基于色差空間的低復(fù)雜度Bayer圖像插值算法

趙亮 張宇烽 黃長(zhǎng)寧

?

基于色差空間的低復(fù)雜度Bayer圖像插值算法

趙亮 張宇烽 黃長(zhǎng)寧

（北京空間機(jī)電研究所，北京100094）

覆蓋在傳感器表面的彩色濾波陣列(CFA)是CCD/CMOS傳感器相機(jī)獲取圖像信息的關(guān)鍵，經(jīng)過(guò)CFA 后每個(gè)像素點(diǎn)只能獲得紅、綠、藍(lán)三種顏色中的一種顏色分量。另外缺少的兩種顏色分量，需要通過(guò)周?chē)袼氐闹颠M(jìn)行插值獲得。針對(duì)現(xiàn)有插值方法出現(xiàn)的復(fù)雜度高、插值還原圖像顏色失真和邊緣拉鏈效應(yīng)問(wèn)題，設(shè)計(jì)了一種基于色差空間的低復(fù)雜度Bayer圖像插值算法。第一步利用5×5模板內(nèi)的像素值判斷插值方向，并用顏色之間的相關(guān)性插值獲得綠色分量。在分析紅、綠、藍(lán)三種顏色相關(guān)性的基礎(chǔ)上，利用色差原理，先恢復(fù)出缺失的綠色分量，再利用恢復(fù)出的綠色分量的高頻部分替換紅（藍(lán)）分量的辦法，插值缺失的藍(lán)色和紅色分量。利用Matlab程序，對(duì)5幅標(biāo)準(zhǔn)測(cè)試圖和CE5T1試驗(yàn)飛行器自主相機(jī)拍攝的圖片進(jìn)行了仿真實(shí)驗(yàn)，比較了現(xiàn)有幾種插值算法的復(fù)雜度和PSNR值。結(jié)果顯示，文章提出的算法在主觀視覺(jué)和客觀評(píng)價(jià)方面都具有良好的表現(xiàn)。同時(shí)，算法復(fù)雜度低，適合硬件實(shí)現(xiàn)和圖像的實(shí)時(shí)處理。

貝爾圖像 顏色插值 雙線性插值 峰值信噪比 航天遙感

0 引言

近年來(lái)，在圖像傳感器領(lǐng)域，數(shù)字彩色CCD和CMOS都備受關(guān)注且應(yīng)用廣泛。通常，數(shù)碼相機(jī)傳感器表面都涂覆著一層彩色濾波陣列（Color Filter Array，CFA）[1]。它的功能是使通過(guò)每個(gè)濾色單元的全色光僅允許紅、綠、藍(lán)三種顏色中一種顏色分量的光通過(guò)，所以輸出圖像中每個(gè)像素僅有一種顏色分量被記錄下來(lái)。因此，要用顏色插值方法來(lái)恢復(fù)出該像素位置缺失的其余兩種顏色分量，這個(gè)過(guò)程就稱(chēng)作CFA插值。一般經(jīng)CCD和CMOS圖像傳感器產(chǎn)生的濾色圖像與馬賽克十分類(lèi)似，因此也稱(chēng)彩色圖像CFA插值過(guò)程為彩色圖像的去馬賽克化（Demosaicing）。

彩色濾波陣列通常有四種排列形式，目前所用的主流排列方式為Bayer陣列[2]。圖1給出了一個(gè)5×5（單位：像素，全文同）的Bayer陣列模板，由圖中可以看到各個(gè)像素格只有一種顏色分量。以24為例，代表藍(lán)色通道的光強(qiáng)度，也稱(chēng)作藍(lán)色通道的灰度值（為綠色通道的光強(qiáng)度，為紅色通道的光強(qiáng)度，下同），2代表行號(hào)第二行，4代表列號(hào)第四列。因?yàn)槿搜蹖?duì)可見(jiàn)光波段最為敏感，而其正好對(duì)應(yīng)著綠色光譜成分[3-4]，所以綠色像素的采樣樣本更多。從圖1可看到，綠色像素占了全部的二分之一，綠色像素被稱(chēng)作亮度因子（Luminance），紅色和藍(lán)色像素各占Bayer陣列的四分之一，它們被稱(chēng)為色度因子（Chrominance）[5]。當(dāng)數(shù)碼相機(jī)采集完一幅圖像以后，會(huì)對(duì)它按步驟進(jìn)行一系列的圖像處理[6]，有自動(dòng)白平衡、黑電平校正和圖像增強(qiáng)處理等，而CFA彩色圖像插值是整個(gè)處理環(huán)的第一步。

圖1 5×5 Bayer彩色濾波陣列

眾多學(xué)者對(duì)顏色插值方法進(jìn)行了大量研究。文獻(xiàn)[7]提出了Mondfiaan的彩色圖像信息模型，根據(jù)這一模型，在一幅圖像的平滑區(qū)域，各顏色分量有著恒定的比值而幾乎不怎么變化，在此基礎(chǔ)上衍生出很多顏色比空間的插值算法，如文獻(xiàn)[8]；文獻(xiàn)[9]提出在顏色差空間進(jìn)行線性插值的算法；文獻(xiàn)[10]在顏色差空間利用有理函數(shù)插值的方法恢復(fù)彩色圖像；文獻(xiàn)[11]提出在通常用于影片連續(xù)處理的YCbCr的顏色空間進(jìn)行插值的方法恢復(fù)圖像。在上述算法中，顏色失真、邊緣拉鏈效應(yīng)和圖像模糊都有不同程度的體現(xiàn)，且這些算法包含著相對(duì)復(fù)雜的乘除等運(yùn)算，會(huì)消耗大量的硬件資源。

本文根據(jù)紅、綠、藍(lán)三種顏色間的關(guān)聯(lián)性，基于色差梯度原理，參考了Bayer圖像的自適應(yīng)插值算法，提出一種新的彩色圖像插值算法，沒(méi)有復(fù)雜的乘除法運(yùn)算，該算法復(fù)雜度低，滿足實(shí)時(shí)圖像處理的要求。同時(shí)能夠有效改善圖像品質(zhì)，減少顏色失真，避免拉鏈效應(yīng)的產(chǎn)生。

1 基于色差梯度的Bayer圖像插值算法

首先通過(guò)梯度判斷恢復(fù)出缺失的綠色分量，之后利用恢復(fù)的綠色分量和原有綠色分量恢復(fù)缺失的紅色和藍(lán)色分量，在恢復(fù)紅色和藍(lán)色分量的過(guò)程中，同樣進(jìn)行了梯度判斷。

本文算法建立于圖像的顏色通道相關(guān)性基礎(chǔ)上。圖像的顏色相關(guān)性指在光強(qiáng)變化方面，圖像的三種顏色通道具有一定的關(guān)聯(lián)性和相似性，一般用色比規(guī)律和色差規(guī)律來(lái)表示。根據(jù)色比規(guī)律，對(duì)于同一平滑區(qū)域內(nèi)的相鄰兩個(gè)像素點(diǎn)（,）和（,），其三個(gè)顏色通道的光強(qiáng)比近似相等，即：

式中（,）、（,）、（,）分別為像素點(diǎn)（,）處紅色、綠色、藍(lán)色通道的光強(qiáng)；（,）、（,）、（,）分別為像素點(diǎn)（）處紅色、綠色、藍(lán)色通道的光強(qiáng)。

與色比規(guī)律類(lèi)似，色差規(guī)律認(rèn)為相鄰像素點(diǎn)的三個(gè)顏色通道間的光強(qiáng)差近似相等，即：

顏色通道間的相關(guān)性可由下式來(lái)計(jì)算[12]：

式中分別代表兩種不同顏色分量；代表圖像尺寸；（,）（）分別代表該顏色分量在對(duì)應(yīng)位置處的灰度值；μ，μ代表相應(yīng)顏色分量的灰度均值。

為了進(jìn)一步說(shuō)明各顏色通道之間的相關(guān)性，本文將原始彩色圖像分別提取為紅色、綠色、藍(lán)色分量的灰度圖（圖2）。顯然，觀察變換為各顏色分量的灰度圖像，依然能清晰地分辨出人物背景等各個(gè)細(xì)節(jié)和邊緣，在平滑區(qū)域內(nèi)三者總體變化一致，只是各顏色分量強(qiáng)度不一樣。換言之，三個(gè)顏色分量的圖像邊界區(qū)域（高頻信息）和背景（低頻信息）類(lèi)似。這也說(shuō)明了各顏色通道之間具有很強(qiáng)的相關(guān)性。

（a）彩色圖像 （b）紅色分量 （c）綠色分量 （d）藍(lán)色分量

（a）Color image （b）Red channel image （c）Green channel image （d）Blue channel image

圖2 彩色和單顏色分量圖像

Fig.2 RGB color image and three color channels’ images

圖3分別給出了R-G、B-G顏色通道的色差信息，可以看到，兩張色差圖與圖2所示的各單通道圖亮度明顯降低，說(shuō)明各通道之間光強(qiáng)接近；同時(shí)，色差圖像的細(xì)節(jié)較各單通道分量信息損失嚴(yán)重，但還能大致反映原始圖像的輪廓，說(shuō)明各顏色通道有著相似的強(qiáng)度變化趨勢(shì)。

因此，結(jié)合圖像顏色相關(guān)性和以上論證，提出用綠色分量來(lái)代替恢復(fù)出缺失的藍(lán)色紅色分量，最終得到一副完整的RGB圖像。同時(shí)，由于減法運(yùn)算比除法運(yùn)算簡(jiǎn)單，并且在計(jì)算過(guò)程中不需要考慮分母為0的情況，因此采用色差規(guī)律來(lái)恢復(fù)彩色圖像。

（a）紅綠色差 （b）藍(lán)綠色差

（a）Difference image between red and green （b）Difference image between blue and green

圖3 色差圖像

Fig.3 Image of color difference

1.1 綠色分量的恢復(fù)

在恢復(fù)綠色分量時(shí)，用到周?chē)鷥蓚€(gè)鄰域內(nèi)的像素，因此本文采用5×5模板恢復(fù)彩色圖像，如圖4所示，最中心位置標(biāo)注為（,），其強(qiáng)度為（,），其余像素點(diǎn)的強(qiáng)度根據(jù)坐標(biāo)標(biāo)注。

圖4 5×5插值恢復(fù)綠色分量模板

在圖像插值恢復(fù)的過(guò)程中，如果相鄰像素值有較大的對(duì)比時(shí)，插值恢復(fù)的圖像邊緣部分會(huì)有明顯的模糊和雜色失真，這是因?yàn)椴逯狄肓肃徲騼?nèi)不相關(guān)的像素，或者說(shuō)是插值方向穿越了邊緣，一經(jīng)插值后，插值恢復(fù)的圖像色調(diào)發(fā)生了改變，以致產(chǎn)生了錯(cuò)誤像素。因此，要避免模糊和雜色，就應(yīng)該盡可能順著圖像邊緣方向進(jìn)行插值，而不是橫跨邊緣。

對(duì)于插值跨越邊緣問(wèn)題的消除，需要通過(guò)計(jì)算方向算子來(lái)處理。一幅圖像中的每個(gè)像素都有鄰域，且與鄰域內(nèi)的其他像素存在不同程度的相關(guān)性。在恢復(fù)綠色分量時(shí)，引入梯度的概念，梯度即方向算子，它可以幫助判斷是水平方向還是垂直方向的相關(guān)性更強(qiáng)。

在僅有紅色分量的像素采樣點(diǎn)處，恢復(fù)出綠色分量。參考圖中的（,），計(jì)算出（,）；其水平和豎直方向的梯度分別為：

中心處（,）的計(jì)算方法為：

當(dāng)Δ＜Δ時(shí)，

當(dāng)Δ＞Δ時(shí)，

當(dāng)Δ=Δ時(shí)，

式中 Δ為水平梯度；Δ為垂直梯度；（,）為圖4中（,）恢復(fù)出的綠色分量。

同理，在僅包含藍(lán)色分量的像素采樣點(diǎn)處，其計(jì)算方法與上述過(guò)程相同。利用此方法，即可恢復(fù)出圖片全部缺失的綠色分量。

1.2 紅色分量、藍(lán)色分量的恢復(fù)

紅色分量的恢復(fù)需要綠色分量和紅綠色差R，如式（9）所示。藍(lán)色分量的恢復(fù)需要綠色分量和紅綠色差B，如式（10）所示

式中（,）為（,）點(diǎn)的紅色光強(qiáng)；（,）為（,）點(diǎn)的綠色光強(qiáng)；R（,）為（,）點(diǎn)的紅綠色差。（,）為（,）點(diǎn)的紅色光強(qiáng)；（,）為（,）點(diǎn)的綠色光強(qiáng)；（,）為（,）點(diǎn)的藍(lán)綠色差。

以紅色分量的恢復(fù)為例，若要恢復(fù)出（,），第一步求得紅色和綠色色差R（,），第二步由（,）、R（,）相加就可插值得出（,）點(diǎn)的紅色分量（,）。在1.1部分，已插值得到全部的綠色分量（,），因此求得紅綠色差是恢復(fù)紅色分量的關(guān)鍵。

以恢復(fù)紅色分量為例。藍(lán)色分量的恢復(fù)過(guò)程與紅色分量的恢復(fù)過(guò)程一致，只是由變?yōu)榱恕?/p>

將已經(jīng)恢復(fù)的全分量圖像與原始貝爾圖像數(shù)據(jù)做差，得到色差圖像。5×5計(jì)算R，B模板如圖5所示。圖中，為紅綠色差值；B為藍(lán)綠色差值。

圖5 5×5計(jì)算Rg、Bg模板

1）首先計(jì)算B位置上的紅綠色差，由圖5的顏色通道相對(duì)位置，有如圖6所示的像素位置模型

圖6 3×3的紅綠色差模板且中心像素為B

2）計(jì)算位置上的紅綠色差，按照?qǐng)D7（a）所示像素位置模型計(jì)算，同時(shí)，由Bayer模板的紅綠藍(lán)排列方式，當(dāng)中心像素為時(shí)，有兩種情況，一種是左右都是（紅行，如圖6（b）），一種是左右都是（藍(lán)行，如圖6（c）），兩種情況計(jì)算位置上的紅綠色差方法有所不同，過(guò)程如下：先計(jì)算左右都是紅色分量時(shí)的位置的紅綠色差，如圖6（b）所示。圖7（a）中、、、為此模板內(nèi)相鄰位置的紅綠色差值。

（a）3×3的紅綠色差模板 （b）左右為紅色 （c）左右為藍(lán)色

（a）Red-green difference image pattern （b）Around(red row) pixel （c）Around(blue row) pixel

圖7 中心像素為綠色分量時(shí)求取R

Fig.7 CalculatingRwhen the center pixel is green channel

當(dāng)│(-1,+1)+(+1,+1)-(-1,-1)-(+1,-1)│＜│(+1,-1)+(+1,+1)-(-1,-1)-(-1,+1)│時(shí)，

當(dāng)│(-1,+1)+(+1,+1)-(-1,-1)-(+1,-1)│≥│(+1,-1)+(+1,+1)-(-1,-1)-(-1,+1)│時(shí)，

3）與2）步驟類(lèi)似，通過(guò)第一步水平方向上平滑得出的處的紅綠色差，可以依式（14）得出（藍(lán)行）上的紅綠色差，如圖7（a）所示。

當(dāng)│(-1,+1)+(+1,+1)-(-1,-1)-(+1,-1)│＜│(+1,-1)+(+1,+1)-(-1,-1)-(-1,+1)│時(shí)，

當(dāng)│(-1,+1)+(+1,+1)-(-1,-1)-(+1,-1)│≥│(+1,-1)+(+1,+1)-(-1,-1)-(-1,+1)│時(shí)，

4）通過(guò)上述步驟，可以得到位置和位置處的紅綠色差R，結(jié)合2.1得到的全部綠色分量，就可恢復(fù)出缺失的紅色分量，如式（16）所示，

使用與上述一樣的步驟方法，就能恢復(fù)出缺失的藍(lán)色分量，進(jìn)而就插值恢復(fù)出一幅完整的RGB圖像。

2 實(shí)驗(yàn)及結(jié)果分析

2.1 復(fù)雜度分析

評(píng)價(jià)算法復(fù)雜度[13-14]的參數(shù)主要由兩個(gè)，一個(gè)是完成插值所需預(yù)緩存數(shù)據(jù)的行數(shù)，另一個(gè)是完成插值所需的加減、乘除、位移等運(yùn)算步驟的次數(shù)。下文對(duì)本文提出的算法和其他五種插值算法—雙線性插值法（BI）、色比恒定法（CCRI）、高效顏色插值（ECI）[15]、改進(jìn)的高效顏色插值（EECI）[16]、低功耗高品質(zhì)的顏色插值（LCI）[17]作復(fù)雜度分析和比較。

本文算法在恢復(fù)綠色分量時(shí)，用到了相鄰的兩個(gè)像素的數(shù)據(jù)，因此需預(yù)先緩存連續(xù)五行的像素?cái)?shù)據(jù)。算法中涉及兩次比較運(yùn)算。因本文插值所用的Bayer圖像中綠色像素?cái)?shù)量占全部像素的二分之一，藍(lán)色和紅色像素?cái)?shù)量分別占全部像素的四分之一，在插值恢復(fù)這些顏色時(shí)的運(yùn)算次數(shù)也占與之一樣的比例。

經(jīng)統(tǒng)計(jì)，本文算法所需的加減運(yùn)算次數(shù)為：

（（3++7）/4+（4+3）/4+（+2）/2+/2)×2=13

位移運(yùn)算為：

（3/4+2/4+/2）×2=3.5

其中，、分別為圖像的寬和高（單位：像素），表示整幅圖像的像素個(gè)數(shù)。表1給出了六種算法的比較結(jié)果。

表1 六種插值方法的復(fù)雜度比較

Tab.1 Complexity comparison of six demosacing methods (image size M×N)

由表中數(shù)據(jù)看出，BI算法復(fù)雜度是最低的；ECI和EECI算法都需更多的緩存數(shù)據(jù)，同時(shí)EECI的加減和乘除的次數(shù)都遠(yuǎn)遠(yuǎn)大于其他算法，它是六中算法中復(fù)雜度最高的；本文算法比LCI算法需多緩存兩行數(shù)據(jù)，但是相比LCI需要多次乘除，本文算法沒(méi)有乘除運(yùn)算，兩種方法加減次數(shù)也接近；因此，綜合來(lái)看，本文算法復(fù)雜度與LCI復(fù)雜度最接近，不包含復(fù)雜的運(yùn)算步驟，方便硬件實(shí)現(xiàn)。

2.2 圖像質(zhì)量分析

通過(guò)Matlab仿真驗(yàn)證，使用國(guó)際上插值算法研究人員常用的5幅柯達(dá)標(biāo)準(zhǔn)BMP彩色圖像和“嫦娥五號(hào)”試驗(yàn)飛行器(CE5T1)拍攝的“地球”作為測(cè)試圖，這些測(cè)試圖色彩豐富，細(xì)節(jié)變化多，圖像左下角標(biāo)有圖序，用數(shù)字1-6代表各幅圖片，如圖8所示。之后對(duì)測(cè)試圖的Bayer模板分別運(yùn)用BI、CCRI、ECI、EECI、LCI和本文算法將Bayer圖像進(jìn)行了彩色插值，恢復(fù)成為彩色圖像。采用主觀觀察和峰值信噪比（Peak Signal to Noise Ratio，PSNR，單位dB）[18-19]進(jìn)行評(píng)估圖像質(zhì)量。PSNR能夠反映處理后圖像與原圖像的吻合程度。如表2，給出了包括本文算法在內(nèi)的6種插值算法恢復(fù)出的圖像的PSNR值。

圖8 測(cè)試用圖像

表2 六種插值算法恢復(fù)的圖像各顏色通道的PSNR值比較

Tab.2 PSNR comparison of the 6 reconstructive images by six demosaicing methods 單位：dB

由表中數(shù)據(jù)可以看出，三種算法中，紅色分量和藍(lán)色分量的PSNR值明顯低于綠色分量的PSNR值，這是由Bayer陣列三種顏色分量各自所占的比例決定的，紅色和藍(lán)色分量更少，失真更嚴(yán)重。

從6幅圖像的PSNR值來(lái)看，BI、CCRI與LCI獲取的插值圖像的PSNR較低，也是最接近的。其中LCI插值恢復(fù)圖像紅藍(lán)色分量PSNR值略高于BI和CCRI，而圖像綠色分量PSNR值卻比BI、CCRI低了2-3dB。這是因?yàn)長(zhǎng)CI恢復(fù)的綠色分量建立在紅藍(lán)分量的恢復(fù)基礎(chǔ)上，而紅藍(lán)分量像質(zhì)本身很低，因此恢復(fù)的綠色分量損失嚴(yán)重。

ECI、EECI和本文算法是六種插值算法中插值恢復(fù)出的圖像的PSNR值是最高的，獲取的像質(zhì)也最好。本文算法恢復(fù)出的圖像PSNR比BI、CCRI、LCI高6~7dB，和ECI接近，比EECI低1~2dB。

結(jié)合復(fù)雜度分析結(jié)論，與本文算法復(fù)雜度最接近的是LCI，但其PSNR值遠(yuǎn)低于本章算法恢復(fù)出的圖像；與本文算法PSNR值相近的是ECI、EECI，但其復(fù)雜度提升不少，包含了更多的緩存數(shù)據(jù)行和大量的乘除運(yùn)算。

在6幅測(cè)試圖中，5號(hào)測(cè)試圖色彩更加豐富，邊緣變化更多，便于主觀觀察插值恢復(fù)的圖像。在下圖8中，給出了5號(hào)測(cè)試圖幾種插值算法恢復(fù)出的彩色圖像的實(shí)際效果圖和貝爾圖像。圖9給出了幾種插值算法恢復(fù)出的彩色圖像的局部放大圖。表3為插值恢復(fù)出5號(hào)測(cè)試圖各種算法所消耗的時(shí)間（），反映了算法的效率。

圖9 5號(hào)測(cè)試圖的Bayer原圖及六種插值方法處理結(jié)果

圖10 六種插值方法的局部細(xì)節(jié)放大對(duì)比

表3 插值恢復(fù)出5號(hào)測(cè)試圖各種算法所需時(shí)間

Tab.3 Run time of 5th reconstructive image by six interpolation methods

從實(shí)際插值恢復(fù)的圖像效果來(lái)看，圖9中（a）、（b）、（e）恢復(fù)出的圖像金屬桶線出現(xiàn)了明顯偽彩色，且花朵紋理模糊，（c）、（d）、（f）三種方法恢復(fù)的圖像考慮了顏色通道之間的相關(guān)性，改善了圖像質(zhì)量，幾乎觀察不到偽彩色，而圖10中（d）、（f）中的花瓣紋理比（c）中的稍稍清晰。因此本文算法插值恢復(fù)出的效果與ECI、EECI類(lèi)似，同時(shí)從表3看出，ECI算法時(shí)間是本文算法時(shí)間的1.5倍，而EECI是本文算法的近2.5倍。

綜上所述，本文算法在控制了復(fù)雜度的情況下，犧牲時(shí)間代價(jià)最小，獲得了像質(zhì)的最大提升。同時(shí)本文算法獲取的圖像PSNR值較高，所付出的處理時(shí)間代價(jià)是值得的。

3 結(jié)束語(yǔ)

本文在研究現(xiàn)有各種彩色圖像插值算法的基礎(chǔ)上，結(jié)合彩色圖像中紅色、藍(lán)色、綠色分量之間的耦合性，提出了一種基于梯度和色差的空間彩色插值算法。這種算法運(yùn)行能夠有效避免圖像顏色失真和拉鏈效應(yīng)的產(chǎn)生，所恢復(fù)出的圖像紋理清晰，信噪比高，視覺(jué)效果良好。同時(shí)，算法沒(méi)有復(fù)雜的乘除運(yùn)算，只有簡(jiǎn)單的加減運(yùn)算，復(fù)雜度低，在運(yùn)算時(shí)間相對(duì)較短的情況下可獲得良好的插值圖像，綜合考慮算法插值后圖像的品質(zhì)、算法速度效率和硬件的可實(shí)行性，本文算法更能勝任彩色圖像插值工作。

[1] LUKACR, PLATANIOTIS KN. Color Filter Array: Design and Performance Analysis[J]. IEEE Transactions on Consumer Electronics, 2005, 51(4): 1260-1267.

[2] BAYER B E. Color Imaging Array: US 3971065[P]. 1976-07.

[3] RAMANATHR, SNYDER W E, BILBRO G L. Demosaicking Methods for Bayer Color Arrays[J]. Journal of Electronic Imaging.2002, 11(3): 306-315.

[4] ZHANG L, WU X. Color Demosaicking via Directional Linear Minimum Mean Square Error Estimation[J]. IEEE Computer Society, 2005, 14(12): 2167-2178．

[5] LI X, Gumurk B, ZHANG L. Image Descalcing: a Systematic Survey[C]. Proc. SPIE 6822, Visual Communications and Image Processing 2008, 68221J. DOI: 10.1117/12.766768.

[6] 滿溢云, 胡永力, 王小勇. 從圖像處理的角度觀點(diǎn)出發(fā)來(lái)看光學(xué)遙感器的成像質(zhì)量[J]. 航天返回與遙感, 2006, 27(1): 18-22. MAN Yiyun, HU Yongli, WANG Xiaoyong. From Image Processing Concepts to Glom the Image Quality of Optical Remote Sensor[J]. Spacecraft Recovery & Remote Sensing, 2006, 27(1): 18-22.

[7] ELIASON P T, SODERBLOM L A, CHAVEZ P S. Extraction of Topographic and Spectral Albedo Information from Multi Spectral Images[J]. Photogramm Engineering Remote Sensing, 1981, 48(11): 1571-1579．

[8] COK D R. Reconstruction of CCD Images Using Template Matching[C]. International Science and Technology (IS&T)’. 47th Annual Conference／International Congress on Imaging Science (ICPS), Rochester NJ USA, 1994: 380-385.

[9] PEISC, TAM I K. Effective Color Interpolation in CCD Color Filter Array Using Signal Correlation[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2003, 13(6): 503-513.

[10] 劉曉松, 楊新, 汪進(jìn), 等. 一種用于數(shù)字圖像傳感器的彩色插值算法[J]. 中國(guó)圖像圖形學(xué)報(bào), 2003, 8(5): 516-521．LIU Xiaosong, YANG Xin, WANG Jin, et al. A kind of Color Interpolation Algorithm for Digital Image Sensor[J]. Journal of Image and Graphic, 2003, 8(5): 516-521．

[11] 喻再光, 趙群飛. 基于Ycbcr三基色插值及其在DSP上的實(shí)現(xiàn)[J]. 計(jì)算機(jī)工程與應(yīng)用, 2005, 8(10): 104-106. YU Zaiguang, ZHAO Qunfei. Three-color Interpolation Algorithm Based on Ycbcr and Its Implementation on a DSP System[J]. Computer Engineering and Application, 2005, 8(10): 104-106.

[12] GUNTURK BK, YUCEL A, RUSSELL M. Mersereau Color Plane Interpolation Using Alternating Projections[J]. IEEE Transaction on Image Processing, 2002, 11(9): 997-1013.

[13] 周婷. 貝爾圖像自適應(yīng)插值算法研究[D]. 太原: 太原理工大學(xué), 2011. ZHOU Ting. Adaptive Demosaicing Algorithms Based on Bayer Color Filter Array[D]. Taiyuan: Taiyuan University of Technology, 2011.

[14] 張起貴, 趙麗娟. 基于FPGA的貝爾圖像插值算法實(shí)現(xiàn)[J]. 科學(xué)技術(shù)與工程, 2012, 12(35): 9568-9569. ZHANG Qi gui, ZHAO Li juan. Research on Interpolation Algorithm Based on FPGA[J]. Science Technology and Engineering, 2012, 12(35): 9568-9569.

[15] PEI S C, TAM I K. Effective Color Interpolation in CCD Color Filter Arrays Using Signal Correlation[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2003, 13(6): 503-513.

[16] CHANG L, TAN Y P. Effective Use of Spatial and Spectral Correlations for Color Filter Array Demosaicing[J]. IEEE Transactions on Consumer Electronics, 2004, 50(1): 355-365.

[17] HSIA S C, CHEN M H, TSAI P S. VLSI Implementation of Low-power High-quality Color Interpolation Processor for CCD Camera[J]. IEEE Transactions on Very Large Scale Integration Systems, 2006, 14(4): 612-625.

[18] SONJA G, MISLAV G, MARTA M. Reliability of Objective Picture Quality Measures[J]. Journal of Electrical Engineering, 2004, 55(1): 3-10.

[19] MARIA V. Test Image Quality[D]. Lappeenranta: Lappeenranta University of Technology, Department of Information Technology, 2004.

A Low Complexity Interpolation Algorithm for Bayer Image Based on Color Difference Space

ZHAO Liang ZHANG Yufeng HUANG Changning

（Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）

A single CCD/CMOS sensor camera to capture image is based on the Color Filter Array covered on the sensor, when the light pass through the CFA, each pixel can get only one color component of three-primary colors(red, green, blue). In order to recover the other two missing color components ,they must be obtained by interpolation. Focusing on the complexity of the existing interpolation methods, color distortion and zipper effect of the interpolation image, this paper designs a low Complexity Interpolation Algorithm for Bayer Image Based on Color Difference Space. The first step is to estimate interpolation direction taking advantage of the pixels in 5×5 template and use the correlations between green and red or between green and blue to interpolate green components. Based on the analysis of the frequency correlations between color components and by using the color difference principle, we use the high frequency part of the green component to interpolate to get the missed red and blue components. Through Matlab we carry out simulation experiments based on the images captured by our CE5T1 camera, and compare several existing interpolation algorithms with the proposed algorithm. The results show that the proposed algorithm performs well both in visual and numerical aspects. At the same time the proposed algorithm has a low complexity, suitable for hardware implementation and image real-time processing.

bayerimage; color interpolation; bilinear interpolation; peak signal to noise ratio; space remote sensing

（編輯：毛建杰）

TP751.1

A

1009-8518(2016)03-0128-11

10.3969/j.issn.1009-8518.2016.03.015

趙亮，男，1990年生，2016年獲中國(guó)空間技術(shù)研究院光學(xué)工程專(zhuān)業(yè)碩士學(xué)位。研究方向?yàn)檫b感圖像處理。E-mail：zl_allany@163.com

2016-03-04

國(guó)家重大科技專(zhuān)項(xiàng)工程