopen(str, 'rb');22 [X,l] = fread(fp, [1920,1080], 'uint16');23 fclose(fp);24 img = uint8(X/16)';

25 [height, width] =size(img);26 img_correct =zeros(height, width);27

28 %%Image edge extension29 imgn=zeros(height+2*r,width+2*r);30 imgn(r+1:height+r,r+1:width+r)=img;31 imgn(1:r,r+1:width+r)=img(1:r,1:width);32 imgn(1:height+r,width+r+1:width+2*r+1)=imgn(1:height+r,width:width+r);33 imgn(height+r+1:height+2*r+1,r+1:width+2*r+1)=imgn(height:height+r,r+1:width+2*r+1);34 imgn(1:height+2*r+1,1:r)=imgn(1:height+2*r+1,r+1:2*r);35

36 %%dp algorithm37 for i = r+1:height-r38 for j = r+1:width-r39

40 img_r = imgn(i-r:2:i+r, j-r:2:j+r);41 data_r_center =img_r(r, r);42 data_r_diff(1:r+1, 1:r+1) = abs(img_r -img_r(r,r));43 data_r_sort =sort(img_r(:));44 data_r_median = data_r_sort(r*2+1);45 data_r_detect = data_r_diff * dp_slope +dp_thresh;46 data_r_detect(data_r_detect < 0) = 0;47 data_r_detect(data_r_detect > 1) = 1;48 data_r_judge = sum(sum(data_r_detect > 0));49 data_r_weight = sum(sum(data_r_detect)) /data_r_judge;50 if i-r == 18 && j-r == 43

51 a = 1;52 end53 if data_r_judge >= 7

54 data_r_correct = data_r_median * data_r_weight + (1-data_r_weight) *data_r_center;55 else

56 data_r_correct =data_r_center;57 end58 img_correct(i-r, j-r) =data_r_correct;59

60 end61 end62

63 %%show64 figure,imshow(uint8(img));65 figure,imshow(uint8(img_correct));

仿真效果如下：

动态坏点校正前：

动态坏点校正之后: