Bayer圖像處理
Bayer是相機内部的原始圖檔, 一般字尾名為.raw. 很多軟體都可以檢視, 比如PS.
我們相機拍照下來存儲在存儲卡上的.jpeg或其它格式的圖檔, 都是從.raw格式轉化
過來的. .raw格式内部的存儲方式有多種, 但不管如何, 都是前兩行的排列不同. 其
格式可能如下:
G R G R G R G R
B G B G B G B G
G R G R G R G R
B G B G B G B G
橫為2的倍數, 豎為4的倍數, 它們構成了分辨率. 如, 上面則代表了 8 * 4 分辨率的
Bayer圖.
我們要知道的是, G = 2 * R 及 G = 2 * B, 即綠色值為紅色值或藍色值的兩倍, 因
為人眼對綠色更敏感, 是以綠色的分量更重.
下面說一下從bayer轉換成rgb圖的算法, RGB圖, 即為三色圖, 一個像素點就由RGB
三種顔色構成的混合色, 而bayer圖一個像素就隻有一個顔色, 或R或G或B. 因為bayer
一個像素點隻有一種顔色, 需要借助這個像素點周圍的顔色對它進行插值(填充)另外的
兩種顔色, 它本身的顔色就不用插了. 一般的算法是:
對于插入R和B,
Rx = ( R1 + R2 ) / 2; 或-------------取上邊和下邊的平均值, 或是左邊和右邊的平均值
Rx = ( R1 + R2 + R3 + R4 ) / 4;----取四個邊的平均值
B同理. 如:
G B G
R G R
G B G
對于中間的G, 它缺少 R和B, 用上下和左右的平均值進行求值.
對于
B G B
G R G
B G B
這個圖呢, 中間點R, 缺少G和B, G暫時沒讨論, 那麼 B, 就是從R的四個B角進行求平均值.
==============================================
如果插入G, 稍有些複雜.
不過一般的算法與R和B一樣, 複雜的算法, 其複雜程度也提升一倍, 不過精度更高, 如果對于
視訊監測系統來說, 精度相對來說不必要求太高, 用R或B的解法即可. 下面說複雜的:
對于圖:
R1
G1
R4 G4 R G2 R2
G3
R3
對于中間點R, 它需要插入G和B, B不讨論, 主要讨論G, 它周圍有四個點G1, G2, G3, G4.
( G1 + G3 ) / 2--------------如果 |R1-R3| < |R2-R4|
G(R) = ( G2 + G4 ) / 2-------------如果 |R1-R3| > |R2-R4|
( G1 + G2 + G3 + G4 ) / 4--如果 |R1-R3| = |R2-R4|
如果周圍出現的像素點顔色為B, 就應該比較|B1-B3|與|B2-B4|的值.
====================================================
還有關于将RGB格式轉換為YUV格式的算法, 這裡不想讨論了.
這裡要注意的是, bayer每個像素的值是8位的. 但是有的相機的bayer格式卻有10位, 12位
以及14位, 16位的, 那麼如何将這些高于8位的資料轉換為8位資料呢?. 拿12位資料來說, 有的
人是取高8位或是低8位, 那麼這樣就會出現一個問題, 這張圖像會有一個斜度, 不是偏亮就是偏
暗, 或是出現其它亂七八糟的問題, 顔色問題總是不能令人滿意. 這個時候就要去較正它, 無疑是
浪費了時間.
另一種算法是使用log映射, 據老外說, 這種轉換法具有較高的精度. 拿12位來說, 一般轉換算法:
f(in) = 2 ^ ( log(in) * 8 / 12 )
轉換圖為:
|8 .
| .
| .
|_______________________12
因為log256 = 8, log4096 = 12, 對了log是以2為底哦.
做得更好一點的算法, 可能根據提供的曝光等其它因素不同, 而将算法進行調整, 這樣當一些意外
事件發生時, 産生的圖檔也不會失真嚴重.
如有何疑問, 請緻信: [email protected]
連結：http://www.cnblogs.com/lin1270/archive/2010/12/01/1893647.html
RGB Bayer Color分析
Bayer色彩濾波陣列
拜耳色彩濾波陣列（Bayer Color Filter Array，CFA）是非常有名的彩色圖檔的數字采集格式。色彩濾波器的模式如上圖所示，由一半的G，1/4的R，1/4的B組成。
拜耳色彩濾波器的模式、序列、濾波器有很多種，但最常見的模式是由Kodak提出的2*2模式。
當Image Sensor往外逐行輸出資料時，像素的序列為GRGRGR.../BGBGBG...（順序RGB）。這樣陣列的Sensor設計，使得RGB傳感器減少到了全色傳感器的1/3，如下所示。
圖像傳感器的結構如下所示，每一個感光像素之間都有金屬隔離層，光纖通過顯微鏡頭，在色彩濾波器過濾之後，投射到相應的漏洞式矽的感光元件上。
白平衡調節（White Balance）
色彩傳感器并不能像人眼那樣直接感應圖像，是以為了保證最終圖像的真實性，必須經過一些白平衡處理以及色彩校正等算法來修正圖像。
原始像素的第一步處理操作就是白平衡調節。一個白色物體每通道的白平衡都應該是相同的，即R=G=B。通過白色物體的采集以及直方圖分析，擁有最進階别白平衡的通道被作為目标通道，而其他兩個通道通過增益達到比對，如下：R'=aG'=bB'。同時，随着光源的不同，白平衡也應該相應的調節。
Bayer插值補償算法（Bayer Interpolation）
1) 插值紅藍算法實作
每一個像素僅僅包括了光譜的一部分，必須通過插值來實作每個像素的RGB值。為了從Bayer格式得到每個像素的RGB格式，我們需要通過插值填補缺失的2個色彩。插值的方法有很多（包括領域、線性、3*3等），速度與品質權衡，最好的線性插值補償算法。其中算法如下：
R和B通過線性領域插值，但這有四種不同的分布，如下圖所示：
（a） （b）
（c） （d）
在（a）與（b）中，R和B分别取領域的平均值。
2) 插值綠算法實作
在（c）與（d）中，取領域的4個B或R的均值作為中間像素的B值。
（e） （f）
由于人眼對綠光反應最敏感，對紫光和紅光則反應較弱，是以為了達到更好的畫質，需要對G特殊照顧。在上述（c）與（d）中，擴充開來就是上圖的（e）與（f）中間像素G的取值，者也有一定的算法要求，不同的算法效果上會有差異。經過相關的研究，（e）中間像素G值的算法如下：
（f）中間像素G值的算法如下：
CMOS攝像頭這部分轉換是在内部用ADC或者ISP完成的，生産商為了降低成本必然會使得圖像失真。當然用外部處理器來實作轉換，如果處理器的速度足夠NB，能夠勝任像素的操作，用上面的算法來進行轉換，皆大歡喜。不過上述算法将直接成倍提高了算法的複雜度，速度上将會有所限制。是以為了速度的提成，可以直接通過來4領域G取均值來中間像素的G值，将會降低一倍的速率，而在性能上差之甚微，算法如下：
如果能夠通過損失圖像的額品質，來達到更快的速度，還可以取G1、G2的均值來實作，但是這樣的做法會導緻邊沿以及跳變部分的失真。
連結：http://blog.chinaaet.com/detail/32398