1] 1)比较四个分布方向上一阶梯度的大小；
[0052] 2)取最小梯度方向上正常像素点的均值作为坏点的校正值，对坏点进行插值处 理。
[0053] 另外，若想进一步提高坏点的校正精度，还可以为各个梯度方向分配权重，坏点的 校正值就是其周围正常像素点的加权平均值。
[0054] 其中，对于第一类坏簇，在四个分布方向上采用梯度算法，其计算公式如式一所 示，
[0055] 式一：
[0056]
[0057] 对于第二类坏簇，由于外围坏点占据了一个分布方向，因此，在除了外围坏点所占 据分布方向以外的其它三个分布方向上采用梯度算法，其计算公式为式一减去对应方向的 分式即可。
[0058]均值法：
[0059] 利用外围像素点的均值对坏点的像素值进行替代，其计算公式如式二所示，
[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}(不可同时取X和y)，表示 坏点周围的像素点坐标。
[0063] 对于第三类坏簇，由于外围坏点占据了两个分布方向，因此，在除了外围坏点所占 据分布方向以外的其它两个分布方向上采用均值法，即双线性插值。
[0064] 对于第四类坏簇，由于外围坏点占据了三个分布方向，因此，在除了外围坏点所占 据分布方向以外的其它一个分布方向上采用均值法。
[0065] 直接赋值法：
[0066] 直接用坏点最邻近位置（上、下、左、右）的正常像素点替代，对于特殊位置的坏 点，如边缘点或角点，优选直接赋值法进行插值处理。
[0067] 步骤S110 :检测坏点的位置信息以及坏点所对应的坏簇类型信息，并存储；
[0068] 在本发明实施例中，除了要检测坏点的位置信息以外，还要检测坏点之间的位置 关系信息，即与坏点所对应的坏簇类型信息。具体为，首先检测各个坏点的位置信息；其次， 逐个分析每个坏点的外围像素点中外围坏点的分布类型，进而归纳出该坏点所对应的坏簇 类型，并存储。
[0069] 其中，坏点的检测采用类似于平场校正的方法，即通过传感器芯片上感光单元的 不一致性筛选坏点。理想情况下，当相机对均匀的目标成像时，得到图像中所有像素点的 灰度值理论上应该是相同的，然而，受环境光照、加工工艺等因素的影响，输出图像中各像 素的值往往会有较大差异。
[0070] 通常对于单个像素点，其响应灰度值与入射光强度成线性关系，可以写作：Y=aX+b，其中，斜率a可看作信号增益，截距b可看作信号偏移量，X表示入射光强度，Y是输出 的响应值。
[0071] 由上述内容可知，传感器上不同像素点对入射光的响应是不同的直线，即每个像 素点对应的a和b不同。平场校正的目的就是通过改变每个像素点响应直线的斜率和截距， 使所有像素点的输出响应相同。然而，对于坏点而言，校正参数a或b与正常像素点的校正 参数会有很大波动，据此，可以实现坏点的检测。
[0072] 平场校正的假设条件是传感器像素点是线性响应的，根据校正中采用的图像数量 又可分为两点校正法和多点定标法。这里采用两点校正法，其步骤如下：
[0073] 1)拍摄两幅平场图像，分别是暗场图像、亮场图像，其中，亮场图像的亮度最好是 最大亮度的80%，确保传感器的响应曲线尽量是直线；
[0074] 2)基于这两幅平场图像计算各个像素点的两点校正系数，校正公式如式三所示，
[0075] 式二：
[0076]
[0077] 其中，Η和L分别表示亮场图像和暗场图像，根据式三得到所有像素点的平场校正 系数；
[0078] 3)分别对校正系数a和b设定合适的阈值T，Tb，为了避免错判，阈值选取可以 是一个范围，例如，?； ={7；min，7；max}，比较每个像元的校正系数与阈值的关系，若校正系数 在阈值范围内，则认为该点是正常像素点，否则判定为坏点。
[0079] 需要指出的是，以上仅是本发明实施例一种具体的坏点检测方法，但不应当将其 作为本发明保护范围的限制，本领域的技术人员根据实际需要可以对应变换采用其它的坏 点检测方法，其均应当落入本发明的保护范围之内。
[0080] 步骤S120 :根据坏点的位置信息在采集的图像中查找坏点，根据坏点所对应的坏 簇类型信息在映射表中选择相匹配的插值算法，利用该插值算法对所述坏点进行插值处 理；
[0081] 在本步骤中依次对图像传感器所采集图像中的每一个坏点进行校正，由于在步骤S110中已经存储了坏点的位置信息，因此，在对图像进行坏点校正时，可以直接提取坏点的 位置信息进而在图像中查找坏点（需要进行校正的像素点），查找到坏点后，根据步骤S110 中存储的坏簇类型信息，确定该坏点所对应的坏簇类型，根据坏簇类型在步骤S100中预设 的映射表内查找相对应的插值算法，对该坏点进行校正。由于插值算法的具体过程在上述 已经做了详细说明，因此，在此不再赘述。
[0082] 作为一种优选实施例，步骤S120中还包括判断步骤，具体为：在所述根据坏点所 对应的坏簇类型信息在映射表中选择相匹配的插值算法之前，判断坏点是否为边缘点，若 是，则采用直接赋值法对所述边缘点进行插值处理。图5为步骤S120中的判断方法流程示 意图，以下结合图5对本实施例的步骤S120进行具体说明。
[0083] 如图5所示，在本实施例中，首先判断坏点是否为边缘点，如果是，则采用直接赋 值法对边缘点进行插值处理；否则，根据坏点的位置信息在采集的图像中查找坏点，根据坏 点所对应的坏簇类型信息在映射表中选择相匹配的插值算法，利用该插值算法对所述坏点 进行插值处理。其中，采用直接赋值法对边缘点进行插值处理，具体包括：判断边缘点是否 为拐角点，如果是，则采用边缘点的水平相邻像素点的像素值替代所述边缘点的像素值；否 贝1J，采用边缘点的两个水平相邻或两个竖直相邻像素点的平均像素值替代所述边缘点的像 素值。以矩形图像为例，边缘点是指矩形图像中四条边上的像素点，拐角点是指矩形图像中 四个角上的像素点。
[0084] 应当指出的是，上述方法主要应用于黑白图像传感器，对于彩色图像传感器的坏 点处理需要在上述方法的基础上对应调整。图6为本发明实施例提供的一种彩色图像传感 器的坏点处理方法流程图，本方法应用于彩色图像传感器，即对彩色图像传感器所采集的 彩色图像进行坏点处理，如图6所示，其包括如下步骤：
[0085] 步骤S200 :预设坏簇类型与插值算法的映射表；
[0086] 步骤S210 :根据采集的彩色图像中像素点的颜色，将彩色图像分解成不同颜色的 子模块；
[0087] 步骤S220 :依次检测每个子模块中坏点的位置信息以及坏点所对应的坏簇类型 信息，并存储；
[0088] 由于在彩色图像中，不同颜色分量的基准不同，因此，为了正确检测到坏点，需要 将彩色图像分解成不同颜色的子模块分别检测。以下结合Bayer格式的图像对其进行示例 性说明。
[0089] 图7为Bayer格式的图像结构示意图，如图7所示，Bayer格式的图像1由2X2 的色彩块组成，每个色彩块中分别具有一个红色像素点（R)、两个绿色像素点（G)和一个蓝 色像素点（B)。也就是说，在Bayer格式的彩色图像中，R和B分量分别占有1/4，G分量占 有1/2。在进行坏点检测之前，先将Bayer图像分解成3种色彩的子模块，R和B分量在一 个色彩块中只占1/4,可以分别直接抽取形成红色子模块11和蓝色子模块14 ;G分量占色 彩块的1/2,根据其位置不同分成两个子模块，第一个绿色子模块12是抽取色彩块的右上 角分量的集合，第二个绿色子模块13是抽取