1] 1)比較四個分布方向上一階梯度的大小；
[0052] 2)取最小梯度方向上正常像素點的均值作為壞點的校正值，對壞點進行插值處 理。
[0053] 另外，若想進一步提高壞點的校正精度，還可以為各個梯度方向分配權重，壞點的 校正值就是其周圍正常像素點的加權平均值。
[0054] 其中，對于第一類壞簇，在四個分布方向上采用梯度算法，其計算公式如式一所 示，
[0055] 式一：
[0056]
[0057] 對于第二類壞簇，由于外圍壞點占據(jù)了一個分布方向，因此，在除了外圍壞點所占 據(jù)分布方向以外的其它三個分布方向上采用梯度算法，其計算公式為式一減去對應方向的 分式即可。
[0058]均值法：
[0059] 利用外圍像素點的均值對壞點的像素值進行替代，其計算公式如式二所示，
[0060] 式二：
[0061]
[0062] 其中，X'可以取{χ-l,X，x+1}，y'可以取{y-1,y,y+Ι}(不可同時取X和y)，表示 壞點周圍的像素點坐標。
[0063] 對于第三類壞簇，由于外圍壞點占據(jù)了兩個分布方向，因此，在除了外圍壞點所占 據(jù)分布方向以外的其它兩個分布方向上采用均值法，即雙線性插值。
[0064] 對于第四類壞簇，由于外圍壞點占據(jù)了三個分布方向，因此，在除了外圍壞點所占 據(jù)分布方向以外的其它一個分布方向上采用均值法。
[0065] 直接賦值法：
[0066] 直接用壞點最鄰近位置（上、下、左、右）的正常像素點替代，對于特殊位置的壞 點，如邊緣點或角點，優(yōu)選直接賦值法進行插值處理。
[0067] 步驟S110 :檢測壞點的位置信息以及壞點所對應的壞簇類型信息，并存儲；
[0068] 在本發(fā)明實施例中，除了要檢測壞點的位置信息以外，還要檢測壞點之間的位置 關系信息，即與壞點所對應的壞簇類型信息。具體為，首先檢測各個壞點的位置信息；其次， 逐個分析每個壞點的外圍像素點中外圍壞點的分布類型，進而歸納出該壞點所對應的壞簇 類型，并存儲。
[0069] 其中，壞點的檢測采用類似于平場校正的方法，即通過傳感器芯片上感光單元的 不一致性篩選壞點。理想情況下，當相機對均勻的目標成像時，得到圖像中所有像素點的 灰度值理論上應該是相同的，然而，受環(huán)境光照、加工工藝等因素的影響，輸出圖像中各像 素的值往往會有較大差異。
[0070] 通常對于單個像素點，其響應灰度值與入射光強度成線性關系，可以寫作：Y=aX+b，其中，斜率a可看作信號增益，截距b可看作信號偏移量，X表示入射光強度，Y是輸出 的響應值。
[0071] 由上述內(nèi)容可知，傳感器上不同像素點對入射光的響應是不同的直線，即每個像 素點對應的a和b不同。平場校正的目的就是通過改變每個像素點響應直線的斜率和截距， 使所有像素點的輸出響應相同。然而，對于壞點而言，校正參數(shù)a或b與正常像素點的校正 參數(shù)會有很大波動，據(jù)此，可以實現(xiàn)壞點的檢測。
[0072] 平場校正的假設條件是傳感器像素點是線性響應的，根據(jù)校正中采用的圖像數(shù)量 又可分為兩點校正法和多點定標法。這里采用兩點校正法，其步驟如下：
[0073] 1)拍攝兩幅平場圖像，分別是暗場圖像、亮場圖像，其中，亮場圖像的亮度最好是 最大亮度的80%，確保傳感器的響應曲線盡量是直線；
[0074] 2)基于這兩幅平場圖像計算各個像素點的兩點校正系數(shù)，校正公式如式三所示，
[0075] 式二：
[0076]
[0077] 其中，Η和L分別表示亮場圖像和暗場圖像，根據(jù)式三得到所有像素點的平場校正 系數(shù)；
[0078] 3)分別對校正系數(shù)a和b設定合適的閾值T，Tb，為了避免錯判，閾值選取可以 是一個范圍，例如，?； ={7；min，7；max}，比較每個像元的校正系數(shù)與閾值的關系，若校正系數(shù) 在閾值范圍內(nèi)，則認為該點是正常像素點，否則判定為壞點。
[0079] 需要指出的是，以上僅是本發(fā)明實施例一種具體的壞點檢測方法，但不應當將其 作為本發(fā)明保護范圍的限制，本領域的技術人員根據(jù)實際需要可以對應變換采用其它的壞 點檢測方法，其均應當落入本發(fā)明的保護范圍之內(nèi)。
[0080] 步驟S120 :根據(jù)壞點的位置信息在采集的圖像中查找壞點，根據(jù)壞點所對應的壞 簇類型信息在映射表中選擇相匹配的插值算法，利用該插值算法對所述壞點進行插值處 理；
[0081] 在本步驟中依次對圖像傳感器所采集圖像中的每一個壞點進行校正，由于在步驟S110中已經(jīng)存儲了壞點的位置信息，因此，在對圖像進行壞點校正時，可以直接提取壞點的 位置信息進而在圖像中查找壞點（需要進行校正的像素點），查找到壞點后，根據(jù)步驟S110 中存儲的壞簇類型信息，確定該壞點所對應的壞簇類型，根據(jù)壞簇類型在步驟S100中預設 的映射表內(nèi)查找相對應的插值算法，對該壞點進行校正。由于插值算法的具體過程在上述 已經(jīng)做了詳細說明，因此，在此不再贅述。
[0082] 作為一種優(yōu)選實施例，步驟S120中還包括判斷步驟，具體為：在所述根據(jù)壞點所 對應的壞簇類型信息在映射表中選擇相匹配的插值算法之前，判斷壞點是否為邊緣點，若 是，則采用直接賦值法對所述邊緣點進行插值處理。圖5為步驟S120中的判斷方法流程示 意圖，以下結合圖5對本實施例的步驟S120進行具體說明。
[0083] 如圖5所示，在本實施例中，首先判斷壞點是否為邊緣點，如果是，則采用直接賦 值法對邊緣點進行插值處理；否則，根據(jù)壞點的位置信息在采集的圖像中查找壞點，根據(jù)壞 點所對應的壞簇類型信息在映射表中選擇相匹配的插值算法，利用該插值算法對所述壞點 進行插值處理。其中，采用直接賦值法對邊緣點進行插值處理，具體包括：判斷邊緣點是否 為拐角點，如果是，則采用邊緣點的水平相鄰像素點的像素值替代所述邊緣點的像素值；否 貝1J，采用邊緣點的兩個水平相鄰或兩個豎直相鄰像素點的平均像素值替代所述邊緣點的像 素值。以矩形圖像為例，邊緣點是指矩形圖像中四條邊上的像素點，拐角點是指矩形圖像中 四個角上的像素點。
[0084] 應當指出的是，上述方法主要應用于黑白圖像傳感器，對于彩色圖像傳感器的壞 點處理需要在上述方法的基礎上對應調(diào)整。圖6為本發(fā)明實施例提供的一種彩色圖像傳感 器的壞點處理方法流程圖，本方法應用于彩色圖像傳感器，即對彩色圖像傳感器所采集的 彩色圖像進行壞點處理，如圖6所示，其包括如下步驟：
[0085] 步驟S200 :預設壞簇類型與插值算法的映射表；
[0086] 步驟S210 :根據(jù)采集的彩色圖像中像素點的顏色，將彩色圖像分解成不同顏色的 子模塊；
[0087] 步驟S220 :依次檢測每個子模塊中壞點的位置信息以及壞點所對應的壞簇類型 信息，并存儲；
[0088] 由于在彩色圖像中，不同顏色分量的基準不同，因此，為了正確檢測到壞點，需要 將彩色圖像分解成不同顏色的子模塊分別檢測。以下結合Bayer格式的圖像對其進行示例 性說明。
[0089] 圖7為Bayer格式的圖像結構示意圖，如圖7所示，Bayer格式的圖像1由2X2 的色彩塊組成，每個色彩塊中分別具有一個紅色像素點（R)、兩個綠色像素點（G)和一個藍 色像素點（B)。也就是說，在Bayer格式的彩色圖像中，R和B分量分別占有1/4，G分量占 有1/2。在進行壞點檢測之前，先將Bayer圖像分解成3種色彩的子模塊，R和B分量在一 個色彩塊中只占1/4,可以分別直接抽取形成紅色子模塊11和藍色子模塊14 ;G分量占色 彩塊的1/2,根據(jù)其位置不同分成兩個子模塊，第一個綠色子模塊12是抽取色彩塊的右上 角分量的集合，第二個綠色子模塊13是抽取