基于色彩滤镜阵列的织物图像莫尔条纹消除算法

针对织物普遍具有的细密栅栏特性的规则性干扰,以致图像中产生明显的波纹状彩色条纹图案的困扰,给服装的展览、宣传带来不便的难题,研究了织物图像中莫尔条纹的消除问题。而传统的基于JPEG图像的重构算法,在去除条纹时会降低图像的色彩质量,影响服装的整体美感。根据对织物图像中莫尔条纹的形成机理和数码相机成像过程中Bayer CFA色彩滤镜阵列的排列特性进行分析,提出了一种先检测莫尔条纹区域,进而采用色彩插值补偿的一种莫尔条纹消除算法。算法首先对织物数码图片的原始数据G分量进行水平、竖直方向的高通滤波,模拟CFA采样过程的混叠现象,从而检测出图片中含有莫尔条纹的区域。然后在莫尔区域分别再对R、B分量进行处理,最终实现了莫尔条纹的消除。实验结果表明,与传统方法相比,通过提取图像的G分量信息进行处理,能在不影响图像色彩质量的同时去除莫尔条纹,更具实用性。

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法。该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据。其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典。最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果。由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构。通过实验验证表明:新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息。