一種改進的圖像重組算法及其硬件實現(xiàn)

1．引言

目前，大多數(shù)的數(shù)字相機的圖像傳感器，不管是CMOS還是CCD，都是單色的，即只有灰度的變化。為了得到彩色圖像，普遍采用的方法是在傳感器的表面覆蓋一層聚酰亞胺掩膜的彩色濾色器。濾色器的格式有多種，一般為棋盤格式。本文提出的算法針對的是其中最常用的bayer格式，如圖1所示，其濾色濾格子分別透過G(綠)、B(藍)、R(紅)三種顏色，其中G的采樣率是B、R的兩倍，原因是人眼對綠色信息要比藍色、紅色敏感。

圖像傳感器傳來的數(shù)據(jù)通常對應每個像素點R、G、B三種顏色中的一種顏色信息，圖像重組算法(Demosaicing Algorithm)是指把傳感器送來的每個像素點信息轉化為包含R、G、B三原色信息的圖像算法。關于圖像重組算法日前主要有獨立插值法、按比例插值法、Kimmel法等，本文將在分析這些算法的基礎上提出能平衡圖像質量和硬件消耗的新算法及實現(xiàn)方法。

2．傳統(tǒng)算法

2.1 獨立插值算法

最簡單的線性方法足R、G、B三分量各自獨立進行插值重組，彼此沒有關聯(lián)。以利用相鄰像素作平均的插值法為例：

如圖2，G2、G4、G6、G8、R1、R3、R7、R9為已知相應像素的相應分量，G5、R2、R4、R6、R8、R5為所求分量，求法如下：

藍色分量的求法與R相似。

此方法雖然簡單，占用硬件資源比較少，但是卻會引起色彩混淆和邊沿模糊問題，因為其在重組過程中忽略了邊沿問題。為了提高圖像質量，可以在此基礎上加入梯度的控制。因此，該算法采用了梯度小的方向的分量值作均值處理。由于梯度大的方向是邊沿變化的方向，若選取了該方向上的值作均值，就會模糊了邊沿。以求圖2中的G5分量為例：

水平梯度H=|G4-G6|，垂直梯度V=|G2-G8|。

H>V，G5=(G2+G8)／2；H

此外，該算法沒有考慮噪聲因素，其簡單的平均化操作將使一個像素上的噪聲擴大到影響九個像素，從而導致信噪比較低。

2.2 按比例插值算法

由于BAYER格式的傳感器上G分量比R、B分量要多一倍，于是有人提出利用G分量對R、B分量進行插值。

如圖3所示，G1-G9已經插值得到，R1、R3、R7、R9為已知R信息，求R5：

R5={(R1*G5／G1)+(R3*G5／G3)+(R7*G5／G7)+(R9*G5／G9))／4

此算法對消除色彩混淆有一定的作用，但有個致命的缺點，在G分量特別小的區(qū)域，兩G分量比例(如G5／G1)可能會變得很大；由于R1、R3、R7、R9都只是所要求的R5周圍的點，在R5周圍很有邊沿信息(在圖像中，邊沿信息與噪聲無異)時，如果G5／G1等比例值太大，很可能引入一個非常大的噪聲，使得圖像失真嚴重，造成計算R、B分量時對噪聲特別敏感，使得圖像信噪比降低。

2.3 Kimmel算法

Kimmel算法是圖像重組算法中一個常用的經典方法。如圖4，Kimmel算法求G5：

其中，E為權重參數(shù)，表征該相鄰像素參與運算的比例。E由該相鄰像素的梯度D決定，梯度D越大，權重E越小。梯度D的定義如下：(其中P代表R，G，B任意一個分量)

從而：Ei=(1+D2(P5)+D2(Pi))1/2，如E3=(1+Dxd2(PS)+Dxd2(P3))1/2。

kimmel算法在求解R、B分量時也同樣采用了按比例插值的思想，只是比例權重不同，這樣可以較大程度地減弱色彩混淆現(xiàn)象。如圖4，用kimmel算法求R5：

Kimmel算法重組得到的圖像質量比線性插值的方法提高了很多，但kimmel算法也有其缺點，這是本文提出改進算法的出發(fā)點，將在下面討論。