基于方向插值修正的贝尔格式图像坏行消除方法

摘要

本发明提供基于方向插值修正的贝尔格式图像坏行消除方法，该方法首先检测待插值点的待插值分量的45度，90度和135度方向上的梯度信息，选择与梯度绝对值最大方向正交的方向上的像素进行插值，然后利用待插值点另外两个分量估计值的差值来进行修正。该基于方向插值修正的贝尔格式图像坏行消除方法实施简单，效果较好，在光电成像领域具有广泛的应用和推广价值。

主权项

基于方向插值修正的贝尔格式图像坏行消除方法，其特征在于，包括以下步骤：1]设含有坏行的图像为X(i,j),i＝1,2,…,M,j＝1,2,…N，在整个图像中，将坏行分为位于第一行、第二行、倒数第一行、倒数第二行、其余行五种情况；当坏行位于整个图像第二行时，利用图像第三行和第四行的信息采用插值公式进行坏行消除，所述差值公式为X(2，j)＝2*X(3，j)‑X(4，j)；当坏行位于整个图像第一行时，利用图像第二行和第三行的信息采用插值公式进行坏行消除，所述差值公式为X(1，j)＝2*X(2，j)‑X(3，j)；当坏行位于整个图像倒数第二行时，利用图像倒数第三行和倒数第四行的信息采用插值公式进行坏行消除，所述差值公式为X(M‑1，j)＝2*X(M‑2，j)‑X(M‑3，j)；当坏行位于整个图像倒数第一行时，利用图像倒数第二行和倒数第三行的信息采用插值公式进行坏行消除，所述差值公式为：X(M，j)＝2*X(M‑1，j)‑X(M‑2，j)；当坏行位于整个图像其余行时，进行步骤2；2]检测待插值点待插值分量n×n周围相同分量在45度，90度和135度方向上的梯度信息；其中，n为大于等于5的自然数；对第k_q行，第j列的信息进行坏行消除，分为以下五种情况：A、当j＝1,2,N‑1,N时，消除坏行的差值公式为：X(k_q,1)＝(X(k_q‑2,1)+X(k_q+2,1))/2X(k_q,2)＝(X(k_q‑2,2)+X(k_q+2,2))/2X(k_q,N‑1)＝(X(k_q‑2,N‑1)+X(k_q+2,N‑1))/2X(k_q,N)＝(X(k_q‑2,N)+X(k_q+2,N))/2；B、当j≠1,2,N‑1,N且j为奇数，k_q为奇数时，消除坏行步骤如下：此时待插值分量为红色分量，计算待插值红色分量在45度，90度和135度三个方向上的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度信息：G₄₅＝|R₃‑R₄|G₉₀＝|R₂‑R₅|；G₁₃₅＝|R₁‑R₆|根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行：(1)如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为初始红色分量估计量：$\tilde{X}=(R_1+R_6)/2$然后沿着45度方向上的蓝色分量的信息来对初始估计的红色分量值进行修正，即：$X=\tilde{X}+\alpha ·|B_1-B_4|$(2)如果梯度的最大值为135方向上的梯度，则沿着边缘方向上的像素平均作为初始红色分量估计量：$\tilde{X}=(R_3+R_4)/2$然后沿着135度方向上的蓝色分量的信息来对初始估计的红色分量值进行修正，即：$X=\tilde{X}+\alpha ·|B_2-B_3|$(3)如果梯度的最大值为90方向上的梯度，则采用线性插值来对红色分量进行修正：X＝(R₂+R₅)/2C、当j≠1,2,N‑1,N且j为偶数，k_q为奇数时，消除坏行步骤如下：此时待插值分量为绿色分量，计算待插值绿色分量在45度，90度和135度三个方向上的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用下式进行梯度计算：G₄₅＝(|G₅‑G₆|+|G₃‑G₈|)/2G₉₀＝|G₂‑G₉|G₁₃₅＝(|G₄‑G₇|+|G₁‑G₁₀|)/2根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行：(1)如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为绿色分量估计量：$\tilde{X}=(G_1+2G_4+2G_7+G_{10})/6$然后使用135度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修正，即：$X=\tilde{X}+\beta ·\left(\right|R_1-R_4|+|B_1-B_6\left|\right)$(2)如果梯度的最大值为135方向上的梯度，沿着边缘方向上的像素平均来作为初始红色分量估计量：然后使用45度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修正，即：$\tilde{X}=(G_3+2G_5+2G_6+G_8)/6$$X=\tilde{X}+\beta ·\left(\right|R_2-R_3|+|B_3-B_4\left|\right)$(3)如果梯度的最大值为90方向上的梯度，采用线性插值来对绿色分量进行估计：X＝(G₄+G₅+G₆+G₇)/4D、当j≠1,2,N‑1,N且j为奇数，k_q为偶数时，消除坏行步骤如下：此时待插值分量为绿色分量；计算待插值绿色分量在45度，90度和135度三个方向上的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度信息：G₄₅＝(|G₅‑G₆|+|G₃‑G₈|)/2G₉₀＝|G₂‑G₉|G₁₃₅＝(|G₄‑G₇|+|G₁‑G₁₀|)/2根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行：(1)如果梯度的最大值为45方向上的梯度，沿着边缘方向上的像素平均来作为绿色分量估计量：$\tilde{X}=(G_1+2G_4+2G_7+G_{10})/6$然后使用135度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修正，即：$X=\tilde{X}+\xi ·\left(\right|R_1-R_6|+|B_1-B_4\left|\right)$(2)如果梯度的最大值为135方向上的梯度，沿着边缘方向上的像素平均来作为初始绿色分量估计量：$\tilde{X}=(G_3+2G_5+2G_6+G_8)/6$再使用45度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修正，即：$X=\tilde{X}+\xi ·\left(\right|R_4-R_3|+|B_3-B_2\left|\right)$(3)如果梯度的最大值为90方向上的梯度，采用线性插值来对绿色分量进行估计：X＝(G₄+G₅+G₆+G₇)/4E、当j≠1,2,N‑1,N且j为偶数，k_q为偶数时，消除坏行步骤如下：此时待插值分量为蓝色分量；计算待插值蓝色分量在45度，90度和135度三个方向上的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度信息：G₄₅＝|B₃‑B₄|G₉₀＝|B₂‑B₅|G₁₃₅＝|B₁‑B₆|根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行：(1)如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为蓝色分量估计量：$\tilde{X}=(B_1+B_6)/2$然后沿着135度方向上的红色分量的信息来对初始估计的蓝色分量值进行修正，即：$X=\tilde{X}+\eta ·|R_1-R_4|$(2)如果梯度的最大值为135方向上的梯度，则沿着边缘方向上的像素平均作为初始散了分量估计量：$\tilde{X}=(B_3+B_4)/2$然后沿着45度方向上的红色分量的信息来对初始估计的蓝色分量值进行修正，即：$X=\tilde{X}+\eta ·|R_2-R_3|$(3)如果梯度的最大值为90方向上的梯度，采用线性插值来对蓝色分量进行估计：X＝(B₂+B₅)/2。