专利名称：基于cfa图像多方向边缘插值的方法
技术领域：
本发明属于CFA图像处理技术领域，特别涉及一种利用彩色滤波阵列(ColorFilter Array, CFA)图像多方向边缘插值的方法。
背景技术：
彩色数字图像通常用红、绿、蓝三基色来表示颜色值，为节省成本，大部分数码相机采用单个CXD或CMOS传感器，通过在传感器前覆盖一层彩色滤波阵列(Color FilterArray, CFA)，只用一个矩阵来表示彩色图像，在彩色数字图像中每个像素点上只有红基色、绿基色、蓝基色中的一个颜色值，另外两个颜色值是根据其邻域像素来插值，该插值技术被称作“去马赛克”(Demosaicing)。CFA图像目前应用最广泛的是Bayer模式。CFA图像的Bayer模式中，每相邻的四个像素中，有两个只有绿色值，一个只有红色值，一个只有蓝色值。已有CFA图像插值方法主要分为两类，线性插值方法和非线性插值方法。线性插值方法中，一些主要的方法有双线性插值方法、三次样条插值方法等。双线性插值方法和三次样条插值方法的优点在于其实现简单，速度快；缺点在于在插值后的图像中会产生大量的伪彩色。非线性插值方法与线性插值方法相比，非线性插值方法更复杂，但插值效果明显优于线性插值方法。非线性插值方法有很多,例如L. Zhang和X. Wu在文章“ColorDemosaicing Via Directional Linear Minimum Mean Square-Error Estimation. ” (IEEE Transactions on Image Processing, Vol. 14, pp. 2167-2178, Dec 2005)中提出基于方向性最小均方误差估计的插值方法、Y. Itoh在文章“Similarity-Based DemosaicingAlgorithm Using Unified High Frequency Map，，(IEEE Transactions on ConsumerElectronics, Vol. 57，pp. 597-605，May 2011)中提出的基于图像高频映射分布的相似性插值方法等。基于方向性最小均方误差估计的插值方法的优点在于插值效果好，缺点在于插值实现时计算复杂度高，速度慢。基于图像高频映射分布的相似性插值方法的优点在于在CFA图像高频成分区域的插值效果好，缺点在于在CFA图像非高频成分区域的插值会产生较多伪彩色。在IEEE图像处理杂志上，于2012年I月I日第21卷刊登的文献《Edge StrengthFilter Based Color Filter Array Interpolation〉!^,]；· Pekkucuksen与Y. Altunbasak提出一种基于边缘滤波增强的CFA图像插值方法，该方法首先计算CFA图像各像素的边缘，对边缘在水平方向上和竖直方向上分别进行滤波，利用滤波后的边缘预测丢失的绿色成分的插值方向，利用预测的插值方向对丢失绿色成分的进行初始插值，将单一方向的边缘梯度值作为权值，对初始插值后的绿色成分进行更新插值，将绿色成分中得到水平方向和竖直方向上自适应性梯度值作为权值，对丢失的红色成分和蓝色成分的进行插值。该方法在计算图像边缘时，不能充分利用像素位置处的邻近像素，不能得到准确的边缘，不能准确预测丢失绿色成分的插值方向，在对边缘进行边缘滤波增强后，边缘的准确性进一步降低。
发明内容
本发明的目的是针对现有技术中存在的不足，提出一种基于CFA图像多方向边缘插值的方法，该方法能够充分利用邻域像素，提高预测丢失绿色成分插值方向的准确率性，利用多方向边缘计算局部多方向梯度值，将多方向梯度值作为权值，对绿色成分进行更新插值，减少CFA图像插值时产生的伪彩色。为了达到上述目的，本发明的基于CFA图像多方向边缘插值的方法包括以下步骤
(1)、输入一幅CFA图像； (2)、计算CFA图像多方向边缘，得到CFA图像的多方向边缘阵列；
(3)、利用步骤(2)中CFA图像多方向边缘阵列,，预测CFA图像多方向边缘丢失的绿色成分的插值方向；
(4)、利用步骤(2)中CFA图像多方向边缘阵列τ分别计算待插值更新像素位置处的东、南、西、北方向边缘局部梯度值；
(5)、利用步骤(3)中预测CFA图像多方向边缘丢失的绿色成分的插值方向，对丢失的绿色成分进行初始插值；
(6)、利用步骤(4)中得到的待插值更新像素位置处的多方向边缘局部梯度值，计算多方向的边缘增强梯度值，对步骤(5)中所述的CFA图像多方向边缘对丢失的绿色成分初始插值后的绿色成分进行更新插值，计算更新插值后的绿色成分值；
(7)、利用步骤(6)中所述的对CFA图像多方向边缘丢失的绿色成分的更新插值后的绿色成分，对CFA图像多方向边缘丢失的蓝色成分和红色成分进行插值。本发明的基于CFA图像多方向边缘插值的方法与现有的技术相比较具有以下优点该方法利用邻域像素，准确得到CFA图像多方向性边缘；利用CFA图像多方向多方向性边缘，提高预测绿色通道的插值方向的准确率；利用多方向边缘计算局部多方向梯度值，该多方向梯度值作为权值，对绿色成分初始插值后进行更新插值，提高CFA图像插值效果，视觉效果好，有效降低CFA图像插值时产生的伪彩色效应。该发明能够准确的预测丢失的绿色成分的插值方向，降低插值出来的丢失成分与原始真实成分之间的差距，有效的改善插值后的图像质量，插值方法容易实现。
图I为本发明的基于CFA图像多方向边缘插值的方法的流程 图2为4行4列Bayer模式CFA图像的示意 图3a为现有CFA图像的双线性插值技术去马赛克效果 图3b为现有CFA图像的基于方向性最小均方误差估计的方法去马赛克效果图，{该图像来源于文献 “L. Zhang, X. ffu. Color Demosaicing Via Directional LinearMinimum Mean Square-Error Estimation. IEEE Transactions on Image Processing,Vol. 14，pp. 2167-2178，Dec 2005}；
图3c为现有CFA图像的基于图像高频地图相似性方法的去马赛克效果图，该图像来源于文献“Y. Itoh. Similarity-Based Demosaicing Algorithm Using UnifiedHigh Frequency Map [J]. IEEE Transactions on Consumer Electronics，Vol. 57，
权利要求
1.一种基于CFA图像多方向边缘插值的方法，包括以下步骤 (1)、输入一幅CFA图像； (2)、计算CFA图像多方向边缘，得到CFA图像的多方向边缘阵列τ (3)、利用步骤(2)中CFA图像多方向边缘阵列η预测CFA图像多方向边缘丢失的绿色成分的插值方向； (4)、利用步骤(2)中CFA图像多方向边缘阵列iT，分别计算待插值更新像素位置处的东、南、西、北方向边缘局部梯度值； (5)、利用步骤(3)中预测CFA图像多方向边缘丢失的绿色成分的插值方向，对丢失的绿色成分进行初始插值； (6)、利用步骤(4)中得到的待插值更新像素位置处的多方向边缘局部梯度值，计算多方向的边缘增强梯度值，对步骤(5)中所述的CFA图像多方向边缘对丢失的绿色成分初始插值后的绿色成分进行更新插值，计算更新插值后的绿色成分值； (7)、利用步骤(6)中所述的对CFA图像多方向边缘丢失的绿色成分的更新插值后的绿色成分，对CFA图像多方向边缘丢失的蓝色成分和红色成分进行插值。
2.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤(2)所述的计算CFA图像的多方向边缘，得到CFA图像的多方向边缘阵列疋，包含如下步骤 (2-1)、设置CFA图像的矩形窗，以CFA图像的第I行第I列为原点，取3行3列CFA图像的矩形窗； (2-2)、在上述的3行3列CFA图像的矩形窗中，以第二行第二列所在位置作为插值像素处，计算插值像素处左上角与右下角斜对角方向的单一方向边缘阵列元素值，计算方法为 其中，S1表示待插值像素处左上角与右下角斜对角方向的多方向边缘阵列元素值，Gu表示3行3列CFA图像的矩形窗中的第I行第I列的位置处的绿色像素值，G33表示3行3列CFA图像的矩形窗中的第3行第3列的位置处的绿色像素值； (2-3)、在上述的3行3列CFA图像的矩形窗中，以第二行第二列所在位置作为插值像素处，计算插值像素处右上角与左下角斜对角方向的单一方向边缘阵列元素值，计算方法为 其中，&表示待插值像素处右上角与左下角斜对角方向的多方向边缘阵列元素值，G13表示3行3列CFA图像的矩形窗中的第I行第3列的位置处的绿色像素值，G31表示3行3列CFA图像的矩形窗中的第3行第I列的位置处的绿色像素值；(2-4)、在上述的3行3列CFA图像的矩形窗中，以第二行第二列所在位置作为插值像素处，计算插值像素处上一行与下一行竖直方向的单一方向边缘阵列元素值，计算方法为
3.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤⑶所述的利用步骤⑵中CFA图像的多方向边缘阵列预测CFA图像多方向边缘丢失的绿色成分的插值方向，包含如下步骤 (3-1)、计算水平方向上多方向边缘阵列滤波后增强边缘，记作其计算公式如式
4.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤(4)所述的利用步骤(2)中CFA图像多方向边缘阵列JT，分别计算待插值更新像素位置处的东、南、西、北四个方向边缘局部梯度值，包含如下步骤 (4-1)、设CFA图像的多方向边缘阵列IT的第I行第I列为原点，取3行4列CFA图像的矩形窗； (4-2)、在上述的3行4列CFA图像的矩形窗中，计算待插值更新像素位置处的东方向的多方向边缘的局部梯度值，其计算公式如式4. I
5.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤(5)所述的利用步骤(3)中预测CFA图像多方向边缘丢失的绿色成分的插值方向，对丢失的绿色成分进行初始插值，其具体如下 当步骤(3)中预测的插值方向为竖直方向时,计算丢失的绿色成分的插值，其计算方法如式5. I
6.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤(6)所述的利用步骤(4)中所述待插值更新像素位置处的东、南、西、北四个方向的局部梯度值，计算多方向的边缘增强梯度值，将多方向的边缘梯度值作为权值，对步骤(5)中所述的CFA图像多方向边缘丢失的绿色成分初始插值后的绿色成分进行更新插值，计算更新插值后的绿色成分值，包含如下步骤 (6-1)、利用步骤(4)中所述的计算得到的待插值更新像素位置处的东、南、西、北四个方向的局部多方向梯度值Zw, 计算东、南、西、北四个方向的多方向边缘增强梯度值4 'Hh,计算方法如式6. I
7.根据权利要求I所述的基于CFA图像多方向边缘插值的方法，其特征在于，上述步骤(7)所述的利用步骤￠)中所述的对CFA图像多方向边缘丢失的绿色成分的更新插值后的绿色成分，对CFA图像多方向边缘丢失的蓝色成分和红色成分进行插值，包含如下步骤(7-1)、计算CFA图像多方向边缘的绿色成分在左斜对角方向上的边缘梯度值，计算方法如式 . I
全文摘要
本发明公开了一种基于CFA图像多方向边缘插值的方法，该方法步骤为(1)输入一幅CFA图像；(2)计算CFA图像多方向边缘；(3)预测CFA图像多方向边缘丢失的绿色成分的插值方向；(4)分别计算待插值更新像素位置处的东、南、西、北方向边缘局部梯度值；(5)对CFA图像多方向边缘丢失的绿色成分进行初始插值；(6)计算多方向的边缘增强梯度值，计算更新插值后的绿色成分值；(7)对CFA图像多方向边缘丢失的蓝色成分和红色成分进行插值。该方法能够准确的预测丢失的绿色成分的插值方向，降低插值出来的丢失成分与原始真实成分之间的差距，有效的改善插值后的图像质量，插值方法容易实现。
文档编号G06T5/00GK102930503SQ201210388558
公开日2013年2月13日 申请日期2012年10月15日 优先权日2012年10月15日
发明者何恩阳, 刘立庄, 冯国瑞, 陈斌, 侯勇 申请人:上海大学