转Bayer Pattern

在刚加入工作的时候，听到最多的就是RGGB Bayer Pattern。在之前的接触中，一直默认一张图片的每个像素点有RGB三个分量，那“RGGB Bayer Pattern”究竟是什么意思。在网上查找资料以后发现这其实也是非常简单的概念。以下内容大部分为翻译，结合“CCD工作原理教程(V1.2)”。

1. 硬件上

私以为对CCD的原理有大致了解可以帮助我们对Beyer Pattern有更好的了解。我们知道镜CCD（Charge-coupled Device）通过滤镜将普通的入射光分为红绿蓝RGB三个分量。很容易联想到普通的图片每个像素点都包含RGB三个分量的信息，这很容易误导我们认为CCD也接收了每个像素点的三个通道的信息。然而并不是，原理图如下，每一个像素点CCD都只接收了RGB三个分量中的一个分量。一般而言是按照“RG/GB”的方式排列（对照图可以了解RG/GB其实是一个正方形的两行这么排列的）。

2. 算法上

Bayer彩色滤波阵列是当前最为流行的彩色图像数字获取形式。三个颜色滤波的形式如下：

一半的像素点为绿色（G），四分之一的像素点分别是红色（R）和蓝色（B）。

为了获得色彩信息，彩色图像传感器覆盖有红色、绿色或者蓝色的滤镜，这种滤镜以相同的模式重复出现（上图中为RG/GB，也可以看做GR/BG）。滤镜的排列模式可以不一样，但是普遍使用的Bayer Pattern是2*2的阵列。

3. Bayer format to RGB

将Bayer Pattern的格式转换为RGB，那就需要通过插值的方式将每个像素点中丢失的两个颜色找回来。有几种插值的方式可以使用，但是最常用的方法是线性插值的修正调节版本。

对红色（R）和蓝色（B）分量进行插值。

当一个绿色（G）的像素点上缺失蓝色（B）和红色（R）时，我们将这个像素点周围最近的两个相同的颜色做平均。如上图的第一张和第二张。中心像素点的红色（R）和蓝色（B）由周围最近的两个红色（R）和蓝色（B）求平均得到。
如果是求一个红色（R）像素点上的蓝色（B）分量，上图中第三张。我们用最近的4个蓝色求平均得到。
如果是求一个蓝色（B）像素点上的红色（R）分量，上图中第四张。我们用最近的4个红色求平均得到。
求红色（R）和蓝色（B）像素点上的绿色（G）分量：

G(R) = (G1 + G3) / 2 if abs(R1 – R3) < abs(R2 – R4)
G(R) = (G2 + G4) / 2 if abs(R1 – R3) > abs(R2 – R4)
G(R) = (G1 + G2 + G3+ G4) / 4 if abs(R1 – R3) = abs(R2 – R4)

G(B) = (G1 + G3) / 2 if abs(B1 – B3) < abs(B2 – B4)
G(B) = (G2 + G4) / 2 if abs(B1 – B3) > abs(B2 – B4)
G(B) = (G1 + G2 + G3+ G4) / 4 if abs(B1 – B3) = abs(B2 – B4)

如果觉得这样执行速度的很慢的话，就简单的吧G1-4全都加起来求平均好了！
from ：https://blog.csdn.net/joe9280/article/details/46952947