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
|
步骤四:再计算G点的R值和B值
|
步骤五:最后计算B点的R值和R点的B值
|