1. 基本定义

        使用彩色滤光器阵列(CFA)的数码相机需要一个去马赛克程序来形成完整的RGB图像。一般的相机传感器都是采用彩色滤光片阵列(CFA)放置在光感测单元上，在每个像素处仅捕获三种原色成分中的一种。

        去马赛克方法主要关注于复原非常规区域，比如边缘以及纹理。

2. 相关方法

        本博文主要介绍四种方法：

2.1 经典Hamilton-Adams去马赛克方法

2.2 Malvar-He-Cutler Linear Image Demosaicking [PDF][code]

2.3 Self-similarity Driven Demosaicking方法  [PDF][code]

        详细介绍可以移步笔者另一篇博文。

【文献阅读】Self similarity driven color demosaicking-CSDN博客每个像素只测量一种颜色成分，红色、绿色或蓝色，人们可以在每个像素推断出整个颜色信息。这种推断需要深刻理解颜色之间的相互作用，以及图像局部几何的参与。虽然在以非常小的相对误差进行这种推断方面非常成功，但当局部几何不能从邻近像素推断时，最先进的去马赛克方法就失败了。在这种情况下，当薄结构或精细的周期性图案在原始中出现时，最先进的方法可能会产生令人不安的伪影，称为拉链效应，模糊和色斑。本文的目的是表明这些伪影可以通过涉及图像的自相似性来推断缺失的颜色来避免。https://blog.csdn.net/royole98/article/details/134449492?spm=1001.2014.3001.5501

2.4 Low Cost Edge Sensing for High Quality Demosaicking方法 [PDF][code]

          详细介绍可以移步笔者另一篇博文。

【文献阅读】Low Cost Edge Sensing for High Quality Demosaicking-CSDN博客使用彩色滤光器阵列(CFA)的数码相机需要一个去马赛克程序来形成完整的RGB图像。对于数码相机行业来说，解调速度和解调精度同样重要，因为相机用户已经习惯了即时查看拍摄的照片。此外，与去马赛克相关的成本不应超过使用CFA节省的成本。为此，我们回顾了经典的Hamilton-Adams (HA)算法，该算法在速度和准确性方面都优于许多复杂的技术。我们的分析表明，HA算法可以高效地利用原始捕获的数据，但其过于简化的通道间和通道内平滑阻碍了其准确性。因此，我们提出了一种非常低成本的边缘感知。https://blog.csdn.net/royole98/article/details/134449776?spm=1001.2014.3001.5501