demosaikointialgoritmeja

Demosaikointialgoritmit rekonstruoivat täyden värisen kuvan niistä sensorin näytteistä, joissa väri on tallennettu erillisillä suotimilla. Useimmissa kameroissa käytetään Bayer-tyyppistä värisuodatinta, jossa joka toinen rivi on vihreää ja punainen sekä sininen vuorottelevat. Demosaikointi arpoo puuttuvat väriarvot jokaiselle näytteelle, jotta saadaan jokaiselle kuvapisteelle sekä punainen, vihreä että sininen arvo.

Lähestymistavat jaotellaan pääosin kahteen ryhmään: interpolaatio-pohjaisiin menetelmiin sekä edistyneempiin reuna- tai suunnansuuntaisiin demosaikointimalleihin. Interpolaatio käyttää naapuripisteiden arvoja puuttuvien värien arvioimiseksi, esimerkkeinä lähin naapuri, bilineaarinen sekä bicubinen interpolointi. Reuna-tunnistukseen ja suunnansuuntaiseen demosaikointiin perustuvat menetelmät pyrkivät säilyttämään reunat ja välttämään värivirheitä, käyttämällä adaptatiivista ohjausta ja suuntauskohtaisia interpoloivia toimintoja.

Tarkempiin ja suorituskykyisiin ratkaisuihin kuuluvat Malvarin ym. 2000-luvun demosaikointimallit sekä Adaptive Homogeneity-Directed (AHD) -menetelmät, jotka painottavat johtoja ja paikallista rakennetta. Lisäksi on kehitetty haittakapasiteettisia, hajautettuja tai tilakerroksisia (sparse- ja frekvenssi-pohjaisia) lähestymistapoja, jotka yrittävät parantaa kohinan sietokykyä ja artefaktien minimointia.

Haasteet ja rajoitteet: korkea kohina, erityisesti ISO-arvoilla sekä monimutkaiset reunat voivat aiheuttaa värivirheitä, zippered-artefakteja ja moirétta. Näiden vaikutusten vähentämiseksi käytetään usein demosaikoinnin yhteis- tai post-prosessointia, kuten denoising-lyhenteisiä vaiheita tai demosaikoinnin ja denoisingin yhdistämistä.

Sovellukset ja arviointi: demosaikointia sovelletaan digitaalisen kameran, älypuhelimen ja skannerin nykyisessä kuvantamisessa. Laadun arvioinnissa käytetään sekä visuaalista laatua että tilastollisia mittareita kuten PSNR ja värikonsistenssi.