基于方向插值修正的贝尔格式图像坏行消除方法
【专利摘要】本发明提供基于方向插值修正的贝尔格式图像坏行消除方法，该方法首先检测待插值点的待插值分量的45度，90度和135度方向上的梯度信息，选择与梯度绝对值最大方向正交的方向上的像素进行插值，然后利用待插值点另外两个分量估计值的差值来进行修正。该基于方向插值修正的贝尔格式图像坏行消除方法实施简单，效果较好，在光电成像领域具有广泛的应用和推广价值。
【专利说明】基于方向插值修正的贝尔格式图像坏行消除方法
【技术领域】
[0001] 近年来，基于CCD和CMOS的数字成像系统在航空、航天、军事和民用等领域获得了 越来越广泛的应用。出于对成本与体积的考虑，大部分的数字成像系统都采用一块CCD或 者CMOS作为图像传感器。图像传感器的感光表面上覆盖彩色滤波阵列（CFA，ColorFilter Array)，其彩色滤波阵列上每个格点仅允许通过一种彩色分量，使每个感光单元只产生一 个分量的灰度值。因此，为了获得全彩色图像，就要用周围像素的像素值计算出被滤掉的彩 色分量，即彩色插值。常用的彩色滤波阵列类型有贝尔型、条纹型和马赛克型，由于贝尔型 彩色滤波阵列具有较好的彩色信号敏感特性和彩色恢复特性，因此应用最为广泛。常用的 贝尔格式如图1所示，其中最左上角的传感器像素值只能输出该位置红色分量的信息，右 边的只能输出该位置绿色分量的信息，下方位置的传感器像素值只能输出该位置绿色分量 的信息，右下方向的传感器像素值只能输出该位置蓝色分量的信息。如果需要得到每个位 置上的红绿蓝三颜色的分量，就需要进行彩色插值操作来得到一幅彩色的图像。
[0002] 由于制造技术、制造工艺和元材料的原因，图像传感器会偶尔出现某一行无响应 的情况，这将导致图像上出现一行坏行。坏行的存在降低了图像的质量，影响了图像去噪， 图像贝尔插值、图像增强、目标探测与识别等后续处理。因此，利用先进的图像处理技术，对 坏行进行消除处理，对于提高图像探测器的成像质量具有重要的应用价值。
【发明内容】
[0003] 为了解决【背景技术】中所存在的技术问题，本发明提供了基于方向插值修正的贝尔 格式图像坏行消除方法，该方法实施简单，效果好，在光电成像领域具有广泛的应用和推广 价值。
[0004] 本发明的技术方案：
[0005] 基于方向插值修正的贝尔格式图像坏行消除方法，包括以下步骤：
[0006] 1]设含有坏行的图像为x(i，j)，i= 1，2,…，M，j= 1，2,…N，在整个图像中，将坏 行分为位于第一行、第二行、倒数第一行、倒数第二行、其余行五种情况；
[0007]当坏行位于整个图像第二行时，利用图像第三行和第四行的信息采用插值公式进 行坏行消除，所述差值公式为X(2,j) = 2*X(3,j)_X(4,j);
[0008] 当坏行位于整个图像第一行时，利用图像第二行和第三行的信息采用插值公式进 行坏行消除，所述差值公式为X(l，j) = 2*X(2,j)_X(3,j);
[0009]当坏行位于整个图像倒数第二行时，利用图像倒数第三行和倒数第四行的信息采 用插值公式进行坏行消除，所述差值公式为X(M-1，j) = 2*X(M-2,j)-X(M-3,j);
[0010] 当坏行位于整个图像倒数第一行时，利用图像倒数第二行和倒数第三行的信息采 用插值公式进行坏行消除，所述差值公式为：X(M，j) = 2*X(M-1，j)-X(M-2,j);
[0011] 当坏行位于整个图像其余行时，进行步骤2 ;
[0012] 2]检测待插值点待插值分量nXn周围相同分量在45度，90度和135度方向上的 梯度信息；其中，n为大于等于5的自然数；
[0013] 对第 <行，第j列的信息进行坏行消除，分为以下五种情况：
[0014] A、当j= 1，2，N-1，N时，消除坏行的差值公式为：
【权利要求】
1.基于方向插值修正的贝尔格式图像坏行消除方法，其特征在于，包括以下步骤： 1] 设含有坏行的图像为X(i，j)，i= 1，2,…，M，j= 1，2,…N，在整个图像中，将坏行分 为位于第一行、第二行、倒数第一行、倒数第二行、其余行五种情况； 当坏行位于整个图像第二行时，利用图像第三行和第四行的信息采用插值公式进行坏 行消除，所述差值公式为X(2,j) = 2*X(3,j)-X(4,j); 当坏行位于整个图像第一行时，利用图像第二行和第三行的信息采用插值公式进行坏 行消除，所述差值公式为X(l，j) = 2*X(2,j)-X(3,j); 当坏行位于整个图像倒数第二行时，利用图像倒数第三行和倒数第四行的信息采用插 值公式进行坏行消除，所述差值公式为X(M-1，j) = 2*X(M-2,j)-X(M-3,j); 当坏行位于整个图像倒数第一行时，利用图像倒数第二行和倒数第三行的信息采用插 值公式进行坏行消除，所述差值公式为：X(M，j) = 2*X(M-1，j)-X(M-2,j); 当坏行位于整个图像其余行时，进行步骤2 ; 2] 检测待插值点待插值分量nXn周围相同分量在45度，90度和135度方向上的梯度 信息；其中，n为大于等于5的自然数； 对第kq行，第j列的信息进行坏行消除，分为以下五种情况： A、 当j= 1，2,N-l，N时，消除坏行的差值公式为： X(kq,I) = (X(kq-2,l)+X(kq+2, 1))/2 X(kq, 2) =(X(kq-2, 2)+X(kq+2, 2)) /2 X(kq,N-l) = (X(kq-2,N-l)+X(kq+2,N-l))/2 X(kq,N) = (X(kq-2,N)+X(kq+2,N))/2 ； B、 当j乒1，2，N-1，N且j为奇数，kq为奇数时，消除坏行步骤如下： 此时待插值分量为红色分量，计算待插值红色分量在45度，90度和135度三个方向上 的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度 信息： G45=Ir3-R4 G90=Ir2-R5I; G135=Ir「r6 根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行： (1) 如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为初始红 色分量估计量： 尤=R+ <)/2 然后沿着45度方向上的蓝色分量的信息来对初始估计的红色分量值进行修正，即： X=X+a- -Ba (2) 如果梯度的最大值为135方向上的梯度，则沿着边缘方向上的像素平均作为初始 红色分量估计量： J=(足X)/2 然后沿着135度方向上的蓝色分量的信息来对初始估计的红色分量值进行修正，即：X=A+ex?Bn -B2 (3)如果梯度的最大值为90方向上的梯度，则采用线性插值来对红色分量进行修正： X= (R2+R5) /2 C、 当j乒1，2，N-1，N且j为偶数，kq为奇数时，消除坏行步骤如下： 此时待插值分量为绿色分量，计算待插值绿色分量在45度，90度和135度三个方向 上的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用下式进行梯度计 算： G45= (|g5-g6I+Ig3-G8I)/2 G90=Ig2-G9 G135= (IG4-G7MG1-G10I)/^ 根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行： (1) 如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为绿色分 量估计量： I= (G1 + 2G4 +2G7 +C10 )/6 然后使用135度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修 正，即： r=f+ #H+ 吟-判） (2) 如果梯度的最大值为135方向上的梯度，沿着边缘方向上的像素平均来作为初始 红色分量估计量： 然后使用45度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修 正，即： J = (r；,; +2G. +26；+ ^7)/6 i=a+jg(|y?2 -^3I+ |^3 - ^4I) (3) 如果梯度的最大值为90方向上的梯度，采用线性插值来对绿色分量进行估计： X= (G4+G5+G6+G7) /4 D、 当j乒1，2，N-1，N且j为奇数，kq为偶数时，消除坏行步骤如下： 此时待插值分量为绿色分量；计算待插值绿色分量在45度，90度和135度三个方向上 的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度 信息： G45= (|g5-g6I+Ig3-G8I)/2 G90=Ig2-G9 G135= (IG4-G7MG1-G10I)/^ 根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行： (1)如果梯度的最大值为45方向上的梯度，沿着边缘方向上的像素平均来作为绿色分 量估计量： X=(O1 + 20\ + 2G7 +r；|〇)/6 然后使用135度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修 正，即： I= 1 + -^6| + |^ (2) 如果梯度的最大值为135方向上的梯度，沿着边缘方向上的像素平均来作为初始 绿色分量估计量： I= (〇\ + 26\ + 26\. +r；8)/B 再使用45度方向上的红色和蓝色分量的信息来对初始估计的绿色分量值进行修正， 即： X=X+ ^ -R% + (3) 如果梯度的最大值为90方向上的梯度，采用线性插值来对绿色分量进行估计： X= (G4+G5+G6+G7) /4 E、当j乒1，2,N-l,N且j为偶数，kq为偶数时，消除坏行步骤如下： 此时待插值分量为蓝色分量；计算待插值蓝色分量在45度，90度和135度三个方向上 的梯度信息检测，选择与梯度绝对值最大方向正交的方向上的像素采用以下公式计算梯度 信息： G45=Ib3-B4 G90=Ib2-B5 Gi35=Ib1-B6 根据计算出的不同梯度信息进行相应的估计和修正，从而消除坏行： (1) 如果梯度的最大值为45方向上的梯度，则沿着边缘方向上的像素平均作为蓝色分 量估计量： f= ("1 + 气)/2 然后沿着135度方向上的红色分量的信息来对初始估计的蓝色分量值进行修正，即：X=X+ 1] - \RX-Ri (2) 如果梯度的最大值为135方向上的梯度，则沿着边缘方向上的像素平均作为初始 散了分量估计量： ^ = (4 + ^)/2 然后沿着45度方向上的红色分量的信息来对初始估计的蓝色分量值进行修正，即： X=X-\- ?R0 - (3) 如果梯度的最大值为90方向上的梯度，采用线性插值来对蓝色分量进行估计： X= (B2+B5)/2〇
2. 根据权利要求1所述的基于方向插值修正的贝尔格式图像坏行消除方法，其特征在 于： 所述步骤2中的估计步骤中：45度和135度垂直方向上采用[1 2 2 1]，90度方向上 采用线性插值方法。
3.根据权利要求1或2所述的基于方向插值修正的贝尔格式图像坏行消除方法，其 特征在于：所述步骤2中的修正步骤中，修正系数分别为：{a=3.25, 0 = 0.2, I = 0. 34, n = 1. 65} {a , 0 , C , n}〇
4. 根据权利要求3所述的基于方向插值修正的贝尔格式图像坏行消除方法，其特征在 于：所述n= 5。
【文档编号】H04N5/367GK104506784SQ201410735980
【公开日】2015年4月8日 申请日期:2014年12月4日 优先权日:2014年12月4日
【发明者】周祚峰, 于晓静, 冷寒冰, 王浩, 唐利孬, 刘庆, 武登山, 曹剑中 申请人:中国科学院西安光学精密机械研究所, 中国兵器工业集团第二一三研究所