图像去马赛克算法研究外文翻译资料

 2022-12-11 08:12

英语原文共 7 页,剩余内容已隐藏,支付完成后下载完整资料


目 录

1简介.....................................................1

2相关方法回顾.............................................1

2.1ECI......................................................................2

2.1.1绿色通道插值........................................................2

2.1.2红色/蓝色通道插值...................................................3

2.2加权边缘方法............................................................3

3基于边缘属性的去马赛克算法...............................4

3.1彩色滤波阵列的初始插值..................................................4

3.2.图像修正................................................................6

4实验结果.................................................7

5总结....................................................11

致谢.....................................................11

参考文献.................................................11

基于滤色器阵列边缘属性的有效去马赛克算法

陈文建,常佩雨

大叶大学计算机科学与信息工程学院,中国 台湾 500

摘要:在数字化的影响下,数码静态相机(DSC)近年被广泛使用。数字静态照相机的图像捕获和文件存储过程涉及多次图像处理和精确的校正计算。为了降低成本和体积,数码相机通常仅使用一个传感器和滤色器阵列(CFA)来捕获图像,并使用颜色插值方法重建相应的全色图像。 去马赛克是数码相机图像处理的第一步,并已被集成到各种数码相机的设计中。如果从图像重建开始就存在噪声和模糊的边缘,则后续处理就很难改善重建图像的质量。本文提出了一种去马赛克方法,以防止发生彩色伪影。通过检测数字图像的边缘特性,可以在后续处理完成前对图像插值获得准确的权重。将本文的实验结果与先前提出的方法进行比较,发现所提出的方法可以有效降低色彩伪影,提高图像质量。

关键词:彩色滤波阵列;去马赛克;彩色滤波阵列插值

1简介

随着技术的飞速发展和数字时代的到来,传统的胶片相机已经让位于数码相机。数码相机使用电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)作为其传感器。因为传感器只能检测到光的强度并且对颜色的差异没有反应,当拍摄图像时必须将滤色器(即彩色滤波阵列)安装在传感器的前面。通常,彩色滤光片的工作原理是三原色(即红色,绿色和蓝色)的颜色分离原理,并放置在三个传感器的前面,以便三个传感器分别捕获的RGB值可以组合形成全彩图像。然而,考虑到使用三个传感器的高成本和它们占用的较大的空间,滤色器阵列通常仅由一个传感器组成。结果,每个像素仅获取三色元件R、G、B之一的强度(亮度),同时丢失另外两个色彩元素。因此,必须对通过CFA获得的部分通道像素值执行插值,以便重建每个像素中的缺失色素。重建缺失的颜色元素的过程称为去马赛克或CFA插值。

现在,数码相机中最常用的CFA(彩色滤波阵列)使用基于Bayer 图案的颜色分布[1]。如图1所示,Bayer CFA由25%的红色/蓝色滤波器和50%的绿色滤波器组成,其中交替布置的R和G滤波器行和交替布置的B和G滤波器行被交替布置,使得R,G 和B过滤器均匀分布在CFA的每个部分。由于这种替代排布,Bayer CFA通常被称为马赛克,并且恢复三原色的插值过程称为去马赛克。 值得一提的是,Bayer CFA中的G滤镜比其他两个滤色片更多,是因为人眼可以辨别出比其他两种原色更宽的绿色范围。并且通过这种颜色排列,可以记录更多的强度变化和细节,以促进更准确的图像重建。

图1 Bayer 图案

数字静态照相机的整个处理过程通常可以分为图像感应和和数字图像处理两大部分。在数字图像处理部分中,通过插值计算一半以上的颜色。但是,CFA的颜色排列有其固有的局限性。因此,当涉及图像中特别突出的部分或非常微妙的结构时,颜色计算中会出现误差,导致伪色和模糊边缘,从而突显了数码相机中去镶嵌的重要性。 到目前为止,已经提出了多种CFA插值方法,包括双线性插值、三次插值[2],中值滤波法[3],基于常量色相的插值[4,5],色差插值[6]及拉普拉斯二阶校正[7]等。本文提出的方法是对裴的有效颜色插值(ECI)[6]方法的改进,并并结合了精确的边缘检测方法来生成不同的权重,使得边缘处的虚假色可以最小化。此外,本文介绍了一种后处理,用于图像细化,从而提供具有较少颜色伪像的更好的插值图像。

2相关方法回顾

双线性插值是最简单和最基本的颜色插值方法,由此围绕未知颜色像素值并且具有与未知像素相同颜色的像素以线性方式取平均以产生估计像素值。虽然双线性插值是最容易的并且被广泛应用的插值方法,但是它没有考虑到R,G和B之间的关系以及图像边缘的特性,所以结果通常是不令人满意的。例如,通过双线性插值重构的图像可能失真或具有模糊的边缘。裴[6]遵循Adams[8]的图像模型,认为彩色图像中的对象具有固定的颜色比例,并使用色差(G-R)和(G-B)作为以前提出的比率的替代品。在自然图像中,相邻区域之间的和的变化非常小,如图2所示。该特征对于插值是有利的,并且简化了关于绿色像素的数学运算。与本文提出方法密切相关的ECI算法将在2.1节中给出。一些加权边缘方法将在第2.2节中进行回顾。

(a)

(b)

(c)

图2 (a) G 通道图像(b)图像 (c)图像 [6]

2.1ECI[6]

2.1.1绿色通道插值

首先,为了内插图像中缺少的绿色像素值,必须确定周围四个点的和值。 以图3为例,通过首先计算围绕的四个点的值,即。 由于这四个点的红色像素值一开始是未知的,所以它们必须通过对四点中任意一点的两个相邻的红色点读取像素值的并取其平均来分别确定。 四个点的值分别由下式计算:

(1)

(2)

(3)

(4)

接下来,处缺失的绿色像素值就可以用下面的公式计算:

(5)

同样的,如果希望求出蓝色像素点处的缺失绿色像素值,同样要求出四个邻近点的,使用同样的等式计算出来。

图3 色差插值参考图像[6]

2.1.2红色/蓝色通道插值

在通过上述步骤获得整个图像的绿色像素值之后,可以内插R / B平面上的缺失像素值。 首先,在位置G处丢失的红色像素值被内插。更具体地,通过上述方法确定的绿色像素值用于计算位置G的直接上下点或直接左右点的值,其中:

(6)

类似地,可以使用上述方法进行蓝色像素值的插值。

为了计算位置处的蓝色像素值,左上、左下、右上、右下的值相加取平均得到处的值:

(7)

同样的方法也可以用来估计位置B处的红色像素值,使图像种所有缺少的颜色元素得到全部恢复。

2.2加权边缘方法

改善边缘附近颜色伪影的方法是基于边缘定向插值。这些技术尝试沿边缘而不是跨边缘进行插值,其中从相邻像素确定一组梯度。每个梯度对应于不同的方向,并且通过选择最小梯度值或使用梯度作为自适应加权因子来定向地执行重建。例如,Hamilton和Adams [7]使用红色和蓝色通道的垂直和水平二阶梯度来确定缺失的绿色分量的首选插补方向。与仅仅选择一个方向所不同,加权边缘方法[9-11]通过赋予一个或多个方向插值的加权来估计不同边缘的可能性,并大大减少了颜色伪像。 Lu和Tan [9]提出了四个插值方向来插值缺失的颜色值。它们通过测量沿着相应插值方向的相邻像素之间的空间相关性来获得权重。 Lukac等人[10]利用8方向系统来确定边缘感知权重系数。Chang和Tan [11]提出了一种增强的ECI(EECI)方法,利用自适应加权插值来保持色差平面中的细节。这些加权边缘方法防止了去马赛克中的色彩伪像的发生,但需要更高的实施成本。例如,EECI方法的计算负载需要28个乘法运算,58个加法运算,2个位移运算和每个像素16个绝对运算。我们在下一节中提出了一种去马赛克法,以防止颜色伪影的发生,但比EECI等加权边缘方法要求的计算负荷要小。

3基于边缘属性的去马赛克算法

虽然从ECI算法获得的插值图像具有良好的质量,并且不涉及非常复杂的过程,但是在ECI的图像插值期间边缘特性不被考虑。 因此,虽然颜色差异用于双线性插值,但是图像的边缘可能会失真。相反,在所提出的方法中,由边缘检测处理产生的判定结合到G平面插值中,以产生更准确的权重,然后将它们集成到其他不灵活的双线性插值中。 所提出的方法的算法通常可以分为两个步骤,其中第一步是CFA去马赛克,第二步是进行更准确的图像细化的后处理。所提出的方法的算法的细节如下。

3.1彩色滤波阵列的初始插值

图4是用于基于边缘属性的颜色插值的参考图像。如果要确定位置处的绿色像素值,则必须首先使用ECI等式(1)~(4)计算周围四个点的值。然后检测边缘特征以确定是否具有水平或垂直方向性,使得我们可以将不同的权重添加到值以产生更精确的内插值。通过计算水平或垂直方向性的存在,然后将水平或垂直对准的红色像素值的值与位置进行比较,其中使用的方程如下:

(8)

(9)

虽然位置的方向性已经使用等式(8)和(9)中,如果仅使用直接上下点或直接左右点的值,则内插值将不够准确。

因此,必须第二次进行方向性确定,允许另外两个值被考虑进来以产生更准确的权重。 然后,可以使用以下等式计算位置处的绿色像素值:

(10)

(11)

(12)

(13)

图4 基于边缘属性的颜色插值参考图像

如果用等式 (8)和(9)证明存在水平方向性,然后应用等式 (12)和(13)中,生成四个周围点的值的权重,使得可以使用单独加权的值来内插位置处的绿色像素值。 更具体的来说,当Hgt; V时,存在R 0的垂直方向性,因此必须相应地增加两个垂直值的权重。类似地,当H lt;V时,存在R 0的水平方向性,并且必须相应地增加两个水平值的权重。如果H = V,这意味着无法确定R 0的方向性,我们就使用公式5利用四个值执行双线性插值。位置处内插缺失的绿色像素值的方程分类如下:

(14)

(15)

(16)

类似地,可以使用上述方法来计算位置B处的绿色像素值,从而获得整个图像的绿色像素值。 在应用ECI方程(6)和(7)之后,整个图像的红色和蓝色像素值也通过插值恢复。 因此,一个完整的重建图像产生。根据本文的方法,仅对绿色像素值进行调整,但是由于红色和蓝色像素值被重建的绿色像素值内插,所以重建的红色和蓝色像素值的质量也得到增强。因此,可以额外避免用于处理

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[27437],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。