• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 14
    • 下载费用:30 金币  

    重庆时时彩万能后3: 基于边缘方向插值的CFA图像去马赛克方法.pdf

    关 键 词:
    基于 边缘 方向 CFA 图像 马赛克 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201110207617.7

    申请日:

    2011.07.22

    公开号:

    CN102254301A

    公开日:

    2011.11.23

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06T 3/40申请日:20110722|||公开
    IPC分类号: G06T3/40 主分类号: G06T3/40
    申请人: 西安电子科技大学
    发明人: 王桂婷; 焦李成; 朱同华; 钟桦; 张小华; 田小林; 公茂果; 侯彪; 王爽
    地址: 710071 陕西省西安市太白南路2号
    优先权:
    专利代理机构: 陕西电子工业专利中心 61205 代理人: 田文英;王品华
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201110207617.7

    授权公告号:

    102254301B||||||

    法律状态公告日:

    2013.01.23|||2012.01.04|||2011.11.23

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于边缘方向插值的颜色滤波阵列(color?filter?array,CFA)图像去马赛克方法,主要解决了现有的去马赛克方法对图像高频部分插值效果不佳虚假颜色效应严重的问题。其实现步骤是:(1)输入一幅待去马赛克的CFA图像;(2)估计亮度;(3)对绿色通道插值;(4)对红色和蓝色通道分别进行双线性插值;(5)分别对红、绿、蓝通道进行修正;(6)输出彩色图像。本发明具有能较好的保持图像高频信息的优点,能有效抑制虚假颜色效应,改善CFA图像去马赛克后视觉效果,且运行时间短。

    权利要求书

    1.一种基于边缘方向插值的CFA图像去马赛克方法,包括如下步骤:
    (1)输入一幅待去马赛克的CFA图像;
    (2)估计亮度
    2a)设计一个9×9滤波器Γ1和一个5×5滤波器Γ2;
    2b)分别用滤波器Γ1和Γ2对输入CFA图像滤波,得到与输入CFA图像大小一致
    的滤波后图像IΓ1和IΓ2,将两幅图像融合得到一幅亮度图像
    (3)对绿色通道插值
    3a)计算亮度图像水平和垂直两个方向上的梯度ΔH、ΔV;
    3b)比较ΔH与ΔV大小,获得水平和垂直方向的边缘矩阵Eh和Ev;
    3c)根据水平和垂直方向边缘矩阵Eh和Ev判断插值方向并对绿色通道插值;
    (4)对红色和蓝色通道分别进行双线性插值;
    (5)分别对红、绿、蓝通道进行修正;
    (6)输出彩色图像。
    2.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤2a)中所述的滤波器根据如下公式来设计得到:
    Γ = A ( H T σ - 1 H + λ 1 M 1 T M 1 + λ 2 M 2 T M 2 ) - 1 H T σ - 1 ]]>
    其中,Γ为所需设计的滤波器,A为RGB彩色图像转化为亮度空间的转换矩阵,
    H为RGB彩色图像采样成Bayer形式CFA图像的采样因子,T为矩阵转置运算符,
    -1为矩阵求逆运算符,σ为噪声方差,σ=0.00001,常数λ1=0.0008,λ2=0.02,
    M1和M2为滤波矩阵,I3为3×3单位矩阵,S1为高通滤波器,
    表示克罗内克(Kronecker)算子,M2由高通滤波器S2通过下式运算得到:
    M 2 = 1.547 - 0.577 - 0.577 - 0.577 1.547 - 0.577 - 0.577 - 0.577 1.547 S 2 ]]>
    3.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤2b)中所述的图像融合规则如下:当像素位置索引i和j均为奇数或均为
    偶数时,为像素点(i,j)的亮度值,IΓ1(i,j)为图像IΓ1中像素点
    (i,j)的值,否则,IΓ2(i,j)为图像IΓ2中像素点(i,j)的值。
    4.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤3a)中所述水平和垂直方向上的梯度计算公式如下:
    ΔH ( i , j ) = D h ( i , j ) + 1 2 D h ( i , j - 1 ) + 1 2 D h ( i , j + 1 ) ΔV ( i , j ) = D v ( i , j ) + 1 2 D v ( i - 1 , j ) + 1 2 D v ( i + 1 , j ) ]]>
    D h ( i , j ) = | L ^ ( i , j ) - L ^ ( i , j - 1 ) | + | L ^ ( i , j ) - L ^ ( i , j + 1 ) | + | 2 L ^ ( i , j ) - L ^ ( i , j - 2 ) - L ^ ( i , j + 2 ) | D v ( i , . j ) = | L ^ ( i , j ) - L ^ ( i - 1 , j ) | + | L ^ ( i , j ) - L ^ ( i + 1 , j ) | + | 2 L ^ ( i , j ) - L ^ ( i - 2 , j ) - L ^ ( i + 2 , j ) | ]]>
    其中,(i,j)表示像素点的位置索引,即该像素位于第i行第j列,ΔH(i,j)为像素
    点(i,j)的水平梯度,Dh为水平梯度算子,ΔV(i,j)为像素点(i,j)的垂直梯度,Dv为
    垂直梯度算子,为像素点(i,j)的亮度值,|*|表示绝对值运算。
    5.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤3b)中所述的水平和垂直方向的边缘矩阵Eh和Ev按照下列公式获得:
    e h ( i , j ) = 1 , ΔH ( i , j ) < ΔV ( i , j ) 0.5 , ΔH ( i , j ) = ΔV ( i , j ) 0 , ΔH ( i , j ) > ΔV ( i , j ) , ]]> e v ( i , j ) = 1 , ΔH ( i , j ) > ΔV ( i , j ) 0.5 , ΔH ( i , j ) = ΔV ( i , j ) 0 , ΔH ( i , j ) < ΔV ( i , j ) ]]>
    E h ( i , j ) = e h ( i , j - 2 ) + e h ( i , j ) + e h ( i , j - 2 ) E v ( i , j ) = e v ( i - 2 , j ) + e v ( i , j ) + e v ( i - 2 , j ) ]]>
    其中,eh(i,j)为像素点(i,j)的水平边缘量化值,ΔH为水平梯度,ΔV为垂直梯
    度,ev(i,j)为像素点(i,j)的垂直边缘量化值,Eh(i,j)为像素点(i,j)的最终水平边缘
    值,Ev(i,j)为像素点(i,j)的最终垂直边缘值。
    6.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤3c)中所述的插值方法:如果矩阵Eh第i行第j列元素Eh(i,j)的值大于
    等于2.5时,对像素点(i,j)进行水平方向插值;如果矩阵Ev第i行第j列元素Ev(i,j)
    的值大于等于2.5时,对像素点(i,j)进行垂直方向插值。
    7.根据权利要求1所述的基于边缘方向插值的CFA图像去马赛克方法,其特征
    在于:步骤(5)中所述的修正方法:对绿色通道中插值的像素点分别计算水平和垂
    直梯度,如果水平梯度小于垂直梯度,对此像素绿色值进行水平邻域加权修正,如果
    水平梯度大于垂直梯度,对此像素绿色值进行垂直邻域加权修正,如果水平梯度等于
    垂直梯度,对此像素绿色值进行水平垂直邻域加权修正;对插值像素点的红色值和蓝
    色值均进行水平垂直邻域加权修正。

    说明书

    基于边缘方向插值的CFA图像去马赛克方法

    技术领域

    本发明属于图像处理技术领域,更进一步涉及图像恢复技术领域的基于边缘方向
    插值的CFA图像去马赛克方法。本发明是对有马赛克效应的CFA图像进行插值,以获
    得具有红、绿、蓝三个通道全部信息的彩色图像。本发明可用于单传感相机中,作为
    后处理算法对CCD或CMOS传感器捕获的CFA图像进行处理,恢复出完整的数字彩色
    图像,从而弥补由于减少相机硬件成本所带来的图像彩色信息的丢失。

    背景技术

    数字彩色图像通常用红、绿、蓝三基色来表示颜色值。出于成本考虑,目前大部
    分相机采用的是单个CCD或CMOS传感器,通过在传感器前加一个颜色滤波阵列
    (color?filer?array,CFA),只用一个矩阵来表示彩色图像。每个像素点上只有一个颜色
    值,而另外两个颜色值则根据其邻域信息来插值,这一插值技术被称为“去马赛克”
    (demosaicking)。CFA图像去马赛克实质上是一个病态逆问题,即由已知的原图1/3
    的信息恢复出全部的信息。拜耳(Bayer)模式的CFA由于简单而高效,是目前应用
    最为广泛的一种。在Bayer模式的CFA中,每相邻的四个像素中有两个像素只有绿
    色值,其它两个分别只有红色值、蓝色值。

    现有的CFA图像去马赛克技术可以简单地分为线性插值技术和非线性插值技术。
    线性插值最简单也最具代表性的有双线性插值和双立方插值。双线性插值和双立方插
    值技术的优点在于其实现简单,速度快;但其缺点也是显而易见的:在图像中会产生
    严重的人工痕迹(如彩色镶边,即虚假颜色效应),尤其在图像的高频部分更为突出。
    相比线性插值技术,非线性插值技术更复杂,由于考虑了RGB通道间的相关性,其
    插值效果明显要优于线性插值技术。这一类技术有很多,例如,S.Pei和I.Tam在文
    章“Effective?color?interpolation?in?CCD?color?filter?array?using?signal?correlation”(Proc.
    Int.Conf.Image?Process.,Sep.2000,PP.488-491)中提出的利用信号校正的高效插值
    技术。非线性插值技术还包括一些基于迭代算法的去马赛克技术,如B.Gunturk,等人
    在文章中“Color?plane?interpolation?using?alternating?projections”(IEEE?Trans.Image?
    Process.,vol.11,no.9,pp.997-1013,Sep.2002)中提出的交替投影方法,又如Wenmain?
    Lu和Yap-peng?Tan在文章中“Color?filter?array?demosaicing:new?method?and?
    performance?measures”(IEEE?Trans.Image?Process.,vol.12,no.10,pp.1194-1210,Oct.
    2003)中提出的去马赛克方法。近年来提出了一种基于稀疏表示的彩色图像去马赛克
    技术,如Julien?Mairal等人在文章“Sparse?representation?for?color?image?restoration”
    (IEEE?Trans.Image?Process.,vol.17,no.1,Jan.2008)中描述的方法。这种方法需要
    对大量数据进行学习和训练出相应的稀疏字典,然后根据字典重构彩色图像,算法更
    为复杂。总之,非线性插值技术虽然可以获得优质彩色图像,但其复杂度高,计算代
    价大。

    微软公司提出的专利申请“用于彩色图像去马赛克的优质梯度校正线性插值”(申
    请日:2005年03月15日,申请号:200510055929.5,公开号:CN1722852)中公开
    了一种用于彩色图像去马赛克的梯度校正线性插值方法和系统。该方法和系统首先使
    用现有的线性插值技术如双线性插值技术来估算所需颜色的值,然后通过计算当前像
    素上所需色彩的梯度来计算校正项,最后线性组合该插值和校正项以产生像素上遗漏
    色彩值。该方法直接使用梯度来影响和校正由现有插值技术估计的色彩值。该方法的
    不足之处是:仅仅利用了梯度来校正双线性插值的结果,虽然相比于双线性插值有了
    一定改进,但对图像细节部分处理效果仍然不太理想,虚假颜色效应依然严重。

    Zhang等人在文章“Color?demosaicking?via?directional?linear?minimum?mean?
    square-error?estimation”(IEEE?Trans.Image?Process.,vol.14,no.12,pp.2167-2178,Dec.
    2005.)中提出一种基于方向线性均方误差估计的去马赛克方法。该方法利用线性均
    方误差估计(LMMSE)对红绿和蓝绿的差信号从水平和竖直两个方向进行估计,然
    后对每个像素点的将两个绿色估计值优化融合使得其与邻域像素的方差最小,最后通
    过对差信号线性均方误差估计重构出三个通道的全部信息。该方法的不足之处是:该
    方法需要进行多次估计和融合,虽然对图像的细节处理有所改善,但算法复杂度高,
    程序运行时间长。

    发明内容

    本发明针对现有去马赛克算法对图像的高频部分插值效果不佳的缺陷,提出了一
    种基于边缘方向插值的CFA图像去马赛克方法,通过以精确估计的亮度为指导对绿
    色通道沿边缘方向插值以及插值后的修正,使得图像的高频部分的插值结果有明显提
    高,有效抑制了虚假颜色效应。

    为实现上述目的,本发明包括如下主要步骤:

    (1)输入一幅待去马赛克的CFA图像;

    (2)估计亮度

    2a)设计一个9×9滤波器Γ1和一个5×5滤波器Γ2;

    2b)分别用滤波器Γ1和Γ2对输入CFA图像滤波,得到与输入CFA图像大小一致
    的滤波后图像IΓ1和IΓ2,将两幅图像融合得到一幅亮度图像

    (3)对绿色通道插值

    3a)计算亮度图像水平和垂直两个方向上的梯度ΔH、ΔV;

    3b)比较ΔH与ΔV大小,获得水平和垂直方向的边缘矩阵Eh和Ev;

    3c)根据水平和垂直方向边缘矩阵Eh和Ev判断插值方向并对绿色通道插值;

    (4)对红色和蓝色通道分别进行双线性插值;

    (5)分别对红、绿、蓝通道进行修正;

    (6)输出彩色图像。

    本发明与现有的技术相比具有以下优点:

    第一,本发明通过以精确估计的亮度为指导对绿色通道沿边缘方向插值以及插值
    后修正,使得图像的高频部分的插值效果有明显提高,视觉效果好,有效抑制了虚假
    颜色效应;

    第二,本发明的插值采用线性方法,计算量小,运行速度快,与现有技术基于线
    性均方误差估计的算法和一些现有迭代算法相比,运行时间短,缩短了相机成像时间。

    附图说明

    图1为本发明的流程图;

    图2为现有技术去马赛克效果图;

    图3为本发明去马赛克效果图。

    具体实施方式

    下面结合附图1,对本发明实现的步骤作进一步的详细描述:

    步骤1,输入一幅待去马赛克的CFA图像Is

    待去马赛克的CFA图像为拜耳(Bayer)模式的CFA图像,该图像中每个像素点
    都只有三基色中的一个颜色值已知,其余两个颜色值未知;CFA图像每相邻2×2图
    像块的四个像素点中有两个像素点已知绿色值,另外两个像素点分别已知红色值、蓝
    色值。

    步骤2,估计亮度

    2a)根据下式设计一个9×9滤波器Γ1和一个5×5滤波器Γ2

    Γ = A ( H T σ - 1 H + λ 1 M 1 T M 1 + λ 2 M 2 T M 2 ) - 1 H T σ - 1 ]]>

    其中,Γ为所需设计的滤波器,A为RGB彩色图像转化为亮度空间的转换矩阵,
    H为RGB彩色图像采样成Bayer形式CFA图像的采样因子,T为矩阵转置运算符,
    -1为矩阵求逆运算符,σ为噪声方差,σ=0.00001,常数λ1=0.0008,
    λ2=0.02,M1和M2为滤波矩阵,I3为3×3单位矩阵,S1
    为高通滤波器,表示克罗内克(Kronecker)算子,M2由高通滤波器S2通过
    下式运算得到:

    M 2 = 1.547 - 0.577 - 0.577 - 0.577 1.547 - 0.577 - 0.577 - 0.577 1.547 S 2 ]]>

    上式中矩阵A大小取81×243单位矩阵,矩阵H大小取为81×243,根据公式
    计算得到一个81×81矩阵,将该矩阵第41行取出,排列成9×9矩阵,即滤波器Γ1。

    上式中矩阵A大小取为75×25单位矩阵,矩阵H大小取为25×75,根据公式
    计算得到一个25×25矩阵。将该矩阵第13行取出,排列成5×5矩阵,即滤波器Γ2。

    2b)分别用滤波器Γ1和Γ2对图像Is滤波。

    将CFA图像Is分别与滤波器Γ1和Γ2进行二维卷积,得到两幅与图像Is大小一
    致的图像IΓ1和IΓ2。将两幅图像融合得到一幅亮度图像融合规则如下:当像素
    位置索引i和j均为奇数或均为偶数时,为像素点(i,j)的
    亮度值,IΓ1(i,j)为图像IΓ1中像素点(i,j)的值,否则,IΓ2(i,j)
    为图像IΓ2中像素点(i,j)的值,由此得到了一幅亮度图像
    步骤3,对绿色通道插值

    3a)计算亮度图像水平和垂直两个方向上的梯度ΔH、ΔV,计算公式如下:

    ΔH ( i , j ) = D h ( i , j ) + 1 2 D h ( i , j - 1 ) + 1 2 D h ( i , j + 1 ) ΔV ( i , j ) = D v ( i , j ) + 1 2 D v ( i - 1 , j ) + 1 2 D v ( i + 1 , j ) ]]>

    D h ( i , j ) = | L ^ ( i , j ) - L ^ ( i , j - 1 ) | + | L ^ ( i , j ) - L ^ ( i , j + 1 ) | + | 2 L ^ ( i , j ) - L ^ ( i , j - 2 ) - L ^ ( i , j + 2 ) | D v ( i , . j ) = | L ^ ( i , j ) - L ^ ( i - 1 , j ) | + | L ^ ( i , j ) - L ^ ( i + 1 , j ) | + | 2 L ^ ( i , j ) - L ^ ( i - 2 , j ) - L ^ ( i + 2 , j ) | ]]>

    其中,(i,j)表示像素点的位置索引,即该像素位于第i行第j列,ΔH(i,j)为像素
    点(i,j)的水平梯度,Dh为水平梯度算子,ΔV(i,j)为像素点(i,j)的垂直梯度,Dv为
    垂直梯度算子,为像素点(i,j)的亮度值,|*|表示绝对值运算。

    3b)比较ΔH与ΔV大小,根据下式获得水平和垂直方向的边缘矩阵Eh和Ev:

    e h ( i , j ) = 1 , ΔH ( i , j ) < ΔV ( i , j ) 0.5 , ΔH ( i , j ) = ΔV ( i , j ) 0 , ΔH ( i , j ) > ΔV ( i , j ) , ]]> e v ( i , j ) = 1 , ΔH ( i , j ) > ΔV ( i , j ) 0.5 , ΔH ( i , j ) = ΔV ( i , j ) 0 , ΔH ( i , j ) < ΔV ( i , j ) , ]]>

    E h ( i , j ) = e h ( i , j - 2 ) + e h ( i , j ) + e h ( i , j - 2 ) E v ( i , j ) = e v ( i - 2 , j ) + e v ( i , j ) + e v ( i - 2 , j ) ]]>

    其中,eh(i,j)为像素点(i,j)的水平边缘量化值,ΔH为水平梯度,ΔV为垂直梯
    度,ev(i,j)为像素点(i,j)的垂直边缘量化值,Eh(i,j)为像素点(i,j)的最终水平边缘
    值,Ev(i,j)为像素点(i,j)的最终垂直边缘值。

    3c)根据水平和垂直方向边缘矩阵Eh和Ev判断插值方向并对绿色通道插值,具
    体计算方法如下:

    当的矩阵Eh第i行第j列元素Eh(i,j)的值大于等于2.5时,像素点(i,j)绿色估
    计值由下式计算:

    G ^ ( i , j ) = L ^ ( i , j ) - Σ n ± 1 ( L ^ ( i , j + n ) - c ( i , j + n ) ) 2 - 2 ( L ^ ( i , j ) - c ( i , j ) ) - Σ l = ± 2 ( L ^ ( i , j + l ) - c ( i , j + l ) ) 4 ]]>

    其中,为像素点(i,j)的绿色估计值,为像素点(i,j)的亮度值,c(i,j)
    表示像素点(i,j)已知的颜色值,n和l为常数,∑表示累加运算;

    当的矩阵Ev第i行第j列元素Ev(i,j)的值大于等于2.5时,像素点(i,j)绿色估
    计值由下式计算:

    G ^ ( i , j ) = L ^ ( i , j ) - Σ m = ± 1 ( L ^ ( i + m , j ) - c ( i + m , j ) ) 2 - 2 ( L ^ ( i , j ) - c ( i , j ) ) - Σ k = ± 2 ( L ^ ( i + k , j ) - c ( i + k , j ) ) 4 ]]>

    其中,为像素点(i,j)的绿色估计值,为像素点(i,j)的亮度值,c(i,j)
    表示像素点(i,j)已知的颜色值,m和k为常数,∑表示累加运算;

    其它情况,像素点(i,j)绿色估计值由下式计算:

    G ^ ( i , j ) = L ^ ( i , j ) - Σ m = ± 1 , n = ± 1 ( L ^ ( i + m , j + n ) - c ( i + m , j + n ) ) 4 - 2 ( L ^ ( i , j ) - c ( i , j ) ) - Σ k = ± 2 , l = ± 2 ( L ^ ( i + k , j + l ) - c ( i + k , j + l ) ) 8 ]]>

    其中,为像素点(i,j)的绿色估计值,为像素点(i,j)的亮度值,c(i,j)
    表示像素点(i,j)已知的颜色值,m、n、k和l为常数,∑表示累加运算。

    由此得到了一个在所有像素位置处都具有绿色值的绿色通道图像。

    步骤4,对红色和蓝色通道分别进行双线性插值

    4a)对于已知绿色值的像素点(i,j),该像素点的红色估计值由下式计算:

    R ^ b ( i , j ) = G ^ ( i , j ) - 1 4 Σ m , n { 1 , - 1 } [ G ^ ( i + m , j + n ) - r ( i + m , j + n ) ] ]]>

    其中,为像素点(i,j)的红色估计值,为像素点(i,j)插值后的绿色值,
    m和n为整数,r(i+m,j+n)为像素点(i+m,j+n)已知的红色值。

    4b)对于位于已知绿色值的像素点(i,j),该像素点左右的像素点(i,j-1)和(i,j+1)为
    已知绿色值的像素点,它们的红色估计值由下式计算:

    R ^ g 1 ( i , j ) = g ( i , j ) - 1 2 Σ n { 1 , - 1 } [ G ^ ( i , j + n ) - r ( i , j + n ) ] ]]>

    其中,为像素点(i,j)的红色估计值,为像素点(i,j)插值后的绿色值,
    n为整数,r(i,j+n)为像素点(i,j+n)已知的红色值。

    4c)对于位于已知红色值的像素点(i,j),该像素点上下的像素点(i-1,j)和(i+1,j)为
    已知绿色值的像素点,它们的红色估计值由下式计算:

    R ^ g 2 ( i , j ) = g ( i , j ) - 1 2 Σ m { 1 , - 1 } [ G ^ ( i + m , j ) - r ( i + m , j ) ] ]]>

    其中,为像素点(i,j)的红色估计值,m为整数,为像素点(i+m,j)插
    值后的绿色值,r(i+m,j)为像素点(i+m,j)已知的红色值。

    由此得到了一幅在所有像素位置处都具有红色值的红色通道图像。

    4d)对于已知红色值的像素点(i,j),该像素点的蓝色估计值由下式计算:

    B ^ r ( i , j ) = G ^ ( i , j ) - 1 4 Σ m , n { 1 , - 1 } [ G ^ ( i + m , j + n ) - b ( i + m , j + n ) ] ]]>

    其中,为像素点(i,j)的蓝色估计值,m和n为整数,为像素点
    (i+m,j+n)插值后的绿色值,b(i+m,j+n)为像素点(i+m,j+n)已知的蓝色值。

    4e)对于位于已知绿色值的像素点(i,j),该像素点左右的像素点(i,j-1)和(i,j+1)为
    已知绿色值的像素点,它们的蓝色估计值由下式计算:

    B ^ g 2 ( i , j ) = g ( i , j ) - 1 2 Σ n { 1 , - 1 } [ G ^ ( i , j + n ) - b ( i , j + n ) ] ]]>

    其中,为像素点(i,j)的蓝色估计值,n为整数,为像素点(i,j+n)插

    值后的绿色值,b(i,j+n)为像素点(i,j+n)已知的红色值。

    4f)对于位于已知红色值的像素点(i,j),该像素点上下的像素点(i-1,j)和(i+1,j)为
    已知绿色值的像素点,它们的红色估计值由下式计算:

    B ^ g 1 ( i , j ) = g ( i , j ) - 1 2 Σ m { 1 , - 1 } [ G ^ ( i + m , j ) - b ( i + m , j ) ] ]]>

    其中,为像素点(i,j)的蓝色估计值,m为整数,为像素点(i+m,j)插
    值后的绿色值,b(i+m,j)为像素点(i+m,j)已知的蓝色值。

    由此得到了一幅在所有像素位置处都具有红色值的蓝色通道图像。

    4b)对于已知R分量的像素点(i,j),该像素点B分量的估计值由下式计算。

    B ^ r ( i , j ) = G ^ ( i , j ) - 1 4 Σ m , n { 1 , - 1 } [ G ^ ( i + m , j + n ) - b ( i + m , j + n ) ] ]]>

    对于位于已知B分量的像素点(i,j),该像素点左右的像素点(i,j-1)和(i,j+1)为已知
    G分量的像素点,则它们的B分量估计值由下式计算

    B ^ g 2 ( i , j ) = g ( i , j ) - 1 2 Σ n { 1 , - 1 } [ G ^ ( i , j + n ) - b ( i , j + n ) ] ]]>

    对于位于已知B分量的像素点(i,j),该像素点上下的像素点(i,j-1)和(i,j+1)为已知
    G分量的像素点,则它们的B分量的估计值由下式计算。

    B ^ g 1 ( i , j ) = g ( i , j ) - 1 2 Σ m { 1 , - 1 } [ G ^ ( i + m , j ) - b ( i + m , j ) ] ]]>

    由此得到了一个在所有像素位置处都具有B分量信息的B分量图像

    步骤5,分别对红、绿、蓝通道进行修正

    5a)根据下式计算插值后绿色通道的水平和垂直梯度:

    ΔH g ( i , j ) = | G ( i , j - 1 ) - G ( i , j + 1 ) | + 1 2 | 2 G ( i , j ) - G ( i , j - 1 ) - G ( i , j + 1 ) | ΔV g ( i , j ) = | G ( i - 1 , j ) - G ( i + 1 , j ) | + 1 2 | 2 G ( i , j ) - G ( i - 1 , j ) - G ( i + 1 , j ) | ]]>

    其中,ΔHg(i,j)为插值后绿色通道像素点(i,j)水平梯度值,G(i,j)为插值后绿色
    通道像素点(i,j)绿色值,ΔVg(i,j)为插值后绿色通道像素点(i,j)垂直梯度值;

    5b)对插值后绿色通道中已知红色值像素点的修正是根据如下公式计算:

    G ~ ( i , j ) = r ( i , j ) + w 2 ( g ( i - 1 , j ) - R ( i - 1 , j ) ) + w 7 ( g ( i + 1 , j ) - R ( i + 1 , j ) ) w 2 + w 7 , ΔH g ( i , j ) > Δ V g ( i , j ) w 4 ( g ( i , j - 1 ) - R ( i , j - 1 ) ) + w 5 ( g ( i , j + 1 ) - R ( i , j + 1 ) ) w 4 + w 5 , ΔH g ( i , j ) < ΔV g ( i , j ) Σ k = 1 8 w k ( g ( i + m k , j + n k ) - R ( i + m k , j + n k ) ) Σ k = 1 8 w k , ΔH g ( i , j ) = ΔV g ( i , j ) ]]>

    w k = 1 [ 1 + ( r ( i , j ) - r ( i + m k , j + n k ) ) 2 ] 1 / 2 ]]>

    mk∈{-2,-2,-2,0,0,2,2,2},nk∈{-2,0,2,-2,2,-2,0,2},k=1,2...8

    其中,为像素点(i,j)修正后的绿色值,r(i,j)为像素点(i,j)已知的红色值,
    g(i-1,j)为像素点(i-1,j)已知的绿色值,R(i-1,j)像素点(i-1,j)插值后的红色值,
    wk为权值,mk和nk为整数;

    5c)对插值后绿色通道中已知蓝色值像素点的修正是根据如下公式计算:

    G ~ ( i , j ) = b ( i , j ) + w 2 ( g ( i - 1 , j ) - B ( i - 1 , j ) ) + w 7 ( g ( i + 1 , j ) - B ( i + 1 , j ) ) w 2 + w 7 , ΔH g ( i , j ) > Δ V g ( i , j ) w 4 ( g ( i , j - 1 ) - B ( i , j - 1 ) ) + w 5 ( g ( i , j + 1 ) - B ( i , j + 1 ) ) w 4 + w 5 , ΔH g ( i , j ) < ΔV g ( i , j ) Σ k = 1 8 w k ( g ( i + m k , j + n k ) - B ( i + m k , j + n k ) ) Σ k = 1 8 w k , ΔH g ( i , j ) = ΔV g ( i , j ) ]]>

    w k = 1 [ 1 + ( b ( i , j ) - b ( i + m k , j + n k ) ) 2 ] 1 / 2 ]]>

    mk∈{-2,-2,-2,0,0,2,2,2},nk∈{-2,0,2,-2,2,-2,0,2},k=1,2...8

    其中,为像素点(i,j)修正后的绿色值,b(i,j)为像素点(i,j)已知的红色值,
    g(i-1,j)为像素点(i-1,j)已知的绿色值,B(i-1,j)像素点(i-1,j)插值后的红色值,wk
    为权值,mk和nk为整数。

    5d)对插值后的红色通道修正是根据下式进行计算:

    R ~ ( i , j ) = G ~ ( i , j ) + Σ k = 1 8 w k ( R ( i + m k , j + n k ) - G ~ ( i + m k , j + n k ) ) Σ k = 1 8 w k ]]>

    w k = 1 [ 1 + ( G ~ ( i , j ) - G ~ ( i + m k , j + n k ) ) 2 ] 1 / 2 ]]>

    mk∈{-2,-2,-2,0,0,2,2,2},nk∈{-2,0,2,-2,2,-2,0,2},k=1,2...8

    其中,为像素点(i,j)修正后的红色值,为像素点(i,j)修正后的绿色
    值,wk为权值,mk和nk为整数,R(i+mk,j+nk)为插值后像素点(i+mk,j+nk)的红色
    值。

    5e)对插值后的蓝色通道修正是根据下式进行计算:

    B ~ ( i , j ) = G ~ ( i , j ) + Σ k = 1 8 w k ( B ( i + m k , j + n k ) - G ~ ( i + m k , j + n k ) ) Σ k = 1 8 w k ]]>

    w k = 1 [ 1 + ( G ~ ( i , j ) - G ~ ( i + m k , j + n k ) ) 2 ] 1 / 2 ]]>

    mk∈{-2,-2,-2,0,0,2,2,2},nk∈{-2,0,2,-2,2,-2,0,2},k=1,2...8

    其中,为像素点(i,j)修正后的蓝色值,为像素点(i,j)修正后的绿色
    值,wk为权值,mk和nk为整数,B(i+mk,j+nk)为插值后像素点(i+mk,j+nk)的蓝色
    值。

    步骤6,输出彩色图像。

    将分别作为RGB彩色图像的三个通道,得到一幅彩色图像,输出结果。

    下面结合附图2、附图3对本发明的效果做进一步说明。

    附图2是现有技术中的去马赛克效果图,其中,附图2(a)为双线性插值技术去马
    赛克效果图;附图2(b)为交替投影方法去马赛克效果图;附图2(c)为交替投影方法去
    马赛克效果图;附图2(c)为迭代去马赛克方法效果图;附图2(d)为术基于方向最小均
    方误差估计的方法去马赛克效果图;附图2(e)为连续估计的方法去马赛克效果图;附
    图2(f)为正则化方法去马赛克效果图。

    附图2(b)的图像来源于文献“B.Gunturk,Y.Altunbasak,and?R.Mersereau,“Color?
    plane?interpolation?using?alternating?projections,”IEEE?Trans.Image?Process.,vol.11,no.
    9,pp.997-1013,Sep.2002.”。

    附图2(c)的图像来源于文献“Wenmain?Lu?and?Yap-peng?Tan,“Color?filter?array?
    demosaicing:new?method?and?performance?measures,”IEEE?Trans.Image?Process.,vol.12,
    no.10,pp.1194-1210,Oct.2003.”。

    附图2(d)的图像来源于文献“L.Zhang?and?X.Wu,“Color?demosaicking?via?
    directional?linear?minimum?mean?square-error?estimation,”IEEE?Trans.Image?Process.,
    vol.14,no.12,pp.2167-2178,Dec.2005.”。

    附图2(e)的图像来源于文献“X.Li,“Demosaicing?by?successive?approximation,”
    IEEE?Trans.Image?Process.,vol.14,no.3,pp.370-379,Mar.2005.”。

    附图2(f)为现有的正则化方法去马赛克效果图,该方法来源于文献“D.Menon,G.
    Calvagno,“Regularization?approaches?to?demosaicking,”IEEE?Trans.Image?
    Process.,vol.18,no.10,Oct.2009”。

    附图3(d)为本发明的去马赛克效果图。

    对比附图2和附图3,可以看出双线性插值技术的结果图最差,出现的虚假颜色
    最多,交替投影方法和迭代去马赛克方法的结果图出现的虚假颜色也很多,基于方向
    最小均方误差估计方法和正则化方法的结果图出现的虚假颜色较少,本发明的试验结
    果图出现的虚假颜色非常少;与方向最小均方误差方法的结果很接近,但是仔细对比
    两幅图像,可以看出本发明的残留的虚假颜色较少,本发明的视觉效果要优于其它几
    种方法。

    关于本文
    本文标题:基于边缘方向插值的CFA图像去马赛克方法.pdf
    链接地址://www.4mum.com.cn/p-5870685.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 买什么彩票稳赚不赔 水果机玩法 11运夺金计划软件 腾讯分分彩最赚钱打法 pk10彩票计划软件 大小单双平刷稳赚技巧 福彩3d在平台买稳赚不赔的方法 北京pk10一期五码计划 财神爷北京pk10手机版 双色球计划软件手机版 内蒙古时时综合走势图百度百度贴吧 欢乐生肖规则 乐赢彩票合法吗 腾讯分分彩六码二期计划 时时彩包胆怎么选号 3d试机号杀码走势图