面向数字相机的CCD像素颜色插值新算法研究

    摘   要：与立方卷积法和神经网络法相比，线性插值方法具有运算速度快的优点，在数字相机的插值技术中经常采用。为了提高图像质量，提出一种双相关线性插值方法，这种方法根据绿色分量的相关性对红蓝两种分量进行插值，并根据红蓝分量的相关性对绿色分量进行插值。实验表明，这种方法对于增强图像边缘效果较好。

    引 言

    在数字相机的成像器件的结构中，为了获得客观景像最详尽的描述，最佳方案是用三块 CCD 接收红绿蓝三个分量的信息，通过 DSP（数字图像处理器）合成彩色图像。但是出于对成本与成像系统体积的考虑大部分的数字相机都采用一块 CCD 作为接收图像的传感器。一般是在CCD 表面覆盖颜色滤波阵列，仅允许通过一种颜色分量，使 CCD 单元只产生一个分量的响应值。为了获得全彩色图像，就要用周围像素的像素值近似计算出被滤掉的颜色分量，即颜色插值。数字相机拍摄的是静态图像，对分辨力要求较高，而 Bayer 颜色滤波阵列具有很好的颜色信号敏感特性和颜色恢复特性，在很多的数字相机中作为 CCD 图像传感器被采用。Bayer型颜色滤波阵列如图 1 所示。

    选择好的插值方法对获取高质量图像是非常重要的。选用方法越复杂，插值产生的图像质量越高，但这需要较长的处理时间，为使用者带来不便。因此寻找一种适合数字相机使用的，在处理速度和成像质量方面均达到要求的插值方法就显得十分必要。本文就各种 CCD 颜色插值方法进行分析，提出一种具有边缘增强功能的颜色插值算法，并通过实验对效果进行验证。

    1 常用的插值方法

    CCD 的颜色插值方法很多，常用的算法有邻域插值法、线性插值法[1]、立法卷积插值法[2]、神经网络插值法[3]、考虑相关性的线性插值法等。    在 Bayer 滤波阵列中，需要插值的像素都有四个相邻的像素，可以选择其中任何一个像素的颜色分量作为插值结果，这种方法称为邻域插值方法；线性插值法原理是用像素邻域中同色分量的平均值作为此像素的该色分量；立方卷积插值是用邻近的像素作三次插值，作为理论上最适宜的 sinc 函数的近似，这种插值算法比起线性插值算法复杂了很多，可以得到较好的图像质量，但运算时间较长。神经网络插值方法与前面所述的各种方法不同，它不需要物理和数学模型即可描述系统。为从周围像素中插值产生一个丢失的颜色分量，可以使用三层正反馈的神经网络，这种方法能产生很好的边缘和角落效果，从而得到高质量的图像。考虑相关性的线性插值算法是对线性插值算法的改进，主要是考虑像素间的相关性[4]，通过研究邻域像素的水平和垂直的相关性，选择在最相关方向上的像素进行线性插值。基于这种思路有两种插值方法，第一种方法认为，由于绿色分量数量最多，其中包含的景象信息也比红色分量和蓝色分量多，因此可将绿色分量作为其它两种分量插值的参考[6]；另一种方法认为，相关性由周围像素的红色、蓝色分量决定的[5]。对绿色分量进行插值时，可以考察红、蓝分量的横向和纵向的相关性，选择相关性大的方向做绿色分量的线性插值。