圖像處理之邊緣自適應(yīng)的插值算法介紹,步驟,源碼,優(yōu)劣和出現(xiàn)的問(wèn)題

1、邊緣自適應(yīng)插值算法介紹

在Bayer CFA中，由于綠色像素點(diǎn)的數(shù)量是紅色和藍(lán)色像素?cái)?shù)量的兩倍，故其包含更多的原始圖像的邊緣信息。因此，亞當(dāng)斯和漢密爾頓根據(jù)該思想在1997年提出了一種邊緣自適應(yīng)的插值算法。

邊緣自適應(yīng)插值算法：首先提出從水平和垂直兩個(gè)方向?qū)G色分量進(jìn)行插值重建，先設(shè)計(jì)由亮度信號(hào)的梯度和色度信號(hào)的二階微分構(gòu)成的邊緣檢測(cè)算子，由邊緣檢測(cè)算子指示沿正確的方向進(jìn)行綠色分量的插值。紅色和藍(lán)色分量的重建使用已經(jīng)重建好的綠色分量，采用紅綠色差空間或藍(lán)色色差空間的線性插值來(lái)完成。常見(jiàn)Bayer域R/G/B分布模型如下，后續(xù)插值算法使用：

2、邊緣自適應(yīng)插值算法步驟

邊緣自適應(yīng)的插值算法具體實(shí)現(xiàn)步驟如下：

(1) 綠色分量重建

首先恢復(fù)紅色和藍(lán)色采樣點(diǎn)處的綠色分量，即圖a和圖b中心采樣點(diǎn)處的綠色分量，圖b綠色分量重建過(guò)程與圖a相似，故以圖a為例。中心紅色采樣點(diǎn)R(i,j)處水平方向和垂直方向檢測(cè)算子計(jì)算如下：

當(dāng)水平算子小于垂直算子時(shí)，中心點(diǎn)R(i,j)存在水平邊緣的概率較大，中心綠色分量的計(jì)算沿水平方向進(jìn)行，公式如下 ：

當(dāng)水平算子大于垂直算子時(shí)，中心點(diǎn)R(i,j)存在垂直邊緣的概率較大，中心綠色分量的計(jì)算沿垂直方向進(jìn)行，公式如下 ：

倘若水平和垂直的算子相等，則中心點(diǎn)處的綠色分量的計(jì)算為水平和垂直方向的平均值，公式如下：

(2) 綠色采樣點(diǎn)處的紅色和藍(lán)色分量重建

圖d的藍(lán)色和紅色分量的重建過(guò)程與圖c相似，故以圖c為例。中心點(diǎn)處的藍(lán)色分量的重建使用左右兩點(diǎn)的B-G空間的線性插值，紅色分量的重建使用上下兩點(diǎn)的R-G空間的線性插值，具體如下：

(3) 紅色(藍(lán)色)采樣點(diǎn)處的藍(lán)色(紅色)分量的重建

最后進(jìn)行圖a中心點(diǎn)藍(lán)色的恢復(fù)和和圖b中心點(diǎn)紅色的恢復(fù)，由于圖b的重建過(guò)程與圖a相似，故以圖a為例。觀察R周?chē)罱乃{(lán)色像素點(diǎn)，處于R像素點(diǎn)左上，左下、右上、右下四個(gè)位置。為了更好的選擇插值方向，保存邊緣信息，與綠色分量的恢復(fù)類似，需要首先沿兩個(gè)斜四十五度方向計(jì)算像素的梯度，再沿梯度較小的方向插值。

左下右上和左上右下的梯度計(jì)算如下：

根據(jù)梯度的比較結(jié)果，選擇合適的插值防線，計(jì)算如下：

3、邊緣自適應(yīng)插值算法源碼

略

4、邊緣自適應(yīng)插值算法優(yōu)劣

亞當(dāng)斯和漢密爾頓提出的邊緣自適應(yīng)的算法相對(duì)于前人的方法具有很大的改進(jìn)，主要體現(xiàn)在如下幾個(gè)方面：

綠色分量的插值引入了邊緣檢測(cè)，更好的保留邊緣信息，使用了亮度的梯度和色度的二階微分，良好的檢測(cè)了邊緣，提高了綠色分量的準(zhǔn)確度 ；

利用了顏色空間之間的相關(guān)性，首先進(jìn)行綠色通道的恢復(fù)，得到完整的綠色圖像，紅色和藍(lán)色通道的恢復(fù)分別基于紅色和綠色的色差空間、藍(lán)色和綠色的色差空間的方向性插值完成；

跟之前的插值算法相比，也有一定的缺陷性：

其邊緣檢測(cè)算子在邊緣緊密或紋理細(xì)致的區(qū)域檢測(cè)的準(zhǔn)確性較差，從而產(chǎn)生了錯(cuò)誤的綠色插值，并隨后傳播到紅色和藍(lán)色插值中，并在最終的輸出圖像中產(chǎn)生錯(cuò)誤顏色；

5、常見(jiàn)插值問(wèn)題

去馬賽克算法的插值重建過(guò)程不可避免的會(huì)引入各種人工的插值痕跡和插值錯(cuò)誤，從而出現(xiàn)和原始圖像不相符合的失真現(xiàn)象，造成了恢復(fù)圖片主觀視覺(jué)質(zhì)量的下降，去馬賽克插值主要會(huì)出現(xiàn)的問(wèn)題包括鋸齒效應(yīng)、偽彩色和摩爾紋的問(wèn)題。

鋸齒效應(yīng)又被稱為拉鏈效應(yīng)：指在圖像的邊緣交界或顏色突變區(qū)域，去馬賽克的插值沒(méi)有沿邊緣方向進(jìn)行，而沿橫跨邊緣的方向插值所產(chǎn)生的像素點(diǎn)模糊和顏色溢出現(xiàn)象，對(duì)于雙線性插值該現(xiàn)象尤為明顯；

偽彩色又被稱為虛假顏色，是指原始圖像中沒(méi)有出現(xiàn)過(guò)的錯(cuò)誤顏色或彩色條紋現(xiàn)象。其出現(xiàn)的原因?yàn)閳D像重合錯(cuò)位或不恰當(dāng)?shù)泥徲虿逯灯骄?，?jīng)常出現(xiàn)在色彩的外邊緣處。

摩爾紋指在圖像的高頻區(qū)域，通過(guò)觀察Bayer CFA可知，在每一行、每一列中，相鄰綠色、相鄰紅色、相鄰藍(lán)色像素點(diǎn)的間距均為2個(gè)像素寬度，如果待重建物體的維度僅為1個(gè)像素點(diǎn)寬度，則由于Bayer CFA的亞采樣特性，去馬賽克算法極易恢復(fù)出錯(cuò)誤顏色，從而產(chǎn)生細(xì)密的摩爾紋。為了減少摩爾紋的發(fā)生，大多數(shù)數(shù)碼相機(jī)會(huì)在彩色濾波陣列之前增加一個(gè)低通濾波器，濾除部分高頻信號(hào)，通過(guò)降低圖像銳度的方法來(lái)減少摩爾紋的發(fā)生概率 。