采用FPGA进行bayer插值算法的实现方法

简介

Bayer型CFA上面每一个感光点仅允许一种颜色分量通过，所以其整帧画面是由单通道RGB颜色组成的灰度图。其可按照BGGR,RGGB,GBRG,GRBG四种排列方式给出。若想获得全彩的图像，必须估计出每一个像素点的其他两个像素灰度值。以图1所示，图中B33

 图1 B点的5×5邻域

点采集到的只有蓝色灰度值，这就需要估计出B33处的R和G灰度值，如此方可将Bayer型数据转换为RGB3通道数据。我们称这个过程为Bayer型颜色滤波阵列的插值过程，又名去马赛克（Demosaicing）。

2. 算法描述

       关于颜色插值算法有很多，包括传统上的最近邻域插值法，双线性插值法（Bilinear）[1],这些算法在颜色比较平坦的区域得到了很好的插值效果，但对于一些边缘部分（高频部分）的处理效果明显存在缺陷，导致整幅图像看上去变得模糊了。近年来出现了Laplacian, Freeman, Hamilton-Adams,Pei-Tam,Kimmel,AP,ECI等算法。它们不但能很好地平滑平坦区域，也引入了边缘信息进行计算，利用了空间信息，还利用了色差与亮度之间的相关性，使得在一定程度上较好地保留了边缘信息，总体效果明显好于传统算法。但是其中也有一部分算法比较复杂，不易于在FPGA等VLSI上实现，包括浮点运算，权重相乘，除法运算等。经过研究，最后基本确定了基于G-B，G-R空间的颜色插值算法[2]。下面基于Matlab的实现方式对算法原理进行描述。

       首先对于CFA型图像上的一点，定义以下颜色空间：

        步骤一：先计算G点的Kr和Kb值

for i=3:m-2         for j=3:n-2             if(rem(i,2)~=0)                 if(rem(j,2)~=0)                     %B点计算周围4个G点Kb的值                     Kb(i-1,j)=I(i-1,j)-(I(i-2,j)+I(i,j))/2;                     Kb(i,j-1)=I(i,j-1)-(I(i,j-2)+I(i,j))/2;                     Kb(i,j+1)=I(i,j+1)-(I(i,j+2)+I(i,j))/2;                     Kb(i+1,j)=I(i+1,j)-(I(i+2,j)+I(i,j))/2;                 end             else                 if(rem(j,2)==0)                     %R点计算周围4个G点Kr的值                     Kr(i-1,j)=I(i-1,j)-(I(i-2,j)+I(i,j))/2;                     Kr(i,j-1)=I(i,j-1)-(I(i,j-2)+I(i,j))/2;                     Kr(i,j+1)=I(i,j+1)-(I(i,j+2)+I(i,j))/2;                     Kr(i+1,j)=I(i+1,j)-(I(i+2,j)+I(i,j))/2;                 end             end         end     end

步骤二：计算所有G值

for i=3:m-2         for j=3:n-2             if(rem(i,2)~=0)                 if(rem(j,2)~=0)                     %B点根据周围4个G点Kb值计算G值                     J(i,j,2)=I(i,j)+(Kb(i-1,j)+Kb(i,j-1)+Kb(i,j+1)+Kb(i+1,j))/4;                 else                     J(i,j,2)=I(i,j);                 end             else                 if(rem(j,2)==0)                     %R点根据周围4个G点Kr值计算G值                     J(i,j,2)=I(i,j)+(Kr(i-1,j)+Kr(i,j-1)+Kr(i,j+1)+Kr(i+1,j))/4;                 else                     J(i,j,2)=I(i,j);                 end             end         end     end

步骤三：再计算R,B点的Kb和Kr值

for i=3:m-2         for j=3:n-2             if(rem(i,2)~=0)                 if(rem(j,2)~=0)                     %B点                     Kb(i,j)=J(i,j,2)-I(i,j);                 end             else                 if(rem(j,2)==0)                     %B点                     Kr(i,j)=J(i,j,2)-I(i,j);                 end             end         end     end

步骤四：再计算G点的R值和B值

for i=3:m-2         for j=3:n-2             if(rem(i,2)~=0)                 if(rem(j,2)==0)                     %G点计算B的值                     J(i,j,3)=J(i,j,2)-(Kb(i,j-1)+Kb(i,j+1))/2;                     %G点计算R的值                     J(i,j,1)=J(i,j,2)-(Kr(i-1,j)+Kr(i+1,j))/2;                 end             else                 if(rem(j,2)~=0)                     %G点计算B的值                     J(i,j,3)=J(i,j,2)-(Kb(i-1,j)+Kb(i+1,j))/2;                     %G点计算R的值                     J(i,j,1)=J(i,j,2)-(Kr(i,j-1)+Kr(i,j+1))/2;                 end             end         end     end

步骤五：最后计算B点的R值和R点的B值

for i=3:m-2         for j=3:n-2             if(rem(i,2)~=0)                 if(rem(j,2)~=0)                     %B点计算R的值                     J(i,j,1)=J(i,j,2)-(Kr(i-1,j-1)+Kr(i-1,j+1)+Kr(i+1,j-1)+Kr(i+1,j+1))/4;                     %B点计算B的值                     J(i,j,3)=I(i,j);                 end             else                 if(rem(j,2)==0)                     %R点计算B的值                     J(i,j,3)=J(i,j,2)-(Kb(i-1,j-1)+Kb(i-1,j+1)+Kb(i+1,j-1)+Kb(i+1,j+1))/4;