[发明专利]一种Bayer图像压缩方法及装置

说明书

本发明公开了一种Bayer图像压缩方法及装置，所述方法包括如下步骤：步骤S1，对输入的单行图像进行宏块分割；步骤S2，对当前宏块进行预测，得到当前像素点的预测残差；步骤S3，通过所述预测残差和梯度信息进行噪音分析，得出噪音级别；步骤S4，利用得到的噪音级别，对行缓存区中的重建像素点进行自适应滤波；步骤S5，对预测残差进行熵编码并输出码流，本发明通过对图像进行噪音等级分析，针对不同噪音等级的图像进行自适应的滤波处理，达到有效抑制噪音、大大提高压缩的效率，且有效保留图像的真实原始信息的目的。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于噪音等源特性分析的Bayer图像压缩方法及装置。

背景技术

目前，大部分摄像头和数码照相机都使用CCD或CMOS传感器进行感光，为了获得彩色信息，大多数会把一个二维彩色滤波阵列CFA(Color Filter Array，彩色滤波阵列)放置在镜头和传感器之间。CFA的每一个滤光单元和传感器像素对应，光线透过CFA投射在传感器上。传感器的每一个像素单元仅采集R、G或者B中的一种颜色的强度信息。于是，Bayer阵列(如图1)就成为了目前应用最广泛的CFA像素分布格式，即Bayer格式的图像成为了传感器最终的输出格式。

但是，由于工艺和技术原因，上述传感器成像都或多或少存在噪声问题，性能不够完善，尤其在光线较暗条件下，图像传感器的噪声问题就更加突出了，导致直接从传感器中得到的图像无论是细节还是色彩都与实际图像有相当大的差距。

这时，就需要ISP((Image Signal Processing，图像信号处理)对传感器中出来的图像进行后处理，这些处理算法包括线性纠正、噪声去除、坏点去除、内插、自动白平衡、自动曝光等等。为了完成所有的图像处理，往往需要一帧或者连续几帧的图像数据，那么就需要在传感器成像后将Bayer图像存入DDR，以方便读取使用。

目前，针对Bayer图像的压缩方法，主要分为以下三类：

(1)利用已有的图像压缩算法(如JPEG2000、JPEG-LS等)或数据压缩算法(如SPIHT、FELICS、CALIC等)，对bayer图像直接压缩。

(2)把Bayer图像的RGB三分量进行色域变换，如变换到YUV色域，可消除一定的冗余信息，然后再用已有压缩算法进行压缩。

(3)对Bayer图像格式进行空间重排列、矩阵变换等方面的处理，可消除部分冗余信息，然后再用已有压缩算法进行压缩。

但是，上述现有技术主要有以下三个不足之处：

(1)由于低照度、电流不稳定、各元器件电路之间的干扰等因素影响生成的有噪音Bayer图像，即使采用变换、空间处理等方法，噪音信息始终会占据大部分信息，无法达到消除冗余的效果；

(2)由于噪音一般属于高频信息，极不容易压缩，如果采用无损压缩，有可能无法达到预期的带宽和存储要求，甚至会带来副作用；

(3)如果采用有损压缩，为了满足带宽和存储要求，则势必对应的量化损失也会急剧增加，也即会极大损失图像的原始信息。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种Bayer图像压缩方法及装置，以通过对图像进行噪音等级分析，针对不同噪音等级的图像进行自适应的滤波处理，达到有效抑制噪音、大大提高压缩的效率，且有效保留图像的真实原始信息的目的。

为达上述及其它目的，本发明提出一种Bayer图像压缩方法，包括如下步骤：

步骤S1，对输入的单行图像进行宏块分割；

步骤S2，对当前宏块进行预测，得到当前像素点的预测残差；

步骤S3，通过所述预测残差和梯度信息进行噪音分析，得出噪音级别；