Camera之Demosaic---双线性插值

1.简介：
本次分为两个过程—
a.前面对拿到的raw图进行了一次无脑demosaic，这次实验使用双线性对raw图进行插值；
b.业界demosaic一般研究方法及评价方法；

2.工具环境
python3.5+PIL+numpy+cv2

3. Code

a.针对原始raw图进行双线性插值

import numpy as np
from PIL import Image
from pylab import *
import cv2 as cv
import imTool

RawFile = imTool.ReadRawFile()
RawData = imTool.GetRawData(RawFile)
demosaicRaw = imTool.DemosaicRaw_Bilinear_Raw(RawData)

与无脑demosaic效果比较，左双线性插值，右无脑插值

b.业界研究方法及评价标准
（1）常用的图像数据集是Kodak Data，在手机终端上考虑到成本和空间因素，在CMOS/CCD感光器件上会附加一层CFA（Color Filter Array）,实际得到的原始数据是Bayer格式的，即原始raw数据。

Kodak Data提供lossless真彩无损图像数据，由专业的设备采集而来，每个pixel的R、G、B都是通过感光器件得到的，图像大小为512*768，每个通道为8bit。

因此可以对真彩图像进行采样，模拟CFA器件，生成某幅图像的Bayer格式的数据，后续通过demosaic算法还原出RGB图像，评价方法就是将还原出的图像与采样前的真彩图像使用某些方法（MSE/PSNR）进行比较，进而评价该算法的优劣。

bayer_img = imTool.RgbLosslessImg2Bayer()

(2)对采样后的Bayer格式数据进行双线性插值，插值方法为：

bayer_img = imTool.RgbLosslessImg2Bayer()
demosaic_img = imTool.DemosaicRaw_Bilinear_Bayer(bayer_img)

(3) 通过对比可以发现demosaic后的图像存在拉链效应（zipper effect）和很明显的伪彩（false color）。

通过下面的图可以很好的解释为什么会存在这两个问题，感兴趣的可以自己研究下。

因此demosaic想做好，zipper effect 和 false color去除是必须要考虑进去的，当前的算法都依赖三个准则：光谱一致性、空间相关性、优先还原G通道等。后续会继续研究，待续。。。