[发明专利]一种拜耳图像联合去噪插值方法

说明书

技术领域

本发明涉及一种数码相机静态图像处理的方法，尤其涉及一种在拜耳图像上进行联合去噪插值处理，生成去噪后的RGB图像的方法。

背景技术

为实现单片彩色图像传感器，人们引入彩色滤波器阵列CFA(Color Filter Array)，在黑白CMOS图像传感器的基础上，增加彩色滤色结构和彩色信息处理模块就可以获取彩色图像。在CMOS图像传感器的像素上覆盖这样的彩色滤色器阵列，就可以获得图像的彩色信息，再经过彩色信息处理，就可以获得色彩逼真的彩色图像。图1表示了一个8*8色彩滤波器阵列，这是一个典型的棋盘式滤色器是Bayer滤色器。X，Y轴表示了每个感光器件的坐标。B（蓝色），G（绿色）原色器件在奇数行交错排列，G，R（红色）原色器件在偶数行交错排列。这种滤色器的每一行上只有两种滤色单元：或者是G，R，或者是G，B。因此，整个滤色器上G光的采样单元数目是R光或B光的两倍。这种滤色器能很好地用在逐行扫描的方式实现逼真的彩色图像效果。由上面的滤色器结构可以知道，对某一个像素点，其只获得了二基色中的某一个值，其余两个值要从邻近像素插值得到。插值的过程也称为去马赛克。

目前的插值方法有双线性插值法、带方向检测的双线性插值法、COk色比定律插值法、Hamilton-Adams插值法、DLMMSE、LPA-ICI等等。

一般从传感器出来的拜耳图像（Bayer图像）数据会含有噪声，其中加性高斯白噪声是一种典型的代表，因此对图像的去噪也是很重要的一步处理流程。一般先去噪再插值比先插值再去噪的性能要好，但是把去噪和插值当成一步流程联合起来做效果要比分开做好。

现有的拜耳图像联合去噪插值算法性能已经很好，但是算法复杂度很高，不利于硬件实现，而且实现的硬件消耗会很大。本发明针对上述不足，提出一种新的拜耳图像联合去噪插值方法，该方法性能跟已有的算法相当，复杂度大大降低，利于硬件实现，硬件开销小。

发明内容

本发明意在解决上述问题，即拜耳图像联合去噪插值算法复杂度很高，不利于硬件实现。本发明在现有的插值、去噪方法上加以改进，提出一种新的拜耳图像联合去噪插值方法，该方法性能跟已有的算法相当，复杂度大大降低，利于硬件实现，硬件开销小。

为了达到上述目的，本发明采用了以下技术方案：

1)对G通道进行插值。假设原始的拜耳图像大小为M*N，而需要进行插值的当前点坐标为(m，n)，该点为B或者R。图2所示为当前点为B或者R的情况（BR表示一种颜色，要么全是B，要么全是R）；

G_v(m,n)=(I(m-1,n)+I(m+1,n))/2+(2*I(m,n)-I(m-2,n)-I(m+2,n))/4；

G_h(m,n)=(I(m,n-1)+I(m,n+1))/2+(2*I(m,n)-I(m,n-2)-I(m,n+2))/4；

其中I(m,n)表示原始的Bayer数据，而G_v和G_h分别代表纵向插值图像和横向插值图像。

这样由G_v和原始的G像素组成M*N的一个完整的纵向插值图像。

同样由G_h和原始的G像素组成M*N的一个完整的横向插值图像。

2)对于B和R的插值，由于像素点少所以并不能像G那样得到完整的B或者R的插值完整平面，而是退一步形成B和R交织的图像。需要进行插值的当前点坐标为(m，n)，该点为G，如图2所示。

插值过程和G完全一样：

BR_v(m,n)=(I(m-1,n)+I(m+1,n))/2+(2*G_v(m,n)-G_v(m-1,n)-G_v(m+1,n))/2;

BR_h(m,n)=(I(m,n-1)+I(m,n+1))/2+(2*G_h(m,n)-G_h(m,n-1)-G_h(m,n+1))/2;

这样BR_v得到的即为一列B和一列R的M*N的交织纵向插值图像。

同样BR_h得到的即为一行B和一行R的M*N的交织纵向插值图像。

3)转换G和BR域到Summation（总和）和Delta域（德耳塔域）。Summation即G+B或者G+R的和，Delta即G-B或者G-V的差。

summation_h=G_h+BR_h;

summation_v=G_v+BR_v;

delta_h=G_h-BR_h;

delta_v=G_v-BR_v;