WikiDer > Демозаика

Demosaicing

А демозаика (также де-мозаика, демозаикинг или же дебайлинг) алгоритм это процесс цифрового изображения используется для восстановления полноцветного изображения из неполных образцов цвета, выводимых из датчик изображений обложен массив цветных фильтров (CFA). Он также известен как CFA интерполяция или же цветовая реконструкция.

Большинство современных цифровых камер получают изображения с помощью одного датчика изображения, на который накладывается CFA, поэтому демозаика является частью технологический трубопровод требуется для рендеринга этих изображений в доступный для просмотра формат.

Многие современные цифровые камеры могут сохранять изображения в необработанный формат позволяя пользователю демонстрировать их с помощью программного обеспечения, а не использовать встроенные в камеру прошивка.

Цель

Целью алгоритма демозаики является восстановление полноцветного изображения (то есть полного набора цветных троек) из пространственно недодискретизированных цветовые каналы вывод из CFA. Алгоритм должен иметь следующие особенности:

Массив цветных фильтров

Основная статья: Массив цветных фильтров
Расположение цветных фильтров Байера на массиве пикселей датчика изображения. Каждая ячейка размером два на два содержит два зеленых, один синий и один красный фильтр.

Массив цветовых фильтров представляет собой мозаику из цвет фильтры перед датчиком изображения. С коммерческой точки зрения наиболее часто используемой конфигурацией CFA является Фильтр Байера показано здесь. Это чередование красный (R) и зеленый (G) фильтры для нечетных строк и чередования зеленого (G) и синий (B) фильтры для четных строк. Зеленых фильтров в два раза больше, чем красных или синих, человеческий глазПовышенная чувствительность к зеленому свету.

Поскольку субдискретизация цвета CFA по своей природе приводит к сглаживание, оптический фильтр сглаживания обычно помещается на оптическом пути между датчиком изображения и объективом, чтобы уменьшить искажения ложных цветов (хроматические псевдонимы), вносимые интерполяцией.[1]

Поскольку каждый пиксель датчика находится за цветным фильтром, на выходе получается массив значений пикселей, каждое из которых указывает необработанную интенсивность одного из трех цветов фильтра. Таким образом, необходим алгоритм для оценки уровней цвета для каждого пикселя для всех компонентов цвета, а не для одного компонента.

Иллюстрация

Чтобы восстановить полноцветное изображение из данных, собранных массивом цветовой фильтрации, форма интерполяция необходимо для заполнения пробелов. Математика здесь подлежит индивидуальной реализации и называется демозаикингом.

В этом примере мы используем Adobe Photoshopбикубической интерполяции для моделирования схемы устройства фильтра Байера, такого как цифровая камера.

Изображение ниже имитирует выходной сигнал датчика изображения с фильтром Байера; каждый пиксель имеет только красный, зеленый или синий компонент. Соответствующее исходное изображение показано рядом с реконструкцией с демозаикой в ​​конце этого раздела.

Оттенки в рамке bayer.png
Фильтр Байера образцы
Оттенки bayer r.pngОттенки bayer g.pngОттенки bayer b.png
красныйЗеленыйСиний

Цифровая камера обычно имеет средства для восстановления всего изображения RGB с использованием вышеуказанной информации. Полученное изображение может быть примерно таким:

Оттенки в рамке aa.jpgОттенки в рамке dc.jpg
ОригиналРеконструирован

Восстановленное изображение обычно является точным в областях с однородным цветом, но имеет потерю разрешения (деталей и резкости) и имеет артефакты по краям (например, края букв имеют видимые цветные полосы и некоторую шероховатость).

Алгоритмы

Простая интерполяция

Эти алгоритмы являются примерами многомерная интерполяция на однородной сетке, используя относительно простые математические операции с соседними экземплярами одного и того же компонента цвета. Самый простой способ - интерполяция ближайшего соседа который просто копирует соседний пиксель того же цветового канала. Он не подходит для любого приложения, где важно качество, но может быть полезен для создания превью при ограниченных вычислительных ресурсах. Другой простой метод - билинейная интерполяция, посредством чего значение красного цвета не красного пикселя вычисляется как среднее значение двух или четырех соседних красных пикселей, и аналогично для синего и зеленого. Более сложные методы, которые независимо интерполируют в каждой цветовой плоскости, включают бикубическая интерполяция, сплайн-интерполяция, и Передискретизация по Ланцошу.

Хотя с помощью этих методов можно получить хорошие результаты в областях однородного изображения, они подвержены серьезным артефактам демозаики в областях с краями и деталями при использовании с чистыми цветными CFA.[2] Однако линейная интерполяция может дать очень хорошие результаты в сочетании с пространственно-спектральной (панхроматической) CFA.[3]Можно использовать простые модели формирования изображений для демозаики. В естественных изображениях в пределах одного сегмента соотношение цветов должно сохраняться. Этот факт был использован в чувствительной к изображению интерполяции для демозаики.[4]

Корреляция пикселей в изображении

Более сложные алгоритмы демозаики используют пространственную и / или спектральную корреляцию пикселей в цветном изображении.[5] Пространственная корреляция - это тенденция пикселей принимать одинаковые значения цвета в небольшой однородной области изображения. Спектральная корреляция - это зависимость между значениями пикселей различных цветовых плоскостей в небольшой области изображения.

Эти алгоритмы включают:

  • Переменное количество градиентов (VNG)[6] интерполяция вычисляет градиенты около интересующего пикселя и использует более низкие градиенты (представляющие более гладкие и похожие части изображения) для оценки. Используется в первых версиях dcraw, и страдает цветными артефактами.
  • Группировка пикселей (PPG)[7] при оценке использует предположения о природных ландшафтах. У него меньше цветовых артефактов на естественных изображениях, чем у метода переменного числа градиентов; это было введено в dcraw от отн. 8.71 как «Узорчатая группировка пикселей».
  • Адаптивная направленная однородность (AHD) в некотором роде отраслевой стандарт. Интерполяция выбирает направление интерполяции, чтобы максимизировать показатель однородности, таким образом обычно минимизируя цветовые артефакты.[8] Это было реализовано в последних версиях dcraw.[9]
  • Минимизация псевдонимов и устранение застежек-молний (AMaZE) разработан Эмилем Дж. Мартинеком, медленный, но с отличной производительностью, особенно при съемке с низким уровнем шума. Реализации AMaZE можно найти в RawTherapee и темный стол.

Видео супер-разрешение / демозаика

Было показано, что сверхвысокое разрешение и демозаика - две стороны одной и той же проблемы, и их разумно рассматривать в едином контексте.[10] Обратите внимание, что обе эти проблемы решают проблему сглаживания. Поэтому, особенно в случае реконструкции видео (многокадрового), совместное использование сверхвысокого разрешения и демозаики обеспечивает оптимальное решение.

Компромиссы

Некоторые методы могут дать лучшие результаты для естественных сцен, а некоторые, например, для печатных материалов. Это отражает неотъемлемую проблему оценки пикселей, которые точно не известны. Естественно, существует также повсеместный компромисс между скоростью и качеством оценки.

Использование в компьютерном программном обеспечении для обработки изображений

Когда у человека есть доступ к необработанные данные изображения с цифровой камеры можно использовать компьютерное программное обеспечение с множеством различных алгоритмов демозаики, вместо того, чтобы ограничиваться алгоритмом, встроенным в камеру. Несколько программ сырых разработок, таких как RawTherapee, дайте пользователю возможность выбрать, какой алгоритм следует использовать. Однако большинство программ написано для использования одного конкретного метода. Различия в рендеринге мельчайших деталей (и текстуры зерна), возникающие в результате выбора алгоритма демозаики, являются одними из основных различий между различными разработчиками raw; часто фотографы предпочитают конкретную программу по эстетическим причинам, связанным с этим эффектом.

Цветовые артефакты из-за демозаики дают важные подсказки для выявления подделок фотографий.[11]

Смотрите также

Рекомендации

  1. ^ Адриан Дэвис; Фил Феннесси (2001). Цифровая обработка изображений для фотографов (Четвертое изд.). Focal Press. ISBN 978-0-240-51590-8.
  2. ^ Ланлан Чанг; Яп-Пэн Тан. «Демозаика гибридной матрицы цветных фильтров для эффективного подавления артефактов» (PDF): 2. Архивировано из оригинал (PDF) на 2009-12-29. Цитировать журнал требует | журнал = (помощь)
  3. ^ Кейго Хиракава; Патрик Дж. Вулф. «Дизайн массива пространственно-спектральных цветных фильтров для повышения точности изображения» (PDF). Архивировано из оригинал (PDF) 20 июля 2011 г. Цитировать журнал требует | журнал = (помощь)
  4. ^ Р. Киммел. Демозаика: восстановление изображения по образцам цветных ПЗС. IEEE Transactions по обработке изображений, 8 (9): 1221–8, сентябрь 1999 г.
  5. ^ Ланлан Чанг; Яп-Пэн Тан. «Демозаика гибридной матрицы цветных фильтров для эффективного подавления артефактов» (PDF). Архивировано из оригинал (PDF) на 2009-12-29. Цитировать журнал требует | журнал = (помощь)
  6. ^ Тинг Чен. «Интерполяция с использованием переменного количества градиентов на основе порога». Архивировано из оригинал на 2012-04-22.
  7. ^ Чуан-кай Лин, Государственный университет Портленда (2004 г.). «Группировка пикселей для демозаики массива цветных фильтров».
  8. ^ Киего Хиракава; Томас В. Паркс. «Адаптивный алгоритм демозаики, ориентированный на однородность» (PDF). Цитировать журнал требует | журнал = (помощь)
  9. ^ Расшифровка необработанных цифровых фотографий в Linux В архиве 2016-10-19 в Wayback Machine, Дэйв Коффин.
  10. ^ Сина Фарсиу; Майкл Элад; Пейман Миланфар (2006). «Многокадровая демозаика и сверхвысокое разрешение цветных изображений» (PDF). IEEE Transactions по обработке изображений. 15 (1): 141–159. CiteSeerX 10.1.1.132.7607. Дои:10.1109 / TIP.2005.860336.
  11. ^ Ичжэнь Хуан; Янцзин Лун (2008). «Распознавание демозаики с приложениями для аутентификации цифровых фотографий на основе модели квадратичной корреляции пикселей» (PDF). Proc. Конференция IEEE по компьютерному зрению и распознаванию образов: 1–8. Архивировано из оригинал (PDF) на 17.06.2010.

внешняя ссылка