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