低复杂度Bayer图像色彩重建算法

摘要：针对Bayer图像色彩重建效果越好的算法需要越多计算量,占用越多硬件资源问题,提出了一种低复杂度的色彩重建算法。首先使用Hamilton-Adam (H-A)算法对Bayer图像进行预插值并求出色差通道,接着通过求出5×5模板内判断插值方向的综合梯度因子,重新更新G通道缺失像元值,最后利用已重建的G通道求出缺失的R和B通道颜色。柯达测试图仿真结果表明,相对于其他算法,所提出的算法在PSNR上有较大优势;相机输出图像的色彩重建结果表明,本文算法在判断插值方向上的准确率更高;可抑制其他算法插值后出现的斑点现象,图像边缘清晰、完整。平均每个像元,本文算法只需要56次算数运算,不需要乘法和除法运算,减轻了FPGA算法实现中IP核的负担,易于硬件实现,完全满足项目需要。

1 引 言

成像系统通过表面覆盖Bayer型彩色滤波阵列(CFA)的CCD对像面进行采样，输出Bayer图像。由于图像中每个像元只含三基色(RGB)中的一种颜色信息，需要通过插值算法的插值以重建缺失的颜色信息。通常情况下，重建效果越好的插值算法运算量越大，硬件资源需求越大。如何在保证重建效果的情况下，使硬件资源占用最小，是实际存在的问题，也是重建算法研究的一个重点，具有现实意义^[1]。

一般的重建法直接在RGB空间进行，如双线性插值(BI)、边缘及色差权重法(WEDC)^[2]、迭代投影法(AP)^[3]、集成梯度法(IGD)^[4]、色差方差插值法(VCD)^[5]、多范围梯度法(MSG)^[6]、色差空间迭代插值法^[7]等。部分插值算法在其他颜色空间中进行，如在Lab空间定义颜色领域进行插值的自适应颜色相似法^[8]、YCbCr空间的插值法^[9]。转换颜色空间和迭代插值需要较多的硬件资源，直接在RGB空间进行的非迭代插值方法的研究现实意义更大。本文算法首先利用H-A算法对缺失的G通道进行预插值并求出色差通道，然后求出方向判断准确率较高的综合梯度因子，并以此判断插值方向，以单方向插值的方法重新求出G通道，最后利用G通道求出其他两种颜色通道缺失的颜色信息。文中最后通过仿真和外场成像图像的色彩重建结果，在PSNR、外场图像色彩重建效果和算法复杂性上，与所列举算法进行了对比。

2 Bayer图像插值算法 2.1 实验成像图像

图1(a)及图1(b)所示为实验室研制的两款基于FPGA驱动的小型彩色相机，其光学系统焦距分别为6.5 mm和60 mm。相机输出为Bayer图样的图像，Bayer图样如图1(c)所示。图1(d)、图1(e)分别为图1(a)及图1(b)相机输出的Bayer图像。

图1 CCD相机及其成像图像.(a)和(b)：6.5mm焦距相机和60mm焦距相机;(c)Bayer图样;(d)和(e)：相机(a)、(b)的输出图.Fig.1 CCD cameras and acquired images.(a) and (b) are CCD cameras with 6.5 mm and 60 mm focal length; (c) Bayer pattern,(d) and (e) are acquired from cameras in (a) and (b) respectively.

图选项

2.2 文中算法

彩色插值算法中，插值方向选择错误导致的插值颜色比由插值算法带来的误差更明显，因为前者往往和周围颜色在颜色空间中的位置相差甚远，导致图像失真严重。插值方向判断准确率越高的插值算法，其重建效果越好。

本文的插值算法首先通过插值预求出色差通道，接着通过求出待插值周围5×5模板内判断插值方向的综合梯度因子，通过综合梯度因子判断插值方向，最后利用预先插值出的色差值在插值方向上插值出新的色差值，用以更新G通道。算法最后通过已求出的G通道，对缺失的R和B进行插值。

2.2.1 G通道插值

H-A插值法同时利用G通道和R通道求解缺失的G通道，重建效果较好^[5, 10]。然而其插值方向判断的准确率略显不足，可利用H-A算法预求出其水平和垂直方向上的G值，作为后续计算的基础：

式中: X可以是 R或 B。式(1)预求出了缺失绿色值在水平和垂直方向上的估计值。则在 R(B)上，水平和垂直两个方向上的色差通道值，可用式(2)表示：

其中: X可以是 R或 B。式(2)不需要求出 G上的色差值。设Bayer图像为 F(i,j)，在像元 (i,j)处，水平及垂直方向的梯度因子 D ^H和 D ^V用式(3)求出，是判断插值方向的基本要素。

式(3)将位置更远的像元(F(i±2,j±2))，通过归一化系数加入考虑范围，可增加梯度因子的准确率。但是梯度因子只与F(i,j)相邻的4个像元值有关，因此，只通过D^H和D^V判断边缘及插值方向的准确率并不高，为更好评估某点的插值方向，引入F(i,j)点周围5×5窗口的综合梯度因子ω_H和ω_V：

综合梯度因子以插值周围25个梯度因子的和作为新的插值方向判断因子，减小只通过单个梯度因子判断插值方向的局限性，增加插值方向判断的准确率。式(4)中的ω_H和ω_V只用于判断插值方向，而不以加权因子的方式求色差值，避免了与插值方向无关的色差值加入到色差通道，外场成像图像的色彩重建也证实这种方法的可行性及优越性。求出综合梯度因子后，使用单方向加权方法求出R上新的色差通道值。即当ω_H(i,j)≤ω_V(i,j)：

当ω_H(i,j)>ω_V(i,j)：

式(5)和式(6)中的X可以是R或B。采取相隔一个插值点的色差值求${{\tilde{\Delta }}_{g,x}}$，减小了色差通道的计算量。缺失的G值的最终插值用式(7)表示：

2.2.2 R和B通道插值

R和B通道缺失的颜色值通过已求出的绿色通道值插值得出。首先插值R上缺失的颜色B和B上缺失的颜色R。算法的硬件实现中，缓存图像行数过多会占用较多的片上RAM资源。因此，利用VCD算法里具有抑制噪声的功能的模板Prb求解R和B的值^[4]，模版只需要缓存的3行图像数据。

⊗表示相应位置相乘并求和。式(8)的优点是可以只通过加法器及移位完成。

绿色值上缺失的R颜色值可通过该绿色值和R通道和G通道的差求出，如式(9)所示。

B颜色通道求法类似。Bayer图像所有缺失的颜色信息都已通过插值完成。

3 仿真及实验结果对比 3.1 算法仿真

图2为6幅柯达测试图，用以测试插值算法。

图2 6幅柯达测试图Fig.2 6- image Kodak test set

图选项

仿真中采用PSNR评价色彩重建图像与原图的差别^{[1, 2, 3, 4, 5, 6]}。表1所示的是所选取的5种算法和本文算法在重建图2中的测试图上，PSNR的对比。

表1 不同插值算法的PSNR对比 Tab.1 PSNR performance of various algorithms

Pic	WEDC	AP	IGD	VCD	MSG	Prop
a	39.65	41.63	43.42	42.71	43.72	42.69
b	36.2	40.16	40.68	40.62	41.13	41.14
c	38.34	41.84	42.7	42.26	43.51	42.52
d	36.35	39.43	39.92	39.84	40.3	40.31
e	35.25	39.53	41.84	41.03	42.17	41.04
f	32.35	34.74	35.36	35.15	35.69	34.75

表选项 

可以看出，色彩重建后，MSG算法的PSNR在六种算法中最高，本文的算法在图2(b)及图2(d)的色彩重建上有少许的优势。图3列出了不同算法在图2中的灯塔图恢复中的细节效果。

图3 不同算法的效果对比.(a)WEDC[2]，(b)AP[3]，(c)IGD[4]，(d)VCD[5]，(e)MSG[6]，(f)本文算法.Fig.3 Details of the demosaicing results. (a) WEDC[2],(b) AP[3],(c) IGD[4],(d) VCD[5],(e) MSG[6]and (f) Prop.

图选项

图3显示，本文算法在插值方向上的预测上具有较高的成功率，栅栏的伪彩色较图3(a)和图3(b)有较大的改善。IGD、VCD、MSG和本文算法都具有较好的色彩重建效果。

对于2×2窗口的Bayer图像，表2列出了4种算法的复杂度情况，以比较不同算法的运算量。其中WEDC及AP运用了迭代的方法，运算量不确定，不列入比较表格。

表2 不同插值算法复杂度对比 Tab.2 Computational complexity of various algorithms

	IGD	VCD	MSG	Prop
ADD	180	340	348	176
MUL	60	144	100	0
SHT	36	30	44	38
ABS	32	16	8	8
DIV	20	16	22	0
CMP	4	8	0	2
Total	332	554	522	224

表选项 

表2表明，本文算法的计算量最小，2×2窗口的Bayer图像重建算法只需要224次数学运算，平均每个像素只需要56次算数运算，仅为MSG的42.9%，算法易于硬件实现。值得注意的是，本文算法不需要乘法和除法，可通过移位完成相关操作，减轻了硬件实现过程中，FPGA的IP核负担。

3.2 外场成像图像色彩重建对比与讨论

使用双线性、VCD、MSG和本文算法对微小相机输出的Bayer图像进行插值。由于没有计算PSNR所需的原始图像信息，本文采用插值后图像细节部分对比，以比较各算法的插值效果。

图4 不同算法插值效果图：(Ⅰ)图1d色彩重建：(a)和(e)双线性，(b)和(f)VCD[5]，(c)和(g)MSG[6]，(d)和(h)本文算法。(Ⅱ)图1e色彩重建：(a)和(e)为双线性，(b) 和(f)为VCD[5]，(c) 和(g)为MSG[6]，(d) 和(h)本文算法。Fig.4 Results of different methods: (Ⅰ) Results of Fig.1d: (a) & (e) BI. (b) & (f) VCD[5]. (c) & (g) MSG[6]. (d) & (h) Prop. (Ⅱ) Results of Fig.1e: (a) & (e) Bilinear. (b) & (f) VCD[5]. (c) & (g) MSG[6]. (d) & (h) Prop.

图选项

双线性插值算法的边缘保持能力差，出现拉链效应及模糊。VCD、MSG和本文的方法可较好地保持图像轮廓，重建细节效果较好。由于MSG算法在重建G通道上，采用了加权法同时引入了水平和垂直两个方向的插值，插值偏离理想值较多而出现斑点现象。从(1)图及(2)图中(a)~(d)子图的色彩重建可以看出，VCD的斑点现象最严重，其次是MSG算法，这些斑点现象同时也存在于图像的其他地方。本文算法存在的斑点现象则较轻，说明本文算法的插值误差较小。(2)图中(e)~(f)子图表明，VCD算法在插值方向上有判断错误，而MSG及本文算法未发生判断错误，说明基于综合梯度因子判断图像边缘的准确率高于VCD算法采用的色差方差判断法。实验结果显示，本文方法在保持轮廓边缘，体现物体细节的同时，斑点现象得到较好的抑制，体现了本文算法的优越性。

4 结 论

提出了一种基于色差通道的低复杂度色彩重建算法，该算法使用综合梯度因子判断插值方向，采用单方向插值的方法重建G通道再利用重建的G通道重建R和B通道。柯达测试图仿真表明，所提出算法在PSNR上有一定的优势，并且在实验成像图像的色彩重建结果中，减轻了VCD及MSG算法出现的斑点现象，插值误差更小。在算法复杂度上，所提出的算法平均一个像元只使用了56次数学运算，不需要乘法和除法，提升了计算效率，减小了硬件实现中硬件资源的消耗。结果表明，算法在保证了Bayer图像色彩重建质量的情况下，易于硬件实现，具有现实意义。

参考文献

[1]	李华,朱波.基于FPGA的彩色图像实时采集系统设计[J].液晶与显示,2014,29(2):258-265. LI H, ZHU B. Design of real-time color image acquisition system based on FPGA [J]. Chinese Journal of Liquid Crystals and Displays, 2014, 29(2): 258-265. (in Chinese)
[2]	BU F, QIAO W D, QIU Y H, et al. A novel weighted edge-directed and weighted-color-difference interpolation for demosaicking bayer-pattern color images[J]. Jour of Information & Computational Science, 2012, 9(7): 1781-1794.
[3]	GUNTURK B K, ALTUNBASAK Y, MERSEREAU R M. Color plane interpolation using alternating projections[J]. IEEE Transactions on Image Processing, 2002, 11(9): 997-1013.
[4]	CHUNG K H, CHAN Y K. Low-complexity color demosaicing algorithm based on integrated gradients [J]. Journal of Electronic Imaging, 2010, 19(2): 021104.
[5]	CHUNG K H, CHAN Y H. Color demosaicing using variance of color differences [J]. IEEE Transactions on Image Processing, 2006, 15(10): 2944-2955.
[6]	PEKKUCUKSEN I, ALTUNBASAK Y. Multiscale gradients-based color filter array interpolation[J]. IEEE Transactions on Image Processing, 2013, 22(1): 157-165.
[7]	梁晓芬,乔卫东,杨建峰,等.基于色差空间的Bayer图像的迭代插值算法[J].红外与激光工程,2014,43(9):3128-3133. LIANG X F, QIAO W D, YANG J F, et al. Iterative interpolation algorithm of Bayer images based on color difference space [J]. Infrared and Laser Engineering, 2014, 43(9): 3128-3133. (in Chinese)
[8]	Keigo Hirakawa, Thomas W. P. Adaptive homogeneity-directed demosaicing algorithm [J]. IEEE Transactions on Image Processing, 2005, 14(3): 360-369.
[9]	喻再光,赵群飞.基于 YCbCr 三基色插值及其在DSP上的实现[J].计算机工程与应用,2005,41(10):104-106. YU Z G, ZHAO Q F. Three-color interpolation algorithm based on YCbCr and its implementation on a DSP system[J]. Computer Engineering and Application, 2005, 41(10): 104-106. (in Chinese)
[10]	ADAMS JR J E, HAMILTON JR J F. Adaptive color plane interpolation in single sensor color electronic camera: United States, U.S. Patent 5629734[P]. 1997-07-29.