4. 坏点校正

任务目标

传感器因工艺缺陷或老化会产生坏点，表现为固定位置的亮点（热像素）或暗点（死像素）。本案例实现一个最小可用的坏点校正模块：检测单帧图像中的坏点，并用邻域中值替换，消除固定噪点。

核心原理

坏点检测基于邻域统计：若某像素灰度值显著高于或低于其周围8邻域的中值（超过阈值），则判定为坏点。校正时直接用该邻域中值替换坏点像素值。该算法对单帧有效，适合静态场景或首次校正。

完整实现

#include <stdint.h>
#include <string.h>

#define W 640
#define H 480
#define THRESHOLD 40  // 坏点判定阈值

// 8邻域中值查找（简单插入排序，仅9个元素）
static uint8_t median9(uint8_t v[9]) {
    uint8_t t;
    for (int i = 1; i < 9; i++) {
        for (int j = i; j > 0 && v[j] < v[j-1]; j--) {
            t = v[j]; v[j] = v[j-1]; v[j-1] = t;
        }
    }
    return v[4];
}

// 坏点检测与校正（单帧，原地操作）
void bad_pixel_correction(uint8_t *frame) {
    uint8_t *out = frame;  // 原地处理
    uint8_t neighbors[9];

    for (int y = 1; y < H-1; y++) {
        for (int x = 1; x < W-1; x++) {
            int idx = y * W + x;
            uint8_t center = frame[idx];

            // 提取3x3邻域
            neighbors[0] = frame[idx - W - 1];
            neighbors[1] = frame[idx - W];
            neighbors[2] = frame[idx - W + 1];
            neighbors[3] = frame[idx - 1];
            neighbors[4] = center;
            neighbors[5] = frame[idx + 1];
            neighbors[6] = frame[idx + W - 1];
            neighbors[7] = frame[idx + W];
            neighbors[8] = frame[idx + W + 1];

            uint8_t med = median9(neighbors);

            // 检测：中心点与中值差异超过阈值则判为坏点
            int diff = center > med ? center - med : med - center;
            if (diff > THRESHOLD) {
                out[idx] = med;  // 用中值替换
            }
        }
    }
    // 边界像素不处理（保持原样）
}

编译与运行

# 编译（需支持C99或以上）
gcc -O2 -o badpixel badpixel.c

# 运行（假设frame.bin为640x480的8位灰度原始数据）
./badpixel frame.bin corrected.bin

若需独立可执行文件，在main()中读取输入文件、调用bad_pixel_correction()并写出结果即可。上述代码为核心算法，可直接嵌入ISP流水线。

验证方法

1. 构造测试图：生成一张640x480灰度图，背景为均匀灰度128，在坐标(100,100)、(320,240)处分别设置像素值为255（亮点）和0（暗点）。
2. 运行校正：处理该测试图。
3. 通过条件：校正后，原坏点位置像素值变为128（邻域中值），其余像素保持不变。可用以下命令检查：

# 用Python快速验证（需numpy）
python3 -c "
import numpy as np
img = np.full((480,640), 128, dtype=np.uint8)
img[100,100] = 255
img[320,240] = 0
img.tofile('test_in.bin')
# 运行校正程序后读取输出
out = np.fromfile('test_out.bin', dtype=np.uint8).reshape(480,640)
assert out[100,100] == 128 and out[320,240] == 128
assert np.all(out[0,:] == 128)  # 边界未处理
print('PASS: 坏点已校正，正常像素未受影响')
"

参数说明

• THRESHOLD：灵敏度调节。值越小检测越激进，但可能误伤纹理边缘；值越大漏检越多。典型范围20~60。
• 边界像素（第0/479行、第0/639列）未处理，因缺少完整邻域。若需处理边界，可复制边缘像素或跳过。
• 本算法为单帧静态校正，不适用于运动场景的实时坏点追踪。若需动态校正，应结合多帧时域检测。