CN111539892A - Bayer图像的处理方法、系统、电子设备和存储介质 - Google Patents
Bayer图像的处理方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111539892A CN111539892A CN202010346158.XA CN202010346158A CN111539892A CN 111539892 A CN111539892 A CN 111539892A CN 202010346158 A CN202010346158 A CN 202010346158A CN 111539892 A CN111539892 A CN 111539892A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- interpolation
- target pixel
- interpolation result
- weight
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 70
- 238000001914 filtration Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000005070 sampling Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
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
本发明公开了一种Bayer图像的处理方法、系统、电子设备和存储介质,该处理方法包括获取Bayer图像中每个目标像素点的多个邻域像素点;对目标像素点对应其他两个颜色分量的通道进行插值以获取第一插值结果集合和第二插值结果集合;获取目标像素点的边缘方向;获取第一插值结果集合中每个第一插值结果的第一权重和第二插值结果集合中每个第二插值结果的第二权重;采用加权中值滤波算法根据第一权重和第二权重对插值结果进行滤波以获取目标像素点的全彩色像素数据,进而生成Bayer图像对应的全彩色图像。本发明能够有效地恢复Bayer图像的不同纹理,有效地减少现有插值技术产生的伪彩色和拉链效应。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种Bayer(拜耳)图像的处理方法、系统、电子设备和存储介质。
背景技术
对于大多数的数码相机,通常采用CCD(电荷耦合器件)或CMOS(互补金属氧化物半导体)传感器在每个像素点采集一个彩色分量,为了更好的从单像素点数据恢复出另外两个颜色分量,CMOS传感器上采集点通常按照一定的规则进行排列,绝大多数的传感器采用Bayer模式进行排列,然后利用插值的方法将Bayer图像中每个像素点只有一种基色的马赛克图像变换成每个像素点都包含红,绿,蓝三色的全彩色图,即从单像素点图像数据进行插值恢复出全彩色图像分量,该处理过程通常称之为去马赛克,也称之为颜色插值。
现有的CFA(彩色滤波阵列)插值技术往往只针对某种图像要素具有较好的插值效果。双线性插值红色,绿色和蓝色分量的恢复重建基于3x3模板内的平均,容易造成边缘信息的丢失和模糊。具体地,目前对Bayer图像主要通过如下方式进行恢复处理:
(1)没有考虑不同颜色通道之间的相关性时,例如最邻近插值或双线性插值等来实现。在这些方法中各个通道互相独立,未知的绿色分量值仅由其邻域中已知的绿色像素点的强度进行估计,对红色和蓝色通道亦是如此。其中最典型且应用最多的是双线性插值,该算法容易实现在平滑区域也可以得到比较满意的结果,但在高频区域,尤其是边缘区域却引入很明显的缺陷,比如拉链效应,伪彩色等。
(2)考虑不同颜色通道之间的相关性时,相关性指的是每个颜色通道内像素点间空间关系的相关性和多通道间颜色的相关性。该类自适应算法常常结合了对图像细节的分析判断以及颜色通道之间的相关性,插值效果要明显优于(1),该类自适应算法包括DLMMSE(Directional Linear Minimum Mean Square-Error,方向线性最小均方误差)算法,GBTF(Gradient Based Threshold Free,基于梯度的无阈值)算法等。这类算法由于考虑到了各个方向上的梯度信息,有较好的抑制边缘失真的效果,改善了还原图像的质量;但是,以GBTF为代表的插值方法考虑了像素点周围的梯度并以此计算不同方向上的插值的权重,但在密集的栅格区域,以此方法计算的像素点周边的梯度信息也不能很好的反映中心像素点的信息了,所以会产生伪彩色等人工引入缺陷。
发明内容
本发明要解决的技术问题是为了克服现有技术中对Bayer图像进行去马赛克的处理方式时容易造成存在拉链效应或伪彩色等情况,从而不能满足实际处理要求的缺陷,目的在于提供一种Bayer图像的处理方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种Bayer图像的处理方法,所述处理方法包括:
采集Bayer图像;
获取所述Bayer图像中每个目标像素点的多个邻域像素点;
其中,所述目标像素点对应第一颜色分量,多个所述邻域像素点对应第二颜色分量和第三颜色分量;
基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;
根据所述邻域像素点获取所述目标像素点的边缘方向;
基于所述边缘方向获取所述第一插值结果集合中每个第一插值结果的第一权重,以及所述第二插值结果集合中每个第二插值结果的第二权重;
采用预设滤波算法根据所述第一权重对所述第一插值结果进行滤波处理以获取第一滤波结果,以及根据所述第二权重对所述第二插值结果进行滤波处理以获取第二滤波结果;
根据所述第一滤波结果、所述第二滤波结果和所述目标像素点的初始像素数据获取所述目标像素点的全彩色像素数据;
根据每个所述目标像素点的所述全彩色像素数据生成所述Bayer图像对应的全彩色图像。
较佳地,所述根据所述邻域像素点获取所述目标像素点的边缘方向的步骤包括:
根据所述邻域像素点的像素值,计算得到所述目标像素点在两个设定方向上的第一梯度值和第二梯度值;
基于目标逻辑函数根据所述第一梯度值和所述第二梯度值获取所述目标像素点对应的所述边缘方向。
较佳地,两个所述设定方向分别包括水平方向和垂直方向;或,包括第一对角方向和第二对角方向。
较佳地,所述目标逻辑函数对应的公式如下:
其中,V=|A-B|,H=|C-D|
V表示所述第一梯度值,H表示所述第二梯度值,A、B分别表示一个所述设定方向上与所述目标像素点相邻的两个所述邻域像素点的像素值,C、D分别表示另一个所述设定方向上与所述目标像素点相邻的两个所述邻域像素点的像素值。
较佳地,所述预设滤波算法包括加权中值滤波算法。
较佳地,所述边缘方向上的所述第一插值结果的第一权重大于所述边缘方向以外的其他方向上的所述第一插值结果的第一权重;
所述边缘方向上的所述第二插值结果的第二权重大于所述边缘方向以外的其他方向上的所述第二插值结果的第二权重。
较佳地,所述基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合的步骤包括:
对所述第一颜色分量为红色的所述目标像素点,采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为蓝色的所述目标像素点,采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为绿色的所述目标像素点,采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合。
本发明还提供一种Bayer图像的处理系统,所述处理系统包括图像采集模块、邻域像素点获取模块、插值处理模块、边缘方向获取模块、权重获取模块、滤波处理模块、像素数据获取模块和全彩色图像获取模块;
所述图像采集模块用于采集Bayer图像;
所述邻域像素点获取模块用于获取所述Bayer图像中每个目标像素点的多个邻域像素点;
其中,所述目标像素点对应第一颜色分量,多个所述邻域像素点对应第二颜色分量和第三颜色分量;
所述插值处理模块用于基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;
所述边缘方向获取模块用于根据所述邻域像素点获取所述目标像素点的边缘方向;
所述权重获取模块用于基于所述边缘方向获取所述第一插值结果集合中每个第一插值结果的第一权重,以及所述第二插值结果集合中每个第二插值结果的第二权重;
所述滤波处理模块用于采用预设滤波算法根据所述第一权重对所述第一插值结果进行滤波处理以获取第一滤波结果,以及根据所述第二权重对所述第二插值结果进行滤波处理以获取第二滤波结果;
所述像素数据获取模块用于根据所述第一滤波结果、所述第二滤波结果和所述目标像素点的初始像素数据获取所述目标像素点的全彩色像素数据;
所述全彩色图像获取模块用于根据每个所述目标像素点的所述全彩色像素数据生成所述Bayer图像对应的全彩色图像。
较佳地,所述边缘方向获取模块包括梯度计算单元和边缘方向获取单元;
所述梯度计算单元用于根据所述邻域像素点的像素值,计算得到所述目标像素点在两个设定方向上的第一梯度值和第二梯度值;
所述边缘方向获取单元用于基于目标逻辑函数根据所述第一梯度值和所述第二梯度值获取所述目标像素点对应的所述边缘方向。
较佳地,两个所述设定方向分别包括水平方向和垂直方向;或,包括第一对角方向和第二对角方向。
较佳地,所述目标逻辑函数对应的公式如下:
其中,V=|A-B|,H=|C-D|
V表示所述第一梯度值,H表示所述第二梯度值,A、B分别表示一个所述设定方向上与所述目标像素点相邻的两个所述邻域像素点的像素值,C、D分别表示另一个所述设定方向上与所述目标像素点相邻的两个所述邻域像素点的像素值。
较佳地,所述预设滤波算法包括加权中值滤波算法。
较佳地,所述边缘方向上的所述第一插值结果的第一权重大于所述边缘方向以外的其他方向上的所述第一插值结果的第一权重;
所述边缘方向上的所述第二插值结果的第二权重大于所述边缘方向以外的其他方向上的所述第二插值结果的第二权重。
较佳地,对所述第一颜色分量为红色的所述目标像素点,所述插值处理模块用于采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为蓝色的所述目标像素点,所述插值处理模块用于采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为绿色的所述目标像素点,所述插值处理模块用于采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时实现上述的Bayer图像的处理方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的Bayer图像的处理方法的步骤。
本发明的积极进步效果在于:
本发明中,对中心像素点为R(红色)像素点或B(蓝色)像素点,采用高阶插值算法对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后采用一阶插值算法对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果;采用逻辑函数获取每个像素点的边缘方向,继而根据边缘方向确定不同方向上插值结果的权重,并将这些权重作为加权中值滤波器的权重以对插值结果进行滤波处理,最终获取Bayer图像的全彩色图像,即充分利用了邻域像素的空间关联性和频率上的关联性,有效地恢复了Bayer图像的不同纹理,有效地减少了现有插值技术产生的伪彩色和拉链效应等人工痕迹,改善了图像质量。
附图说明
图1为本发明实施例1的Bayer图像的处理方法的流程图。
图2为本发明实施例2的Bayer图像的处理方法的流程图。
图3为本发明实施例2的Bayer图像的示意图。
图4为本发明实施例3的Bayer图像的处理系统的模块示意图。
图5为本发明实施例3的Bayer图像的处理系统的模块示意图。
图6为本发明实施例5的实现Bayer图像的处理方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例的Bayer图像的处理方法包括:
S101、采集Bayer图像(即原始的RAW图像);
S102、获取Bayer图像中每个目标像素点的多个邻域像素点;
其中,目标像素点对应第一颜色分量,多个邻域像素点对应第二颜色分量和第三颜色分量;
第一颜色分量、第二颜色分量和第三颜色分量对应的颜色不同,颜色分量具体包括红色、蓝色和绿色。
S103、基于邻域像素点的像素值,对目标像素点对应的第二颜色分量的通道和第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;即获取一个彩色分量的像素点在其他两个颜色分量的通道的不同方向对应的插值结果,以形成对应的插值结果集合。
S104、根据邻域像素点获取目标像素点的边缘方向;
S105、基于边缘方向获取第一插值结果集合中每个第一插值结果的第一权重,以及第二插值结果集合中每个第二插值结果的第二权重;
S106、采用预设滤波算法根据第一权重对第一插值结果进行滤波处理以获取第一滤波结果,以及根据第二权重对第二插值结果进行滤波处理以获取第二滤波结果;
S107、根据第一滤波结果、第二滤波结果和目标像素点的初始像素数据获取目标像素点的全彩色像素数据;
S108、根据每个目标像素点的全彩色像素数据生成Bayer图像对应的全彩色图像。
本实施例中,对中心像素点为R(红色)像素点或B(蓝色)像素点,对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果;获取每个像素点的边缘方向,继而根据边缘方向确定不同方向上插值结果的权重,并将这些权重作为加权中值滤波器的权重以对插值结果进行滤波处理,最终获取Bayer图像的全彩色图像,即充分利用了邻域像素的空间关联性和频率上的关联性,有效地恢复了Bayer图像的不同纹理,有效地减少了现有插值技术产生的伪彩色和拉链效应等人工痕迹,改善了图像质量。
实施例2
如图2所示,本实施例的Bayer图像的处理方法是对实施例1的进一步改进,具体地:
步骤S103包括:
对第一颜色分量为红色的目标像素点,采用高阶插值算法对目标像素点对应的绿色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的蓝色通道进行插值以获取对应的第二插值结果集合;
对第一颜色分量为蓝色的目标像素点,采用高阶插值算法对目标像素点对应的绿色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的红色通道进行插值以获取对应的第二插值结果集合;
对第一颜色分量为绿色的目标像素点,采用一阶插值算法对目标像素点对应的红色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的蓝色通道进行插值以获取对应的第二插值结果集合。
采用高阶插值算法对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后采用一阶插值算法对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果。
步骤S104包括:
S1041、根据邻域像素点的像素值,计算得到目标像素点在两个设定方向上的第一梯度值和第二梯度值;
S1042、基于目标逻辑函数根据第一梯度值和第二梯度值获取目标像素点对应的边缘方向,即该目标逻辑函数作为方向分类器以得到每个像素点的边缘方向。
其中,两个设定方向分别包括水平方向和垂直方向;或,
两个设定方向分别包括第一对角方向和第二对角方向。
具体地,目标逻辑函数对应的公式如下:
其中,V=|A-B|,H=|C-D|
V表示第一梯度值,H表示第二梯度值,A、B分别表示一个设定方向上与目标像素点相邻的两个邻域像素点的像素值,C、D分别表示另一个设定方向上与目标像素点相邻的两个邻域像素点的像素值。
其中,预设滤波算法包括但不限于加权中值滤波算法。
边缘方向上的第一插值结果的第一权重大于边缘方向以外的其他方向上的第一插值结果的第一权重;
边缘方向上的第二插值结果的第二权重大于边缘方向以外的其他方向上的第二插值结果的第二权重。
其中,第一插值结果集合中每个第一插值结果的第一权重以及第二插值结果集合中每个第二插值结果的第二权重的具体取值可以根据实际情况进行确定与调整。
下面结合实例具体说明:
如图3所示,为Bayer图像,此处以中心像素点B像素点进行说明。
(1)基于邻域像素点的空间关联性的插值过程
由于Bayer采样的设计方式中,G通道的采样率是R/B通道的采样率的两倍,因此对于G通道的插值至关重要。基于具有更高的采样率,此处采用高阶插值算法进行对G通道进行插值,采用泰勒展开式进行高阶展开分析,以蓝色像素点B45为例,对G通道进行插值的方法及插值公式如下:
在通常情况中,G平面需要高阶的插值方法,由于R/B通道采样率比G通道小一倍,通常采用一阶插值方法对R/B通道进行插值就能够满足通常使用,这是因为人眼系统对红色与蓝色没有绿色敏感,而且由于R/B通道采样率低,没有足够的数据进行高阶插值。其中,对R通道进行插值的方法及插值公式如下:
其中,T表示上方,B表示下方,L表示左方,R表示右方。
绿色像素点G44的红色分量的通道的插值公式如下:
另外,当中心像素点为R像素点对应的插值处理流程与上述类似,因此此处就不再赘述。
(2)方向分类器与加权中值滤波
对于R/B像素点,比如B45,其对应的水平梯度和垂直梯度分别定义为:
V=|G35-G55|,H=|G44-G46|
在G像素点处,比如G44,其对应的水平梯度和垂直梯度分别定义为:
V=|R34-R54|,H=|R43-R45|
引入目标逻辑函数来生成边缘-方向图,其中目标逻辑函数如下:
其中,目标逻辑函数结果作为方向分类器,当目标逻辑函数结果为1时,在表示该像素点的边缘方向为垂直方向;反之,目标逻辑函数结果为0,在表示该像素点的边缘方向为水平方向。
另外,还可以根据某一像素点的邻域像素点中位于对角方向的像素点计算得到第一对角方向梯度和第二对角方向梯度,进而根据第一对角方向梯度和第二对角方向梯度确定该像素点的边缘方向,从而进一步地提升该像素点的边缘方向获取的准确性。例如,对于B45,它的对角方向梯度值分别为|R34-R56|和|R36-R54|。
根据边缘方向确定每个插值结果集合中每个插值结果的权重。
根据确定的权重来决定加权中值滤波的权重,具体地:
由于边缘-方向图的估计相对比较粗糙,因而不能完全彼此互斥,错误的方向估计能够产生伪彩色;加权中值滤波器集成了中值滤波器的鲁棒性和边缘保持能力,并且具有更好的灵活性,并且权重的选择在某种程度上更有利于保持信号的结构信息,加权中值滤波器的定义如下:
给定N维离散信号X=[X1,X2,…,XN],N维权重系数W=[W1,W2,…,WN]
当N=4,分别对应L(左),R(右),上(T),下(B),以绿色通道为例,对于垂直边缘,其加权中值滤波为:
对于水平边缘,其加权中值滤波为:
同理,也对R/B通道在四个方向进行插值计算,采用上述类似的方法进行加权中值滤波得到最终的滤波结果,进而每个像素点对应的全彩的像素数据,继而获取完整的Bayer图像的全彩色图像。
本实施例中,对中心像素点为R(红色)像素点或B(蓝色)像素点,采用高阶插值算法对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后采用一阶插值算法对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果;采用逻辑函数获取每个像素点的边缘方向,继而根据边缘方向确定不同方向上插值结果的权重,并将这些权重作为加权中值滤波器的权重以对插值结果进行滤波处理,最终获取Bayer图像的全彩色图像,即充分利用了邻域像素的空间关联性和频率上的关联性,有效地恢复了Bayer图像的不同纹理,有效地减少了现有插值技术产生的伪彩色和拉链效应等人工痕迹,改善了图像质量。
实施例3
如图4所示,本实施例的Bayer图像的处理系统包括图像采集模块1、邻域像素点获取模块2、插值处理模块3、边缘方向获取模块4、权重获取模块5、滤波处理模块6、像素数据获取模块7和全彩色图像获取模块8。
图像采集模块1用于采集Bayer图像(即原始的RAW图像);
邻域像素点获取模块2用于获取Bayer图像中每个目标像素点的多个邻域像素点;
其中,目标像素点对应第一颜色分量,多个邻域像素点对应第二颜色分量和第三颜色分量;
第一颜色分量、第二颜色分量和第三颜色分量对应的颜色不同,颜色分量具体包括红色、蓝色和绿色。
插值处理模块3用于基于邻域像素点的像素值,对目标像素点对应的第二颜色分量的通道和第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;即获取一个彩色分量的像素点在其他两个颜色分量的通道的不同方向对应的插值结果,以形成对应的插值结果集合。
边缘方向获取模块4用于根据邻域像素点获取目标像素点的边缘方向;
权重获取模块5用于基于边缘方向获取第一插值结果集合中每个第一插值结果的第一权重,以及第二插值结果集合中每个第二插值结果的第二权重;
滤波处理模块6用于采用预设滤波算法根据第一权重对第一插值结果进行滤波处理以获取第一滤波结果,以及根据第二权重对第二插值结果进行滤波处理以获取第二滤波结果;
像素数据获取模块7用于根据第一滤波结果、第二滤波结果和目标像素点的初始像素数据获取目标像素点的全彩色像素数据;
全彩色图像获取模块8用于根据每个目标像素点的全彩色像素数据生成Bayer图像对应的全彩色图像。
本实施例中,对中心像素点为R(红色)像素点或B(蓝色)像素点,对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果;获取每个像素点的边缘方向,继而根据边缘方向确定不同方向上插值结果的权重,并将这些权重作为加权中值滤波器的权重以对插值结果进行滤波处理,最终获取Bayer图像的全彩色图像,即充分利用了邻域像素的空间关联性和频率上的关联性,有效地恢复了Bayer图像的不同纹理,有效地减少了现有插值技术产生的伪彩色和拉链效应等人工痕迹,改善了图像质量。
实施例4
如图5所示,本实施例的Bayer图像的处理系统是对实施例3的进一步改进,具体地:
对第一颜色分量为红色的目标像素点,插值处理模块3用于采用高阶插值算法对目标像素点对应的绿色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的蓝色通道进行插值以获取对应的第二插值结果集合;
对第一颜色分量为蓝色的目标像素点,插值处理模块3用于采用高阶插值算法对目标像素点对应的绿色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的红色通道进行插值以获取对应的第二插值结果集合;
对第一颜色分量为绿色的目标像素点,插值处理模块3用于采用一阶插值算法对目标像素点对应的红色通道进行插值以获取对应的第一插值结果集合,以及采用一阶插值算法对目标像素点对应的蓝色通道进行插值以获取对应的第二插值结果集合。
边缘方向获取模块4包括梯度计算单元9和边缘方向获取单元10;
梯度计算单元9用于根据邻域像素点的像素值,计算得到目标像素点在两个设定方向上的第一梯度值和第二梯度值;
边缘方向获取单元10用于基于目标逻辑函数根据第一梯度值和第二梯度值获取目标像素点对应的边缘方向,即该目标逻辑函数作为方向分类器以得到每个像素点的边缘方向。
其中,两个设定方向分别包括水平方向和垂直方向;或,包括第一对角方向和第二对角方向。
具体地,目标逻辑函数对应的公式如下:
其中,V=|A-B|,H=|C-D|
V表示第一梯度值,H表示第二梯度值,A、B分别表示一个设定方向上与目标像素点相邻的两个邻域像素点的像素值,C、D分别表示另一个设定方向上与目标像素点相邻的两个邻域像素点的像素值。
预设滤波算法包括但不限于加权中值滤波算法。
边缘方向上的第一插值结果的第一权重大于边缘方向以外的其他方向上的第一插值结果的第一权重;
边缘方向上的第二插值结果的第二权重大于边缘方向以外的其他方向上的第二插值结果的第二权重。
其中,第一插值结果集合中每个第一插值结果的第一权重以及第二插值结果集合中每个第二插值结果的第二权重的具体取值可以根据实际情况进行确定与调整。
下面结合实例具体说明:
如图3所示,为Bayer图像,此处以中心像素点B像素点进行说明。
(1)基于邻域像素点的空间关联性的插值过程
由于Bayer采样的设计方式中,G通道的采样率是R/B通道的采样率的两倍,因此对于G通道的插值至关重要。基于具有更高的采样率,此处采用高阶插值算法进行对G通道进行插值,采用泰勒展开式进行高阶展开分析,以蓝色像素点B45为例,对G通道进行插值的方法及插值公式如下:
在通常情况中,G平面需要高阶的插值方法,由于R/B通道采样率比G通道小一倍,通常采用一阶插值方法对R/B通道进行插值就能够满足通常使用,这是因为人眼系统对红色与蓝色没有绿色敏感,而且由于R/B通道采样率低,没有足够的数据进行高阶插值。其中,对R通道进行插值的方法及插值公式如下:
其中,T表示上方,B表示下方,L表示左方,R表示右方。
绿色像素点G44的红色分量的通道的插值公式如下:
其中,当中心像素点为R像素点对应的插值处理流程与上述类似,因此此处就不再赘述。
(2)方向分类器与加权中值滤波
对于R/B像素点,比如B45,其对应的水平梯度和垂直梯度分别定义为:
V=|G35-G55|,H=|G44-G46|
在G像素点处,比如G44,其对应的水平梯度和垂直梯度分别定义为:
V=|R34-R54|,H=|R43-R45|
引入目标逻辑函数来生成边缘-方向图,其中目标逻辑函数如下:
其中,当目标逻辑函数结果为1时,在表示该像素点的边缘方向为垂直方向;反之,目标逻辑函数结果为0,在表示该像素点的边缘方向为水平方向。
另外,还可以根据某一像素点的邻域像素点中位于对角方向的像素点计算得到第一对角方向梯度和第二对角方向梯度,进而根据第一对角方向梯度和第二对角方向梯度确定该像素点的边缘方向,从而进一步地提升该像素点的边缘方向获取的准确性。例如,对于B45,它的对角方向梯度值分别为|R34-R56|和|R36-R54|。
根据边缘方向确定每个插值结果集合中每个插值结果的权重。
根据确定的权重来决定加权中值滤波的权重,具体地:
由于边缘-方向图的估计相对比较粗糙,因而不能完全彼此互斥,错误的方向估计能够产生伪彩色;加权中值滤波器集成了中值滤波器的鲁棒性和边缘保持能力,并且具有更好的灵活性,并且权重的选择在某种程度上更有利于保持信号的结构信息,加权中值滤波器的定义如下:
给定N维离散信号X=[X1,X2,…,XN],N维权重系数W=[W1,W2,…,WN]
当N=4,分别对应L(左),R(右),上(T),下(B),以绿色通道为例,对于垂直边缘,其加权中值滤波为:
对于水平边缘,其加权中值滤波为:
同理,也对R/B通道在四个方向进行插值计算,采用上述类似的方法进行加权中值滤波得到最终的滤波结果,进而每个像素点对应的全彩的像素数据,继而获取完整的Bayer图像的全彩色图像。
本实施例中,对中心像素点为R(红色)像素点或B(蓝色)像素点,采用高阶插值算法对G(绿色)通道进行插值以获取在四个方向(上下左右)的插值结果,然后采用一阶插值算法对R/B通道进行插值以获取每个像素点的所有插值结果,有效地提升了对G通道以及R/B通道的插值效果;采用逻辑函数获取每个像素点的边缘方向,继而根据边缘方向确定不同方向上插值结果的权重,并将这些权重作为加权中值滤波器的权重以对插值结果进行滤波处理,最终获取Bayer图像的全彩色图像,即充分利用了邻域像素的空间关联性和频率上的关联性,有效地恢复了Bayer图像的不同纹理,有效地减少了现有插值技术产生的伪彩色和拉链效应。
实施例5
图6为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现实施例1或2中的Bayer图像的处理方法。图6显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1或2中的Bayer图像的处理方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现实施例1或2中的Bayer图像的处理方法中的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1或2中的Bayer图像的处理方法中的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (16)
1.一种Bayer图像的处理方法,其特征在于,所述处理方法包括:
采集Bayer图像;
获取所述Bayer图像中每个目标像素点的多个邻域像素点;
其中,所述目标像素点对应第一颜色分量,多个所述邻域像素点对应第二颜色分量和第三颜色分量;
基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;
根据所述邻域像素点获取所述目标像素点的边缘方向;
基于所述边缘方向获取所述第一插值结果集合中每个第一插值结果的第一权重,以及所述第二插值结果集合中每个第二插值结果的第二权重;
采用预设滤波算法根据所述第一权重对所述第一插值结果进行滤波处理以获取第一滤波结果,以及根据所述第二权重对所述第二插值结果进行滤波处理以获取第二滤波结果;
根据所述第一滤波结果、所述第二滤波结果和所述目标像素点的初始像素数据获取所述目标像素点的全彩色像素数据;
根据每个所述目标像素点的所述全彩色像素数据生成所述Bayer图像对应的全彩色图像。
2.如权利要求1所述的Bayer图像的处理方法,其特征在于,所述根据所述邻域像素点获取所述目标像素点的边缘方向的步骤包括:
根据所述邻域像素点的像素值,计算得到所述目标像素点在两个设定方向上的第一梯度值和第二梯度值;
基于目标逻辑函数根据所述第一梯度值和所述第二梯度值获取所述目标像素点对应的所述边缘方向。
3.如权利要求2所述的Bayer图像的处理方法,其特征在于,两个所述设定方向分别包括水平方向和垂直方向;或,包括第一对角方向和第二对角方向。
5.如权利要求1-4中任意一项所述的Bayer图像的处理方法,其特征在于,所述预设滤波算法包括加权中值滤波算法。
6.如权利要求5所述的Bayer图像的处理方法,其特征在于,所述边缘方向上的所述第一插值结果的第一权重大于所述边缘方向以外的其他方向上的所述第一插值结果的第一权重;
所述边缘方向上的所述第二插值结果的第二权重大于所述边缘方向以外的其他方向上的所述第二插值结果的第二权重。
7.如权利要求1所述的Bayer图像的处理方法,其特征在于,所述基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合的步骤包括:
对所述第一颜色分量为红色的所述目标像素点,采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为蓝色的所述目标像素点,采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为绿色的所述目标像素点,采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合。
8.一种Bayer图像的处理系统,其特征在于,所述处理系统包括图像采集模块、邻域像素点获取模块、插值处理模块、边缘方向获取模块、权重获取模块、滤波处理模块、像素数据获取模块和全彩色图像获取模块;
所述图像采集模块用于采集Bayer图像;
所述邻域像素点获取模块用于获取所述Bayer图像中每个目标像素点的多个邻域像素点;
其中,所述目标像素点对应第一颜色分量,多个所述邻域像素点对应第二颜色分量和第三颜色分量;
所述插值处理模块用于基于所述邻域像素点的像素值,对所述目标像素点对应的所述第二颜色分量的通道和所述第三颜色分量的通道进行插值,以分别获取对应的第一插值结果集合和第二插值结果集合;
所述边缘方向获取模块用于根据所述邻域像素点获取所述目标像素点的边缘方向;
所述权重获取模块用于基于所述边缘方向获取所述第一插值结果集合中每个第一插值结果的第一权重,以及所述第二插值结果集合中每个第二插值结果的第二权重;
所述滤波处理模块用于采用预设滤波算法根据所述第一权重对所述第一插值结果进行滤波处理以获取第一滤波结果,以及根据所述第二权重对所述第二插值结果进行滤波处理以获取第二滤波结果;
所述像素数据获取模块用于根据所述第一滤波结果、所述第二滤波结果和所述目标像素点的初始像素数据获取所述目标像素点的全彩色像素数据;
所述全彩色图像获取模块用于根据每个所述目标像素点的所述全彩色像素数据生成所述Bayer图像对应的全彩色图像。
9.如权利要求8所述的Bayer图像的处理系统,其特征在于,所述边缘方向获取模块包括梯度计算单元和边缘方向获取单元;
所述梯度计算单元用于根据所述邻域像素点的像素值,计算得到所述目标像素点在两个设定方向上的第一梯度值和第二梯度值;
所述边缘方向获取单元用于基于目标逻辑函数根据所述第一梯度值和所述第二梯度值获取所述目标像素点对应的所述边缘方向。
10.如权利要求9所述的Bayer图像的处理系统,其特征在于,两个所述设定方向分别包括水平方向和垂直方向;或,包括第一对角方向和第二对角方向。
12.如权利要求8-11中任意一项所述的Bayer图像的处理系统,其特征在于,所述预设滤波算法包括加权中值滤波算法。
13.如权利要求12所述的Bayer图像的处理系统,其特征在于,所述边缘方向上的所述第一插值结果的第一权重大于所述边缘方向以外的其他方向上的所述第一插值结果的第一权重;
所述边缘方向上的所述第二插值结果的第二权重大于所述边缘方向以外的其他方向上的所述第二插值结果的第二权重。
14.如权利要求8所述的Bayer图像的处理系统,其特征在于,对所述第一颜色分量为红色的所述目标像素点,所述插值处理模块用于采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为蓝色的所述目标像素点,所述插值处理模块用于采用高阶插值算法对所述目标像素点对应的绿色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第二插值结果集合;
对所述第一颜色分量为绿色的所述目标像素点,所述插值处理模块用于采用一阶插值算法对所述目标像素点对应的红色通道进行插值以获取对应的所述第一插值结果集合,以及采用一阶插值算法对所述目标像素点对应的蓝色通道进行插值以获取对应的所述第二插值结果集合。
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行计算机程序时实现权利要求1-7中任一项所述的Bayer图像的处理方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的Bayer图像的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346158.XA CN111539892A (zh) | 2020-04-27 | 2020-04-27 | Bayer图像的处理方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346158.XA CN111539892A (zh) | 2020-04-27 | 2020-04-27 | Bayer图像的处理方法、系统、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111539892A true CN111539892A (zh) | 2020-08-14 |
Family
ID=71978852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010346158.XA Pending CN111539892A (zh) | 2020-04-27 | 2020-04-27 | Bayer图像的处理方法、系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539892A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652027A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种伪彩检测算法及系统 |
CN113454687A (zh) * | 2020-09-28 | 2021-09-28 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置和系统,计算机可读存储介质 |
CN113781349A (zh) * | 2021-09-16 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN117057995A (zh) * | 2023-08-23 | 2023-11-14 | 上海玄戒技术有限公司 | 图像处理方法、装置、芯片、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201431382A (zh) * | 2013-01-17 | 2014-08-01 | Realtek Semiconductor Corp | 影像處理裝置與影像處理方法 |
CN104159091A (zh) * | 2014-07-30 | 2014-11-19 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于边缘检测的颜色插值方法 |
CN107851307A (zh) * | 2015-08-03 | 2018-03-27 | 英特尔公司 | 对用于图像处理的拜耳类型图像数据去马赛克的方法和系统 |
CN108122201A (zh) * | 2017-12-21 | 2018-06-05 | 珠海亿智电子科技有限公司 | 一种拜耳插值拉链效应去除方法 |
-
2020
- 2020-04-27 CN CN202010346158.XA patent/CN111539892A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201431382A (zh) * | 2013-01-17 | 2014-08-01 | Realtek Semiconductor Corp | 影像處理裝置與影像處理方法 |
CN104159091A (zh) * | 2014-07-30 | 2014-11-19 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于边缘检测的颜色插值方法 |
CN107851307A (zh) * | 2015-08-03 | 2018-03-27 | 英特尔公司 | 对用于图像处理的拜耳类型图像数据去马赛克的方法和系统 |
CN108122201A (zh) * | 2017-12-21 | 2018-06-05 | 珠海亿智电子科技有限公司 | 一种拜耳插值拉链效应去除方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113454687A (zh) * | 2020-09-28 | 2021-09-28 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置和系统,计算机可读存储介质 |
WO2022061879A1 (zh) * | 2020-09-28 | 2022-03-31 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置和系统,计算机可读存储介质 |
CN112652027A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种伪彩检测算法及系统 |
CN112652027B (zh) * | 2020-12-30 | 2024-03-22 | 凌云光技术股份有限公司 | 一种伪彩检测方法及系统 |
CN113781349A (zh) * | 2021-09-16 | 2021-12-10 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、电子设备及存储介质 |
CN117057995A (zh) * | 2023-08-23 | 2023-11-14 | 上海玄戒技术有限公司 | 图像处理方法、装置、芯片、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539892A (zh) | Bayer图像的处理方法、系统、电子设备和存储介质 | |
KR101183371B1 (ko) | 디지털 컬러 이미지 처리 방법 | |
JP4385282B2 (ja) | 画像処理装置および画像処理方法 | |
US9179113B2 (en) | Image processing device, and image processing method, and program | |
JP4520886B2 (ja) | カラー画像のデモザイク処理を行うための高品質グラディエント補正線形補間 | |
JP5672776B2 (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
KR101634562B1 (ko) | 저해상도 비디오로부터 고해상도 비디오를 생성하는 방법 | |
CN102761682B (zh) | 图像处理设备及其控制方法 | |
JP2000341707A (ja) | 方向性平滑化演算を用いた画像のモザイク解除方法 | |
JP2004534429A (ja) | 色不連続性均等化を使用して生データイメージを非対称にデモザイク処理するシステムおよび方法 | |
CN110730336B (zh) | 一种去马赛克方法及装置 | |
US20070229684A1 (en) | Color interpolation method for Bayer filter array images | |
CN110430403B (zh) | 一种图像处理方法和装置 | |
KR20060133773A (ko) | 컬러 채널 상호간의 특성을 고려한 컬러 잡음 제거 방법 및장치 | |
CN111539893A (zh) | 一种基于导向滤波的Bayer图像联合去马赛克去噪方法 | |
CN113168669A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN111510691A (zh) | 颜色插值方法及装置、设备、存储介质 | |
US20240169481A1 (en) | Demosaicing circuit for demosaicing quad bayer raw image data | |
WO2023140942A1 (en) | Multi-mode demosaicing for raw image data | |
US20220254050A1 (en) | Noise reduction circuit for dual-mode image fusion architecture | |
US11841926B2 (en) | Image fusion processor circuit for dual-mode image fusion architecture | |
KR100565429B1 (ko) | 컬러 필터 어레이에서 손실된 컬러값 복원 방법 및 장치 | |
US9811892B1 (en) | Separating sub-band image data for processing and merging with unprocessed image data | |
CN103384334A (zh) | 图像处理装置、图像处理方法及程序 | |
US9916637B1 (en) | Splitting and merging subband image data |
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: 20200814 |