Bayer模型的颜色插值算法

        图像采集的功能一般用CCD和CMOS传感器来实现。但是这两种图像传感器在一个像素上只能采集

RGB颜色的一个分量，为了获得最佳的图像效果，需要3个图像传感器分别采集不同的颜色分量，但考虑

到产品的成本及设计复杂度，通常的数字成像设备用一个传感器在表面覆盖颜色滤波阵列（CFA）来采集

图像。目前常用的一种颜色滤波阵列是Bayer型的，当采集到的图像通过一个颜色滤波阵列滤波后在图像

传感器上感光，得到的图像数据每个像素点表示RGB中的一种颜色，然后对该数据进行颜色插值可获得待

采集的彩色图像。Bayer CFA 型颜色滤波阵列如下图所示：

在这个图像阵列中，每个像素只有一个颜色的色调值，另外两个颜色的色调必须利用相邻像素之间的相关性

，通过计算获得，这些方法通常被称为色彩插值。现主要针对Bayer图像阵列为基础，利用色彩插值算法中

的双线性插值算法来实现RGB 图和Bayer型的颜色滤波阵列图之间的转换。

1.双线性插值算法原理

双线性(bilinear) 插值算法就是这样一种得到广泛应用的算法. 该算法利用相邻像素域中同色分量的平均值作为

当前像素的待求颜色分量.，如上图所示在红/蓝色点处的像素绿色分量如G22=(G21+G12+G23+G32)/4,其插值

等于相邻的四个像素点的绿色分量的平均值。如果存在相邻的两个像素的红色/蓝色分量，就取红/蓝色分量的均

值。如B32=(B22+B42)/2; R22=(R31+R33)/2。如果周围没有相邻的红/蓝色分量，就取对角线方形的4个像素点

处的红/蓝分量的均值，如R24=(R13+R35+R15+R33)/4;B33=(B22+B44+B42+B24)/4。

2.实现的代码如下

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
IplImage* bilinear(IplImage* bayer1,IplImage* huanyuan);
int _tmain(int argc, _TCHAR* argv[])
{
IplImage* src=cvLoadImage("lena.jpg");
IplImage* src_r=cvCreateImage(cvGetSize(src),8,1);
IplImage* src_g=cvCreateImage(cvGetSize(src),8,1);
IplImage* src_b=cvCreateImage(cvGetSize(src),8,1);


cvSplit(src,src_b,src_g,src_r,0);//把RGB图像分成三幅单通道图像


IplImage* bayer=cvCreateImage(cvGetSize(src),8,3);
    IplImage* huanyuan=cvCreateImage(cvGetSize(bayer),8,3);


//把src中的颜色分量按bayer模板排列，偶行为GRGRGR，奇行为BGBGBG
    for(int i=0; iwidth;i++)
{
for(int j=0;jheight;j++)
{
if(i%2==0)
{
cvSetReal2D(src_r,i,j,0);//去掉红色分量
cvSetReal2D(src_b,i,j,0);//去掉蓝色分量
j++;
cvSetReal2D(src_b,i,j,0);//去掉蓝色分量
cvSetReal2D(src_g,i,j,0);//去掉绿色分量
}
else
{
cvSetReal2D(src_r,i,j,0);//去掉红色分量
cvSetReal2D(src_g,i,j,0);//去掉绿色分量
j++;
cvSetReal2D(src_r,i,j,0);//去掉红色分量
cvSetReal2D(src_b,i,j,0);//去掉蓝色分量
}
 
}
}


cvMerge(src_b,src_g,src_r,0,bayer);//将变换后的图像融合成bayer图像

将bayer图像阵列转变成RGB彩色图像
bilinear(bayer, huanyuan);

cvNamedWindow("src");
    cvNamedWindow("huanyuan");
cvNamedWindow("bayer");
cvShowImage("huanyuan",huanyuan);
cvShowImage("bayer",bayer);//将bayer图像显示出来
cvShowImage("src",src);


cvWaitKey();
cvDestroyWindow("src");
cvDestroyWindow("bayer");
cvReleaseImage(&bayer);
cvDestroyWindow("src");
cvDestroyWindow("huanyuan");
cvReleaseImage(&huanyuan);
return 0;
}
//利用双线性插值算法将bayer图像阵列转变成RGB彩色图像
IplImage* bilinear(IplImage* bayer1,IplImage* huanyuan)
{
int x,y;
int t1,t2,t3,t4,t5,t6,t7,t8,t9,t10,t11;
IplImage* bayer_r=cvCreateImage(cvGetSize(bayer1),8,1);
IplImage* bayer_g=cvCreateImage(cvGetSize(bayer1),8,1);
IplImage* bayer_b=cvCreateImage(cvGetSize(bayer1),8,1);
cvSplit(bayer1,bayer_b,bayer_g,bayer_r,0);


for(x=0; xwidth;x+=2)
{
for(y=0;yheight;y+=2)
{
if(x == 0 || y == 0 || x == bayer1->width - 2 || y == bayer1->height - 2)
{
t1=(cvGetReal2D(bayer_g,x,y)+cvGetReal2D(bayer_g,x+1,y+1))/2;
                cvSetReal2D(bayer_g,x+1,y,t1);cvSetReal2D(bayer_g,x,y+1,t1);//g


                t2=cvGetReal2D(bayer_r,x+1,y);
                cvSetReal2D(bayer_r,x,y,t2);cvSetReal2D(bayer_r,x,y+1,t2);//r
cvSetReal2D(bayer_r,x+1,y+1,t2);


t3=cvGetReal2D(bayer_b,x,y+1);
                cvSetReal2D(bayer_b,x,y,t3);cvSetReal2D(bayer_b,x,y+1,t3);//b
cvSetReal2D(bayer_b,x+1,y+1,t3);


}
else
{
t4=(cvGetReal2D(bayer_g,x,y)+cvGetReal2D(bayer_g,x+2,y)+cvGetReal2D(bayer_g,x+1,y-1)+cvGetReal2D(bayer_g,x+1,y+1))/4;
                cvSetReal2D(bayer_g,x+1,y,t4);       
                t5=(cvGetReal2D(bayer_b,x,y-1)+cvGetReal2D(bayer_b,x,y+1)+cvGetReal2D(bayer_b,x+2,y-1)+cvGetReal2D(bayer_b,x+2,y+1))/4;
                cvSetReal2D(bayer_b,x+1,y,t5); 


t6=(cvGetReal2D(bayer_b,x,y-1)+cvGetReal2D(bayer_b,x,y+1))/2;
                cvSetReal2D(bayer_b,x,y,t6); 
t7=(cvGetReal2D(bayer_r,x-1,y)+cvGetReal2D(bayer_r,x+1,y))/2;
                cvSetReal2D(bayer_r,x,y,t7); 


t8=(cvGetReal2D(bayer_g,x,y)+cvGetReal2D(bayer_g,x,y+2)+cvGetReal2D(bayer_g,x-1,y+1)+cvGetReal2D(bayer_g,x+1,y+1))/4;
                cvSetReal2D(bayer_g,x,y+1,t8);
t9=(cvGetReal2D(bayer_r,x-1,y)+cvGetReal2D(bayer_r,x+1,y)+cvGetReal2D(bayer_r,x-1,y+2)+cvGetReal2D(bayer_r,x+1,y+2))/4;
                cvSetReal2D(bayer_r,x,y+1,t9);


t10=(cvGetReal2D(bayer_r,x+1,y)+cvGetReal2D(bayer_r,x+1,y+2))/2;
                cvSetReal2D(bayer_r,x+1,y+1,t10);
t11=(cvGetReal2D(bayer_b,x,y+1)+cvGetReal2D(bayer_b,x+2,y+1))/2;
                cvSetReal2D(bayer_b,x+1,y+1,t11);
}
}
}
    cvMerge(bayer_b,bayer_g,bayer_r,0,huanyuan);//将变换后的图像融合成bayer图像
    return huanyuan;
}

3.结果图如下

bayer滤波阵列图

利用bayer滤波阵列还原的图