第14卷第4期 北京电子科技学院学报 2006年12月Vol. 14 No.4 Journal of Beijing Electronic Science and Technology Institute Dec. 2006
基于像素组的去马赛克算法
施勇红 霍俊彦 卢 峰 黄 维
西安电子科技大学 陕西西安710071
摘 要本文提出一种利用图像像素组特性的彩色滤镜阵列去马赛克的新算法。实验表明该算法在图像
的去马赛克过程中 能有效抑制人工痕迹 能达到可变梯度插值算法和线性插值算法的性能 并能克服这
两种算法中的一些不足。
关键词去马赛克像素组
中图分类号 TN919 8 文献标识码 A 文章编号: 1672-464X(2006)04-0020-051引言
随着视频技术的飞速发展和数码摄照像机等电子产品的普及高质量图像或图像序列的采集与处理已经成为一个非常活跃的研究领域而 Demosaic(去马赛克)则是其中一项必不可少的关键性技术。
图像的采集功能由图像传感器CMOS或CCD完成。传统视频采集设备为R、G、B三基色采用不同的滤镜片得到所采集图像的RGB三色阵列。在经过数字化后即得到高质量的全彩色图像。在此过程中需要3倍于图像大小的传感器阵
图1-2 Bayer模式图像阵列
第14卷 施勇红 霍俊彦 卢 峰 黄维基于像素组的去马赛克算法 ·21 ·
如图1-2所示在图像阵列的每一像素点只能获得RGB三基色中的一种彩色分量强度值。该像素点上的其余两种彩色分量的强度值 必须利用其与周围像素点的强度相关性估计得到。通过对图像阵列中的每一个像素点进行相类似的操 作就可以获得采集图像的R,G,B三色阵列从而再现所采集图像。对CFA所获得图像阵列的这种处理则被称为去马赛克Demosaic 有时也被称为彩色插值(Color Interpolation 。图像插值可以分为线性插值和非线性插值。线性插值中有最近邻插
值双线性插值和双三次插值等方法。线性插值方
法的不足之处在于容易引起失真 即图像边缘阶梯型失真和边缘模糊。 产生失真的原因是线性方法对所有的像素采用相同 的插值函数没有考虑图像边缘。非线性插值算法对图像中边缘像素和非边缘像素进行不同的处理从而获得优于线性插值的效果。
2业界常用算法分析
为了进一步提高插值效果人们利用R,G,B三个彩色通道之间的相关性插值。这类算法基于临近像素点色调平滑变化的假设这一假设是目前流行插值方法中所普遍使用的。下面以双线性插值算法和可变梯度值Variable Number of Gradient sVNG算法为例介绍常规的插值算法。
2.1双线性插值分析
21 1双线性插值原理在待插值颜色所属的像素点周围将具有相同颜色的像素点平均值作为插
值输出。
212双线性插值实现过程第一步红蓝色像素点处的绿色分
量插值
以图1-2为例在B7与R13像素点处估计G分量为例插值输出为该像素点东、西、南、北四个方向绿色像素点的平均值
G7=(G2+G6+G12+G8)/4 (1- 1)
G13=(G8+G12+G18+G14)/4 (1-2)
第二步绿色点处的红色、蓝色分量的插值就绿色点处于奇数行和偶数行这两种情况考虑
当绿色点处于奇数行时 以图中的G14点插红色分量为例我们按照(1-3)对红色分量进行插值
R14=(R13+R15)/2 (1-3)
当绿色点处于偶数行时 以图中的G8点插红色分量为例我们按照(1-4)对红色分量进行插值
R8=(R3+R13)/2 (1-4)
在绿色点估计蓝色分量的步骤与上述完全相同。 第三步
蓝色/红色点处的红色/蓝色分量的插值我们以图中的B7点
插红色分量为例按照(1-5)进行插值
R7=(R1+R3+R1 1+R13)/4 (1-5)
我们分析了在蓝色点插红色分量的情况在红色点估计蓝色分量与此相同。 至此我们已经得到所有的颜色分量完成
了插值步骤。
21 3双线性插值优缺点分析该算法的优点在于算法简单 复杂度
低所需计算量小。
但是由于该算法对所有的像素点采取相同的操作而且没有利用不同彩色通道之间的相关性。对临域的像素点采用平均值相当于对图像进行了低通滤波所以使用该方法插值会降低图像分辨率这体现为图像中的边缘模糊。 除此之外该方 法还会在图像中的边缘处产生伪彩色color artifacts 。因此使用该方法插值会严重损害图像质量。
2.2可变梯度值VNG插值分析
221 VNG算法原理
VNG算法计算像素点八个方向的梯度值根据所得结果计算出一个适当的门限值。当某一方向的梯度值超过门限值就不采用该方向的颜色分量插值否则就利用该方向的颜色分量进行插值。
222 VNG算法实现过程
以图1-2为例VNG算法共分两步
1在红蓝色像素点插补绿色分量和蓝红色分量
2在绿色像素点估计红色分量和蓝色分量。
·22· 北京电子科技学院学报 2006年
第一步我们插补红蓝色像素点的绿色分量与蓝红色分量。
如图1-2所示 以在R13估计B13和G13为例我们需要计算八个方向的梯度
N=G8-G18 +R3-R13 +B7-B17 /2+B9-B19 /2+G2-G12 /2+G4-G14 /2
E=G14-G12 +R15-R13 +B9-B7 /2+B19-B17 /2+G10-G8 /2+G20-G18 /2
S=G8-G18 +R23-R13 +B7-B17 /2+B9-B19 /2+G24-G14 /2+G22-G12 /2
W=G14-G12+R11-R13 +B9-B7 /2+B19-B17 /2+G16-G18 /2+G6-G8 /2
NE=B9-B17 +R5-R13 +G8-G12 /2+G14-G18 /2+G4-G8 /2+G10-G14 /2
SE=B19-B7+R25-R13 +G14-G8 /2+G18-G12 /2+G20-G14 /2+G24-G18 /2
NE=B7-B19 +R1-R13 +G14-G8 /2+G18-G12 /2+G6-G12 /2+G2-G8 /2
NW=B17-B9 +R21-R13 +G8-G12 /2+G14-G18 /2+G22-G18 /2+G16-G12 /2
我们选出这八个梯度值的最小值MIN和最大值MAX 门限值T=k1×MIN+k2*(MAX-MIN)。其中 k1=15,k2=05。 现在我们假设只有SWNE SE满足小于门限值的条件只在这几个方向进行插值各分量如表2- 1所示。
Gsum=G18+G12+(G4+G8+G10+G14)/4+(G14+G18+G20+G24)/4 (2- 1)
Bsum=(B17+B19)/2+(B7+B17)2+B9+B19 (2-2)
Rsum=(R 13+R23)/2+(R11+R 13)/2+(R 13+R5)/2+(R 13+R25)/2 (2-3)现在我们可以得出待插像素点的绿色与蓝色分量
G 13=R13+(Gsum-Rsum)/4 (2-4)
B 13=R 13+(Bsum-Rsum)/4 (2-5)在蓝色像素点插补绿色分量和红色分量的方法与在红色像素点插补绿色分量和蓝色分量类似。 第二步在绿色像素点的红色分量和蓝色分量插值。
我们对G13点插值R13和B13首先计算八个方向的梯度值
N=G3-G13 +B8-G18 +G7-G17 /2+G9-G19 /2+R2-R12 /2+R4-R14 /2
E=R14-R12 +G15-G13 +G9-G7 /2+G19-G17 /2+B10-B8 /2+B20-B18 / 2
S=B18-B8+G23-G13+G19-G9 /2+G17-G7 /2+R24-R14 /2+R22-R12 /2
W=R12-R14 +G11-G13 +G17-G19 /2+G7-G9 /2+B16-B18 /2+B6-R8 /2
NE=G9-G17 +G5-G13 +R 4-R 12 +B10-B8
SE=G19-G7+G25-G13+B20-B8+R24-R12
NW= G7-G19 +G1-G13+B6-B18 +R2-R14
SW=G17-G9 +G21-G13 +R 22-R 14 +B16-B8
同样我们根据这八个梯度值得出门限值再根据门限值来决定插值方向。具体步骤和上述相同。
223 VNG插值算法的优缺点分析该算法的优点在于有效克服了边缘模糊能抑制部分伪色彩提高了插值效果。缺点表现为算法复杂计算量大 降低了插值效率。因其处理时延较大不适合进行连续图像的实时处理。
3基于像素组的算法
3.1像素组算法的基本思想
自然界中的图像色彩是由一系列的像素组Pixel Grouping构成并且在同一像素组中各个像素存在着必然的相互联系 即它们有相近的色彩与亮度。通过确定哪些像素属于同一像素组我们就能较好地估算出它们所要补插的缺失像素并 能提高输出图像的效果。
在本算法中既考虑了彩色图像各个颜色分量的归属又考虑了周围像素之间的关联性。因此与双线性插值算法相
第14卷 施勇红 霍俊彦 卢 峰 黄维基于像素组的去马赛克算法 ·23 ·
比本算法明显提高了插值效果与VNG插值算法相比本算法不但降低了运算量而且插值质量也有了较大改进。 实验表明本算法综合了它们的优点 克服了双线性算法中边缘模糊且伪色彩严重的不足也克服了 VN G 运算量较大的不足。在插值效果与运算量之间找到了一个合适的平衡点是一种实用的去马赛克算法。
3.2像素组算法实现过程
在图1-2的Bayer阵列中绿色分量占50%红、蓝色分量各占25%是基于人眼对不同光波敏感度的差异 即对绿色较红蓝色更为敏感。相应地我们在对不同色彩分量插值时做了区别对待。
在绿色分量插值中我们采用像素组的思路对每个像素点上、下、左、右四个方向的梯度进行计算判断出梯度值最小相关性最大的方向然后对这个方向进行插值在红像素与蓝像素的插值中我们构造了一个综合函数hue_transit(x1,x2,x3,v 1,v3)其作用是进行相关性判断(x1 ,x2,x3 之间是否存在线性关系)与平滑处理。
321在红色和蓝色点插绿色分量有两种情况。一种是在红色像素处插绿色像素值 一种是
在蓝色像素处插补绿色像素值。
下面仍以图1-2的Bayer模型为例 以在R13插绿色分量为例说明如何在红色像素处插绿色像素值。
△N=|R3-R 13|*2+|G 8-G 18|
△E=|R13-R15|*2+|G12-G14|
△W=|R11-R13|*2+|G12-G14|
△S=|R 13-R23|*2+|G 8-G 18|
找出上面四个方向梯度中的最小值 即在相关性最大方向上插补绿色分量值。 当
△N最小时,G 13=(G 8*3+R13+G 18-R3)/4
当△E最小时 G13=(G14*3+R13+G12-R15)/4
当△W最小时 G13=(G12*3+R13+G14-R11)/4
当△S最小时 G13=(G18*3+R13+G8-R23)/4
在蓝色像素处插补绿色像素值与在红色像素处插绿色像素值类似这里不再重复。至此原B ay er图像中的绿像素已补全。
322在绿色点插红色和蓝色分量在对绿色像素点插值之前我们构造一
个hue_trans it函数
此函数是根据自变量x1,x2,x3之间是否具有线性关系线性递增、线性递减或无线性关系 来确定一个构造函数。 对绿色像素点插值时我们以在G8点插R8和B 8分量为例 插蓝色分量时 B8=hue_transit(G7,G8,G9,B7,B9)的具体含义为
当横向G 7,G8,G 9具有线性关系时
B8=B7+(B9-B7)*(G8-G7)/(G9-G7)
否则
B8= B7+B9 /2+(2*G8-G 7-G9)/4
插红色分量时 R8=hue_trans it(G3,G8,G 13,R3,R13)的具体含义为当纵
向G3,G8,G13具有线性关系时
R8=R3+(R13-R3)*(G8-G3)/(G 13-G3)
否则其它绿色像素点插值依此类
R8= R3+R13 /2+(2*G8-G 3-G 13)/4
推。
323在红色像素点插蓝色分量、在蓝色像素点插红色分量
当在红色像素处插蓝色分量时我们以图1-2中的R13插B13为例 首先构造如下
函数分别计算东北方向Ne与西北方向Nw的梯度值。
Ne=|B9-B17|+|R5-R13|+|R13-R21|+|G9-G13|+|G13-G17|
Nw=|B7-B19|+|R1-R13|+|R13-R25|+|G7-G13|+|G13-G19|
然后在梯度值小相关性大的方向上进行插值。
如果(Ne<Nw) 即东北方向的关联性大此时
·24· 北京电子科技学院学报 2006年
B 13=hue_transit(G9,G 13,G 17,B9,B 17)
否则
B 13=hue_transit(G7,G 13,G 19,B7,B 19)
在蓝色像素处插红色分量时方法与在红色像素处插蓝色分量类似。 至此所有的颜色分
[2] Shotaro Moriya et al Advanced Demosaicing methods on the changes of colors in a local region[J] IEEE Transactions onconsumer electronics,2006, 52(1)
[3]J F Hamilton,J E Adams Adaptive color plan interpolation in single sensor color electric camera[M]U S Patent 5 629 734,
1997
[4]D D Muresan and T W Parks Optimal recovery approach to image interpolation[J] IEEE Proc Int Conf Image Processing,2001,3(10):848-851
作者简介
施勇红 1976- 男陕西周至人西安电子科技大学信息科学研究所硕士研究生 中国人民解放军69036部队助理工程师主要研究方向为网络与多媒体通信
霍俊彦 1982- 女 山西祁县人西安电子科技大学信息科学研究所博士研究生主要研究方向为网络与多媒体通信卢峰1977- 男陕西西安人西安电子科技大学信息科学研究所硕士研究生兰州军区通信网络管理中心工程师主要研究方向为网络与多媒体通信。
下转第33页
第14卷 赵 阳 李蓓丽 施云惠数据信号的噪声处理 · 33 ·
[5]DONOHO D De-noising by soft-thresholding[J]IEEE Trans Information Theory, 1995,41(3) : 613-626
作者简介
赵 阳(1973- )男,工程师,研究领域是网络通讯
施云惠女,北京工业大学副教授,研究领域是图像编码、视频编码 李蓓丽女公务员
研究领域是数据挖掘。
A Denoising Method Based on New Wavelet Transforms
ZHAO Yang1 SHI Yun-hui2 LI Bei- li3
(1.Depa rtment of Informa tion Technology,China Construction Bank Branch,Beijing 100068,China ;2.Beijing
University of Technology,Beijing 100022, China;3.Harbin Tax Burea u,Harbin,Heilongjiang 150025,China)Abstract:The defects of the classical wavelet transforms are analyzed systemically In the classical continuous wavelet inversetransform, the integral variables are indep endent As the integral variab les are dependent the corresponding numeral integral hashigh resolution The fact that the integral variable of the inverse transform appears in the denominator of integrand reducesresolution of the numeral integral and blocks the application of them So a new type of continuous wavelet transform is proposedNo matter what we discretize integral variables, any numeral integral has a high resolution, and the integral variable does notapp ear in the denominator of the integrand In addition, the corresp onding numerical method is obtained Finally, a filter based onthe new CWT is present By dealing with the signals with white noise and outlier, the white noise and outlier in the signals couldbe completely wiped off and the original signals could be reconstructed without prior distribution of the noise compared with othertraditional wavelet denoising methods,the new CWT can achieve higher signal- to-noise ratio
Key words: continuous wavelet transform;white noise; outlier
上接第24页
Demosaicing Algorithm Based onPixel Grouping
SHI Yong-hong HUO Jun-yan LU Feng HUANG Wei
(Xidian UnivXi’ an,Shanxi 710071,China)
Abstract:This p ap er describes a new color filter array demosaicing algorithm that makes use of some prop erties of images’ pixelgrouping We found this algorithm can reduce some of the common artifacts introduced by the demosaicing process according tothe result of exp eriment Preliminary studies show that the p erformance of the algorithm is generally comp arable to both VariableInterpolation by Gradients and Linear interpolation The new algorithm overcomes some deficiencies of above two algorithms insp ecific cases
Key words:demosaicing;p ixel group ing
VirMach,成立于2014年的美国IDC商家,知名的低价便宜VPS销售商,支持支付宝、微信、PayPal等方式付款购买,主打美国、欧洲暑假中心产品,拥有包括洛杉矶、西雅图、圣何塞、凤凰城在内的11个数据中心可以选择,可以自由搭配1Gbps、2Gbps、10Gbps带宽端口,有Voxility DDoS高防IP可以选择(500Gbps以上的防御能力),并且支持在控制面板付费切换机房和更换IP(带...
bgp.to对日本机房、新加坡机房的独立服务器在搞特价促销,日本独立服务器低至6.5折优惠,新加坡独立服务器低至7.5折优惠,所有优惠都是循环的,终身不涨价。服务器不限制流量,支持升级带宽,免费支持Linux和Windows server中文版(还包括Windows 10). 特色:自动部署,无需人工干预,用户可以在后台自己重装系统、重启、关机等操作!官方网站:https://www.bgp.to...
diyvm怎么样?diyvm是一家国内成立时间比较久的主机商家了,大约在6年前站长曾经用过他家的美国机房的套餐,非常稳定,适合做站,目前商家正在针对香港沙田机房的VPS进行促销,给的是五折优惠,续费同价,香港沙田机房走的是CN2直连的线路,到大陆地区的速度非常好,DiyVM商家采用小带宽不限流量的形式,带宽2Mbps起步,做站完全够用,有需要的朋友可以入手。diyvm优惠码:五折优惠码:OFF50...