图像Demosaic算法实验报告材料Word下载.docx

1、绿色分量，利用双线性法可以得到：由于双线性法是单通道之间独立插值，并且始终取 33 滤波器的平均值，忽略了细节信息，以及图片三个颜色通道之间的相关性，所以双线性法往往不能得到满意的插值效果，容易在细线状态结构的边缘处产生锯齿形图案。（2）自适应插值法在 Bayer 格式中，绿色像素占了总像素的一半，也反映了更多的细节，因此，插值都会优先考虑对绿色通道的恢复，而红色和蓝色的比例较少，细节信息少，需要估算的信息多，失真会明显，为改进算法的性能，多会从改善红色与蓝色通道着手。为合理解决边界的插值问题，研究人员提出了基于梯度的插值算法。为保证插值是沿着边界进行，而没有跨越边界，在恢复绿色分量时，先通过

2、计算梯度来检测边界方向，从而选择合适的插值方向。例如，为恢复出采样点的绿色分量，先计算出该点水平和竖直方向的梯度算子。参考图 3-1，以 B44为例，假设 为该采样点水平方向的梯度， 为竖直方向的梯度，Laroche则通过计算二阶微分即色度分量来确定边界方向，其中：如果 ，则认为在竖直方向存在边界的概率大，插值在竖直方向进行，插值结果为：如果两者相比较相等的话，则认为该像素点处在一个平滑区域内，插值在整个邻域内进行，认为：一旦亮度被确定，则色度分量通常是由亮度信号和色度信号的相关性来进行插值。第二步：在对红色和蓝色通道插值时，用到的基本思想是基于色差的插值算法。色差思想与色比恒定的思想是一致的

3、，它认为在图片的小平滑区域内，色差是恒定的。假设 （i ,j）邻近的一个采样点是 （ m, n），则有：上面的等式成立即是利用了色差恒定的原则。假设我们需要恢复红色通道信息，根据阵列的排列规律，有三种不同的情况，分别如下：（1）假设要恢复 G34处的红色分量：（2）假设要恢复 G43处的红色分量：（3）假设要恢复 B44处的红色分量：蓝色通道处理往往是与红色通道一致，必须注意的是在色度值确立之时，已经获得了整个图片的亮度信号。经过这两个步骤的处理，可以获得 Bayer 图片的重构图像。以上所述，即是自适应插值法的过程。3、实验结果原图Bayer阵列非自适应插值（双线性）自适应插值法4、总结通过

4、三类图像的比较，可以看出真彩色图像的三个颜色通道之间有很强的相关性，插值最好结合其相关性，而不能依赖于单通道独立插值；其次，由于图片的失真往往出现在高频区域，必须考虑基于边界的插值方案，对图像的区域细节特征进行分析，使得插值尽可能沿着边界方向，或是使得边界方向插值核的加权系数尽可能大。附录：Matlab代码%双线性插值clear;clc;I=imread（9.jpg）;figureimshow（I）;h,w,c=size（I）;m,n=size（I）;m=h,n=w;for i=1:2:h for j=1:w if mod（j,2）=1 IMG（i,j,1）=I（i,j,1）; else IM

5、G（i,j,2）=I（i,j,2）; endendfor i=2: IMG（i,j,3）=I（i,j,3）;imshow（IMG）;%IMG11=rgb2gray（IMG）;%save（Bayer.png,IMG11）IMG=double（IMG）;m-1 for j=2:n-1 x11 = IMG（i-1,j-1,1）; x12 =IMG（i-1,j+1,1）; x21 = IMG（i+1,j-1,1）; x22 = IMG（i+1,j+1,1）; IMG（i,j,1） = uint8（ （ x11+x21+x12+x22）/4 ）; if IMG（i,j,1）=0 IMG（i,j,1）=0

6、.25*（IMG（i,j+1,1）+IMG（i,j-1,1）+IMG（i+1,j,1）+IMG（i-1,j,1）; IMG（i,j,1）=IMG（i,j,1）; IMG（i,j,2）=0.25*（IMG（i,j+1,2）+IMG（i,j-1,2）+IMG（i+1,j,2）+IMG（i-1,j,2）; if IMG（i,j,2）=0 x11 = IMG（i-1,j-1,2）; x12 =IMG（i-1,j+1,2）; x21 = IMG（i+1,j-1,2）; x22 = IMG（i+1,j+1,2）; IMG（i,j,2） = uint8（ 0.25*（ x11+x21+x12+x22） ）;

7、 IMG（i,j,2）=IMG（i,j,2）;for i=3: for j=3: x11 = IMG（i-1,j-1,3）; x12 = IMG（i-1,j+1,3）; x21 = IMG（i+1,j-1,3）; x22 = IMG（i+1,j+1,3）; IMG（i,j,3） = uint8（ 0.25*（ x11+x21+x12+x22） ）; if IMG（i,j,3）=0 IMG（i,j,3）=0.25*（IMG（i,j+1,3）+IMG（i,j-1,3）+IMG（i+1,j,3）+IMG（i-1,j,3）; IMG（i,j,3）=IMG（i,j,3）;imshow（uint8（IMG

8、）;%梯度DD.jpgm=h;R=zeros（m,n）;G=zeros（m,n）;B=zeros（m,n）;R1=zeros（m+4,n+4）;G1=zeros（m+4,n+4）;B1=zeros（m+4,n+4）;R=IMG（:,:,1）;G=IMG（:,2）;B=IMG（:,3）;R1（3:m+2,3:n+2）=R;m+2,1）=R（:m+2,2）=R（:m+2,n+3）=R（:,n）;m+2,n+4）=R（:,n-1）;R1（1,:）=R1（4,:R1（2,:）=R1（3,:R1（m+3,:）=R1（m+2,:R1（m+4,:）=R1（m+1,:G1（3:n+2）=G;m+2,1）=G（

9、:m+2,2）=G（:m+2,n+3）=G（:m+2,n+4）=G（:G1（1,:）=G1（4,:G1（2,:）=G1（3,:G1（m+3,:）=G1（m+2,:G1（m+4,:）=G1（m+1,:B1（3:n+2）=B;m+2,1）=B（:m+2,2）=B（:m+2,n+3）=B（:m+2,n+4）=B（:B1（1,:）=B1（4,:B1（2,:）=B1（3,:B1（m+3,:）=B1（m+2,:B1（m+4,:）=B1（m+1,:X=cat（3,R1,G1,B1）;figure,imshow（uint8（X）for i=4:m for j=4:n a=abs（2*B1（i,j）-B1（i,

10、j-2）-B1（i,j+2）; b=abs（2*B1（i,j）-B1（i-2,j）-B1（i+2,j）; if a G1（i,j）=（G1（i-1,j）+G1（i+1,j）/2; G1（i,j）=（G1（i-1,j）+G1（i,j-1）+G1（i,j+1）+G1（i+1,j）/4; a=abs（G1（i,j-1）-G1（i,j+1）; b=abs（G1（i-1,j）-G1（i+1,j）; else if a G1（i,j）=（G1（i,j-1）+G1（i,j+1）+G1（i-1,j）+G1（i+1,j）/4; a=abs（2* （G1（i,j）-G1（i-1,j+1）-G1（i+1,j-1）+

11、abs（G1（i-1,j+1）-G1（i+1,j-1）; b=abs（2*（G1（i,j）-G1（i-1,j-1）-G1（i+1,j+1）+abs（G1（i-1,j-1）-G1（i+1,j+1）; R1（i,j）=（R1（i-1,j+1）+R1（i+1,j-1）/2+（2*G1（i,j）-G1（i-1,j+1）-G1（i+1,j-1）/2; R1（i,j）=（R1（i-1,j-1）+R1（i+1,j+1）/2+（2*（G1（i,j）-G1（i-1,j-1）-G1（i+1,j+1）/2; R1（i,j）=（R1（i-1,j-1）+R1（i-1,j+1）+R1（i+1,j-1）+R1（i+1,j+

12、1）/4+（4*G1（i,j）-G1（i-1,j-1）-G1（i-1,j+1）-G1（i+1,j-1）-G1（i+1,j+1）/4;m-1;n; R1（i,j）=（R1（i,j-1）+R1（i,j+1）/2-（G1（i,j-1）+G1（i,j+1）/2+G1（i,j）;m;n-1; R1（i,j）=（R1（i-1,j）+R1（i+1,j）/2-（G1（i-1,j）+G1（i+1,j）/2+G1（i,j）;%恢复蓝色分量 a=abs（2*（G1（i,j）-G1（i-1,j+1）-G1（i+1,j-1）+abs（G1（i-1,j+1）-G1（i+1,j-1）; B1（i,j）=（B1（i-1,j+

13、1）+B1（i+1,j-1）/2+（2*G1（i,j）-G1（i-1,j+1）-G1（i+1,j-1）/2; B1（i,j）=（B1（i-1,j-1）+B1（i+1,j+1）/2+（2*（G1（i,j）-G1（i-1,j-1）-G1（i+1,j+1）/2; B1（i,j）=（B1（i-1,j-1）+B1（i-1,j+1）+B1（i+1,j-1）+B1（i+1,j+1）/4+（4*G1（i,j）-G1（i-1,j-1）-G1（i-1,j+1）-G1（i+1,j-1）-G1（i+1,j+1）/4; B1（i,j）=（B1（i,j-1）+B1（i,j+1）/2-（G1（i,j-1）+G1（i,j+1）/2+G1（i,j）; B1（i,j）=（B1（i-1,j）+B1（i+1,j）/2-（G1（i-1,j）+G1（i+1,j）/2+G1（i,j）;X=uint8（X）;imshow（X）;