彩色图像颜色插值算法研究现状
时间:2018-04-22 15:48 来源:毕业论文 作者:毕业论文 点击:次
| 彩色图像颜色插值算法依据是否利用了图像相关性原则，而把这些算法划分为两大类:第一类，没有利用任何图像相关性原则的算法，例如最邻近域复制法、双线性插值法、三次样条采样法等算法。在这一类插值算法中，对所缺失的绿色分量（G）仅仅利用邻域内已知的绿色分量（G）进行插值计算，对缺失的红色分量（R）和蓝色分量（B）的插值计算也是这样进行。21584 早在1976年，B.E.Bayer就提出了Bayer格式滤波阵列。当时为了复原彩色图像，采用的算法就是简单而又快速的双线性颜色插值算法(Bilinear)。这种方法因为没有利用到图像的任何相关性，所以其运算过程相对比较简单，容易实现，最经典、应用也最为广泛。这一种算法在彩色图像颜色平滑区域内可获得比较满意的效果。但是在图像高频区域内，尤其是在图像边界处失真比较严重。 第二类则是利用了图像相关性的算法。图像相关性指的是图像空间相关性和图像色彩相关性两种情况。从成像效果和图像峰值信噪比（PSNR）对图像恢复的评价可以看出，利用图像相关性的算法明显比第一类算法要好。论文网 从目前已有文献来看，大部分算法都属于第二类算法，如J.E.Adams和J.F.Hamilton的自适应性颜色层插值算法，该算法根据图像边缘梯度来确定对像素点邻域方向优先性进行颜色插值，利用的就是图像空间相关性原则。 D.R.Cok在1987年提出了基于常色调的彩色图像插值算法。这种算法是比较早的考虑图像色彩相关性的算法。基于常色调(或色调稳定)的双线性插值算法，是利用色比规律来大幅度降低图像色调的异常变化，其基本思想就是利用图像色彩相关性原则进行插值。 利用图像空间相关性原则的经典插值算法，还有Freeman在1988年提出的中值滤波颜色插值算法以及Gunturk在选择投影方案中采用的AP算法。后者利用了平面相关性。中值滤波插值算法，则是先利用双线性插值算法分别对图像中所有像素点的红色（R）、绿色（G）、蓝色（B）三个颜色分量值进行计算，然后对得到的三个颜色分量相互之间的差值进行中值滤波处理。这样处理的主要作用是为了消除双线性颜色插值算法在插值过程中所带来的误差，尤其是在对伪彩色的抑制方面效果特别好。对于每个图像像素点则利用该点所采集到的颜色分量及其所对应的色差值，来计算该像素点另外两种缺失的颜色分量。 为了克服双线性颜色插值算法所带来的图像边缘锯齿化现象，R.H.Hibbard提出了采用色比规律的算法。即，利用色比规律，计算一阶微分来确定图像像素点边界方向的一阶微分边缘导向性颜色插值算法。而C.A.Laroche和M.A.Prescott则在此基础上提出了二阶微分边缘导向性颜色插值算法。这两种算法都是先恢复出图像所有像素点的绿色分量（G），再计算所缺失的红色分量（R）和蓝色分量（B）。这种基于梯度方向性插值算法既利用了图像空间相关性原则，又利用了图像色彩相关性原则。同时利用了两种图像相关性的插值算法，还有 R.Kimmel提出的迭代插值算法以及Xiaolin Wu提出的新边缘指示方向颜色插值算法。 J.F.Hamilton和J.E.Adams在1997年提出的自适应性颜色层(Adaptive Color Plane)插值算法，则是在二阶微分边缘导向性颜色插值算法的基础上进行改进得到的。与C.A.Laroche和M.A.Prescott提出的算法相比区别在于:这一种算法在确定图像边界时，是通过先对绿色分量（G）和红色分量（R），或者绿色分量（G）和蓝色分量（B）来共同计算图像中某个采样点的梯度值，并且R、G、B三个颜色分量均采用沿边缘取向进行插值的算法。这种算法同理是先对所缺失的绿色分量（G）进行插值计算，然后再对红色分量（R）和蓝色分量（B）进行恢复。 (责任编辑：qin) |