CN108961167A - 一种基于有限差分及梯度的Bayer-CFA插值方法 - Google Patents
一种基于有限差分及梯度的Bayer-CFA插值方法 Download PDFInfo
- Publication number
- CN108961167A CN108961167A CN201810764088.2A CN201810764088A CN108961167A CN 108961167 A CN108961167 A CN 108961167A CN 201810764088 A CN201810764088 A CN 201810764088A CN 108961167 A CN108961167 A CN 108961167A
- Authority
- CN
- China
- Prior art keywords
- point
- interpolation
- pixel
- formula
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013461 design Methods 0.000 claims abstract description 8
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 17
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 19
- 239000003086 colorant Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000004224 protection Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Color Television Image Signal Generators (AREA)
- Image Processing (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明公开一种基于有限差分及梯度的Bayer‑CFA插值方法，包括两步。步骤一，CFA插值：利用有限差分和空间相关性构造插值函数，再结合色彩相关性设计插值算子，用梯度信息建立权重因子，实现G平面插值；利用G像素点左右的已知R像素点的对称性调整插值函数，再结合色彩相关性构建G和B像素点的插值函数，完成R平面插值；最后用R平面的插值思想实现B平面插值。步骤二，修正：采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，基于距离确定加权系数实现修正。本发明能获得了较好的客观指标CPSNR和ΔEab，能保护图像的边缘细节，获得高质量的彩色图像。
Description
技术领域
本发明涉及CFA插值方法，尤其涉及一种基于有限差分及梯度的Bayer-CFA插值方法。
背景技术
数字信息时代，数码相机的使用非常普及，为了缩小体积、降低成本，多数设备中仅有一个传感器并覆盖彩色滤波阵列(Color Filter Array，CFA)。此结构的成像设备在每个像素点只能采集到红、绿或蓝中的一个颜色，其余两个颜色需要估计出来，估计的过程被称为去马赛克或者CFA插值。
双线性插值，双三次插值和样条插值等早期的去马赛克方法没有考虑各颜色通道之间的相关性。彩色图像的邻域像素之间具有较强的空间相关性，同时各通道间还存在强烈的色彩(光谱)相关性，充分利用图像相关性才能获得高质量的去马赛克效果。基于颜色比率(如R/G，B/G)的插值方法，基于颜色差值(如G-R，G-B)的插值方法等均考虑了图像的光谱相关性。要获得高质量彩色图像，考虑相关性的同时，还需要结合使用先进的技术手段。
黄丽丽等(黄丽丽,肖亮,韦志辉.彩色图像去马赛克的非局部稀疏表示方法.电子学报,2014,42(2):272-279)利用非局部稀疏性实现了CFA插值。
贾晓芬等(贾晓芬,马立勇,马家辰.基于支持向量机的彩色滤波阵列插值方法.四川大学学报(工程科学版),2010,42(3):145-150.)利用支持向量机设计了一种去马赛克方法。
Buades等(BuadesA,Coll B,Morel JM,et al.Self-similarity driven colordemosaicking.IEEE Transactions on Image Processing,2009,18(6):1192-1202)利用图像自相似性实现了马赛克图像的CFA插值。
上述方法均获得了较好的插值结果，但在伪彩色和边缘模糊方面还有待提高。
图像梯度的大小和方向体现边缘信息，准确利用梯度不仅可以提高插值精度还可以保护图像的边缘。将CFA图像中的已知像素点作为离散的网格节点，利用像素间的空间相关性设计插值函数，可以实现有限差分对连续像素值的逼近，完成对丢失像素值的估计。鉴于此，发明了一种融合梯度、有限差分及图像相关性的Bayer-CFA插值方法。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种基于有限差分及梯度的Bayer-CFA插值方法。
本发明涉及一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，具体按照以下步骤进行：
步骤一，CFA插值：
①利用有限差分和空间相关性构造插值函数；
②G平面插值：结合色彩相关性设计插值算子，用梯度信息建立权重因子，实现G平面插值；
③R平面插值：利用G像素点左右的已知R像素点的对称性调整插值函数，再结合色彩相关性构建G和B像素点的插值函数，完成R平面插值；
④B平面插值：用R平面的插值方法实现B平面插值；
步骤二，梯度修正：采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，使用基于距离的加权系数实现修正。
进一步的，所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一①中，利用有限差分和空间相关性构造的插值函数为，
式(1)中，表示待插值点，取h＝2，M项由2个依次相距2个像素的点构成，N项由3个依次相距2个像素的点构成。
进一步的，所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一②中，结合色彩相关性设计插值算子的方法，具体按照以下步骤进行：
B点插值G的水平方向的插值算子为，
式(2)的和未知，用公式(1)获得，此时的M项取待插值点左右相邻的2个像素点，N项取待插值点及左右距离2个像素的2个像素点，公式为，
公式(3)、(4)带入公式(2)可得
同理可得B点插值G的垂直方向的插值算子
公式(5)和(6)就是设计的插值算子。
进一步的，根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一②中，用梯度信息建立权重因子的方法，具体按照以下步骤进行：
先在5×5区域内用待插值点的多个已知相邻像素点计算梯度，利用梯度信息构造水平、垂直方向的梯度算子，其公式分别为，
由公式(7)、(8)得到权重因子最终获得B点的G像素估计值，计算公式为，
在R点估计G的方法同上，只需将公式(2)～(8)中的B换成R即可。
进一步的，所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一③中，利用G像素点左右已知R像素点的对称性调整插值函数，结合色彩相关性构建G和B像素点的插值函数，具体按照以下步骤进行：
GR行的G点左右均为已知的R像素点，因此，在G点的水平方向利用色差值构造G点的插值函数，公式为，
式(10)的第一项对应式(1)的M项，由G点左右相邻的两个R点的色差值构成；第二项对应式(1)的N项，由3个依次相距2像素的像素点构成，而G点左右的已经R点是对称的，为了保持对称，利用两项的平均值来构造；
同理，GB行的G点上下均为已知的R像素点，在G点的垂直方向构造的G点的插值函数为，
将公式(10)和(11)分别代入即可分别得到GR行和GB行的G点丢失的R像素值；
B点的插值函数在以B点为中心的3×3区域内，利用其对角四邻域的色差平均值获得，计算公式为，
将公式(12)代入即可得到B点丢失的R像素值；
公式(2)～(12)中的涉及的(i，j)表示待插值点的位置，Yi,j表示(i，j)点的像素值，表示估计值，其中Y＝R,G,B,or,K，H和V分别表示水平、垂直方向。
进一步的，所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤二中，采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，基于距离决定加权系数实现修正，具体按照以下步骤进行：
步骤一，在以待修正点为中心的3×3邻域内，计算中心像素点与其八邻域的像素差值，即中心点在八个方向的梯度值，分别为，
其中X＝R,G,or,B；
步骤二，计算权重因子：
步骤三，修正插值点像素值，B表示修正值，即最终的插值结果，具体如下：
G像素值：水平垂直四邻域均为已知G像素值，对角四邻域均为估计出的G像素值，采用欧式距离确定加权系数，修正结果为，
其中k1和k2分别是G像素估计值和修正项的权重，满足k1+k2＝1，且k1＞0.5，k2＜0.5；
R像素值：对角四邻域均为已知的R像素值，采用棋盘距离确定加权系数，修正结果为，
R像素值：GB行的G点上下两点是已知的R像素值，GR行的G点左右两点是已知的R像素值，其余六个像素点的R像素值均为估计值，增大两个已知R像素值的权重，修正结果为，
GR行的G点的R像素值为，
GB行的G点的R像素值为，
公式(16)～(18)中的v1和v2分别是R像素估计值和修正项的权重，满足v1+v2＝1，且v1＞0.5,v2＜0.5。
本发明相对于现有技术取得了以下技术效果：
本发明的插值图像能取得较高的峰值信噪比CPSNR和较小的色差ΔEab，能减少伪彩色，保护图像边缘，明显改善图像质量，达到满意的视觉效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是Bayer-CFA插值方法的插值流程图；
图2是以B点为中心的插值G平面后的3×3区域示意图；
图3是以R点为中心的G平面插值R后的3×3区域示意图；
图4是插值点的空间位置示意图；
图4(a)是B点或R点插值出G像素值的空间位置；
图4(b)是B点插值出R像素值的空间位置；
图4(c)是GB行的G点或GR行的G点插值出R像素值的空间位置；
图5是不同方法对Kodim07去马赛克后的局部放大结果；
图5(a)是原始标准图像；
图5(b)是黄丽丽的结果；
图5(c)是贾晓芬的结果；
图5(d)是Buades的结果；
图5(e)是本发明的结果；
图6是不同方法对Kodim20去马赛克后的局部放大结果；
图6(a)是原始标准图像；
图6(b)是黄丽丽的结果；
图6(c)是贾晓芬的结果；
图6(d)是Buades的结果；
图6(e)是本发明的结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明公开一种基于有限差分及梯度的Bayer-CFA插值方法，包括两步。步骤一，CFA插值：利用有限差分和空间相关性构造插值函数，再结合色彩相关性设计插值算子，用梯度信息建立权重因子，实现G平面插值；利用G像素点左右的已知R像素点的对称性调整插值函数，再结合色彩相关性构建G和B像素点的插值函数，完成R平面插值；最后用R平面的插值思想实现B平面插值。步骤二，修正：采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，基于距离确定加权系数实现修正。
本发明涉及的一种基于有限差分及梯度的Bayer-CFA插值方法，先利用插值多项式设计插值函数，具体如下：
设函数f(x)∈[a,b]，n+1阶连续可微，若有n+1个插值节点则插值多项式Pn(x)的插值误差为：
其中min{xi}≤ξ≤max{xi}。
若只有x0，x0+h两个插值节点，且是等间距点，其中则插值误差(截断误差)是有界的，等于此时可得：
f(x)≈f(x0)+f′(x0)(x-x0)+R1(x) (2)
由有限差分方程可得：
取将式(3)带入式(2)可得：
CFA图像中的像素间隔为整数倍像素，为了将公式(4)作为CFA图像的插值函数，h的取值必须是偶数。为了保证插值函数充分利用图像的空间相关性，取h＝2，此时，M项由2个依次相距2像素的点构成，N项由3个依次相距2像素的点构成。
所述的插值G平面：
进一步的，为了便于说明，用(i，j)表示待插值点的位置，Yi,j表示(i，j)点的像素值，表示估计值，其中Y＝R,G,B,or,K，H和V分别表示水平、垂直方向。
根据色差理论可得B点插值G的水平方向的插值算子：
公式(5)的和未知，可利用公式(4)获得，其中的M项取待插值点左右相邻的2点，N项取待插值点及左右距离2个像素的2点：
公式(6)、(7)带入公式(5)可得：
同理可得垂直方向的插值算子：
图像的梯度包含边缘信息，利用梯度信息实现插值有助于提高插值精度。为了获得准确的梯度信息，在5×5区域内用待插值点的多个已知相邻像素点计算梯度，利用梯度信息构造梯度算子，其公式为：
由公式(10)、(11)得到权重因子最终获得B点的G像素估计值：
在R点插值G的方法同上，只需将公式(5)～(11)中的B换成R即可。
下面利用色差值和G平面上所有的已知像素值估计其余两平面。
所述的插值R平面：
进一步的，G平面插值R
GR行的G点左右均为已知的R像素点，因此，在G点的水平方向利用色差值构造G点的插值函数，公式如下：
式(13)的第一项对应式(4)的M项，第二项对应式(4)的N项。其中，M项由G点左右相邻的两个R点的色差值构成。N项由3个依次相距2像素的点构成，而G点左右的已经R点是对称的，为了保持对称，利用两项的平均值来构造。
同理，GB行的G点上下均为已知的R像素点，在G点的垂直方向构造的G点的插值函数为，公式如下：
将公式(13)和(14)分别代入即可分别得到GR行和GB行的G点的R像素值。此时，R平面上只有B点的R像素值未知。
进一步的，B平面插值R
如图2，B点的插值函数在以B点为中心的3×3区域内，利用其对角四邻域的色差平均值获得，计算公式为，
将公式(15)代入即可得到B点丢失的R像素值。
所述的插值B平面：
进一步的，B平面与R平面的插值方法类似，不再赘述。区别为：G平面插值B像素值时，GR行和GB行的色差值分别在垂直、水平方向估计；R平面插值B像素值时，在以R点为中心的图3所示的3×3区域内估计。最后，采用计算出G点的B像素值，利用计算出R点的B像素值，得到完整的B平面。
所述的梯度修正：
采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，基于距离决定加权系数实现修正，具体按照以下步骤进行：
步骤一，在以待修正点为中心的3×3邻域内，计算中心像素点与其八邻域的像素差值，即中心点在八个方向的梯度值，分别为，
其中X＝R,G,or,B；
步骤二，计算权重因子：
步骤三，修正插值点像素值，B表示修正值，即最终的插值结果，具体如下：
G像素值：如图4(a)，水平垂直四邻域均为已知G像素值，对角四邻域均为估计出的G像素值，采用欧式距离确定加权系数，修正结果为，
其中k1和k2分别是G像素估计值和修正项的权重，满足k1+k2＝1，且k1＞0.5，k2＜0.5；
R像素值：如图4(b)，对角四邻域均为已知的R像素值，采用棋盘距离确定加权系数，修正结果为，
R像素值：如图4(c)，GB行的G点上下两点是已知的R像素值，GR行的G点左右两点是已知的R像素值，其余六个像素点的R像素值均为估计值，增大两个已知R像素值的权重，修正结果为，
GR行的G点的R像素值为，
GB行的G点的R像素值为，
公式(19)～(21)中的v1和v2分别是R像素估计值和修正项的权重，满足v1+v2＝1，且v1＞0.5,v2＜0.5。
为了验证本发明的有效性，进行了仿真试验。实验运用Matlab R2016a编程，在3.60GHz的Intel(R)Core(TM)i7-7700CPU，16.0GB内存的台式机上运行。采用24幅分辨率为768×512的标准彩色图像，先将其下采样成Bayer型CFA图像，然后对其完成CFA插值。插值效果通过对结果图像的主观评价，及彩色图像峰值信噪比(CPSNR)和S-CIELAB空间的色差两项客观指标衡量。
利用客观指标作为目标函数，k1(v1)在[0.5，0.95]区间以0.05的间隔递增，同时k2(v2)在[0.5，0.05]区间以0.05的间隔递减，确定公式(18)～(21)的梯度修正时涉及的权重系数，最终确定k1＝0.7，k2＝0.3，v1＝0.9，v2＝0.1。
采用黄丽丽、贾晓芬、Buades及本发明的Bayer-CFA方法去马赛克，然后利用主客观指标证明插值效果。表1是上述方法对24幅Bayer型CFA图像的去马赛克图像的客观指标，其中加粗字体表示最好指标。图5和图6是上述方法对Kodim07和Kodim20去马赛克后的局部放大结果。
表1中，黄丽丽对Kodim8和Kodim16获得了最高地CPSNR和最小S-CIELAB，表明其结果图像与原始标准图像在矢量模上的误差最小，且点对点的失真最小，获得了最好的去马赛克结果。Buades对Kodim23获得了最高地CPSNR和最小S-CIELAB。Bayer-CFA对其余的21幅图像均获得了最好的插值效果，且获得了最高的CPSNR平均值和最小的S-CIELAB平均值。鉴于以上客观指标，说明本发明的有效性。
表1客观指标CPSNR和色差ΔEab
图5是从结果图像的338列144行处截取的175×100的局部放大图像，(d)的花瓣上出现了明显的伪彩色，右下角的树叶边缘有锯齿现象；(b)和(c)花瓣上的伪彩色有所改善，但右下角的树叶仍有明显的锯齿；(e)获得了最好的插值效果，对边缘纹理细节的保护较好。
图6是从结果图像的244列265行处截取的150×70的局部放大图像，(c)和(d)的伪彩色明显减少，尤其在小女孩的轮廓处明显改善；(b)的插值效果较好，仅仅在字母“E”的中间一横的上边及字符串最右侧的上方出现了少许伪彩色；(e)去马赛克的质量最高，没有出现伪彩色和锯齿，很好的保护了图像的边缘。上述观察结果和表1的客观指标相符。综上，本发明能获得高质量的插值结果。
以上所述仅为本发明的一个实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (6)
1.一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，具体按照以下步骤进行：
步骤一，CFA插值：
①利用有限差分和空间相关性构造插值函数；
②G平面插值：结合色彩相关性设计插值算子，用梯度信息建立权重因子，实现G平面插值；
③R平面插值：利用G像素点左右的已知R像素点的对称性调整插值函数，再结合色彩相关性构建G和B像素点的插值函数，
完成R平面插值；
④B平面插值：用R平面的插值方法实现B平面插值；
步骤二，梯度修正：采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，使用基于距离的加权系数实现修正。
2.根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一①中，利用有限差分和空间相关性构造的插值函数为，
式(1)中，表示待插值点，取h＝2，M项由2个依次相距2个像素的点构成，N项由3个依次相距2个像素的点构成。
3.根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一②中，结合色彩相关性设计插值算子的方法，具体按照以下步骤进行：
B点插值G的水平方向的插值算子为，
式(2)的和未知，用公式(1)获得，此时的M项取待插值点左右相邻的2个像素点，N项取待插值点及左右距离2个像素的2个像素点，公式为，
公式(3)、(4)带入公式(2)可得
同理可得B点插值G的垂直方向的插值算子
公式(5)和(6)就是设计的插值算子。
4.根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一②中，用梯度信息建立权重因子的方法，具体按照以下步骤进行：
先在5×5区域内用待插值点的多个已知相邻像素点计算梯度，利用梯度信息构造水平、垂直方向的梯度算子，其公式分别为，
由公式(7)、(8)得到权重因子最终获得B点的G像素估计值，计算公式为，
在R点估计G的方法同上，只需将公式(2)～(8)中的B换成R即可。
5.根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤一③中，利用G像素点左右已知R像素点的对称性调整插值函数，结合色彩相关性构建G和B像素点的插值函数，具体按照以下步骤进行：
GR行的G点左右均为已知的R像素点，因此，在G点的水平方向利用色差值构造G点的插值函数，公式为，
式(10)的第一项对应式(1)的M项，由G点左右相邻的两个R点的色差值构成；第二项对应式(1)的N项，由3个依次相距2像素的像素点构成，而G点左右的已经R点是对称的，为了保持对称，利用两项的平均值来构造；
同理，GB行的G点上下均为已知的R像素点，在G点的垂直方向构造的G点的插值函数为，
将公式(10)和(11)分别代入即可分别得到GR行和GB行的G点丢失的R像素值；
B点的插值函数在以B点为中心的3×3区域内，利用其对角四邻域的色差平均值获得，计算公式为，
将公式(12)代入即可得到B点丢失的R像素值；
公式(2)～(12)中的涉及的(i，j)表示待插值点的位置，Yi,j表示(i，j)点的像素值，表示估计值，其中Y＝R,G,B,or,K，H和V分别表示水平、垂直方向。
6.根据权利要求1所述的一种基于有限差分及梯度的Bayer-CFA插值方法，其特征在于，所述步骤二中，采用梯度信息构造八个方向的权重因子，结合像素点的空间位置，基于距离决定加权系数实现修正，具体按照以下步骤进行：
步骤一，在以待修正点为中心的3×3邻域内，计算中心像素点与其八邻域的像素差值，即中心点在八个方向的梯度值，分别为，
▽1＝|Xi,j-Xi,j+1|，▽2＝|Xi,j-Xi,j-1|，▽3＝|Xi,j-Xi+1,j|，
其中X＝R,G,or,B；
步骤二，计算权重因子：
步骤三，修正插值点像素值，Z＝R,G,or,B表示修正值，即最终的插值结果，具体如下：
G像素值：水平垂直四邻域均为已知G像素值，对角四邻域均为估计出的G像素值，采用欧式距离确定加权系数，修正结果为，
其中k1和k2分别是G像素估计值和修正项的权重，满足k1+k2＝1，且k1＞0.5，k2＜0.5；
R像素值：对角四邻域均为已知的R像素值，采用棋盘距离确定加权系数，修正结果为，
R像素值：GB行的G点上下两点是已知的R像素值，GR行的G点左右两点是已知的R像素值，其余六个像素点的R像素值均为估计值，增大两个已知R像素值的权重，修正结果为，
GR行的G点的R像素值为，
GB行的G点的R像素值为，
公式(16)～(18)中的v1和v2分别是R像素估计值和修正项的权重，满足v1+v2＝1，且v1＞0.5,v2＜0.5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810764088.2A CN108961167B (zh) | 2018-07-12 | 2018-07-12 | 一种基于有限差分及梯度的Bayer-CFA插值方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810764088.2A CN108961167B (zh) | 2018-07-12 | 2018-07-12 | 一种基于有限差分及梯度的Bayer-CFA插值方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108961167A true CN108961167A (zh) | 2018-12-07 |
| CN108961167B CN108961167B (zh) | 2022-09-30 |
Family
ID=64482966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810764088.2A Active CN108961167B (zh) | 2018-07-12 | 2018-07-12 | 一种基于有限差分及梯度的Bayer-CFA插值方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108961167B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109727196A (zh) * | 2018-12-26 | 2019-05-07 | 呈像科技(北京)有限公司 | 图像内插处理方法 |
| CN109887023A (zh) * | 2019-01-11 | 2019-06-14 | 杭州电子科技大学 | 一种基于加权梯度幅度的双目融合立体图像质量评价方法 |
| CN109903224A (zh) * | 2019-01-25 | 2019-06-18 | 珠海市杰理科技股份有限公司 | 图像缩放方法、装置、计算机设备和存储介质 |
| CN110730336A (zh) * | 2019-07-02 | 2020-01-24 | 珠海全志科技股份有限公司 | 一种去马赛克方法及装置 |
| CN112258419A (zh) * | 2020-11-02 | 2021-01-22 | 无锡艾立德智能科技有限公司 | 一种加权式增强图像边缘信息的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100182466A1 (en) * | 2009-01-16 | 2010-07-22 | Samsung Digital Imaging Co., Ltd. | Image interpolation method and apparatus using pattern characteristics of color filter array |
| CN104537625A (zh) * | 2015-01-05 | 2015-04-22 | 中国科学院光电技术研究所 | 一种基于方向标志位的Bayer彩色图像插值方法 |
| CN108171668A (zh) * | 2017-12-29 | 2018-06-15 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于定向加权插值的cfa图像去马赛克方法 |
-
2018
- 2018-07-12 CN CN201810764088.2A patent/CN108961167B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100182466A1 (en) * | 2009-01-16 | 2010-07-22 | Samsung Digital Imaging Co., Ltd. | Image interpolation method and apparatus using pattern characteristics of color filter array |
| CN104537625A (zh) * | 2015-01-05 | 2015-04-22 | 中国科学院光电技术研究所 | 一种基于方向标志位的Bayer彩色图像插值方法 |
| CN108171668A (zh) * | 2017-12-29 | 2018-06-15 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于定向加权插值的cfa图像去马赛克方法 |
Non-Patent Citations (1)
| Title |
|---|
| 贾晓芬等: "基于支持向量机的彩色滤波阵列插值方法", 《四川大学学报(工程科学版)》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109727196A (zh) * | 2018-12-26 | 2019-05-07 | 呈像科技(北京)有限公司 | 图像内插处理方法 |
| CN109727196B (zh) * | 2018-12-26 | 2023-06-02 | 呈像科技(北京)有限公司 | 图像内插处理方法 |
| CN109887023A (zh) * | 2019-01-11 | 2019-06-14 | 杭州电子科技大学 | 一种基于加权梯度幅度的双目融合立体图像质量评价方法 |
| CN109903224A (zh) * | 2019-01-25 | 2019-06-18 | 珠海市杰理科技股份有限公司 | 图像缩放方法、装置、计算机设备和存储介质 |
| CN109903224B (zh) * | 2019-01-25 | 2023-03-31 | 珠海市杰理科技股份有限公司 | 图像缩放方法、装置、计算机设备和存储介质 |
| CN110730336A (zh) * | 2019-07-02 | 2020-01-24 | 珠海全志科技股份有限公司 | 一种去马赛克方法及装置 |
| CN110730336B (zh) * | 2019-07-02 | 2021-10-08 | 珠海全志科技股份有限公司 | 一种去马赛克方法及装置 |
| CN112258419A (zh) * | 2020-11-02 | 2021-01-22 | 无锡艾立德智能科技有限公司 | 一种加权式增强图像边缘信息的方法 |
| CN112258419B (zh) * | 2020-11-02 | 2023-08-11 | 无锡艾立德智能科技有限公司 | 一种加权式增强图像边缘信息的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108961167B (zh) | 2022-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108961167A (zh) | 一种基于有限差分及梯度的Bayer-CFA插值方法 | |
| US20220414829A1 (en) | Systems and Methods for Synthesizing High Resolution Images Using Images Captured by an Array of Independently Controllable Imagers | |
| CN105303574B (zh) | 一种基于单应性变换的集成成像摄像机阵列标定方法 | |
| CN108734668B (zh) | 图像色彩恢复方法、装置、计算机可读存储介质及终端 | |
| WO2022061879A1 (zh) | 图像处理方法、装置和系统，计算机可读存储介质 | |
| US20150029465A1 (en) | Projection system, image processing device, and projection method | |
| CN104537625A (zh) | 一种基于方向标志位的Bayer彩色图像插值方法 | |
| US9111365B2 (en) | Edge-adaptive interpolation and noise filtering method, computer-readable recording medium, and portable terminal | |
| CN105141838B (zh) | 去马赛克方法以及使用该方法的装置 | |
| CN103595981B (zh) | 基于非局部低秩的色彩滤波阵列图像去马赛克方法 | |
| TWI547169B (zh) | 影像處理方法與模組 | |
| JP2008113222A (ja) | 画像処理装置、撮影装置、および、これらにおける画像処理方法ならびに当該方法をコンピュータに実行させるプログラム | |
| KR20150050347A (ko) | 초-해상도 이미지 프로세싱을 수행하는 이미징 디바이스 및 컴퓨터 그리고 그 수행 방법 | |
| CN103268596A (zh) | 一种降低图像噪声和使颜色接近标准的方法 | |
| CN108024100A (zh) | 基于改进边缘导向的Bayer格式图像插值方法 | |
| Yang et al. | An efficient adaptive interpolation for bayer CFA demosaicking | |
| US8189080B2 (en) | Orientation-based approach for forming a demosaiced image, and for color correcting and zooming the demosaiced image | |
| CN107786857B (zh) | 一种图像还原方法及装置 | |
| CN106162133B (zh) | 基于自适应导向滤波的颜色插值方法 | |
| KR101692748B1 (ko) | 채널간 상관관계 기반 컬러 필터 어레이 보간 방법 | |
| CN103442159A (zh) | 基于rs-svm集成的边缘自适应去马赛克方法 | |
| CN112237002A (zh) | 图像处理方法和设备 | |
| CN101605200B (zh) | 一种调整图像颜色变换的方法和设备 | |
| CN107517367B (zh) | 拜尔域图像插值方法、装置、图像处理芯片及存储装置 | |
| US7656441B2 (en) | Hue correction for electronic imagers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |