影像視覺品質比較

此小節中，我們針對插補演算法重建後的影像與原始測試影像，比較 其視覺上的品質，下圖4-2、4-3分別為img8的籬笆區域與img4的窗戶區域 的局部放大影像，明顯的在應用小波分類器的演算法均減少了錯色的情

(a)

(b) (c)

(d) (e)

(f) (g)

圖 4-2 img8 演算法重建影像局部放大圖 (a)原始影像 (b)ACPI (c)ACPI

(a)

(b) (c)

(d) (e)

(f) (g)

圖 4-3 img4 演算法重建影像局部放大圖 (a)原始影像 (b)ACPI (c)ACPI with wc (d)SA (e)SA with wc (f)HEID (g)HEID with wc

4.5 小波轉換係數的選擇

在前面 PSNR 的數據比較，HEID 使用小波分類器的演算法可以得到 最高的 PSNR，而在此小節中，針對幾種不同的小波轉換係數來比較其應 用 在 HEID 演 算 法 上 的 PSNR 值 ， 我 們 測 試 四 種 小 波 濾 波 係 數 分 別 為 Haar、Daubechies、JPEG2000 9/7、JPEG2000 5/3。圖 4-4 為上述四種小 波轉換係數應用到 HEID 演算法中 G 平面的 PSNR 值，從圖中可以看出使 用 5/3 濾波係數可得到較高的 PSNR，24 張測試影像平均分別為：Haar 為 42.24655 dB、Daubechies 為 42.33103 dB、9/7 為 42.48138 dB、5/3 為 42.52388 dB。因此本論文採用 5/3 小波轉換來作為分向分類器。

圖 4-4 不同小波轉換係數在 HEID 中 G 平面的 PSNR

4.6 計算複雜度統計

對於計算複雜度的統計，我們計算本論文採用的 5/3 小波轉換所需要 的運算單元數量。假設輸入測試影像長寬分別為 M 和 N，則影像中共有 M×N 個像素點。由於我們只使用小波轉換後的 HL 與 LH 頻帶，所以一個 像素點需要做一次水平高通與垂直低通和一次水平低通與垂直高通。高頻 轉 換 需 要 加 法 器 (Addition) 、 減 法 器 (Subtraction) 與 移 位 暫 存 器 (Shift Register)各 1 個，而低頻轉換需要 5 個加法器、1 個減法器與 3 個移位暫 存器。故一個像素點共需要 12 個加法器、4 個減法器與 8 個移位暫存器。

另外於 G 平面插補時，分類器 DH’’與 DV’’各需要 3 個加法器與 3 個絕對 值運算元(Abs)。因此，四張 MN/4 大小的 CFA 子影像 g0, g1, r0 和 b0 經 過小波轉換和插補 G 平面時的分類器所需要的運算單元，統計如下表 4-5 所示。

表 4-5 MN 大小影像經過小波轉換所需要的運算單元數 Operators

Size

Addition Subtraction

Shift Register

Abs

g0 MN/4 3MN MN 2MN 0

g1 MN/4 3MN MN 2MN 0

r0 MN/4 3MN MN 2MN 0

b0 MN/4 3MN MN 2MN 0

DHi,j MN/2 MN 0 0 1.5MN

DVi,j MN/2 MN 0 0 1.5MN

Total 14MN 4MN 8MN 3MN

第五章 結論與未來工作

輸出影像的品質在數位相機中是最重要的問題，而色彩插補演算法是 影響影像品質的重要關鍵角色，如何有效的降低重建影像的視覺錯色，為 色彩插補演算法急需解決的的問題。在本論文中，我們應用小波轉換在頻 率分割與分析上的優點，透過小波轉換後的方向高頻係數矩陣，來作為方 向判斷的分類器，解決傳統 ACPI 分類器在不同頻率上響應不同的嚴重問 題，經由與原始影像的正確插補方向比較後，小波分類器確實比 ACPI 分 類 器 提 高 了 判 斷 的 正 確 率 ， 從 實 驗 結 果 中 ， 我 們 所 提 出 的 方 法 不 僅 在 PSNR 有所提升，而且對於不同演算法產生的錯色問題，我們所提出的分 類器消除了大部分的錯色，明顯改善影像的視覺品質。

未來發展方向，一方面可透過分析影像的結構與特性，針對不同的特 定結構採用不同的分類，運用小波係數矩陣發展更準確的區塊性分類器，

另一方面可以硬體的方式來實現小波轉換，進一步加快演算法的執行效 能。

參考文獻

[1] K. A. Parulski, “Color filters and processing alternatives for one-chip cameras,” IEEE Trans. Electron Devices. vol. ED-32, no. 8. pp. 1381 Aug. 1985.

[2] B. E. Bayer, “Color imaging array,” U.S. Patent 3 971 065, Jul. 1976.

[3] J. F. Hamilton Jr. and J. E. Adams, “Adaptive color plane interpolation in single color electronic camera,” U. S. Patent 5 629 734, May 1997.

[4] S.-C. Pei and I.-K. Tam, “Effective color interpolation in CCD color filter arrays using signal correlation,” IEEE Trans. Circuits Systems Video Technol., vol. 13, no. 6, pp. 503-513, Jun. 2003.

[5] R. Lukac and K.N. Plataniotis, “Digital camera zooming on colour filter array, ” IEE Electronics Letters vol. 39, No. 25, Dec. 2003.

[6] Rastislav Lukac, Konstantinos N. Plataniotis and Dimitrios Hatzinakos,

“Color Image Zooming on the Bayer Pattern,” IEEE Trans. Circuits and Systems Video Technol, vol. 15, No. 11, Nov. 2005.

[7] King-Hong Chung, Yuk-Hee Chan, Chang-Hong Fu and Yui-Lam Chan,

“An Efficient Combined Demosaicing and Zooming Algorithm for Digital Camera,” Conference on Computer Vision, Graphics and Image Processing, CVGIP2007

[8] K. Hirakawa and T. W. Parks, “Joint demosaicking and denoising,”

IEEE Trans. Image Process., vol. 15, no. 8, pp. 2146–2157, Aug. 2006.

[9] Lei Zhang, Xiaolin Wu and David Zhang, “Color Reproduction From Noisy CFA Data of Single Sensor Digital Cameras,” IEEE Trans. Image Processing, vol. 16, no. 9, Sep. 2007.

[10] W. Lee, S. Lee, and J. Kim, “Cost-efffective color filter array demosaicing using spatial correlation,” IEEE Trans. Consumes Electronic., vol. 52, no. 2, pp. 547-554, May 2006.

[11] C.-Y. Su, C.-M. Lin, and Y.-S. Lin, “Effective False Color Suppression of Demosaicing Using Direction Inversion and Bidirectional Signal Correlation,” the Proc. of IEEE International Conference on Image Processing, ICIP2007, vol. II, pp. 85-88.

[12] King-Hong Chung and Yuk-Hee Chan, “Color Demosaicing Using

Variance of Color Differences,” IEEE Trans. Image Processing, vol. 15, no. 10, pp. 2944-2955, Oct 2006.

[13] X. Li, “Demosaicing by successive approximation,” IEEE Trans. Image Process., vol. 14, no. 3, pp. 370-379, March 2005.

[14] C.-Y. Su, “Highly effective iterative demosaicing using weighted-edge and color-difference interpolations,” IEEE Trans. Consumer Electronics, vol. 52, no. 2, pp. 639-645, May 2006.

[15] W.-M. Lu and Y.-P. Tan, “Color filter array demosaicking: New method and performance measures,” IEEE Trans. Image Process., vol. 12, No.

10, pp. 1194–1210, Oct. 2003.

[16] K. Hirakawa and T.W. Parks, “Adaptive homogeneity-directed

demosaicing algorithm,” IEEE Trans. Image Process., vol. 14, No. 3, pp. 360-369, March 2005.

[17] C.-Y. Tsai and K.-T. Song, “Heterogeneity-Projection Hard-Decision Color Interpolation Using Spectral-Spatial Correlation,” IEEE Trans.

Image Process., vol. 16, No 1, pp. 78-91, Jan. 2007.

[18] C.-Y. Su, and Y.-S. Lin, 2007, “Colour Interpolation Using

Wavelet-Based Classifiers,” IET Electronics Letters. vol. 43, no. 12, pp.

667-669 June 2007.

[19] JPEG 2000 image coding system: Core coding system, ISO/IEC 15444-1:2004, JPEG committee, 2004.

[20] Kodak test images and the demosaicing code of successive approximation available at

http://www.csee.wvu.edu/~xinl/demo/demosaic.html.

[21] S-CIELab Metric (2003). [Online]. Available at

http://white.stanford.edu/~brian/scielab/scielab.html