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(jīng)過一定的圖像算法實現(xiàn)。
    在圖像處理領(lǐng)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(yōu)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(nèi)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：
   

[!--empirenews.page--]
    雙線性插值法具有運算簡單，易于實現(xiàn)的優(yōu)點。其本質(zhì)是一低通濾波器，缺點是忽略了不同彩色分量之間的相關(guān)信息以及圖像的邊緣。這樣，錯誤數(shù)據(jù)在復原的圖像邊緣會造成模糊甚至出現(xiàn)顏色混疊。
1．2 Ron Kimmel方法
    Ron Kimmel方法對于綠色像素，計算該點在各個方向的梯度，然后對梯度值加權(quán)進行平均；對紅色和藍色像素分量，取則紅色和藍色分量對綠色的比值進行加權(quán)平均。這種方法可以顯著改善圖像中物體邊緣的顏色混疊。
1．3 Optimal Recovery方法
    Optimal Recovery方法計算復雜度較高，但也是目前公開發(fā)表的圖像質(zhì)量最佳的算法。一般的嵌入式系統(tǒng)很難實時完成。本文圖像處理系統(tǒng)采用Lattice的FPGA芯片LFECPRIM50，充分利用FPGA的天然并行結(jié)構(gòu)，實時(1 208×1 024圖像，12幀／s)實現(xiàn)Bayer轉(zhuǎn)換算法，收到了很好的效果。Optimal Recovery算法如下：
    (1)如圖4所示，完成圖中所示P5處綠色像素插值盡可能利用精細尺度模式。

    (2)計算藍色分量需要2步：


1．4 峰值信噪比PSNR
    峰值信噪比PSNR和歸一化色彩差NCD的計算公式分別為：

    式中：MSE是原圖像與處理圖像之間均方誤差(mean square error)；I表示原圖像第n個像素值；P表示處理后的圖像第n個像素值；Fram-esize表示圖像大小，如l 280×1 024；PSNR值越大，就代表失真越少。[!--empirenews.page--]

2 結(jié)果分析
    經(jīng)過實時圖像采集系統(tǒng)獲取的圖像如圖5所示，其中圖5(a1)。(b1)，(c1)為經(jīng)過插值變換的圖像，色彩明亮，主觀感覺良好。圖5(a2)，(b2)，(c2)為采集的原始Bayer圖像，局部放大后可看到原始的馬賽克效應，如圖5中(a3)，(b3)，(c3)所示。峰值信噪比計算結(jié)果見表1，其中PSNRl為雙線性插值法，PSNR2為Optimal Recovery方法。

3 結(jié)語
    目前FPGA技術(shù)發(fā)展很快，內(nèi)部資源越來越豐富，性價比不斷提高。充分發(fā)掘FPGA資源的潛力，盡可能將圖像預處理算法在系統(tǒng)的前端完成，這必將大大提高系統(tǒng)的實時特性，拓展嵌入式系統(tǒng)的應用領(lǐng)域。盡管著眼點是彩色圖像的Bayer插值變換，但對于其他使用FPGA器件的嵌入式系統(tǒng)設(shè)計方法也有積極的借鑒意義。