基于Bayer的数字图像还原理论分析_bayer图像

目录

1.Bayer格式的排列规律

2.RGB彩色模型

3.HSI彩色模型

---

        一般的静态数码数字相机主要由以下五个部分[1]构成：光学镜头、成像芯片、图像处理模块、图像存储器、液晶显示器等。成像芯片也称为图像传感器，是决定数码相机品质的关键部分，它将光学信号转换为电荷输出。目前数码相机中使用的成像芯片[2]主要为CCD和CMOS两大类。

      CCD（即Charge Coupled Device）是电荷耦合器件，是由美国贝尔实验室（Bell Labs）的维拉·波义耳(Willard S. Boyle)和乔治·史密斯（George E. Smith）在1969年发明的，到20世纪70年代，经该实验室研究员改进成现代CCD的雏形，已可捕捉影像，工作原理如图1-1所示。CCD图像传感器可直接将光学信号转换为数字电信号，实现图像的获取、存储、传输、处理和复现。它具有体积小、功耗低、灵敏度高、响应速度快等特点。经过几十年的发展，CCD成像质量已经很高，技术成熟并可大规模生产，然而价格依然不菲。

       CMOS（即Complementary Metal-Oxide-Semiconductor Transistor）为互补金属氧化物半导体器件，在片幅规格较大的单反数码相机中应用甚广。与CCD相比，CMOS接收外界光学信号后转化为电能，再透过芯片上的模数转换器（ADC）将获得的电信号转变为数字信号输出。它具有体积小、静态功耗低、集成度高、价格低、信息读取简单、输出信息速率快等优点。CMOS是数码相机理想的成像芯片，然而目前 CCD仍是主流的成像器件。

      由于 Bayer 图像是经过CFA采样得到的，需要进行插值才能恢复全彩色图像。然而，高质量的实时插值算法却一直是日本、美国、韩国等厂商产品的高附加值技术。国外对插值算法的研究日趋成熟，然而国内对这方面的研究相对较少。就目前现状来说，核心问题是如何在保证图像质量的前提下，尽可能地降低插值算法的复杂度。本文主要对插值算法进行研究，力求在保证高质量插值效果的同时控制算法保持在较低的复杂度，以尽可能地提高算法的实用性。图像传感器利用CFA来检测不同颜色的光的光强，常见的彩色滤波阵列如图1所示。

      在大多数数码相机里，运用的较多的都是Bayer CFA。其中，R、G、B分别代表红色Red、绿色Green、蓝色Blue。另外在一些比较高端数码相机里，会使用CMY CFA，其中C、Y、M分别代表青色Cyan、黄色Yellow、紫色Magenta。

1.Bayer格式的排列规律

       Bayer CFA根据绿色在可见光谱中的位置最宽和绿色能体现最多的细节这两个特点提出的，它符合人眼对绿色最敏感的这一视觉特性，因此应用最广。关于Bayer CFA的插值算法的研究也最多。Bayer CFA由一组红色和绿色的滤镜与一组绿色和蓝色的滤镜交叉循环组成，采样得到总像素中有一半的是绿，有四分之一是红色，另外四分之一是蓝色。

       用Bayer CFA制作的传感器获得的Bayer图像比较昏暗，色彩也并不鲜明，它在每个像素点只有红、绿或蓝一种颜色分量，实际效果如图1-4所示。其中（a）图为传感器获取的理想的Bayer格式的马赛克图片，已经可以从该图片上判断出图像的轮廓外形，只要靠得足够近，就能够比较清楚的看到一个个红、绿、蓝色的点，验证了每个像素只有一种基色；（b）图为（a）中红色线框内的图像放大，可以清晰的观察到Bayer格式的排列规律。

2.RGB彩色模型

      依据三色原理进行的颜色匹配实验中，当R、G、B相对亮度比例为1.0000：4.5907：0.0601时就能匹配出等能白光，所以CIE选取这一比例作为红、绿、蓝三原色的单位量。RGB彩色模型是根据三色原理提出来的，如图2所示。

       在RGB立方体模型中，原点（0，0，0）对应黑色，顶点（1，1，1）对应白色，从原点到顶点（1，1，1）的连线称为灰色线，所有灰度值都分布在这条线上。其中位于X、Y、Z轴上的三个顶点分别对应红、绿、蓝三原色，其余各点分别对应不同的颜色，并由从原点指向该点的向量来定义。在RGB彩色模型中，所表示的图像由红、绿、蓝三种颜色分量组成。RGB彩色模型是通过颜色的加运算来完成颜色匹配的，当混合色的饱和度和亮度与另一种光的相等时，他们在人眼的视觉上将等效。对应RGB彩色模型的有一种CMY表色系则是通过减运算来完成颜色匹配的彩色模型，常用于彩色打印中，可通过RGB模型转换而来，转换方程表示为：

3.HSI彩色模型

       HSI彩色模型是由美国色彩学家孟塞尔(H.A.Munseu)基于颜色的三个基本属性于1915年提出的。它从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation）和亮度（Intensity）来描述色彩。它建立在两个重要的事实之上：其一是I分量与图像信息的强弱有关，其二是H和S分量和人感受颜色的方式紧密相连。这使得HSI模型非常适合处理和人的视觉系统相关的图像处理的算法。HSI彩色空间模型可以采用如图3所示的锥形体来表示。

      HSI彩色模型和RGB彩色模型之间可以相互转换， RGB彩色模型对应HIS彩色模型的转换方程如下：

      HSI模型作为一种可以直接显示的模型，更符合人描述和解释颜色的方式，它把图像分成彩色信息和灰度信息，使其更符合灰度级的数字图像处理技术。