数か月前、私のマシンビジョンカメラSDKが組み込みのベイヤー関数で最も近い「補間」を使用していることを知って驚いた。これは最速ですが、最悪のタイプであり、特に色の恒常性または明るさの不変性のために画像チャンネルで計算を開始するときにハードエッジを与えます。私はこのアルゴリズムのレビューを見つけました:
http://www.arl.army.mil/arlreports/2010/ARL-TR-5061.pdf
次のステップアップは双線形および双三次補間で、畳み込みカーネルに等しいため、非常に高速に計算できます。これらは、傾斜したエッジに色付きの鋸歯を与えます-バイキュービックよりもバイリニア。
このペーパーでは、5つの異なるアルゴリズムで定量化された品質データを使用して確認できます。
http://research.microsoft.com/en-us/um/people/lhe/papers/icassp04.demosaicing.pdf
これが、エッジ方向に基づいた補間を行った理由です。ただし、これらはより重要なチャネルとして緑を扱います(最高の解像度を持ち、視覚感度と目の解像度の大部分を占めるため)。そして、それらは、色相を保持する方法で、緑チャンネルの関数として青と赤を作成します。これにより、グリーンチャネルの高周波コンテンツがエラーになりやすくなります。何が起こっているかを検出し、複数のパスを必要とするため、複雑さが増します。モアレとトウモロコシは、これらのタイプの補間による一般的なアーティファクトです。
ここでは、色相保存およびエッジ保存アドオンを使用した場合と使用しない場合の、Adaptive Homogeneity Demosaicingおよびバイリニアバージョンの例を示します。
http://math.auburn.edu/~kilgota/ahd_bayer.pdf
その論文はAHDを支持しており、否定的な部分を示していません。このページでは、Adaptive Homogeneity Demosaicing、Patterned Pixel Grouping、およびVariable Number of Gradients(名前の上にマウスを移動)からのさまざまなパターンアーティファクトを見ることができます。
http://www.ruevski.com/rawhistogram/40D_Demosaicing/40D_DemosaicingArtifacts.html
要約すると、これらのアルゴリズムで採用されている多くの仮定があり、仮定が成り立たない場合にアーティファクトが発生します。
- チャンネルごとの滑らかさ。最近傍が同じでない場合、遷移をスムーズにします。アーティファクト:のこぎり/ジッパー、柔らかさ
- 有向エッジを使用した明るさの不変性(双線形方向)。アーティファクト:高周波テクスチャモアレ、カラーフリンジ
- 色相の恒常性。近所の場合、色相は同じであるため、1つのチャネルが変更された場合、他のチャネルは従わなければなりません。アーティファクト:カラーエッジのカラージッパー
- 不変性はグリーンから予測できます。アーティファクト:迷路