CN110009553A - 一种从Bayer格式获取每个像素RGB值的算法 - Google Patents
一种从Bayer格式获取每个像素RGB值的算法 Download PDFInfo
- Publication number
- CN110009553A CN110009553A CN201910208229.7A CN201910208229A CN110009553A CN 110009553 A CN110009553 A CN 110009553A CN 201910208229 A CN201910208229 A CN 201910208229A CN 110009553 A CN110009553 A CN 110009553A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- value
- rgb values
- pixel rgb
- obtaining
- 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.)
- Pending
Links
- 238000001027 hydrothermal synthesis Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 238000003801 milling Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
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)
Abstract
本发明涉及图像处理技术领域，且公开了一种从Bayer格式获取每个像素RGB值的算法，获取每个像素RGB值的算法在原有算法的基础上改进的算法步骤为两步：第一步：green平面估计算法；第二步：red和blue平面算法。该从Bayer格式获取每个像素RGB值的算法，通过red和blue平面算法和green平面算法的配合，将算法的行缓存需求量由原来的九行降为五行，同时在插值环节节省出的存储资源，可以对整个图像处理链路的存储资源分配留出空间，也可以增加方案中FPGA的选型空间，提升最终产品的竞争力，利用该算法的计算的最终结果并没有因为对存储资源的减少而降低了解析度，甚至很大程度上提升了插值解析度，同时提升了最终产品的性能。
Description
技术领域
本发明涉及图像处理技术领域，具体为一种从Bayer格式获取每个像素RGB值的算法。
背景技术
由于Bayer格式图像传感器输出的原始图像数据的每一个像素仅仅包括了光谱的一部分，必须通过插值来获取每个像素的RGB值，为了从Bayer格式得到每个像素的RGB格式，我们需要通过插值算法来填补缺失的2个色彩，现有技术上的插值算法有很多，例如线性算法和非线性算法，而针对线性算法所产生问题所改进的一些非线性算法却加大了计算量，对某些算力轻量级的应用场景提出了考验。
现有的非线性算法是针对线性算法进一步改进的，改进之后的非线性算法加大了整个计算过程的计算量，对于某些算力轻量级的计算加大了难度，同时现有的非线性算法的需要行缓存需求量为九行图像数据量，且插值之后解析度属于中等水平，现有的非线性算法的成本较高，需要在较大容量的FPGA内实现，提高了对计算资源的需求。
发明内容
本发明提供了一种从Bayer格式获取每个像素RGB值的算法，具备节省了存储资源、提升了插值解析度和降低了行缓存数据量的优点，解决了现有的非线性算法是针对线性算法进一步改进的，改进之后的非线性算法加大了整个计算过程的计算量，对于某些算力轻量级的计算加大了难度，同时现有的非线性算法的需要行缓存需求量为九行图像数据量，且插值之后解析度属于中等水平，现有的非线性算法的成本较高，需要在较大容量的FPGA内实现，提高了对计算资源的需求的问题。
本发明提供如下技术方案：一种从Bayer格式获取每个像素RGB值的算法，所述获取每个像素RGB值的算法在原有算法的基础上改进的算法步骤为两步：
第一步：green平面估计算法；
第二步：red和blue平面算法。
优选的，所述red和blue平面算法的色差估计方法采用双边沿加权平均方式和利用窗口中心点恢复后的green值与四周点的green之间的梯度值，以此获取垂直向与水平向的差异相似信息。
优选的，所述当窗口中心点坐标为(i，j)时，四周点坐标分别为(i-1，j)、(i，j一1)、(i，j+1)和(i+1，j)。
优选的，所述red和blue平面算法以变化平缓方向上以相似端的色差去估计目标点色差值，再以目标点即有的green值恢复red或blue值，其计算公式如下：
设，
则，
DV＝DVup+DVdown
DH＝DHleft+DHright
有，
当目标点为(i，j一1)且计算结果为DV＜DH时，表示目标点计算所选区域没有合适获取色差值的方式，所以当前条件下以均值替代。
优选的，所述green平面估计算法采用原始算法定义水平向与垂直向的两种估计值，所述原始算法中水平向与垂直向估计值的计算公式如下：
优选的，所述原始算法中两个方向的估计值采用判断仅取决单个因子，该因子分别为各方向上相邻green点的值差异。
优选的，所述各方向上相邻green点的值差异在pattern条件下可以对edge I和edge II中色差值估计计算的方向性选择，而各方向上相邻green点的值差异在stripepattern条件下无法进行有效的识别，导致在高空间频率图像条件下，green平面的估计效果平庸。
优选的，所述edge I中色差值估计中心点的左右两侧和上方均为H，且edge I中色差值估计中心点的下方为L，所述edge II中色差值估计中心点的左右两侧和下方均为L，且edge II中色差值估计中心点的上方为H。
优选的，所述根据对灰度图像的假设以及对多组彩色图片的统计，同点的色差值极大的概率接近于0，即相似点之间的G值与C值之差在概率上是大于非相似点之间的G值与C值之差的，所述修改原始算法的双向梯度计算公式如下：
DV＝|Gi-1，j-Gi+1，j|+|Ci，j-Ci-1，j|+|Ci，j-Ci+1，j|+|Gi-1，j-Ci，j|+|Gi+1，j-Ci，j|
DH＝|Gi，j-1-Gi，j+1|+|Ci，j-Ci，j-1|+|Ci，j-Ci，j+1|+|Gi，j-1-Ci，j|+|Gi，j+1-Ci，j|。
优选的，所述改进之后的非线性算法的行缓存由九行降为五行，且行缓存的结果。
本发明具备以下有益效果：
1、该从Bayer格式获取每个像素RGB值的算法，通过red和blue平面算法和green平面算法的配合，将算法的行缓存需求量由原来的九行降为五行，同时在插值环节节省出的存储资源，可以对整个图像处理链路的存储资源分配留出空间，也可以增加方案中FPGA的选型空间，提升最终产品的竞争力。
2、该从Bayer格式获取每个像素RGB值的算法，利用该算法的计算的最终结果并没有因为对存储资源的减少而降低了解析度，甚至很大程度上提升了插值解析度，同时提升了最终产品的性能。
附图说明
图1为本发明各方向上相邻green点的值差异在不同条件下的选择结果示意图；
图2为本发明同点色差值概率分布图；
图3为本发明行缓存的结果表格图；
图4为本发明部分原始图像示意图；
图5为本发明原始算法Green P1ane恢复结果示意图；
图6为本发明改进算法Green P1ane恢复结果示意图。
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。
一种从Bayer格式获取每个像素RGB值的算法，获取每个像素RGB值的算法在原有算法的基础上改进的算法步骤为两步：
第一步：red和blue平面算法；
第二步：green平面估计算法。
其中，red和blue平面算法的色差估计方法采用双边沿加权平均方式和利用窗口中心点恢复后的green值与四周点的green之间的梯度值，以此获取垂直向与水平向的差异相似信息。
其中，当窗口中心点坐标为(i，j)时，四周点坐标分别为(i-1，j)、(i，j-1)、(i，j+1)和(i+1，j)。
其中，red和blue平面算法以变化平缓方向上以相似端的色差去估计目标点色差值，再以目标点即有的green值恢复red或blue值，其计算公式如下：
设，
则，
DV＝DVup+DVdown
DH＝DHleft+DHright
有，
当目标点为(i，j-1)且计算结果为DV＜DH时，表示目标点计算所选区域没有合适获取色差值的方式，所以当前条件下以均值替代。
其中，green平面估计算法采用原始算法定义水平向与垂直向的两种估计值，原始算法中水平向与垂直向估计值的计算公式如下：
其中，原始算法中两个方向的估计值采用判断仅取决单个因子，该因子分别为各方向上相邻green点的值差异。
其中，各方向上相邻green点的值差异在pattern条件下可以对edge I和edge II中(见图1中的(a)和(b))色差值估计计算的方向性选择，而各方向上相邻green点的值差异在stripe pattern条件下(见图1中的(c))无法进行有效的识别，导致在高空间频率图像条件下，green平面的估计效果平庸。
其中，edge I中色差值估计中心点的左右两侧和上方均为H，且edge I中色差值估计中心点的下方为L，edge II中色差值估计中心点的左右两侧和下方均为L，且edge II中色差值估计中心点的上方为H。
其中，根据对灰度图像的假设以及对多组彩色图片的统计，同点的色差值极大的概率接近于0(见图2)，即，相似点之间的G值与C值之差在概率上是大于非相似点之间的G值与C值之差的，修改原始算法的双向梯度计算公式如下：
DV＝|Gi-1，j-Gi+1，j|+|Ci，j-Ci-1，j|+|Ci，j-Ci+1，j|+|Gi-1，j-Ci，j|+|Gi+1，j-Ci，j|
DH＝|Gi，j-1-Gi，j+1|+|Ci，j-Ci，j-1|+|Ci，j-Ci，j+1|+|Gi，j-1-Ci，j|+|Gi，j+1-Ci，j|，如果green平面和red或blue平面的值存在相似性，就可以使用中心点的C值与四周相邻的G值去识别stripe pattern，对于灰度图像，该假设是完全符合的。
其中，改进之后的非线性算法的行缓存由九行降为五行，且行缓存的结果(见附图3)。
同样按照原始算法，对中心点的G值进行恢复，参考部分原始图像(见附图4)；
原始算法Green Plane恢复结果(见附图5)；
改进算法Green Plane恢复结果(见附图6)。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种从Bayer格式获取每个像素RGB值的算法，包括获取每个像素RGB值的算法，其特征在于：所述获取每个像素RGB值的算法在原有算法的基础上改进的算法步骤为两步：
第一步：green平面估计算法；
第二步：red和blue平面算法。
2.根据权利要求1所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述red和blue平面算法的色差估计方法采用双边沿加权平均方式和利用窗口中心点恢复后的green值与四周点的green之间的梯度值，以此获取垂直向与水平向的差异相似信息。
3.根据权利要求2所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述当窗口中心点坐标为(i，j)时，四周点坐标分别为(i-1，j)、(i，j-1)、(i，j+1)和(i+1，j)。
4.根据权利要求2所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述red和blue平面算法以变化平缓方向上以相似端的色差去估计目标点色差值，再以目标点即有的green值恢复red或blue值，其计算公式如下：
设，
则，
DV＝DVup+DVdown
DH＝DHleft+DHright
有，
当目标点为(i，j-1)且计算结果为DV＜DH时，表示目标点计算所选区域没有合适获取色差值的方式，所以当前条件下以均值替代。
5.根据权利要求1所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述green平面估计算法采用原始算法中定义水平向与垂直向的两种估计值，所述原始算法中水平向与垂直向估计值的计算公式如下：
6.根据权利要求5所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述原始算法中采用估计值的选择判断仅取决相邻G值梯度因子，该因子分别为各方向上相邻green点的值差异。
7.根据权利要求6所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述各方向上相邻green点的值差异在pattern条件下可以对edge I和edge II中色差值估计计算的方向性选择，而各方向上相邻green点的值差异在stripe pattern条件下无法进行有效的识别，导致在高空间频率图像条件下，green平面的估计效果平庸。
8.根据权利要求7所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述edge I中色差值估计中心点的左右两侧和上方均为H，且edge I中色差值估计中心点的下方为L，所述edge II中色差值估计中心点的左右两侧和下方均为L，且edge II中色差值估计中心点的上方为H。
9.根据权利要求6所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述根据对灰度图像的假设以及对多组彩色图片的统计，同点的色差值极大的概率接近于0，即相似点之间的G值与C值之差在概率上是大于非相似点之间的G值与C值之差的，所述修改原始算法的双向梯度计算公式如下：
DV＝|Gi-1，j-Gi+1，j|+|Ci，j-Ci-1，j|+|Ci，j-Ci+1，j|+|Gi-1，j-Ci，j|+|Gi+1，j-Ci，j|
DH＝|Gi，j-1-Gi，j+1|+|Ci，j-Ci，j-1|+|Ci，j-Ci，j+1|+|Gi，j-1-Ci，j|+|Gi，j+1-Ci，j|。
10.根据权利要求1所述的一种从Bayer格式获取每个像素RGB值的算法，其特征在于：所述改进之后的非线性算法的行缓存由九行降为五行，且行缓存的结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208229.7A CN110009553A (zh) | 2019-03-19 | 2019-03-19 | 一种从Bayer格式获取每个像素RGB值的算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208229.7A CN110009553A (zh) | 2019-03-19 | 2019-03-19 | 一种从Bayer格式获取每个像素RGB值的算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009553A true CN110009553A (zh) | 2019-07-12 |
Family
ID=67167371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910208229.7A Pending CN110009553A (zh) | 2019-03-19 | 2019-03-19 | 一种从Bayer格式获取每个像素RGB值的算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009553A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050146629A1 (en) * | 2004-01-05 | 2005-07-07 | Darian Muresan | Fast edge directed demosaicing |
| CN101917629A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种基于绿色分量和色差空间的Bayer格式颜色插值方法 |
| CN103347190A (zh) * | 2013-07-25 | 2013-10-09 | 华北电力大学 | 一种边相关的联合彩色去马赛克和放大方法 |
| 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 |
| US20170053379A1 (en) * | 2015-08-19 | 2017-02-23 | Via Alliance Semiconductor Co., Ltd. | Demosaicing methods and apparatuses using the same |
-
2019
- 2019-03-19 CN CN201910208229.7A patent/CN110009553A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050146629A1 (en) * | 2004-01-05 | 2005-07-07 | Darian Muresan | Fast edge directed demosaicing |
| CN101917629A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种基于绿色分量和色差空间的Bayer格式颜色插值方法 |
| CN103347190A (zh) * | 2013-07-25 | 2013-10-09 | 华北电力大学 | 一种边相关的联合彩色去马赛克和放大方法 |
| 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 |
| US20170053379A1 (en) * | 2015-08-19 | 2017-02-23 | Via Alliance Semiconductor Co., Ltd. | Demosaicing methods and apparatuses using the same |
Non-Patent Citations (2)
| Title |
|---|
| 丁文 等: "一种使用边缘方向图的去马赛克算法", 《小型微型计算机系统》 * |
| 曾伟民 等: "基于FPGA实时处理的色彩插值算法", 《电视技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102842116B (zh) | 图像内快速响应矩阵码的光照均衡处理方法 | |
| US8755640B2 (en) | Image processing apparatus and image processing method, and program | |
| CN105678700B (zh) | 基于预测梯度的图像插值方法及系统 | |
| CN1812592B (zh) | 用于处理滤色器阵列的图像数据的方法和设备 | |
| CN110730336B (zh) | 一种去马赛克方法及装置 | |
| CN102509294B (zh) | 一种基于单幅图像的全局深度估计方法 | |
| US20170169548A1 (en) | Image contrast enhancement method | |
| CN108734668B (zh) | 图像色彩恢复方法、装置、计算机可读存储介质及终端 | |
| WO2007075065A1 (en) | Device of processing dead pixel | |
| CN111292257A (zh) | 一种基于Retinex的暗视觉环境下图像增强方法 | |
| CN111539892A (zh) | Bayer图像的处理方法、系统、电子设备和存储介质 | |
| CN105118027A (zh) | 一种图像的去雾方法 | |
| CN109671035A (zh) | 一种基于直方图的红外图像增强方法 | |
| KR20100084458A (ko) | 컬러 필터 어레이의 패턴 특성을 이용한 이미지 보간 방법 및 장치 | |
| US20060103892A1 (en) | System and method for a vector difference mean filter for noise suppression | |
| CN106651783A (zh) | 图像滤波方法及装置 | |
| TW201633214A (zh) | 邊緣偵測系統及方法 | |
| CN103237158B (zh) | 影像处理方法、影像撷取系统及影像处理器 | |
| CN102509311B (zh) | 运动检测方法和装置 | |
| CN110009553A (zh) | 一种从Bayer格式获取每个像素RGB值的算法 | |
| CN107248147A (zh) | Raw‑rgb图像中坏点消除的方法 | |
| CN104853059B (zh) | 超分辨率图像处理方法及其装置 | |
| CN107451962A (zh) | 一种图像去雾方法及装置 | |
| CN104537623A (zh) | 基于图像分割的图像去雾方法及装置 | |
| TW201445506A (zh) | 決定解馬賽克內插方向的方法與裝置以及非暫時性機器可讀取儲存媒介 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |