图像去马赛克：双线性插值VS高质量线性插值
共 1456字，需浏览 3分钟
·
2021-01-15 16:44
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”
重磅干货，第一时间送达
本期我们将介绍两种图像处理算法，该算法能够去除CCD相机捕获的图像中由于Bayer滤波器引起的马赛克问题。在图1中，我们根据Bayer滤波器显示了bgrg像素排列。如图所示，对于红色通道和蓝色通道，我们仅保留25％的像素。对于绿色通道，保留50％的像素。为了去除图像马赛克，我们将对丢失的像素进行插值。我们使用两种不同的算法对Beyer图像进行去马赛克处理。
图1：基于拜耳滤波器的像素排列
双线性插值是我们用来对Bayer图像进行去马赛克的最简单方法。该方法背后的思想是，由于遗漏像素的值很可能与其现有相邻像素的值具有相似性，因此我们可以通过取其相邻像素的平均值来内插每个通道中的遗漏值。换句话说，我们从红色通道开始，对于任何遗漏的值，我们查看其相邻像素，如果它们包含一个值，则取其平均值，并将计算出的平均值分配给遗漏的像素。
图2：双线性插值算法
如图2所示，我们可以使用以下等式对Gx，Bx和Rx的值进行插值：
该方法由Malvar等人提出。[1]。高质量插值背后的想法是，要对每个通道中的丢失像素进行插值，仅使用位于同一通道上的相邻像素可能并不准确。换句话说，为了内插图2中的Gx等绿色像素，我们需要使用其相邻绿色像素的值以及现有通道的值。例如，如果在Gx的位置有一个红色值，则必须使用该值以及相邻的可用绿色值。他们称其为方法梯度校正插值。
最后，他们提出了8种不同的5 * 5滤镜，如图3所示。我们需要将滤镜卷积为要插值的像素。
图3：通过[1]进行的高质量线性插值的滤波器系数
例如，如果我们要估计绿色像素的值，而我们在该位置具有红色像素的值，则需要使用第一个过滤器。我们需要将滤波器中给定的权重乘以给定通道的值，然后将其平均值除以8，因为每个滤波器的权重之和为8。
参考文献
[1] Malvar, Henrique S., Li-wei He, and Ross Cutler. “High-quality linear interpolation for demosaicing of Bayer-patterned color images.” 2004 IEEE International Conference on Acoustics, Speech, and Signal Processing. Vol. 3. IEEE, 2004.
代码链接：https://github.com/aliprf/CV-Demosaicing
下载1：何恺明顶会分享
在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2：终身受益的编程指南：Google编程风格指南
在「AI算法与图像处理」公众号后台回复：c++，即可下载。历经十年考验，最权威的编程规范！
下载3 CVPR2020 在「AI算法与图像处理」公众号后台回复：CVPR2020，即可下载1467篇CVPR 2020论文 个人微信（如果没有备注不拉群！） 请注明：地区+学校/企业+研究方向+昵称
觉得不错就点亮在看吧
