基于FPGA的彩色圖像Bayer變換實現
加入技術交流群
圖像工程在國防、教育、金融、醫療、印刷、智能交通、工業自動化、消費類電子等許多領域獲得了廣泛應用，發展十分迅速。眾所周知，圖像傳感器作為圖像系統的重要部件，基本分為兩類：CCD sensor或CMOSsensor。兩者都是利用感光二極管(photodiode)進行光電轉換，將圖像轉換為數字數據，而其主要差異是數據傳送的方式不同。
sensor3彩色數字相機需要3個單色sensor獲得彩色圖像的R，G，B分量，成本較高。單CCD獲得彩色圖像的方法是在CCD表面覆蓋1個只含紅、綠、藍3色的馬賽克濾鏡，對其輸出信號通過一定的處理算法實現。這個設計理念最初由拜爾提出，所以這種濾鏡也被稱作拜爾模板(bayer pattern)。
LatticeECP FPGA將高效的FPGA結構和高速的專用功能集于一身。LatticeECP-DSP(Economy plus DSP)是其中的第1個產品系列，它在芯片上集成了專用的高性能DSP塊。LatticeECP-DSP器件最適合用在具有成本優勢的DSP功能應用系統中，比如由軟件定義的無線電、無線通信、軍事、圖像和視頻處理系統等。
l Bayer插值方法
Bayer Pattern的排列格式如圖1所示。
盡管通過帶有Bayer濾鏡的單sensor相機采集的原始圖像帶有R，G，B三基色分量，但是不能不加任何算法處理．僅簡單地將3種分量分離。這樣不僅圖像分辨率很差，而且各像素點的三基色分量比例與被攝目標相比，失真也很嚴重。在圖2中，圖2(a)為原始彩色圖像；圖2(b)為僅取紅色分量，以灰度模式顯示的圖像；圖2(c)為僅取綠色分量，以灰度模式顯示的圖像；圖2(d)為僅取藍色分量，以灰度模式顯示的圖像。將圖2(b)～(d)圖像簡單疊加后，即可得到原始圖像圖2(a)。可是CCD或CMOS sensor采集的原始Bayer圖像是不符合這種分離原則的，必須經過一定的圖像算法實現。
在圖像處理領域廣泛應用的Bayer插值方法有多種，M．C．Poilpre對JPEG圖像的處理；H．S．Malvar，等的線性插值法；Remi Jean的像素雙插值法以及T．Guseo的低分辨率圖像處理。具有代表性的有3種：雙線性插值法、Ron Kimmel方法和OptimalRecovery方法。這三種方法各有優劣。
1．1 雙線性插值法
如圖3所示，每個像素位置原本僅有一種彩色分量，缺少的2種彩色分量由3×3鄰域內具有相同顏色分量的像素平均值獲得。圖3中B7和G3處像素的R，G，B分量由下式計算：
評論