(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111644350.8 (22)申请日 2021.12.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 114004769 A (43)申请公布日 2022.02.01 (73)专利权人 江苏游隼微电子有限公司 地址 211135 江苏省南京市栖霞区麒 麟科 技创新园启迪大街188号二楼启迪之 星南京众创空间G41 (72)发明人 秦伟杰　王彬　徐凯　陈石　郑清　 王中杰　 (74)专利代理 机构 南京瑞弘专利商标事务所 (普通合伙) 32249 代理人 吴旭(51)Int.Cl. G06T 5/00(2006.01) G06T 7/90(2017.01) G06T 3/40(2006.01) (56)对比文件 CN 105160628 A,2015.12.16 CN 106303474 A,2017.01.04 审查员 唐嘉 (54)发明名称 一种基于离散权重的Bayer去噪颜色插值方 法 (57)摘要 本发明公开了一种基于离散权重的Bayer去 噪颜色插值方法， 以BayerRGB图像G点为中心的 3*3矩阵块求得梯度均值矩阵， 以每个梯度均值 矩阵中每个梯度均值为中心的7*7矩阵块求得梯 度离散因子矩阵， 以梯度均值与梯度离散因子的 判断对每个BayerRGB点选 择如下之一的操作： 均 值插值、 去离群值的均值插值以及权重插值。 本 方法在对BayerRGB图像进行颜色插值的同时考 虑了图像的噪点问题， 通过在插值的过程中基于 离散因子的判断进行去离群值后的均值插值操 作降低噪点。 本方法作用于ISP时， ISP不需要单 独做BayerRGB去噪模 块， 相对于现有 技术中两个 模块的做法， 减小了算法复杂度并且减小了资源 的占用。 权利要求书2页 说明书7页 附图10页 CN 114004769 B 2022.03.15 CN 114004769 B 1.一种基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 包括： 对于单通道的 RGGB排列的BayerRGB图像， 首先计算各G点的梯度均值， 然后根据所述梯度均值计算各G点 的梯度离散因子， 各G点的梯度离散因子为以其所在位置为中心的最小梯度离散因子矩阵 块中各梯度均值的均值； 采用3 *3矩阵插值 算法进行插值计算， 包括以下情况： 情况一： 原图中为R， 在3 *3矩阵中， R在中间， 四边 为G， 四角为B； 1） R值使用原值； 2） 还原G值， 根据梯度离 散因子判断， 包括2种情况： 若R四边的G分别对应的梯度离散因子均小于等于阈值A： 若R四边的G分别对应的梯度 均值中无离群值， 则采用均值插值； 若 有离群值， 则去掉离群值对应的G值后进行均值插值； 若R四边的G分别对应的梯度离散因子中至少有一个的值大于阈值A： 根据R四边的G的 插值权重进行G值插值； 3） 还原B值， 根据梯度离 散因子判断， 包括2种情况： 若R四边的G 分别对应的梯度离 散因子均小于等于阈值A， 则采用均值插值； 若R四边的G分别 对应的梯度离散因子 中至少有一个的值大于阈值A时， 则根据R四边的 G的插值权 重进行B值插值； 情况二： 原图中为B， 在3 *3矩阵中， B 在中间， 四边 为G， 四角为R； 1） B值使用原值； 2） 还原G值， 根据梯度离 散因子判断， 包括2种情况： 若B四边的G分别对应的梯度离散因子均小于等于阈值A： 若B四边的G分别对应的梯度 均值中无离群值， 则采用均值插值； 若 有离群值， 则去掉离群值对应的G值后进行均值插值； 若B四边的G分别对应的梯度离散因子中至少有一个的值大于阈值A： 根据B四边的G的 插值权重进行G值插值； 3） 还原R值， 根据梯度离 散因子判断， 包括2种情况： 若B四边的G 分别对应的梯度离 散因子均小于等于阈值A， 则采用均值插值； 若B四边的G分别 对应的梯度离散因子 中至少有一个的值大于阈值A时， 则根据B四边的 G的插值权 重进行B值插值； 情况三： 原图中为G， 在3 *3矩阵中， G在中间， 上 下为B， 左右为R； 1） R值使用均值插值原值； 2） B值使用均值插值原值； 3） 原值G值时， 根据梯度均值判断， 包括如下2种情况： 若矩阵中间的G点的梯度均值小于等于阈值A， 则G值使用原值； 若矩阵中间的G点的梯度均值大于阈值A， 则采用均值插值； 情况四： 原图中为G， 在3 *3矩阵中， G在中间， 上 下为R， 左右为B； 1） R值使用均值插值原值； 2） B值使用均值插值原值； 3） 原值G值时， 根据梯度均值判断， 包括如下2种情况： 若矩阵中间的G点的梯度均值小于等于阈值A， 则G值使用原值； 若矩阵中间的G点的梯度均值大于阈值A， 则采用均值插值。 2.根据权利要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 以权　利　要　求　书 1/2 页 2 CN 114004769 B 2BayerRGB图像G点 为中心的3 *3矩阵块求得所述各G点的梯度均值。 3.根据权利要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 以每 个梯度均值矩阵中每 个梯度均值 为中心的7*7矩阵块 求得所述各G点的梯度离 散因子。 4.根据权利要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 所述 离群值为与中位数相差超过三倍换算MAD的元素， 其中， 换算MAD为  1.48*median(abs(A ‑ median(A) ))， 其中median(A)代 表求数组A的中位数， abs(A)代 表求A的绝对值。 5.根据权利要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 所述 阈值A的取值范围为0~50。 6.根据权利要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 所述 阈值A的取值25 。 7.根据权利 要求1所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 在3*3 矩阵中， 将R上、 下、 左、 右四个G分别记为G1 ’、 G2’、 G3’、 G4’， 四个G的梯度均值对应记为 GA1’、 GA2’、 GA3’、 GA4’， 所述插值权 重的计算方法包括： 首先， 计算GA1 ’、 GA2’、 GA3’、 GA4’的均值 ； 然后， 计算GA1 ’、 GA2’、 GA3’、 GA4’与均值的差值的绝对值 ； 接着， 计算G1 ’、 G2’、 G3’、 G4’的插值权 重 。 8.根据权利要求7所述的基于离散权重的Bayer去噪颜色插值方法， 其特征在于， 所述 情况一中 ， 还原G值 ， 记为R_G ， 根据R四边的G的插值权重进行G值插值 ， 得到 。权　利　要　求　书 2/2 页 3 CN 114004769 B 3