文獻中存在針對 Bayer 格式影像進行彩色影像插補（Bayer 轉換）的不同演算法。本節將提供此類演算法的幾個範例。下表進行了總結：
| 演算法 | 描述 | 範例 |
|---|---|---|
| “Nearest Neighbor filter” | 根據 [Ada95] | 「Nearest Neighbor Demosaicing」 |
| “Bayer3x3filter” | 雙線性插補；基於 VisualApplets 運算子 BAYER3x3Linear | 「Bayer 3x3 Demosaicing」 |
| 帶白平衡的 “Bayer3x3filter” | 雙線性插補；基於帶額外白平衡的 VisualApplets 運算子 BAYER3x3Linear | 「Bayer 3x3 Demosacing with White Balancing」 |
| “Bayer5x5filter” | 雙線性插補；基於 VisualApplets 運算子 BAYER5x5Linear | 「Bayer 5x5 Demosaicing」 |
| 帶白平衡的 “Bayer5x5filter” | 雙線性插補；基於帶額外白平衡的 VisualApplets 運算子 BAYER5x5Linear | 「Bayer 5x5 Demosacing with White Balancing」 |
| “Laplace filter” | 邊緣敏感 | 「Edge Sensitive Bayer Demosaicing Algorithm」 |
| “Original Laroche filter” | 根據 [Lar94] | 「Bayer Demosaicing Algorithm According to Laroche」 |
| “Modified Laroche filter” | 根據 [Lar94]；已修改 | 「Modified Laroche Bayer Demosaicing Algorithm 」 |
| "Bilinear Bayer Red/BlueFollowedByGreen GreenFollowedByBlue/Red" | 根據 [Bas13] | 'Bayer Demosaicing For Bilinear Line Scan Cameras with Color Pattern Red/BlueFollowedByGreen GreenFollowedByBlue/Red ' |
| "Bilinear Bayer Red/BlueFollowedByBlue/Red GreenFollowedByGreen" | 'Bayer Demosaicing For Bilinear Line Scan Cameras with Color Pattern RedFollowedByBlue GreenFollowedByGreen ' | |
| "Bayer Demosaicing a Line Scan Camera with 8 Bit BiColor Bayer Pattern" | 對具有雙色 Bayer 圖案的 racer 2 L CXP 線掃描相機之 8 位元 Bayer RAW 圖案進行去拜爾處理： BiColorRGBG、BiColorGRGB、BiColorBGRG 與 BiColorGBGR | 'Bayer Demosaicing a Line Scan Camera with 8 Bit BiColor Bayer Pattern' |
| "Bayer Demosaicing a Line Scan Camera with 10 Bit BiColor Bayer Pattern)" | 對具有雙色 Bayer 圖案的 racer 2 L CXP 線掃描相機之 10 位元 Bayer RAW 圖案進行去拜爾處理： BiColorRGBG、BiColorGRGB、BiColorBGRG 與 BiColorGBGR | 'Bayer Demosaicing a Line Scan Camera with 10 Bit BiColor Bayer Pattern' |
| "Bayer Demosaicing a Line Scan Camera with 12 Bit BiColor Bayer Pattern" | 對具有雙色 Bayer 圖案的 racer 2 L CXP 線掃描相機之 12 位元 Bayer RAW 圖案進行去拜爾處理： BiColorRGBG、BiColorGRGB、BiColorBGRG 與 BiColorGBGR | 'Bayer Demosaicing a Line Scan Camera with 12 Bit BiColor Bayer Pattern' |
表 19. Bayer 去拜爾範例清單
上述演算法將在對應的章節中詳細說明。 在此，我們針對使用不同去拜爾方法對人工測試影像（圖 234，「人工測試影像」）所獲得的品質結果提供簡短概述。
下圖顯示了單一結構的更多細節。從左到右分別為：a) 「原始 Laroche 濾鏡」 [Lar94]、 b) 「修改後的 Laroche 濾鏡」、c) 「拉普拉斯濾鏡」、 d) 「Bayer5x5filter」、 e) 最鄰近插值法，以及 f) 「Bayer3x3filter」：
對於人工測試影像，根據拉鍊效應和偽色效應，"original Laroche filter" 顯示出最佳的主觀結果。 "modified Laroche filter" 具有輕微的拉鍊效應，可與 "Laplace filter" 相比。對於 “Laplace filter" 而言，此外在曲線和對角邊緣上還會出現許多偽色像素。“Bayer5x5filter" 顯示出強烈的拉鍊效應，而 “Nearest Neighbor filter" 則顯示出強烈的偽色效應。對於直線邊緣，此處會出現強烈的拉鍊效應。 使用 "Bayer3x3filter" 時，所有邊緣都顯得模糊。
Attention："original Laroche filter" 並不總是 Bayer 顯像（demosaicing）的最佳解決方案！對於人工測試影像，它沒有或只有極少的拉鍊效應，但對於有雜訊的 Bayer RAW 影像，可能會產生這種效應。在研究過程中，我們發現濾波演算法會受到雜訊的影響。 "modified Laroche" filter" 對於人工測試影像具有拉鍊效應，但對於有雜訊的 Bayer RAW 影像僅具有輕微的拉鍊效應。在此，濾波演算法受雜訊的影響小於 "original Laroche filter" 濾波器。此外，"Laplace filter" 對於人工測試影像具有拉鍊效應，但對於有雜訊的 Bayer 測試影像則沒有拉鍊效應。此處還會額外出現偽色效應。因此，您必須選擇哪種 Bayer 顯像演算法最適合您的特殊用途。
上一頁
