1 色比色差定律
<图像bayer格式介绍以及bayer插值原理CFA>中,简单介绍了Bayer域插值原理以及早期常用的双线性插值算法。双线性插值算法的优点是原理简单,实现相对容易,性能较高,占用硬件资源较少,但是在图像RGB恢复过程中会造成边缘信息的丢失和模糊,另外由于没有考虑颜色通道之间相关性,因此图像恢复主观视觉效果差,容易产生锯齿效应。鉴于双线性插值算法的缺点,优化锯齿效应,新的算法需要考虑RGB通道色彩相关性。
蒙德里安(Mondriann)彩色图像的成像模型:每个颜色通道可以被看作真实三维世界的表面法向量n(x)在光源方向了的投影与反射率p(x,y)的乘积。反射率p(x,y)表征了三维物体的材料特性,并且不同颜色的反射率是互不相同的。根据该模型,红、绿和蓝三色通道可由下列公式表示:
色、蓝色和绿色的反射率在给定物体范围内固定不变,即p(X)=c。可以推导以下比值关系 :
系基于简单的假设条件,但在图像的小块局部邻域内,且该局部邻域没有横越图像边缘的情况下,仍是有效的,符合自然图像色彩亮度均匀过度这一特性。上述比值定律被称为色比定律。
邻域内I(i,x) - I(j,X)=常数。
常见Bayer域R/G/B分布模型如下,后续插值算法使用:
2 基于色比定律的插值算法
色比定律的去马赛克算法,解决双线性插值过程中出现的不自然的色调变化情况。Bayer CFA可看作由亮度信号(高采样率的绿色像素点)和色度信号(低采样率的红色和蓝色像素点)组成。亮度信号可通过简单的双线性插值进行估算,色度信号通过应用邻域内的色调的平缓性来插值恢复。色调(hue)被定义为色度信号与亮度信号的比值,即蓝色采样点处的色调为B/G,红色采样点处的色调为R/G。 重建步骤如下:
用双线性插值算法恢复出红色和蓝色采样点处的绿色分量,图a/b为例如下:
使用已经重建好的绿色分量,基于色比定律恢复红色和蓝色分量,如图a红色采样点处的蓝色分量恢复策略如下,图b蓝色采样点处的红色分量恢复策略类似。在3*3中心领域内,基于色比定律可知:
换算可得:
图c和图d中心绿色采样点处红色和蓝色分量的恢复方法相同,以图c为例,R/B恢复方法如下:
色比定律进行去马赛克操作需要涉及大量的乘法和除法操作,当某点的绿色分量为0时,还需要重新定义色调(Hue)的含义,因此算法实现时需要消耗大量的性能资源和条件保护。
3 基于色差定律的插值算法
运用如下的色差定律使得去马赛克设计的操作更加简单方便,运用色差定律时,色调(Hue)被定义为色度信号与亮度信号的差,即(B - G或R - G), 算法实现步骤如下:
用双线性插值恢复红色和蓝色采样点处丢失的绿色分量,同色比定律的绿色分量恢复;
(2) 用已经恢复的绿色分量,基于色差定律,恢复图(a)和图(b)中的蓝色或红色分量,具体如下:
(3) 用已经恢复的绿色分量,基于色差定律,恢复图c和图d中的蓝色和红色分量,以图c为例,如下:
利用色差定律的插值算法仅仅通过加减法和移位操作即可完成,计算开销非常小,易于硬件化,在性能和硬件资源消耗上明显优于前者。
4 算法优缺点
插值。因为绿色.分量的插值运算仍然基于双线,因此会存在如下现象:
当该3x3邻域内的色彩值较为接近,即为图像平滑区域,无边缘相交时,可取的较好的插值效果;
(2) 当处于边缘地带时,由于绿色分量的插值不包含边缘信息,且错误的绿色分量会进而影响红色蓝色分量的插值重建,图像会产生很多错误颜色;
针对该现象,后续会陆续介绍进一步优化后的CFA插值算法。