다른 Bayer 데모 알고리즘의 장단점은 무엇입니까?

Bayer 센서는 빨강, 녹색 및 파랑 픽셀 패턴을 사용하고 모든 단일 컬러 센서에 대해 하나의 픽셀로 최종 컬러 이미지로 이들을 병합합니다 . 이는 이웃 센서의 "순진한"혼합을 통해 수행 될 수 있지만 AHD, HPHD 및 AMaZE와 같은 이름을 가진 더 복잡한 접근 방식에 대해 들어 보았습니다.

이러한 다른 접근 방식은 무엇이며 어떤 이점이 있습니까? 컴퓨팅 복잡성 이상의 약점이 있습니까?

카메라 내 JPEG에 사용 된 접근 방식이 더 엄격하게 보호되지만이 분야에 대한 많은 연구 개발이 분명히 이루어지고 있다고 생각합니다. 카메라에서 사용할 수있는 제한된 처리 능력이이 영역에서 타협을 강요합니까?

몇 달 전에 머신 비전 카메라 SDK가 내장 베이어 기능에서 가장 가까운 이웃 "보간"을 사용했다는 사실에 놀랐습니다. 가장 빠르지 만 최악의 유형으로, 특히 색상 불일치 또는 밝기 불균형을 위해 이미지 채널에서 수학을 시작할 때 가장자리가 단단해집니다. 알고리즘에 대한이 검토를 찾았습니다.

http://www.arl.army.mil/arlreports/2010/ARL-TR-5061.pdf

다음 단계는 쌍 선형 및 쌍 입방 형 보간으로 컨볼 루션 커널에 불과하기 때문에 매우 빠르게 계산할 수 있습니다. 이들은 비스듬한 모서리보다 비스듬한 가장자리에 착색 된 톱니를 제공합니다.

이 백서와 5 가지 알고리즘에 대한 정량화 된 품질 데이터를 통해 확인할 수 있습니다.

http://research.microsoft.com/en-us/um/people/lhe/papers/icassp04.demosaicing.pdf

이것이 에지 방향 기반 보간을 만드는 이유입니다. 그러나 이것들은 녹색을보다 "중요한 채널"로 취급합니다 (최상의 해상도를 가지고 있으며 대부분의 시각적 감도와 눈의 해상도를 설명하기 때문에). 그런 다음 색조를 유지하면서 녹색 채널의 함수로 파란색과 빨간색을 만듭니다. 그 결과 녹색 채널 고주파 콘텐츠가 오류가 발생하기 쉽습니다. 진행 상황을 감지하고 여러 번 통과해야하기 때문에 복잡성이 더 높습니다. 무아레와 옥수수는 이러한 유형의 보간에서 발생하는 일반적인 인공물입니다.

다음은 색조 보존 및 엣지 보존 애드온을 포함하거나 포함하지 않는 적응 형 균질성 데모 사이 싱 및 이중선 버전의 예입니다.

http://math.auburn.edu/~kilgota/ahd_bayer.pdf

이 논문은 AHD를 선호하며 부정적인 부분은 보이지 않습니다. 이 페이지에서는 Adaptive Homogeneity Demosaicing, Patterned Pixel Grouping 및 Variable Gradients (이름 위에 마우스를 올려 놓기)와는 다른 패턴 아티팩트를 볼 수 있습니다.

http://www.ruevski.com/rawhistogram/40D_Demosaicing/40D_DemosaicingArtifacts.html

요약하면 이러한 알고리즘에는 여러 가지 가정이 사용되며 가정이 유지되지 않으면 아티팩트가 발생합니다.

• 채널당 매끄러움. 가장 가까운 이웃이 같지 않으면 전환을 부드럽게 만듭니다. 유물 : 톱 / 지퍼, 부드러움
• 방향이 지정된 가장자리 (양방향)의 밝기 불변성. 유물 : 고주파 텍스처 모아레, 컬러 프린지
• 색조 불변성. 이웃에서 색조가 동일하면 한 채널이 변경되면 다른 채널을 따라야합니다. 유물 : 색상 가장자리의 색상 지퍼
• 초록에서 일관성을 예측할 수 있습니다. 유물 : 미로

나는 이것으로 조금 연주하기 시작했고 순진한 접근 방식이 그렇게 나쁘지 않다는 것을 알았습니다. 그것은 단순히 각 색상을 개별적으로 처리하고 픽셀간에 들어가도록 보간하는 것입니다. 이것의 주된 단점은 대비가 높은 곳에서 픽셀을 엿보는 경우 약간의 색상 프린지를 볼 수 있다는 것입니다. 달리 말하면, 검은 색 영역에 옅은 회색 영역이 있으면 경계에 몇 개의 컬러 픽셀이 표시됩니다. 운 좋게도 이러한 평균은 일반적으로 평균화되지만 가장자리가 거의 수직 또는 거의 수평이면 저주파수에서 평균화됩니다. 거의 수직 또는 수평 인가는 밝은 선에서 동일한 효과가 더욱 분명해질 수 있습니다.

다음은 예입니다. 이 사진은 의도적으로 테스트 촬영으로 찍은 것입니다.

크롬 트림 라인의 밴딩에 유의하십시오. 이것을 원근법으로 표현하기 위해 전체 프레임은 다음과 같습니다.

나는 다른 접근법에 대해 생각했지만 지금까지 항상 다른 일이있었습니다. 이 체계는 밝기 만 먼저 찾으려고합니다 . 이미지가 흑백 인 경우 이미지 데이터의 단일 채널이됩니다. 색상이 똑같이 기여하지는 않지만 각 감각은 그것에 기여합니다. 강도가 결정되면 순진한 방법으로 색상을 보간하지만 강도를 유지하는 방식으로 색상을 설정하기 위해 결과 만 사용합니다. 강도는 색조 정보보다 대역폭이 높거나 사진 용어로 더 선명합니다. 아날로그 TV는이 기법을 사용하여 컬러 이미지의 대역폭 요구 사항을 줄였습니다. 인간의 시각 시스템이 색상, 특히 빨강보다 강도를 중요하게 생각하기 때문에 그것들은 사라졌습니다.

어쨌든, 그들은 단지 몇 가지 생각입니다. 내가 말했듯이, 나는 실제로 그것을 시도하지 않았거나 세부 사항을 해결하지 못했습니다. 타일.

Lightroom의 다양한 프로세스 버전 (현재는 2003, 2010 및 2012가 있음)이 다른 데모 사이 싱 알고리즘에 해당한다는 것을 이해하고 있습니다. 또 다른 흥미로운 소프트웨어는 다음을 제공하는 UFRaw 입니다 (웹 페이지에서 인용).

화이트 밸런스를 설정 한 후 UFRaw는 베이어 패턴을 보간합니다.

• AHD 보간은 적응 균질성 보간입니다. 기본 보간입니다.
• VNG 보간은 임계 값 기반 가변 개수의 그라디언트 보간을 사용합니다. 이것은 기본 보간 이었으나 여전히 매우 좋습니다 .
• 사진에 Bayer 패턴 아티팩트가있는 경우 VNG 4 색 보간법을 사용해야합니다 (자세한 내용은 DCRaw의 FAQ 참조).
• PPG 보간은 패턴 화 된 픽셀 그룹 보간을 나타냅니다. 그것은 위의 모든 것보다 훨씬 좋고 훨씬 빠릅니다.
• 쌍 선형 보간은 매우 기본적인 보간이지만 훨씬 빠릅니다.

이것은 실험을위한 자료를 제공 할 수 있습니다. 그건 그렇고, UFRaw는 오픈 소스 인 것처럼 보이 므로 알고리즘 자체 를 들여다 볼 수 있습니다 .

천체 사진에서는 원샷 컬러 센서를 사용할 때 디베 이어링 (debayering)으로 인해 해상도가 많이 손실되기 때문에이 주제를 심도있게 조사합니다. 거꾸로, RAW 파일을 사용하면 여전히 원본 데이터에 액세스 할 수 있으며 색상 적용 전에 처리 할 수 ​​있습니다. 이 주제는 소프트웨어 측면과 밀접한 관련이 있습니다.

요컨대, 동일한 피사체 데이터 (센서 노이즈를 줄이기 위해 수행 된 것)로 많은 이미지에 액세스 할 수있는 경우 손실 된 해상도를 복구 할 수있는 이슬비 접근법을 위해 AHD와 단일 프레임 변환을 교환 할 수 있습니다. 사용 가능한 소스 데이터 종류에 따라 선택이 달라집니다. 대부분의 사진가에게는 사용할 단일 이미지 만 있습니다.

Debayering 프로세스를 위해 선택한 소프트웨어 중 일부는 Deep Sky Stacker 및 Pix Insight입니다. 다른 것도 있습니다. 많은 것들이 DCRAW를 기반으로 합니다 .

Deep Sky Stacker 페이지의 기사 링크는 다음과 같은 옵션 중 일부를 설명합니다. Debayering Choices