CN116977173B - 基于色差和色比的边缘优化Bayer插值方法 - Google Patents
基于色差和色比的边缘优化Bayer插值方法 Download PDFInfo
- Publication number
- CN116977173B CN116977173B CN202310850531.9A CN202310850531A CN116977173B CN 116977173 B CN116977173 B CN 116977173B CN 202310850531 A CN202310850531 A CN 202310850531A CN 116977173 B CN116977173 B CN 116977173B
- Authority
- CN
- China
- Prior art keywords
- channel
- interpolation
- red
- blue
- green
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 230000004075 alteration Effects 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/90—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
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)
- Color Image Communication Systems (AREA)
- Video Image Reproduction Devices For Color Tv Systems (AREA)
Abstract
本发明公开了一种基于色差和色比的边缘优化Bayer插值方法，包括：获取待插值的Bayer影像，计算其各像素位置处的多尺度方向梯度；基于步骤1得到的多尺度方向梯度计算各方向色差的权重，并根据得到的权重计算色差以对三个通道进行插值；基于局部色比，更新步骤2三通道的插值结果；对原始Bayer影像进行影像边缘对称扩展，并对扩展后的影像边缘像素进行高质量线性插值并将插值结果与步骤3得到的非边缘像素插值结果组合，得到插值优化后的Bayer影像。本发明能够有效改善影像边缘的伪色和拉链现象，获得完整平滑的彩色图像。
Description
技术领域
本发明属于遥感影像复原的技术领域，具体涉及一种基于色差和色比的边缘优化Bayer插值方法。
背景技术
随着数字成像技术的飞速发展，遥感卫星影像的数据量和分辨率越来越高,获取的数据量呈几何级增长，有限的星上储存容量和传输带宽十分宝贵。因此，吉林一号、珠海一号等视频卫星的相机成像系统一般采用Bayer成像模式捕获影像，这种阵列结构以间隔方式按像素分别放置红、绿、蓝三色滤镜，且绿色滤镜的数量是红（蓝）色的两倍，更加符合人眼对彩色的敏感性。Bayer模板使得卫星相机系统在保证影像质量的同时，大大提升了有效数据的获取数量，对于保证星上资源的有效利用和缓解星地传输压力具有重要意义。对Bayer成像模式的卫星影像插值是处理流程的第一步，插值结果直接影响卫星影像的整体质量和后续处理的精度。
传统的Bayer插值方法多基于线性插值，双线性插值简单易行，对平滑区域效果处理好，但在边缘处容易失真，并产生较多的伪色和锯齿现象。近年来，各种利用图像梯度信息的方法取得了较好的插值效果，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，可以保护图像的边缘，基于颜色梯度的插值算法考虑到Bayer影像的空间结构，相较于线性插值算法可以避免一些伪色，保持部分纹理，但对影像边缘的描述不够准确，还会产生一些平滑效果。此外，影像内部像素可利用信息较多，目前的大部分插值方法可以取得内部插值的较优结果，但影像边缘像素插值常常存在插值效果差和插值结果丢失等问题。
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种基于色差和色比的边缘优化Bayer插值方法，该方法能够有效改善影像边缘的伪色和拉链现象，获得完整平滑的彩色图像。
为解决上述技术问题，本发明采用如下技术方案：
一种基于色差和色比的边缘优化Bayer插值方法，包括如下步骤：
步骤1、获取待插值的Bayer影像，计算其各像素位置处的方向色差和多尺度方向梯度；
步骤2，基于步骤1得到的多尺度方向梯度计算各方向色差的权重，并根据得到的权重和步骤1的方向色差计算各像素三通道处的色差以对其三个通道进行插值；
步骤3，基于局部色比，更新步骤2得到的各像素三个通道的插值结果；
步骤4，对原始Bayer影像进行影像边缘对称扩展，并对扩展后的影像边缘像素进行线性插值，并将插值结果与步骤3得到的非边缘像素插值结果融合，得到插值优化后的Bayer影像。
进一步地，步骤1具体包括如下步骤：
步骤1.1，计算待插值的Bayer影像每个像素处水平方向和垂直方向的方向颜色估计值和方向色差，其计算方法为：
；
；
其中，、/>分别对应为/>处的水平、垂直方向的方向颜色估计值，/>是待处理Bayer影像中/>处的像素值；
方向色差即为该处方向估计值与原始像素值的差值，记为，绿色通道与红色/蓝色通道的方向色差计算如下：
；
；
其中，为/>处水平方向的绿色通道与红色通道或蓝色通道的方向色差，/>为/>处垂直方向的绿色通道与红色通道或蓝色通道的方向色差，/>表示绿色通道，/>表示红色或蓝色通道，其中，/> r时表示红色，/>时表示蓝色；
步骤1.2，根据各像素处的像素值计算各像素处的水平方向和垂直方向的多尺度梯度，其计算公式分别如下：
；
；
其中，和/>分别表示/>处的水平和垂直方向的多尺度梯度，d表示步长，取值1~N，/>表示梯度计算窗口。
进一步地，步骤2具体包括如下子步骤：
步骤2.1，根据步骤1对要插值的每个绿色像素周围的方向色差进行估算，并利用多尺度多方向的梯度计算相应权重；
步骤2.2，根据步骤2.1计算距离目标像素最近的多个邻近绿色像素在多方向上的权重，并根据权重计算方向色差以改善目标像素的绿色通道值；
步骤2.3，基于改善后的绿色通道值，对红、蓝通道进行插值。
进一步地，步骤2.2中计算距离目标像素最近的四个邻近绿色像素在多方向上的权重，四个邻近像素的权重通过在局部窗口内的各方向多尺度梯度来计算，权重计算公式如下：
和/>分别对应表示像素/>处的水平、垂直方向的多尺度梯度。
进一步地，步骤2.2中根据得到的权重计算目标像素色差，其计算方法为：
其中，、/>分别对应为像素/>处的绿色通道与红色通道、绿色通道与蓝色通道的方向色差，由步骤1计算获得，/>取1/4，/>；
色差估算完成后，将其添加到可用的目标像素以获得估算的绿色通道值，得到红色位置、蓝色位置处的绿色通道插值为：
；
；
其中，表示红色位置处的绿色通道插值结果，/>表示蓝色位置处的绿色通道插值结果，/>、/>分别对应表示原始Bayer影像中的红色、蓝色通道值。
进一步地，步骤2.3中对红色和蓝色通道插值具体包括：
首先，首先使用7 x 7滤镜插值估计蓝色位置的红色像素值和红色位置的蓝色像素值；
其次，计算红绿交叉列中绿色位置处红色通道值和蓝色通道值插值以及蓝绿交叉列中绿色位置处红色通道值和蓝色通道值插值；
在绿色坐标处对红色和蓝色像素值插值后，即获得初始的全彩色Bayer影像。
进一步地，步骤3构建局部色比模型LCR，更新各像素步骤2三个通道的插值结果，其中局部色比模型LCR为：
或/>；
其中，表示/>处的绿色通道值，/>表示/>处的红色/蓝色通道值，C为R则表示红色通道值，C为B则表示蓝色通道值。
进一步地，步骤3具体包括如下步骤：
步骤3.1，由原始Bayer影像中的绿色通道值和步骤2插值得到的红色/蓝色通道值建立局部色比模型，更新原始R或B位置处的G通道插值结果，如下所示：
其中，是该式应用的局部色比模型，，/>表示红色位置处像素/>的绿色通道插值结果，/>表示蓝色位置处像素/>的绿色通道插值结果，/>、分别对应表示原始Bayer影像中像素/>的红色、蓝色通道值，/>是常量；
步骤3.2，由步骤3.1插值得到的绿色通道值和原始Bayer影像中的红色/蓝色通道值建立新的局部色比模型，更新原始G位置处的R或B通道插值结果，插值方法：
其中，是该式应用的局部色比模型，，/>、/>分别对应表示原始G位置处像素/>的R或B通道插值结果，/>表示原始Bayer影像中像素/>的绿色通道值，/>表示红色位置处的绿色通道插值结果，/>表示蓝色位置处的绿色通道插值结果。
进一步地，步骤4具体包括如下步骤：
步骤4.1，对原始Bayer影像的边缘进行对称扩展，对称轴为最边缘行列像素，按照左上右下的顺序，向外扩展两个像素宽度；
步骤4.2，使用对应位置的线性滤波器对边缘像素进行线性插值；
步骤4.3，将步骤4.2插值后的边缘像素结果与步骤3得到的非边缘像素插值结果进行融合，得到插值优化后的Bayer影像。
进一步地，步骤4.1扩展方法具体为：
；
；
；
；
其中，是扩展后的影像，/>是原始Bayer影像尺寸，为待处理Bayer影像中/>处的像素值。
与现有技术相比，本发明的有益效果为：本发明基于局部区域的色比和色差恒定原理，结合多尺度梯度的权重计算对边缘方向判断更为准确，对各方向梯度设置不同的权重以自适应地组合，有效改善了地物边缘的伪色和拉链现象；针对图像边缘像素，采用基于图像对称扩展的高质量线性插值法优化初始插值结果，获得完整彩色影像；本发明无需训练和大量迭代，保证了较快的影像处理速度。
附图说明
图1为本发明实施例基于色差和色比的边缘优化Bayer插值方法的流程图；
图2为本发明实施例的Bayer影像示意图；
图3为本发明实施例边缘像素对称扩展示意图；
图4为本发明实施例高质量线性插值过程中各位置处对应的线性滤波器。
具体实施方式
下面将结合本发明实施例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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示，本发明实施例考虑到不同颜色通道之间的相关性，提供一种基于色差和色比的边缘优化Bayer插值方法，自适应地组合不同尺度和方向的色差，判断边缘信息更为准确，并利用色比相似的原理对初始插值结果进行更新。本实施例的方法对地物边缘可取得较好的插值效果，有效改善伪色和锯齿现象。本发明实施例基于色差和色比的边缘优化Bayer插值方法以待插值的Bayer影像为输入，该方法包括以下步骤：
步骤1，获取待插值的Bayer影像并计算其上各像素位置的方向色差估计值和多尺度颜色梯度；该步骤具体包括如下子步骤：
步骤1.1、获取待插值的Bayer影像（如图2左上所示）每个像素处的方向颜色估计值，水平方向和垂直方向的方向颜色估计值计算方式分别如下：
；
；
其中，、/>分别对应为/>处的水平、垂直方向的方向颜色估计值，/>是待处理Bayer影像中/>处的像素值。
方向色差即为该处方向估计值与原始像素值的差值，记为，绿色通道与红色/蓝色通道的方向色差计算如下：
；
；
其中，为/>处水平方向的绿色通道与红色通道或蓝色通道的方向色差，/>为/>处垂直方向的绿色通道与红色通道或蓝色通道的方向色差，/>表示绿色通道，/>表示红色或蓝色通道，其中，/> r时表示红色，/>时表示蓝色；
步骤1.2，根据各像素处的像素值计算各像素处的水平方向和垂直方向的多尺度梯度，其计算公式分别如下：
其中，、/>分别对应表示像素/>处的水平、垂直方向的多尺度梯度，d表示步长，取值1~N，/>表示梯度计算窗口，/>。
步骤2，基于步骤1得到的多尺度方向梯度计算各方向色差的权重，并根据得到的权重计算色差以对三个通道进行插值；该步骤具体包括如下子步骤：
步骤2.1，对要插值的每个绿色像素周围的方向色差进行估算，并利用多尺度多方向的梯度计算相应权重，使它们自适应地组合。具体来说，绿色通道与红色/蓝色通道的色差计算公式如下：
；
其中，为绿色通道与红色或蓝色通道在水平方向的方向色差，/>为绿色通道与红色或蓝色通道在垂直方向的方向色差，/>是/>的转置；
计算权重的局部窗口取5 x 5大小，则垂直方向和水平方向色差的权重计算如下：
式中，、/>分别对应表示像素/>处的水平、垂直方向的多尺度梯度。若在5 x 5的局部窗口内，某方向梯度和为0，则表示此窗口内该方向色差无明显变化，则/>处的色差计算取该方向所在项的计算结果，如以/>为中心的5 x 5窗口内垂直方向的梯度和为0，则该处的色差计算公式为：
；
步骤2.2，根据步骤2.1计算距离目标像素最近的多个邻近绿色像素在多方向上的权重，并根据权重计算色差以改善目标像素的绿色通道值；结合步骤2.1可以得到，绿色通道与红色/蓝色通道的方向色差为：
其中，取1/4，四个邻近像素的权重/>也通过在局部窗口内的各方向多尺度颜色梯度来计算，对于水平分量为3 x 5的窗口和垂直分量为5 x 3的窗口，权重计算公式如下：
；
；
；
；
若在水平分量为3 x 5的窗口和垂直分量为5 x 3的窗口内，某方向梯度和为0，则表示此窗口内该方向色差无明显变化，则处的色差计算取该方向所在项的计算结果。如与/>处对应的左侧3 x 5窗口内水平方向的梯度和为0，则该处的色差计算公式为：
；
；
色差估算完成后，将其添加到可用的目标像素以获得估算的绿色通道值，得到红色位置、蓝色位置处的绿色通道插值为：
；
；
其中，表示红色位置处的绿色通道插值结果，/>表示蓝色位置处的绿色通道插值结果，/>、/>分别对应表示原始Bayer影像中的红色、蓝色通道值。
步骤2.3，基于改善后的绿色通道，对红蓝通道进行插值：
在该步骤中，首先对于红色和蓝色通道插值，在本实施例中使用7 x 7滤镜插值估计蓝色位置的红色像素值和红色位置的蓝色像素值，具体为：
其中，表示蓝色位置的红色像素值，/>表示红色位置的蓝色像素值，/>表示逐元素矩阵乘法和后续求和。
在对红色和蓝色通道插值后，计算绿色位置处的红/蓝像素值的插值结果，在原始Bayer影像中绿色像素在垂直方向上的直接相邻像素是红色或蓝色像素，计算红绿交叉列中绿色位置处红色通道值和蓝色通道值插值操作如下：
其中，表示原始Bayer影像中的绿色通道值，/>和/>表示红绿交叉列中绿色位置处红色通道和蓝色通道的插值结果，/>和/>的计算方式同步骤2.1。
同理，计算蓝绿交叉列中绿色位置处红色通道值和蓝色通道值插值操作如下：
其中，、/>分别对应表示蓝绿交叉列中绿色位置处红色通道、蓝色通道的插值结果。
在绿色坐标处完成红色和蓝色像素值插值后，可获得初始的全彩色影像。但初始的插值结果在地物轮廓处存在错误的虚假颜色（伪色现象），需要进一步优化以改善错误结果。
步骤3，基于局部色比进行后处理，更新插值结果，改善伪色现象；
使用三通道的值可生成局部色比模型LCR，描述绿色通道值与其他通道的比值：
或/>
其中，表示/>处的绿色通道值，/>表示/>处的红色/蓝色通道值，C为R则表示红色通道值，C为B则表示蓝色通道值。该步骤具体包括：
步骤3.1，由原始Bayer影像中的绿色通道值和步骤2插值得到的红色/蓝色通道值建立局部色比模型，更新原始R或B位置处的G通道插值结果，插值方法如下所示：
其中，是该式应用的局部色比模型，，/>表示红色位置处像素/>的绿色通道插值结果，/>表示蓝色位置处像素/>的绿色通道插值结果，/>、分别对应表示原始Bayer影像中像素/>的红色、蓝色通道值，/>是常量，用于消除奇异性。
步骤3.2，由步骤3.1插值得到的绿色通道值和原始Bayer影像中的红色/蓝色通道值建立新的局部色比模型，更新原始G位置处的R或B通道插值结果，插值方法：
其中，是该式应用的局部色比模型，，/>和/>表示原始G位置处像素/>的R或B通道插值结果，/>表示原始Bayer影像中像素/>的绿色通道值。
基于局部色比的后处理操作可消除影像内部的伪色，但无法较好地处理影像边缘的伪色，图像下部边缘存在仍存在错误像素值，因此下一步对影像边缘进行优化处理。
步骤4，对原始Bayer影像进行影像边缘对称扩展，并对扩展后的影像边缘像素进行高质量线性插值并将插值结果与步骤3得到的非边缘像素插值结果组合，得到插值优化后的Bayer影像；
影像边缘像素可利用信息过少，基于色差和色比的插值方法无法对边缘像素取得理想的插值结果，因此采用基于边缘扩展的高质量线性插值方法对影像边缘像素进行插值。该步骤具体包括如下子步骤：
步骤4.1，对原始Bayer影像（像素排列方式如图2所示）进行对称扩展，对称轴为最边缘行列像素，按照左上右下的顺序，向外扩展两个像素宽度。具体来说，依次进行以下操作：
其中，是扩展后的影像，/>是原始Bayer影像尺寸，扩展结果如图3所示。
步骤4.2，使用对应位置的5x5线性滤波器对边缘像素进行线性插值，不同位置对应的线性滤波器如图4所示；原始Bayer影像红/蓝色通道处对G值进行插值使用的线性滤波器如图4中(a)图和(b)图所示：
原始Bayer影像R行B列交叉处对R值进行插值或B行R列交叉处对B值进行插值使用的线性滤波器如图4中(c)图和(e)图所示：
原始Bayer影像R行B列交叉处对B值进行插值或B行R列交叉处对R值进行插值使用的线性滤波器如图4中(d)图和(f)图所示，为/>的转置矩阵：
原始Bayer影像红色通道处对B值进行插值或蓝色通道处对R值进行插值使用的线性滤波器如图4中(g)图和(h)图所示：
步骤4.3、将步骤4.2插值后的边缘像素结果与步骤3得到的非边缘像素插值结果进行融合，得到边缘优化后的插值结果如图1最下方结果图所示，此时的影像是由Bayer影像恢复完好的全彩色影像。以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (6)
1.一种基于色差和色比的边缘优化Bayer插值方法，其特征在于，包括如下步骤：
步骤1、获取待插值的Bayer影像，计算其各像素位置处的方向色差和多尺度方向梯度；
步骤2，基于步骤1得到的多尺度方向梯度计算各方向色差的权重，并根据得到的权重和步骤1的方向色差计算各像素三通道处的色差以对其三个通道进行插值；
步骤3，基于局部色比，更新步骤2得到的各像素三个通道的插值结果；
步骤4，对原始Bayer影像进行影像边缘对称扩展，并对扩展后的影像边缘像素进行线性插值，并将插值结果与步骤3得到的非边缘像素插值结果融合，得到插值优化后的Bayer影像；
其中，步骤1具体包括如下步骤：
步骤1.1，计算待插值的Bayer影像每个像素处水平方向和垂直方向的方向颜色估计值和方向色差，其计算方法为：
；
；
其中，、/>分别对应为/>处的水平、垂直方向的方向颜色估计值，/>是待处理Bayer影像中/>处的像素值；
方向色差即为该处方向估计值与原始像素值的差值，记为，绿色通道与红色/蓝色通道的方向色差计算如下：
；
；
其中，为/>处水平方向的绿色通道与红色通道或蓝色通道的方向色差，为/>处垂直方向的绿色通道与红色通道或蓝色通道的方向色差，/>表示绿色通道，/>表示红色或蓝色通道，其中，/> r时表示红色，/>时表示蓝色；
步骤1.2，根据各像素处的像素值计算各像素处的水平方向和垂直方向的多尺度梯度，其计算公式分别如下：
；
；
其中，、/>分别对应表示/>处的水平、垂直方向的多尺度梯度，d表示步长，取值1~N，/>表示梯度计算窗口；
步骤2具体包括如下子步骤：
步骤2.1，根据步骤1对要插值的每个绿色像素周围的方向色差进行估算，并利用多尺度多方向的梯度计算相应权重；
步骤2.2，根据步骤2.1计算距离目标像素最近的多个邻近绿色像素在多方向上的权重，并根据权重计算方向色差以改善目标像素的绿色通道值；
步骤2.3，基于改善后的绿色通道值，对红、蓝通道进行插值；
步骤4具体包括如下步骤：
步骤4.1，对原始Bayer影像的边缘进行对称扩展，对称轴为最边缘行列像素，按照左上右下的顺序，向外扩展两个像素宽度；
步骤4.2，使用对应位置的线性滤波器对边缘像素进行线性插值；
步骤4.3，将步骤4.2插值后的边缘像素结果与步骤3得到的非边缘像素插值结果进行融合，得到插值优化后的Bayer影像；而步骤4.1扩展方法具体为：
；
；
；
；
其中，是扩展后的影像，/>是原始Bayer影像尺寸，/> 为待处理Bayer影像中/>处的像素值。
2.根据权利要求1所述的基于色差和色比的边缘优化Bayer插值方法，其特征在于，步骤2.2中计算距离目标像素最近的四个邻近绿色像素在多方向上的权重，四个邻近像素的权重通过在局部窗口内的各方向多尺度梯度来计算，权重计算公式如下：
和/>分别对应表示像素/>处的水平、垂直方向的多尺度梯度。
3.根据权利要求2所述的基于色差和色比的边缘优化Bayer插值方法，其特征在于，步骤2.2中根据得到的权重计算目标像素色差，其计算方法为：
式中，、/>分别对应为像素/>处的绿色通道与红色通道、绿色通道与蓝色通道的方向色差，/>取1/4，/>；
其中，绿色通道与红色通道、绿色通道与蓝色通道的方向色差的计算方法为：
；
其中，为绿色通道与红色或蓝色通道在水平方向的方向色差，/>为绿色通道与红色或蓝色通道在垂直方向的方向色差，由步骤1计算获得，/>表示垂直方向色差的权重，/>表示水平方向色差的权重，/>是/>的转置；
色差估算完成后，将其添加到可用的目标像素以获得估算的绿色通道值，得到红色位置、蓝色位置处的绿色通道插值为：
；
；
其中，表示红色位置处的绿色通道插值结果，/>表示蓝色位置处的绿色通道插值结果，/>、/>分别对应表示原始Bayer影像中的红色、蓝色通道值。
4.根据权利要求3所述的基于色差和色比的边缘优化Bayer插值方法，其特征在于，步骤2.3中对红色和蓝色通道插值具体包括：
首先，首先使用7 x 7滤镜插值估计蓝色位置的红色像素值和红色位置的蓝色像素值；
其次，计算红绿交叉列中绿色位置处红色通道值和蓝色通道值插值以及蓝绿交叉列中绿色位置处红色通道值和蓝色通道值插值；
在绿色坐标处对红色和蓝色像素值插值后，即获得初始的全彩色Bayer影像。
5.根据权利要求1所述的基于色差和色比的边缘优化Bayer插值方法，其特征在于，步骤3构建局部色比模型LCR，更新各像素步骤2三个通道的插值结果，其中局部色比模型LCR为：
或/>；
其中，表示/>处的绿色通道值，/>表示/>处的红色/蓝色通道值，C为R则表示红色通道值，C为B则表示蓝色通道值。
6.根据权利要求5所述的基于色差和色比的边缘优化Bayer插值方法，其特征在于，步骤3具体包括如下步骤：
步骤3.1，由原始Bayer影像中的绿色通道值和步骤2插值得到的红色/蓝色通道值建立局部色比模型，更新原始R或B位置处的G通道插值结果，如下所示：
其中，是该式应用的局部色比模型，，/>表示红色位置处像素/>的绿色通道插值结果，/>表示蓝色位置处像素/>的绿色通道插值结果，/>、分别对应表示原始Bayer影像中像素/>的红色、蓝色通道值，/>是常量；
步骤3.2，由步骤3.1插值得到的绿色通道值和原始Bayer影像中的红色/蓝色通道值建立新的局部色比模型，更新原始G位置处的R或B通道插值结果，插值方法：
其中，是该式应用的局部色比模型，，/>、/>分别对应表示原始G位置处像素/>的R或B通道插值结果，/>表示原始Bayer影像中像素/>的绿色通道值，/>表示红色位置处的绿色通道插值结果，/>表示蓝色位置处的绿色通道插值结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310850531.9A CN116977173B (zh) | 2023-07-12 | 2023-07-12 | 基于色差和色比的边缘优化Bayer插值方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310850531.9A CN116977173B (zh) | 2023-07-12 | 2023-07-12 | 基于色差和色比的边缘优化Bayer插值方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116977173A CN116977173A (zh) | 2023-10-31 |
| CN116977173B true CN116977173B (zh) | 2024-03-22 |
Family
ID=88478874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310850531.9A Active CN116977173B (zh) | 2023-07-12 | 2023-07-12 | 基于色差和色比的边缘优化Bayer插值方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116977173B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100084458A (ko) * | 2009-01-16 | 2010-07-26 | 삼성전자주식회사 | 컬러 필터 어레이의 패턴 특성을 이용한 이미지 보간 방법 및 장치 |
| 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 |
| CN104700360A (zh) * | 2015-04-01 | 2015-06-10 | 中国科学院自动化研究所 | 基于边缘自适应的图像缩放方法及系统 |
| JP2016195367A (ja) * | 2015-04-01 | 2016-11-17 | キヤノン株式会社 | 画像処理装置及び方法、撮像装置、並びにプログラム |
| 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 |
| CN113038092A (zh) * | 2021-03-24 | 2021-06-25 | 成都国科微电子有限公司 | 一种去马赛克方法、装置、设备及存储介质 |
| CN114445290A (zh) * | 2021-12-28 | 2022-05-06 | 中国科学技术大学 | 一种面向硬件的联合去噪去马赛克方法 |
| CN115471420A (zh) * | 2022-09-21 | 2022-12-13 | 北京奕斯伟计算技术股份有限公司 | 图像处理装置、成像设备、方法、电子设备及存储介质 |
| CN115841426A (zh) * | 2022-09-01 | 2023-03-24 | 珠海市杰理科技股份有限公司 | Bayer图像的处理方法、装置、存储介质、芯片和设备 |
| CN116416126A (zh) * | 2021-12-29 | 2023-07-11 | 合肥君正科技有限公司 | 一种Bayer图像插值算法中解决伪彩色问题的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101452573B (zh) * | 2007-12-04 | 2013-01-30 | 比亚迪股份有限公司 | 一种图像边缘增强方法 |
-
2023
- 2023-07-12 CN CN202310850531.9A patent/CN116977173B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100084458A (ko) * | 2009-01-16 | 2010-07-26 | 삼성전자주식회사 | 컬러 필터 어레이의 패턴 특성을 이용한 이미지 보간 방법 및 장치 |
| 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 |
| CN104700360A (zh) * | 2015-04-01 | 2015-06-10 | 中国科学院自动化研究所 | 基于边缘自适应的图像缩放方法及系统 |
| JP2016195367A (ja) * | 2015-04-01 | 2016-11-17 | キヤノン株式会社 | 画像処理装置及び方法、撮像装置、並びにプログラム |
| 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 |
| CN113038092A (zh) * | 2021-03-24 | 2021-06-25 | 成都国科微电子有限公司 | 一种去马赛克方法、装置、设备及存储介质 |
| CN114445290A (zh) * | 2021-12-28 | 2022-05-06 | 中国科学技术大学 | 一种面向硬件的联合去噪去马赛克方法 |
| CN116416126A (zh) * | 2021-12-29 | 2023-07-11 | 合肥君正科技有限公司 | 一种Bayer图像插值算法中解决伪彩色问题的方法 |
| CN115841426A (zh) * | 2022-09-01 | 2023-03-24 | 珠海市杰理科技股份有限公司 | Bayer图像的处理方法、装置、存储介质、芯片和设备 |
| CN115471420A (zh) * | 2022-09-21 | 2022-12-13 | 北京奕斯伟计算技术股份有限公司 | 图像处理装置、成像设备、方法、电子设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| Bayer图像去马赛克算法优化研究;文玲;《中国优秀硕士学位论文全文数据库 信息科技辑》(2023年02期);I138-2363 * |
| Ge Runchan.A Design of Optimized Colour Image Interpolation Algorithm Based on Edge Gradient.《2022 INTERNATIONAL CONFERENCE ON BIG DATA,INFORMATION AND COMPUTER NETWORK(BDICN 2022)》.2023,708-712页. * |
| 基于局部特征的图像插值算法在B/S视频监控中的应用;孟利民 等;浙江工业大学学报;43卷(02期);217-221页 * |
| 基于色差空间的低复杂度Bayer图像插值算法;赵亮 等;航天返回与遥感;37卷(03期);128-138页 * |
| 自适应图像缩放的切触有理混合插值算法;苏本跃 等;计算机工程与应用;46卷(01期);196-199页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116977173A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110827200B (zh) | 一种图像超分重建方法、图像超分重建装置及移动终端 | |
| CN102663719B (zh) | 基于非局部均值的Bayer型CFA图像去马赛克方法 | |
| CN110730336B (zh) | 一种去马赛克方法及装置 | |
| CN102665030B (zh) | 一种基于改进双线性的Bayer格式颜色插值方法 | |
| CN111510691B (zh) | 颜色插值方法及装置、设备、存储介质 | |
| KR101634562B1 (ko) | 저해상도 비디오로부터 고해상도 비디오를 생성하는 방법 | |
| CN106340036A (zh) | 一种基于双目立体视觉的立体匹配方法 | |
| CN103595981B (zh) | 基于非局部低秩的色彩滤波阵列图像去马赛克方法 | |
| CN103248906B (zh) | 一种双目立体视频序列的深度图获取方法与系统 | |
| WO2022061879A1 (zh) | 图像处理方法、装置和系统，计算机可读存储介质 | |
| CN102722863A (zh) | 采用自回归模型对深度图进行超分辨率重建的方法 | |
| CN108734668B (zh) | 图像色彩恢复方法、装置、计算机可读存储介质及终端 | |
| CN110634147A (zh) | 基于双边引导上采样的图像抠图方法 | |
| CN111383200B (zh) | 基于生成式对抗神经网络的cfa图像去马赛克方法 | |
| CN109302593A (zh) | 一种面向单传感器相机成像系统的去马赛克算法 | |
| CN110910421A (zh) | 基于分块表征和可变邻域聚类的弱小运动目标检测方法 | |
| CN111539892A (zh) | Bayer图像的处理方法、系统、电子设备和存储介质 | |
| CN111028265A (zh) | 一种基于迭代法构建相关滤波响应的目标跟踪方法 | |
| CN115546027B (zh) | 图像缝合线确定方法、装置以及存储介质 | |
| CN110852953A (zh) | 图像插值方法及装置、存储介质、图像信号处理器、终端 | |
| CN115578255A (zh) | 一种基于帧间亚像素块匹配的超分辨率重建方法 | |
| CN106846250B (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
| CN101639932A (zh) | 一种数字图像分辨率增强的方法及系统 | |
| CN104766287A (zh) | 一种基于显著性检测的模糊图像盲复原方法 | |
| CN108305216B (zh) | 一种双边四次插值的图像放大方法 |
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 |