一种基于方向标志位的Bayer彩色图像插值方法

摘要

本发明提供一种基于方向标志位的Bayer彩色图像插值方法，首先对未知绿色分量进行恢复，采用边缘检测算子对每个像素点四个方向的梯度进行检测，根据检测到的梯度大小确定每个像素点处的方向标志位信息，同时计算每个像素点与相邻像素的色差系数，然后根据方向标志位信息和色差系数对未知绿色分量进行插值恢复。恢复出整幅图像的全部绿色分量后，最后基于色差法则恢复出全部的未知红色和蓝色分量，最终完成对Bayer图像的彩色插值。与传统仅仅检测水平和垂直边缘进行单通道独立插值的方法相比，本发明在保持原有方法较低复杂度和较高图像质量的基础上，进一步提高了插值精度，更适合人眼观察，为后续用于高精度图像复原提供了基础。

主权项

一种基于方向标志位的Bayer彩色图像插值方法，其特征在于，包括如下步骤：步骤一、原始Bayer图像边缘梯度检测：原始Bayer图像中，每个像素点处仅存在三基色分量中的某一种，需要恢复该像素点处缺失的其它两种颜色分量，而原始图像中不同像素点处的三种颜色分量间存在相关性，为降低复杂度，仅考虑某一分量的梯度信息来确定方向标志位；所述方向标志位含义定义为：flag＝00表示边缘存在像素点水平方向；flag＝01表示边缘存在像素点垂直方向；flag＝10表示边缘存在像素点对角方向1；flag＝11表示边缘存在像素点对角方向2；所述梯度检测算子定义如下：当中心第i行，第j列(i,j)像素处于红色或蓝色分量时，其中G(i,j)代表位于第i行，j列的绿色分量像素灰度值大小，下述符号含义类似；水平梯度检测算子α：α＝|G(i,j+1)‑G(i,j‑1)|  (公式1)垂直梯度检测算子β：β＝|G(i‑1,j)‑G(i+1,j)|  (公式2)对角梯度检测算子1：(公式3)对角梯度检测算子2：$\omega =\frac{1}{2}*|G(i,j-1)+G(i-1,j)-G(i+1,j)-G(i,j+1)|$  (公式4)当中心(i,j)像素处于绿色分量时，水平梯度检测算子α：$\alpha =\frac{1}{2}*|G(i-1,j+1)+G(i+1,j+1)-G(i-1,j-1)-G(i+1,j-1)|$  (公式5)垂直梯度检测算子β：$\beta =\frac{1}{2}*|G(i-1,j-1)+G(i-1,j+1)-G(i+1,j-1)-G(i+1,j-1)|$  (公式6)对角梯度检测算子1：(公式7)对角梯度检测算子2：$\omega =\frac{1}{2}*|G(i+1,j-1)+G(i-1,j+1)-G(i-1,j-1)-G(i+1,j+1)|$  (公式8)根据定义的梯度检测算子计算出每个像素点处水平、垂直和两个对角方向的梯度值，选择其中最小梯度值的方向作为边缘存在的方向并用定义的标志位进行标记；同时，计算出每个绿色分量像素点与周围3×3邻域内红色分量和蓝色分量像素之间的色差值；其中像素(i,j)处的红绿色差和蓝绿色差定义分别如下：$K_{\mathrm{gr}}(i,j)=G(i,j)-\frac{R(i,j-1)+R(i,j+1)}{2}$  (公式9)$K_{\mathrm{gb}}(i,j)=G(i,j)-\frac{B(i,j-1)+B(i,j+1)}{2}$  (公式10)步骤二、恢复图像未知绿色分量：根据步骤一计算得到的每个像素点标志位信息和色差系数，对图像的未知绿色分量进行恢复；由于人眼视觉特性，高效的插值算法都会沿边缘进行插值，而不是跨越边缘，否则会出现模糊和杂色；因此，针对不同边缘的插值公式如下：当flag分别等于00,01,10,11时，恢复红色分量像素处的未知绿色分量公式分别如下，其中a，b分别是相关权重系数。$g(i,j)=a*(R(i,j)+\frac{K_{\mathrm{gr}}(i,j-1)+K_{\mathrm{gr}}(i,j+1)}{2})+b*\left(\frac{G(i-1,j)+G(i+1,j)}{2}\right)$  (公式11)$g(i,j)=a*(R(i,j)+\frac{K_{\mathrm{gr}}(i-1,j)+K_{\mathrm{gr}}(i+1,j)}{2})+b*\left(\frac{G(i,j-1)+G(i,j+1)}{2}\right)$  (公式12)按照上述公式进行插值，可以恢复出全部的绿色分量；步骤三、恢复未知红色和蓝色分量：对步骤二得到的马赛克图像，利用色差定律恢复出剩余的未知红色和蓝色分量；色差定律假设不同分量之间的差值在图像局部范围内,可以看作是接近于一个常数；利用步骤二恢复出的已知绿色分量和待求颜色分量之间颜色差恒定的特点，计算得到未知的红色和蓝色分量，完成对全部颜色分量的插值恢复，最终得到插值完成的彩色图像。