|
ISP(ImageSignal Processor),图像信号处理器，主要用来对前端图像传感器输出信号处理的单元，主要用于手机，监控摄像头等设备上。 RAWDATA，可以理解为：RAW图像就是CMOS或者CCD图像感应器将捕捉到的光源信号转化为数字信号的原始数据，是无损的，包含了物体原始的颜色信息等。RAW数据格式一般采用的是Bayer排列方式，通过滤波光片，产生彩色滤波阵列(CFA)，鉴于人眼对绿色波段的色彩比较敏感，Bayer数据格式中包含了50%的绿色信息，以及各25%的红色和蓝色信息。 Bayer排列格式有以下4种： 1.| R | G | 2.| B| G | 3.| G | R | 4.| G | B | | G | B | | G | R | | B | G | | R | G | 在ISP处理模块的第一部分，就是需要对CFA DATA进行去噪操作。普通的去噪方式针对Bayer数据格式是不合适的，需要进行变换后才能进行处理。 一、中值滤波CFA(Color Filter Array)Data去噪方法 首先，让我们一起来回顾一下中值滤波的算法原理以及优缺点，然后给出示意的算法效果图。 中值滤波，顾名思义就是将滤波器里面所有像素值进行排序，然后用中间值替代当前像素点值。常用的中值滤波器有3X3,5X5等。 中值滤波的有点在于，实现简单，能够有效的消除椒盐噪声以及其他脉冲型噪声。缺点也是所有去噪算法所共有的，就是平滑模糊了图像的内容，有些角点以及边缘的信息损失。 对CFA DATA进行去噪时，需要将不同的颜色通道分开进行处理，这样是为了防止在平滑过程中将有用的颜色信息丢掉，比如说，由绿色信息包围的蓝色像素值与其相差很大时，此时就会被认为是噪声被处理掉，然而真实情况是，该区域的蓝色信息都是很大的。所以各通道单独处理的话是有利于保护颜色信息的。在我的处理过程中，是将原CFA DATA分成4块-R,G1,G2,B,分块去噪完成后再重新恢复到原来的位置，这样整个过程就完成了。 下面给出参考的中值滤波和主程序的C++（MFC）代码： 主函数： [html] view plain copy 1. void main() 2. { 3. 4. /*******开始编写中值滤波去噪模块--2015.07.27***********/ 5. //针对R分量块进行去噪 6. pNewDoc->m_RBlock = new unsigned short [m_Height*m_Width/4]; 7. pNewDoc->m_G1Block = new unsigned short [m_Height*m_Width/4]; 8. pNewDoc->m_G2Block = new unsigned short [m_Height*m_Width/4]; 9. pNewDoc->m_BBlock = new unsigned short [m_Height*m_Width/4]; 10. 11. unsigned short* smoothR = new unsigned short[m_Height*m_Width/4]; 12. unsigned short* smoothG1 = new unsigned short[m_Height*m_Width/4]; 13. unsigned short* smoothG2 = new unsigned short[m_Height*m_Width/4]; 14. unsigned short* smoothB = new unsigned short[m_Height*m_Width/4]; 15. for (int i = 0; i < m_Height/2 ;i ++ ) 16. { 17. for(int j = 0; j < m_Width/2 ; j ++ ) 18. { 19. pNewDoc->m_RBlock [i*m_Width/2 + j] = m_RawImage[i*m_Width*2 + j*2]; 20. pNewDoc->m_G1Block[i*m_Width/2 + j] = m_RawImage[i*m_Width*2 + j*2 + 1]; 21. pNewDoc->m_G2Block[i*m_Width/2 + j] = m_RawImage[i*m_Width*2 + m_Width + j*2]; 22. pNewDoc->m_BBlock [i*m_Width/2 + j] = m_RawImage[i*m_Width*2 + m_Width + j*2 + 1]; 23. } 24. } 25. medianFilter(pNewDoc->m_RBlock,smoothR,m_Width/2,m_Height/2); //针对R分量块进行去噪 26. medianFilter(pNewDoc->m_G1Block,smoothG1,m_Width/2,m_Height/2); //针对G1分量块进行去噪 27. medianFilter(pNewDoc->m_G2Block,smoothG2,m_Width/2,m_Height/2); //针对G2分量块进行去噪 28. medianFilter(pNewDoc->m_BBlock,smoothB,m_Width/2,m_Height/2); //针对B分量块进行去噪 29. 30. //反过来构造去噪去噪后的raw data 31. for (int i = 0; i < m_Height/2 - 1;i ++ ) 32. { 33. for(int j = 0; j < m_Width/2-1; j ++ ) 34. { 35. pNewDoc->m_ImageNR[i*m_Width*2 + j*2] = smoothR[i*m_Width/2 + j]; 36. pNewDoc->m_ImageNR[i*m_Width*2 + j*2 + 1] = smoothG1[i*m_Width/2 + j]; 37. pNewDoc->m_ImageNR[i*m_Width*2 + m_Width + j*2] = smoothG2[i*m_Width/2 + j]; 38. pNewDoc->m_ImageNR[i*m_Width*2 + m_Width + j*2 + 1] = smoothB[i*m_Width/2 + j]; 39. 40. } 41. } 42. /***********中值滤波模块完成--2015.07.27********************/ 43. //SaveImageData(pNewDoc->m_ImageNR, m_Height ,m_Width,"E:\\m_ImageNR.bmp"); 44. SetDisplayRawImage( pNewDoc->m_ImageNR, m_Height ,m_Width, m_RawBitType,pNewDoc->m_Image); 45. } [html] view plain copy 1. <pre name="code" class="html">void medianFilter (unsigned short* corrupted, unsigned short* smooth, int width, int height) 2. { 3. 4. memcpy ( smooth, corrupted, width*height*sizeof(unsigned short) ); 5. for (int j=1;j<height-1;j++) 6. { 7. for (int i=1;i<width-1;i++) 8. { 9. int k = 0; 10. unsigned short window[9]; 11. for (int jj = j - 1; jj < j + 2; ++jj) 12. for (int ii = i - 1; ii < i + 2; ++ii) 13. window[k++] = corrupted[jj * width + ii]; 14. // Order elements (only half of them) 15. for (int m = 0; m < 5; ++m) 16. { 17. int min = m; 18. for (int n = m + 1; n < 9; ++n) 19. if (window[n] < window[min]) 20. min = n; 21. // Put found minimum element in its place 22. unsigned short temp = window[m]; 23. window[m] = window[min]; 24. window[min] = temp; 25. } 26. smooth[ j*width+i ] = window[4]; 27. } 28. } 29. } <span style="font-family: Arial, Helvetica, sans-serif;"> </span>
| 
