非遞迴式插補演算法

(a) (b) (c) 圖 2-1 (a) 原始圖 (b) 非邊緣偵測插補 (c) 邊緣偵測插補

2.1 非遞迴式插補演算法

在目前已發表的色彩插補論文，其基本架構大部分是採用 Hamilton 在 1997 年所提出的專利文章[3]內的方法。此方法簡稱為適應性色彩平面 插補(Adaptive Color Plane Interpolation，ACPI)，其插補流程如圖 2-2 所 示。由於 CFA pattern 的排列方式，感應元件擷取到較多的 G 色彩像素值，

故所有的色補演算法在第一步均是由 G 平面先執行插補，以較多無誤差 的真實色彩值先做處理，如此可以減低誤差的產生。第二步再由第一步完 成插補的 G 值，插補 R、B 像素值，如此便完成所有遺失像素值的插補。

G interpolation at R(B) pixels

R(B) interpolation at G pixels

R(B) interpolation at B(R) pixels

圖 2-2 插補演算法基本流程

從 CFA pattern 色彩排列的結構下，可將其分為四種 3×3 的區塊，如 圖 2-3 所示。以圖 2-3(a)為例，中心點(i, j)位置缺少 G、B 色彩資訊，故

需要執行 G 平面插補與 B 平面插補。

學上梯度的觀念與物理意義代表一條線或一個平面的陡峭度，中心點梯度 愈大代表它與周圍相鄰點的差異度愈大，故由 DH 與 DV 的數值大小，分 類該由哪種方向的估測器執行插補。ACPI 定義三種方向的估測器分別為 水平估測器(GH)、垂直估測器(GV)與平均估測器(GA)，其方程式如下：

4

在估測器中，採用的是色彩差值相關性(Color Difference Correlation) 的觀念。在真實世界的影像中，一個影像物件的小區塊 RGB 三個色彩值

2

G(i,j) = GA

4 Interpolation，ECI)，它簡化了 ACPI 在 G 平面的插補，只採用對角方向 的插補估測器(GA)，以減少執行分類動作的計算時間。在影像品質上，由 於使用兩個方向平均的插補方式，在物體內均勻色彩的部分優於 ACPI，

但是在物件邊緣部分，由於是將非物件本身的色彩值引入做平均的動作，

(a) (b)

圖 2-5 重建影像(a) ACPI (b) ECI

Lee [10] 提出對於 ACPI 方向分類器的改良，在分類器 DH、DV 中加 入參考鄰近點方向資訊，增加判斷的準確性。他們的作法是先對影像執行 一次整體方向判斷，產生一個方向地圖(Direction Map)紀錄像素點的方向 性，將 ACPI 分類器與方向地圖合併定義一個新的分類器 DH’、DV’如下 式：

) 2 , ( '= DH − ×d i j−

DH

ω

, 2 (

' DV d i j

DV = +

ω

ω 為一個大於 0 的權重值，d_map(i,j-2)與 d_map(i-2,j)分別代表目前插補 點左邊與上面相鄰點的方向參考值，方向地圖 d_map(i,j)定義如下：

⎪⎩

Chung [12] 對於 ACPI 分類器 DH、DV 在互相差距不大情況，也就 (Ideal ACPI) 的觀念，它是假設在方向判斷完全正確的情況下，以 ACPI 的估測器插補時所能達到的最佳品質，理想 ACPI 的好處是可用於當作改 良分類器的演算法其改善效能評估與尚可改進的空間，ACPI 演算法與理 想 ACPI 在 PSNR (Peak-signal to Noise Ratio) 上大約有 3~5 dB 的改善空 間 ， 在 高 效 能 遞 迴 式 插 補 演 算 法 如 Prof. Li 提 出 的 連 續 逼 近 插 補 法 (Successive Approximation，SA)[13] 與 Prof. Su 提出的高效率遞迴插補法 (Highly Effective Iterative Demosaicing，HEID)[14] 仍然與理想 ACPI 差距