总结（CFAI,AWB,Denoise2D,Sharpen）

最新推荐文章于 2025-04-05 21:48:12 发布

刘哈哈哈先生

最新推荐文章于 2025-04-05 21:48:12 发布

阅读量3.1k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：图像调试

本文链接：https://blog.youkuaiyun.com/sinat_28924645/article/details/95613219

本文深入探讨了图像处理中的关键技术，包括CFAI（色彩滤波阵列插值）/去马赛克、自动白平衡（AWB）、二维空域降噪以及锐化。CFAI介绍了双线性插值和色比色差方法，AWB讲解了灰度世界、最大响应和Shades of Gray等经典方法，降噪部分涵盖了中值、均值、高斯和双边滤波，而锐化则阐述了Roberts、Prewitt、Sobel、Laplacian和Canny等算子的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CFAI/Demosaic,AWB,Denoise2D,Sharpen

CFAI （Color Fliter Array Interpolation）/ Demosaic

1.https://www.cnblogs.com/sunny-li/p/8641767.html
2.基于bayer格式的去马赛克算法研究及硬件实现浙大丁文

图1. bayer sensor

CMOS或者CCD感光器件只能记录光子的能量，并不能记录光波的波长（即色彩信息），所以，为了得到图像的颜色信息，可以通过在每个感光器前先让光经过某一颜色滤光片，得到该颜色光的强度。根据三基色定理，我们只需要获得RGB三通道的值即可。

设置Color Fliter Array有两种模式，一种是将RGB堆叠，让光依次经过RGB滤光片，每个像素都能获得RGB值，这种模式价格昂贵，且不好制造。另一种模式如图1所示，为bayer色彩滤波阵列,由一半的G(因为人眼对绿色最敏感)，1/4的R，1/4的B组成。bayer模式的排列方式多样，RGGB, GBRG，GRBG，BGGR。甚至根据需求可以加入其它通道，如RGBW，RYYB(华为 P30手机)。
bayer sensor每个像素点仅获取了一种通道的值，需要根据相邻像素点通过插值补齐缺失的通道值，这一过程称为Demosaic，即将bayer模式的Raw格式图像转化为Camera Sensor下的RGB图像。
插值的方法多样，最简单的方法如邻近插值，线性邻域插值，这类方法会模糊细节，易产生伪彩色；进一步可以利用空间信息（边缘等）或通道相关性插值。这里演示了双线性插值方法和色比色差方法，色比色差方法包含了基于边缘的方法。

Demosaic一般遵循以下几个原则：
1.先对G分量进行插值，因为G的像素个数是RB的两倍，更能反映图像空间信息。
2.插值时采用方向性插值，即如果是垂直的边缘，则采用上下的像素进行插值，而不选用左右
3.色差恒定，即相邻点的R(i,j)-R(i, j+1) = G(i,j)-G(i, j+1)

双线性插值

算法思路：在3*3大小的邻域内，获得目标通道的平均值，作为中心像素点缺失通道值。
效果图如下（选取图像某一部分），可以看到在边缘处有很明显的伪彩色和拉链效应。

色比色差方法

Adams J E, Hamilton J F. Adaptive color plane interpolation in single color electronic camera[J]. Us Patent No, 1997.

(1) 绿色分量重建

首先恢复红色和蓝色采样点处的绿色分量。根据方向性进行插值，中心红色采样点R(i,j)处水平方向和垂直方向检测算子计算如下：
$\Delta H_{i,j}=\vert G_{i,j-1}-G_{i,j+1} \vert +\vert 2R_{i,j}-R_{i,j-2}-R_{i,j+2} \vert$ $\Delta V_{i,j}=\vert G_{i-1,j}-G_{i+1,j} \vert +\vert 2R_{i,j}-R_{i-2,j}-R_{i+2,j} \vert$
绿色分量重建公式如下：
$g_{i,j}=\begin{cases} \frac{G_{i,j-1}+G_{i,j+1}}{2}+\frac{(2R_{i,j}-R_{i,j-2}-R_{i,j+2})}{4} & \Delta H_{i,j}< \Delta V_{i,j} \\ \frac{ G_{i-1,j}+G_{i+1,j}}{2}+\frac{(2R_{i,j}-R_{i-2,j}-R_{i+2,j})}{4} & \Delta H_{i,j}> \Delta V_{i,j} \\ \frac{ G_{i-1,j}+G_{i+1,j}+G_{i,j-1}+G_{i,j+1}}{4}+\frac{(4R_{i,j}-R_{i-2,j}-R_{i+2,j}-R_{i,j-2}-R_{i,j+2})}{8} & \Delta H_{i,j}= \Delta V_{i,j} \end{cases}$