CN1913576A - 一种彩色滤镜阵列插值方法 - Google Patents

Abstract

本发明提供一种彩色滤镜阵列插值方法，该方法结合了传统的基于边缘检测的插值方法和基于CFA标准色基准的插值方法的优点，其中心点的插值颜色值由周围各点的颜色值按一定插值系数获得，保证了输出图像的边缘清晰，输出颜色准确无偏差，本发明所提出的插值方法简单实用，仅需计算5×5的线性插值模版，适合实时计算需要。

Description

一种彩色滤镜阵列插值方法

技术领域

本发明涉及数码相机的图像生成方法，尤其涉及一种插值方法。

背景技术

绝大多数数码相机采用单传感器结构，在传感器采集到的原始图像的每个像素点位置只有一个颜色值(红、绿、或蓝)，需要通过插值得到全彩色图像。插值算法的优劣决定了输出图像的质量。

基于边缘检测的插值方法的主要思想是，在图像特征边缘，插值应顺着边缘方向进行，而不是垂直边缘方向，以保证插值结果边缘清晰。但基于边缘检测的插值方法在图像高频细节处会产生明显的彩色偏差现象。

基于CFA(Color Filter Array彩色滤镜阵列)标准色基准的插值方法的主要思想是，在插值前原始图像各像素所对应的CFA彩色值被认为是正确的，故应被作为插值的基准。但这种方法在边缘处往往会产生明显的锯齿误差现象。

发明内容

本发明所要解决的技术问题是提供一种彩色滤镜阵列(Color Filter Array，CFA)插值方法，该方法结合了传统的基于边缘检测的插值方法和基于CFA标准色基准的插值方法的优点，保证了输出图像的边缘清晰，输出颜色准确无偏差。

为了解决上述技术问题，本发明所采用的技术方案是：提供一种彩色滤镜阵列插值方法，包括插值红色或蓝色像素点的绿色值的方法，包括如下步骤：

首先，判断红色或蓝色像素点绿色值插值的方向；

如需在垂直方向进行插值，则中心像素点的绿色值由其垂直方向上的以该像素点为中心的五个相邻像素点插值得到：

$G_{13}=\frac{-I_3+2\×I_8+2\×I_{13}+2\×I_{18}-I_{23}}{4}$

其中I_i为各相邻像素点的像素值，G₁₃为中心像素点的绿色值；

如需在水平方向进行插值，则中心像素点的绿色值由其水平方向上的以该像素点为中心的五个相邻相素点插值得到：

$G_{13}=\frac{-I_{11}+2\×I_{12}+2\×I_{13}+2\×I_{14}-I_{15}}{4}$

其中I_i为所述各相邻像素点的像素值，G₁₃为中心像素点的绿色值；

如需在垂直和水平十字方向进行插值，则中心像素点的绿色值由其垂直和水平十字方向上的以该中心像素点为中心的九个相邻像素点插值得到：

$G_{13}=\frac{-I_3+2\×I_8+2\×I_{12}+2\×I_{14}-I_{15}-I_{11}+2\×I_{18}+4\×I_{13}-I_{23}}{4}$

其中I_i为所述各相邻像素点的像素值，G₁₃为中心像素点的绿色值。

本发明的插值方法，能够提供较高质量的输出图像，输出图像边缘清晰，颜色准确无偏差。本发明所提出的插值方法简单实用。仅需计算5×5的线性插值模版，适合实时计算需要。

附图说明

图1是中心点为红色像素点的5×5原始Bayer图像的示意图。

图2是本发明的插值绿色值时的垂直方向插值模版。

图3为本发明的插值绿色值时的水平方向插值模版。

图4为本发明的插值绿色值时的十字方向插值模版。

图5为本发明的插值蓝色值时的井字插值模版。

图6为中心点为绿色像素点的5×5原始Bayer图像的示意图。

图7为中心点为绿色像素点时插值蓝色值时的双十字插值模版。

图8为中心点为绿色像素点时插值红色值时的双十字插值模版。

具体实施方式

1.插值红色像素点(例：图1所示的中心点13)的绿色和蓝色值：

1)第一步、插值中心像素点13的绿色值。

首先判断中心像素点13绿色值插值的方向(水平、垂直、或十字方向)：

Δ_h＝|2×I₁₃-I₁₁-I₁₅|+|I₁₂-I₁₄|             [1]

Δ_v＝|2×I₁₃-I₃-I₂₃|+|I₈-I₁₈|               [2]

其中I_i为图1中各相应像素点的像素点的像素值，Δ_h为水平方向上的二阶梯度值，Δ_v为垂直方向上的二阶梯度值。

如果Δ_h-Δ_v大于正数阀值T，则在垂直方向进行插值

如果Δ_h-Δ_v小于负数阀值-T，则在水平方向进行插值

其它情况，在垂直和水平十字方向进行插值

1.1)如果Δ_h-Δ_v＞T

基于“CFA标准色基准”的插值思想(背景技术中提到的第二个主要思想)，以中心点原有的红色值为基准，其绿色值与红色值的色差应等于上下两点绿色值与红色值色差的均信：

$G_{13}-R_{13}=\frac{(G_8-R_8)+(G_{18}-R_{18})}{2}$

简化可得：

$G_{13}=R_{13}+\frac{(G_8-R_8)+(G_{18}-R_{18})}{2}$

其中R₈和R₁₈为未知，可以用其上下两点红色值的均值预测得到：

$R_8=\frac{R_3+R_{13}}{2}$

$R_{18}=\frac{R_{13}+R_{23}}{2}$

将其带入以上公式并简化可得：

$G_{13}=\frac{-I_3+2\×I_8+2\×I_{13}+2\×I_{18}-I_{23}}{4}---\left[3\right]$

可见，中心像素点13的绿色值应由其垂直方向上的以该像素点13为中心的五个相邻像素点3，8，13，18，23插值得到，其中I_i为图1中各相应像素点的像素值，G₁₃为中心像素点13的绿色值。公式[3]可以表示为图2所示的线性插值模版。模版中各点的值乘以1/4为其相应像素点在公式[3]中的插值系数(例如对于像素点3，在公式[3]中相应的插值系数为-1/4；对于像素点8，在公式[3]中相应的插值系数为2/4)。

1.2)同理，如果Δ_h-Δ_v＜-T，则中心像素点13的绿色值应由其水平方向上的以该像素点13为中心的五个相邻像素点11，12，13，14，15插值得到：

$G_{13}=\frac{{-I}_{11}+2\×I_{12}+2\×I_{13}+2\×I_{14}-I_{15}}{4}---\left[4\right]$

其中I_i为图1中各相应像素点的像素值，G₁₃为中心像素点13的绿色值。

公式[4]可以表示为图3所示的线性插值模版，模版中各点的值乘以1/4为其相应像素点在公式[4]中的插值系数(例如对于像素点11，在公式[4]中相应的插值系数为-1/4；对于像素点12，在公式[4]中相应的插值系数为2/4)。

1.3)同理，如果|Δ_h-Δ_v|＜T，则中心像素点13的绿色值应由其垂直和水平十字方向上以该像素点13为中心的九个相邻像素点3，8，11，12，13，14，15，18，23插值得到：

$G_{13}=\frac{-I_3+2\×I_8+2\×I_{12}+2\×I_{14}-I_{15}-I_{11}+2\×I_{18}+4\×I_{13}-I_{23}}{4}---\left[5\right]$

其中I_i为图1中各相应像素点的像素值，G₁₃为中心像素点13的绿色值。

公式[5]可以表示为图4线性插值模版，模版中各点的值乘以1/4为其相应像素点在公式[5]中的插值系数(例如对于像素点11，在公式[5]中相应的插值系数为-1/4；对于像素点12，在公式[5]中相应的插值系数为2/4)。

2)第二步、插值中心像素点13的蓝色值。

基于“CFA标准色基准”的插值思想(背景技术中提到的第二个主要思想)，以前一步中计算出的中心点的绿色值为基准，其蓝色值与绿色值的色差应等于其相邻四点蓝色值与绿色值的色差的均值：

$B_{13}-G_{13}=\frac{\underset{i=\mathrm{7,9,17,19}}{\mathrm{\Σ}}(B_i-G_i)}{4}$

简化可得：

$B_{13}=G_{13}+\frac{\underset{i=\mathrm{7,9,17,19}}{\mathrm{\Σ}}(B_i-G_i)}{4}$

其中G₇，G₉，G₁₇，G₁₉由其各自相邻点预测得到(同样的“色差均值思想”)：

$G_7=B_7+\frac{(G_2-B_7)+(G_6-B_7)+(G_8-\frac{B_7+B_9}{2})+(G_{12}-\frac{B_7+B_{17}}{2})}{4}$

$G_9=B_9+\frac{(G_4-B_9)+(G_{10}-B_9)+(G_8-\frac{B_7+B_9}{2})+(G_{14}-\frac{B_9+B_{19}}{2})}{4}$

$G_{17}=B_{17}+\frac{(G_{22}-B_{17})+(G_{16}-B_{17})+(G_{18}-\frac{B_{17}+B_{19}}{2})+(G_{12}-\frac{B_7+B_{17}}{2})}{4}$

$G_{19}=B_{19}+\frac{(G_{24}-B_{19})+(G_{20}-B_{19})+(G_{18}-\frac{B_{17}+B_{19}}{2})+(G_{14}-\frac{B_9+B_{19}}{2})}{4}$

将其带入以上公式并简化可得：

$B_{13}=G_{13}+\frac{1}{16}(-(I_2+I_4+I_6+I_{10}+I_{16}+I_{20}+I_{22}+I_{24})-2*(I_8+I_{12}+I_{14}+I_{18})+4*(I_7+I_9+I_{17}+I_{19}))---\left[6\right]$

上述公式[6]简化为：B₁₃＝G₁₃+A，其中B₁₃为待计算的中心像素点13的蓝色值，G₁₃为在上一步中刚刚插值出的该点的绿色值，A由以像素点13为中心的呈井字分布的周围16个像素点2、4、6、7、8、9、10、12、14、16、17、18、19、20、22、24插值得到，公式[6]可以表示为图5所示的井字插值模版，模版中各点的值乘以1/16为其相应像素点在公式[6]中的插值系数(例如对于像素点7，在公式[6]中相应的插值系数为4/16；对于像素点8，在公式[6]中相应的插值系数为-2/16)。

2.插值蓝色像素点的绿色和红色值：

插值蓝色像素点的绿色值与上述插值红色像素点的绿色值方法相同(在此不再赘述)；

插值蓝色像素点的红色值与上述插值红色像素点的蓝色值方法相同：

R₁₃＝G₁₃+A，其中R₁₃为待计算的像素点13的红色值，G₁₃为所述的像素点13的已插值出的绿色值，A由以像素点13为中心的呈井字分布的周围16个像素点2、4、6、7、8、9、10、12、14、16、17、18、19、20、22、24插值得到：

$A=\frac{1}{16}(-(I_2+I_4+I_6+I_{10}+I_{16}+I_{20}+I_{22}+I_{24})-2*(I_8+I_{12}+I_{14}+I_{18})+4*(I_7+I_9+I_{17}+I_{19}))$

其中I_i为所述各像素点的像素值。

3.插值在GRGR行(一行中均为绿色红色相间排列)中的绿色像素点(例：图6中心点)的红色和蓝色值：

3.1)插值中心像素点13的蓝色值：

基于“CFA标准色基准”的插值思想(背景技术中提到的第二个主要思想)，以中心点的绿色值为基准，其蓝色值与绿色值的色差应等于其相邻两点蓝色值与绿色值的色差的均值：

$B_{13}=G_{13}+\frac{\underset{i=\mathrm{8,18}}{\mathrm{\Σ}}(B_i-G_i)}{2}$

其中G₈，G₁₈，由其各自相邻点预测得到(同样的“色差均值思想”)：

$G_8=B_8+\frac{(G_3-B_8)+(G_7-\frac{B_6+B_8}{2})+(G_9-\frac{B_8+B_{10}}{2})+(G_{13}-\frac{B_8+B_{18}}{2})}{4}$

$G_{18}=B_{18}+\frac{(G_{23}-B_{18})+(G_{17}-\frac{B_{16}+B_{18}}{2})+(G_{19}-\frac{B_{18}+B_{20}}{2})+(G_{13}-\frac{B_8+B_{18}}{2})}{4}$

将其带入以上公式并简化可得：

$B_{13}=G_{13}+\frac{1}{8}(-(I_3+I_7+I_9+I_{17}+I_{19}+I_{23})+\frac{1}{2}*(I_6+I_{10}+I_{16}+I_{20})+3*(I_8+I_{18})-2*I_{13})---\left[7\right]$

B₁₃＝G₁₃+A，其中B13为待计算的中心像素点13的蓝色值，G₁₃为该点的绿色值，A由以像素点13为中心的呈纵向双十字分布的周围13个像素点3、6、7、8、9、10、13、16、17、18、19、20、23插值得到，公式[7]可以表示为图7所示的双十字插值模版，模版中各点的值乘以1/8为其相应像素点在公式[7]中的插值系数(例如对于像素点7，在公式[7]中相应的插值系数为-1/8；对于像素点8，在公式[7]中相应的插值系数为3/8)。

3.2)同理，插值中心像素点13的红色值：

R₁₃＝G₁₃+A，其中R₁₃为待计算的中心点13的红色值，G₁₃为该点的绿色值，A由以像素点13为中心的呈横向双十字分布的周围13个像素点2、4、7、9、11、12、13、14、15、17、19、22、24插值得到：

$A=\frac{1}{8}(-(I_7+I_9+I_{11}+I_{15}+I_{17}+I_{19})+\frac{1}{2}*(I_2+I_4+I_{22}+I_{24})+3*(I_{12}+I_{14})-2*I_{13})---\left[8\right]$

公式[8]可以表示为图8所示的双十字插值模版，模版中各点的值乘以1/8为其相应像素点在公式[8]中的插值系数(例如对于像素点7，在公式[8]中相应的插值系数为-1/8；对于像素点12，在公式[8]中相应的插值系数为3/8)。

4.插值在BGBG行(一行中均为蓝色绿色相间排列)中的绿色像素点的红色和蓝色值：

与上述GRGR行的插值红色蓝色值的方法相同。

本发明中对插值方向的判断方法(公式[1][2]，计算二阶梯度)仅代表一种典型方法，其他类似的判断图像边缘方向性的方法同时适用于本发明，因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (6)

1、一种彩色滤镜阵列插值方法，包括插值红色或蓝色像素点的绿色值的方法，其特征在于，包括如下步骤：

首先，判断红色或蓝色像素点绿色值插值的方向；

如需在垂直方向进行插值，则像素点(13)的绿色值由其垂直方向上的以该像素点为中心的五个相邻像素点(3，8，13，18，23)插值得到：

$G_{13}=\frac{{-I}_3+2\×I_8+2\×I_{13}+2\×I_{18}-I_{23}}{4}$

其中I_i为各相邻像素点的像素值，G₁₃为中心像素点(13)的绿色值；

如需在水平方向进行插值，则像素点(13)的绿色值由其水平方向上的以该像素点为中心的五个相邻相素点(11，12，13，14，15)插值得到：

$G_{13}=\frac{-I_{11}+2\×I_{12}+2\×I_{13}+2\×I_{14}-I_{15}}{4}$

其中I_i为所述各相邻像素点的像素值，G₁₃为中心像素点(13)的绿色值；

如需在垂直和水平十字方向进行插值，则像素点(13)的绿色值由其垂直和水平十字方向上的以该像素点(13)为中心的九个相邻像素点(3，8，11，12，13，14，15，18，23)插值得到：

$G_{13}=\frac{{-I}_3+2\×I_8+2\×I_{12}+2\×I_{14}-I_{15}-I_{11}+2\×I_{18}+4\×I_{13}-I_{23}}{4}$

其中I_i为所述各相邻像素点的像素值，G₁₃为中心像素点(13)的绿色值。

2、根据权利要求1所述的一种彩色滤镜阵列插值方法，红色或蓝色像素点绿色值插值的方向的判断方法为：

Δ_h＝|2×I₁₃-I₁₁-I₁₅|+|I₁₂-I₁₄|

Δ_v＝|2×I₁₃-I₃-I₂₃|+|I₈-I₁₈|

其中I_i为图1中各相应像素点的像素点的像素值，Δ_h为水平方向上的二阶梯度值，Δ_v为垂直方向上的二阶梯度值。

如果Δ_h-Δ_v大于正数阀值T，则在垂直方向进行插值

如果Δ_h-Δ_v小于负数阀值-T，则在水平方向进行插值

其它情况，在垂直和水平十字方向进行插值

3、一种彩色滤镜阵列插值方法，包括红色像素点的蓝色值的插值方法，其特征在于，计算方法为：

B₁₃＝G₁₃+A，其中B₁₃为待计算的像素点(13)的蓝色值，G₁₃为所述的像素点(13)的已插值出的绿色值，A由以像素点(13)为中心的呈井字分布的周围16个像素点(2、4、6、7、8、9、10、12、14、16、17、18、19、20、22、24)插值得到：

$A=\frac{1}{16}(-(I_2+I_4+I_6+I_{10}+I_{16}+I_{20}+I_{22}+I_{24})-2*(I_8+I_{12}+I_{14}+I_{18})+4*(I_7+I_9+I_{17}+I_{19}))$

其中I_i为所述各像素点的像素值。

4、一种彩色滤镜阵列插值方法，包括，蓝色像素点的红色值的插值方法，其特征在于，计算方法为：

R₁₃＝G₁₃+A，其中R₁₃为待计算的像素点(13)的红色值，G₁₃为所述的像素点(13)的已插值出的绿色值，A由以像素点(13)为中心的呈井字分布的周围16个像素点(2、4、6、7、8、9、10、12、14、16、17、18、19、20、22、24)插值得到：

$A=\frac{1}{16}(-(I_2+I_4+I_6+I_{10}+I_{16}+I_{20}+I_{22}+I_{24})-2*(I_8+I_{12}+I_{14}+I_{18})+4*(I_7+I_9+I_{17}+I_{19}))$

其中I_i为所述各像素点的像素值。

5、一种彩色滤镜阵列插值方法，包括：绿色像素点的红色值的插值方法，其特征在于，计算方法为：

R₁₃＝G₁₃+A，其中R₁₃为待计算的像素点(13)的红色值，G₁₃为该点的绿色值，A由以像素点(13)为中心的呈横向双十字分布的周围13个像素点(2、4、7、9、11、12、13、14、15、17、19、22、24、插值得到：

$A=\frac{1}{8}(-(I_7+I_9+I_{11}+I_{15}+I_{17}+I_{19})+\frac{1}{2}*(I_2+I_4+I_{22}+I_{24})+3*(I_{12}+I_{14})-2*I_{13})$

其中I_i为所述各像素点的像素值。

6、一种彩色滤镜阵列插值方法，包括，绿色像素点的蓝色值的插值方法，其特征在于，计算方法为：

B₁₃＝G₁₃+A，其中B₁₃为待计算的像素点(13)的蓝色值，G₁₃为该点的绿色值，A由以像素点(13)为中心的呈纵向双十字分布的周围13个像素点(3、6、7、8、9、10、13、16、17、18、19、20、23)插值得到：

$A=\frac{1}{8}(-(I_3+I_7+I_9+I_{17}+I_{19}+I_{23})+\frac{1}{2}*(I_6+I_{10}+I_{16}+I_{20})+3*(I_8+I_{18})-2*I_{13})$

Images