本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像處理方法及系統(tǒng)。

背景技術(shù)：

自數(shù)字圖像誕生以來，主流的拍照相機或攝像機等都紛紛開始使用數(shù)字成像技術(shù)。這些采集圖像的傳感器一般在其表面覆蓋一層顏色濾波陣列(Color Filter Array,CFA)，使得每個像素只采集一種顏色分量(紅R，綠G，藍B中的一種)，目前最廣泛使用的Bayer格式圖像(GBRG)，具體如圖1所示，為Bayer圖像顏色濾波陣列的典型格式。其每個像素只含有一種顏色分量，G分量的像素個數(shù)是B分量或R分量像素個數(shù)的兩倍。

Bayer圖像具有很好的彩色信號敏感特性和彩色恢復(fù)特性，它獲得的顏色信息量是原來全彩色圖像的三分之一，由于其優(yōu)良的特性而在數(shù)字成像技術(shù)領(lǐng)域得到青睞，Bayer圖像存儲和傳輸技術(shù)及其相關(guān)設(shè)備已得到了飛速發(fā)展，在科學(xué)研究、醫(yī)學(xué)、遙感測繪等領(lǐng)域得到了廣泛的應(yīng)用。因此，研究Bayer圖像壓縮技術(shù)是十分必要和重要的。

由于Bayer圖像必須通過插值估計恢復(fù)全彩色圖像，且G分量呈菱形分布的特點，并不適合直接壓縮處理(如JPEG壓縮)，傳統(tǒng)的Bayer圖像壓縮方式為：通過顏色插值算法獲取采集到的原始Bayer圖像的全彩色圖像，然后對獲取的全彩色圖像的RGB三色分量分別直接進行壓縮處理，并經(jīng)過傳輸或存儲后，最終解壓縮輸出全彩色圖像。由于高清圖像及視頻的應(yīng)用需求，這種壓縮處理方法將數(shù)據(jù)量提高到原始Bayer圖像的三倍，數(shù)據(jù)量較大，影響壓縮比率，且忽略了RGB三色圖像的相關(guān)性，同一幅圖像的三色圖像包含很多相 同信息，分別對它們壓縮相當于對同一信息進行重復(fù)描述，壓縮編碼未得到有效利用。

為解決上述數(shù)據(jù)量大，忽略色彩分量之間相關(guān)性的問題，目前，已有采用基于YUV變換的Bayer圖像壓縮方法。該方法將采集到的Bayer圖像先做顏色空間轉(zhuǎn)換，如從RGB空間轉(zhuǎn)到Y(jié)UV空間，對YUV空間的呈菱形陣列分布的Y分量進行預(yù)處理轉(zhuǎn)換成矩形陣列，然后對YUV分量分別進行壓縮與解壓縮處理，最后對Y分量進行重構(gòu)濾波(矩形轉(zhuǎn)換回為菱形)，再重建Bayer圖像，最終通過顏色插值得到全彩色圖像。該方法在一定程度上降低了待壓縮處理的數(shù)據(jù)量，且消除了Bayer圖像三色分量之間的相關(guān)性，但由于直接壓縮Bayer格式圖像數(shù)據(jù)時，需要設(shè)計一種菱形陣列與矩形陣列之間可以相互轉(zhuǎn)換操作的可逆算法，增加了解壓縮端的負擔，利用壓縮解壓縮后的數(shù)據(jù)(有失真)進行全彩色插值，相對直接利用Bayer數(shù)據(jù)進行全彩色插值喪失了一定的準確度，在一些高清圖像視頻應(yīng)用場合，不能在高質(zhì)量要求條件下滿足一定的壓縮比需求，或在滿足壓縮比需求的條件下無法得到滿意的高質(zhì)量視頻圖像。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種圖像處理方法及系統(tǒng)，旨在至少在一定程度上解決現(xiàn)有技術(shù)中的上述技術(shù)問題。

本發(fā)明實現(xiàn)方式如下，一種圖像處理方法，包括以下步驟：

步驟a：判斷圖像中的像素點是否是邊緣像素點，如果是邊緣像素點，對該像素點進行顏色插值算法處理獲取全彩色圖像；如果不是邊緣像素點，對該像素點進行降噪濾波處理，同時進行顏色插值算法處理獲取全彩色圖像；

步驟b：對獲取的全彩色圖像進行顏色空間轉(zhuǎn)換，將全彩色圖像從RGB空間轉(zhuǎn)換至YUV空間，并對全彩色圖像的YUV分量分別進行壓縮處理；

步驟c：對全彩色圖像的YUV分量進行解壓縮處理，并將解壓縮處理后的全彩色圖像從YUV空間轉(zhuǎn)回RGB空間后，得到最終圖像。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟a前還包括：采集圖像，并以圖像中的某一像素點作為中心像素點選取一個固定大小的矩陣；對采集的圖像進行壞點檢測，根據(jù)選取的矩陣的中心像素點與不同方向上的像素點的像素值差異判斷待檢測像素點是否為壞點，如果待檢測像素點為壞點，則消除該像素點。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟a中：所述判斷圖像中的像素點是否是邊緣像素點的判斷方式為：根據(jù)矩陣中內(nèi)外圈G分量最大最小值差異的空間相關(guān)性判斷當前像素點是否屬于邊緣像素點，將矩陣中的綠色G分量根據(jù)所處位置分為兩類：位于矩陣中最外一圈的G分量和里圈的G分量，在矩陣最外一圈的G分量中分別找出最大值和最小值，最大值記為OutMax，最小值記為OutMin；在矩陣里圈的G分量中找出最大值和最小值，最大值記為InMax，最小值記為InMin，如果當前像素點滿足以下條件：

OutMax-OutMin>edge1&&InMax-InMin>edge2

則當前像素點屬于邊緣像素點，否則屬于不屬于邊緣像素點，在上述公式中，edge1與edge2分別是G分量在外圈和里圈的檢測門限值。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟a中，所述對像素點進行顏色插值算法處理獲取全彩色圖像具體為：以圖像中的某一像素點作為中心像素點選取5x5的矩陣，利用中心像素點的相鄰像素來計算中心像素位置另外兩個顏色通道的顏色值，如果中心像素點為G分量，則恢復(fù)該位置剩余的RB分量；如果中心像素點為R(或B)分量，則恢復(fù)該位置剩余的G和B(或R)分量，其方法是：先恢復(fù)該位置的綠色G分量，然后利用恢復(fù)出來的綠色G分量去插值恢復(fù)剩余的B分量。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟a中，所述對像素點進行降噪濾波處理，同時進行顏色插值算法處理獲取全彩色圖像具體為：以圖 像中的某一像素點作為中心像素點選取5x7的矩陣，對該位置的各個顏色分量進行平滑濾波，并根據(jù)矩陣中心像素點為G分量還是RB分量做不同的處理：如果中心像素點為G分量，則利用色彩相關(guān)性，通過相鄰像素點的差值來補償該像素點的R分量和B分量；如果中心像素點為R(或B)分量，則通過相鄰像素點的差值來補償該像素點剩余的G和B(或R)分量。

本發(fā)明實施例采取的技術(shù)方案還包括：在所述步驟a前，所述對采集的圖像進行壞點檢測并消除壞點像素點具體為：在矩陣內(nèi)找出與中心像素點距離最近，且與中心像素點顏色相同的像素點，根據(jù)四個不同方向上像素點像素值之間的差異，通過設(shè)定的閾值判斷中心像素點是否為壞點，若是壞點，則通過四個方向中差異最小的兩個像素點的平均值作為中心像素點的更新值，從而消除圖像中的壞點像素點。

本發(fā)明實施例采取的另一技術(shù)方案為：一種圖像處理系統(tǒng)，包括邊緣檢測模塊、顏色插值模塊、降噪與顏色插值模塊、第一空間轉(zhuǎn)換模塊、圖像壓縮模塊、圖像解壓縮模塊和第二空間轉(zhuǎn)換模塊；

所述邊緣檢測模塊用于判斷圖像中的像素點是否是邊緣像素點，如果是邊緣像素點，通過顏色插值模塊對該像素點進行顏色插值算法處理獲取全彩色圖像；如果不是邊緣像素點，通過降噪與顏色插值模塊對該像素點進行降噪濾波處理，同時進行顏色插值算法處理獲取全彩色圖像；

所述第一空間轉(zhuǎn)換模塊用于對顏色插值模塊和降噪與顏色插值模塊獲取的全彩色圖像進行顏色空間轉(zhuǎn)換，將全彩色圖像從RGB空間轉(zhuǎn)換至YUV空間，并通過圖像壓縮模塊對全彩色圖像的YUV分量分別進行壓縮處理；

所述圖像解壓縮模塊用于對全彩色圖像的YUV分量進行解壓縮處理，并通過第二空間轉(zhuǎn)換模塊將解壓縮處理后的全彩色圖像從YUV空間轉(zhuǎn)回RGB空間后，得到最終圖像。

本發(fā)明實施例采取的技術(shù)方案還包括：還包括圖像采集模塊和壞點檢測與消除模塊，所述圖像采集模塊用于采集圖像，并以圖像中的某一像素點作 為中心像素點選取一個固定大小的矩陣；所述壞點檢測與消除模塊用于對采集的圖像進行壞點檢測，根據(jù)選取的矩陣的中心像素點與不同方向上的像素點的像素值差異判斷待檢測像素點是否為壞點，如果待檢測像素點為壞點，則消除該像素點。

本發(fā)明實施例采取的技術(shù)方案還包括：所述邊緣檢測模塊判斷圖像中的像素點是否是邊緣像素點的判斷方式為：根據(jù)矩陣中內(nèi)外圈G分量最大最小值差異的空間相關(guān)性判斷當前像素點是否屬于邊緣像素點，將Bayer矩陣中的綠色G分量根據(jù)所處位置分為兩類：位于矩陣中最外一圈的G分量和里圈的G分量，在矩陣最外一圈的G分量中分別找出最大值和最小值，最大值記為OutMax，最小值記為OutMin；在矩陣里圈的G分量中找出最大值和最小值，最大值記為InMax，最小值記為InMin，如果當前像素點滿足以下條件：

OutMax-OutMin>edge1&&InMax-InMin>edge2

則當前像素點屬于邊緣像素點，否則屬于不屬于邊緣像素點，在上述公式中，edge1與edge2分別是G分量在外圈和里圈的檢測門限值。

本發(fā)明實施例采取的技術(shù)方案還包括：所述顏色插值模塊對像素點進行顏色插值算法處理獲取全彩色圖像具體為：以圖像中的某一像素點作為中心像素點選取5x5的矩陣，利用中心像素點的相鄰像素來計算中心像素位置另外兩個顏色通道的顏色值，如果中心像素點為G分量，則恢復(fù)該位置剩余的RB分量；如果中心像素點為R(或B)分量，則恢復(fù)該位置剩余的G和B(或R)分量，其方法是：先恢復(fù)該位置的綠色G分量，然后利用恢復(fù)出來的綠色G分量去插值恢復(fù)剩余的B分量；所述降噪與顏色插值模塊對像素點進行降噪濾波處理，同時進行顏色插值算法處理獲取全彩色圖像具體為：以Bayer圖像中的某一像素點作為中心像素點選取5x7的矩陣，對該位置的各個顏色分量進行平滑濾波，并根據(jù)矩陣中心像素點為G分量還是RB分量做不同的處理：如果中心像素點為G分量，則利用色彩相關(guān)性，通過相鄰像素點的差值來補 償該像素點的R分量和B分量；如果中心像素點為R(或B)分量，則通過相鄰像素點的差值來補償該像素點剩余的G和B(或R)分量。

本發(fā)明實施例的圖像處理方法及系統(tǒng)通過對Bayer圖像進行壞點檢測去除脈沖噪聲影響，再通過檢測圖像邊緣，根據(jù)邊緣和非邊緣區(qū)域的不同做相應(yīng)地顏色插值和(或)降噪處理，保留了較好的邊界信息，并提高了壓縮比，對獲取的全彩色圖像進行YUV變換，分別對YUV分量進行JPEG壓縮處理，在減少一定壓縮數(shù)據(jù)量的同時，提高了圖像質(zhì)量，且不需要額外的解壓縮端Y(或G)分量陣列分布形狀的可逆處理，減輕了解壓縮端的負擔，以此為基礎(chǔ)有利于推進高清視頻圖像的應(yīng)用與發(fā)展。

附圖說明

圖1是Bayer圖像顏色濾波陣列的典型格式；

圖2是本發(fā)明實施例的圖像處理方法的流程圖；

圖3(a)和圖3(b)是本發(fā)明實施例的Bayer矩陣以及中心像素點位置與方向選取示意圖；

圖4(a)和圖4(b)是本發(fā)明實施例的顏色插值算法示意圖；

圖5(a)和圖5(b)是本發(fā)明實施例的降噪與顏色插值處理示意圖；

圖6是本發(fā)明實施例的圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

在本發(fā)明以下實施例中，僅以對拍攝圖片進行處理為例進行說明，但并不僅限于此，本發(fā)明同樣適用于其他可視化信息的處理，例如視頻等。

請參閱圖2，是本發(fā)明實施例的圖像處理方法的流程圖。本發(fā)明實施例的圖像處理方法包括以下步驟：

步驟100：采集Bayer圖像，并以Bayer圖像中的某一像素點作為中心像素點選取一個固定大小的Bayer矩陣；

在步驟100中，本發(fā)明實施例以中心像素點選取5x5的Bayer矩陣，具體矩陣大小可根據(jù)實際應(yīng)用進行選擇；本發(fā)明僅以對Bayer格式圖像進行處理為例，但并不限于此，本發(fā)明同樣適用于對其他格式的圖像進行處理。

步驟200：對采集的Bayer圖像進行壞點檢測，根據(jù)選取的Bayer矩陣的中心像素點與不同方向上的像素點的像素值差異判斷待檢測像素點是否為壞點，如果待檢測像素點為壞點，則消除該像素點；

在步驟200中，壞點檢測及消除是一種克服Bayer圖像脈沖噪聲的算法，該算法提高了圖像質(zhì)量，消除了脈沖噪聲對圖像質(zhì)量的惡化，降低了圖像質(zhì)量損傷，壞點檢測及消除不僅限于以上所述方法。所述對采集的Bayer圖像進行壞點檢測方式具體為：在Bayer矩陣內(nèi)找出與中心像素點距離最近，且與中心像素點顏色相同的像素點，根據(jù)四個不同方向上像素點像素值之間的差異，通過設(shè)定的閾值判斷中心像素點是否為壞點，若是壞點，則通過四個方向中差異最小的兩個像素點的平均值作為中心像素點的更新值，從而消除Bayer圖像中的壞點像素點。

具體如圖3所示，是本發(fā)明實施例的Bayer矩陣以及中心像素點位置與方向選取示意圖。以Bayer圖像中的某一像素點作為中心像素點選取5x5的Bayer矩陣，在Bayer矩陣內(nèi)找出與中心像素點距離最近，且與中心像素點顏色相同的9個像素點，分別記為P1、P2、P3、P4、P5(中心像素點)、P6、P7、P8和P9。根據(jù)中心像素點P5的G或RB的不同，所選取的像素點分布形狀不同，若中心像素點為G分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點G分量距離最近的9個G分量，P1～P9的位置如圖3(a)所示；若中心像素點為R或B分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點R或B距離最近的9個R或B分量， P1～P9的位置如圖3(b)所示。確定P1～P9的位置后，從如圖3所示的四個方向(正北4，正東2，東北3，東南1)來進行壞點檢測判斷中心像素點是否為壞點，其中東南方向1為P1，P5，P9所在的直線；正東方向2為P4，P5，P6所在的直線；東北方向3為P3，P5，P7所在的直線；正北方向4為P2，P5，P8所在的直線。計算各個方向上像素點像素值之間的差異，若各個方向上像素點像素值之間的差異滿足以下判斷條件1，則中心像素點P5被判斷為過亮的壞點：

判斷條件1：

min(P5-P1,P5-P9)>def1&&|P1-P9|<def2；

min(P5-P4,P5-P6)>def1&&|P4-P6|<def2；

min(P5-P7,P5-P3)>def1&&|P7-P3|<def2；

min(P5-P8,P5-P2)>def1&&|P8-P2|<def2；

若各個方向上像素點像素值之間的差異滿足以下判斷條件2，則中心像素點P5被判斷為過暗的壞點：

判斷條件2：

min(P1-P5,P9-P5)>def3&&|P1-P9|<def2；

min(P4-P5,P6-P5)>def3&&|P4-P6|<def2；

min(P7-P5,P3-P5)>def3&&|P7-P3|<def2；

min(P8-P5,P2-P5)>def3&&|P8-P2|<def2；

其中，在判斷條件1和判斷條件2中，min表示取最小值，&&表示符號前后條件同時成立，本實施例中，一組可用的閾值參數(shù)為def1＝192,def2＝16,def3＝192。

當檢測出某一中心像素點為壞點時，則使用四個方向中差異最小的兩個像素點的平均值作為該像素點的更新值，已達到消除壞點的目的，即

在公式(1)中，Pi，Pj是四個方向上差值最小的兩個像素點像素值，P5_new即為更新后的像素點的像素值。

步驟300：根據(jù)Bayer矩陣中內(nèi)外圈G分量最大最小值差異的空間相關(guān)性判斷當前像素點是否屬于邊緣像素點；如果當前像素點屬于邊緣像素點，執(zhí)行步驟400；如果當前像素點不屬于邊緣像素點，執(zhí)行步驟500；

在步驟300中，判斷當前像素點是否屬于邊緣像素點的判斷方式具體為：將Bayer矩陣中的綠色G分量根據(jù)所處位置分為兩類：位于Bayer矩陣中最外一圈的G分量和里圈的G分量，在Bayer矩陣最外一圈的G分量中分別找出最大值和最小值，最大值記為OutMax，最小值記為OutMin；在Bayer矩陣里圈的G分量中找出最大值和最小值，最大值記為InMax，最小值記為InMin。如果滿足以下條件：

OutMax-OutMin>edge1&&InMax-InMin>edge2 (2)

則認為當前像素點屬于邊緣像素點，否則屬于不屬于邊緣像素點。在上述公式(2)中，edge1與edge2分別是G分量在外圈和里圈的檢測門限值，在本發(fā)明實施例中，edge1＝20，edge2＝12，具體可根據(jù)實際應(yīng)用進行設(shè)定。

步驟400：對該像素點進行顏色插值算法處理獲取全彩色圖像；

在步驟400中，如圖4所示，是本發(fā)明實施例的顏色插值算法示意圖。以Bayer圖像中的某一像素點作為中心像素點選取5x5的Bayer矩陣，利用中心像素點的相鄰像素來計算中心像素位置另外兩個顏色通道的顏色值。根據(jù)中心像素點為G分量或RB分量的不同分開處理，具體地，

1)若中心像素點為G分量，則需要恢復(fù)該位置剩余的RB分量，如圖4(a)所示，中心像素點為G33，其方法是：對要恢復(fù)的紅色R分量而言，若滿足

|G31-G33|≥|R32-R34| (3)

則恢復(fù)的紅色分量R為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的紅色分量完成插值操作，則恢復(fù)的紅色分量R為：

對于該位置藍色B分量的恢復(fù)，與上述紅色R分量的恢復(fù)方式相同。

2)若中心像素點為R(或B)分量，則需要恢復(fù)該位置剩余的G和B(或R)分量，如圖4(b)所示，中心像素點為R33，其方法是：先恢復(fù)該位置的綠色G分量，然后利用恢復(fù)出來的綠色G分量去插值恢復(fù)剩余的B分量。具體先比較該像素點位置水平和垂直方向上的梯度來確定可能的邊界方向，并選擇非邊界方向來進行顏色插值。假設(shè)a為該點水平方向梯度，b為垂直方向梯度，則

按照梯度小的方向存在邊界的概率比較大，顏色插值會沿著最可能的邊界方向進行，因而該位置恢復(fù)的綠色G分量為：

利用恢復(fù)出的綠色G分量對藍色B分量進行恢復(fù)，具體地，利用上面恢復(fù)出來的G33，與其左，右，上三個位置的像素點值在四個方向上作比較，來判斷合適的插值方向，定義四個方向G分量差值如下：

根據(jù)差值大小選取不同的插值方式，分四種情況：

a)如果α最小，當滿足

|G21-G23|>|B22-B24| (9)

則恢復(fù)的藍色B分量為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的藍色分量完成插值操作，則恢復(fù)的藍色B分量為：

b)如果β最小，當滿足

|G12-G32|＞|B22-B42| (12)

則恢復(fù)的藍色B分量為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的藍色分量完成插值操作，則恢復(fù)的藍色B分量為：

c)如果γ最小,則恢復(fù)的藍色B分量為:

d)如果δ最小,則恢復(fù)的藍色B分量為:

如果中心像素點為B33，則恢復(fù)其綠色G分量與紅色R分量的方法與上述相同，仍然先恢復(fù)綠色G分量，再利用G分量恢復(fù)R分量。

本發(fā)明通過對邊緣像素點直接進行顏色插值算法處理，不做降噪處理，從而更好的保留了圖像的邊緣信息，防止降噪損失過多的圖像細節(jié)。

步驟500：對該像素點進行降噪濾波處理，在濾波的同時進行顏色插值算法處理獲取全彩色圖像；

在步驟500中，由于Bayer格式CFA圖像信息在每個像素位置上只有一種顏色分量，要復(fù)原另外兩種缺失的顏色分量，就必須通過相鄰的像素進行插值估算，恢復(fù)出每個像素位置另外兩個顏色通道的顏色值，這就是顏色插值。顏色插值算法主要利用色彩相關(guān)性，或根據(jù)其水平垂直方向上的梯度做相應(yīng)地插值操作；降噪插值時對其余兩種顏色分量以及自身，均根據(jù)其周圍一定范圍內(nèi)的相同顏色像素點進行加權(quán)濾波更新當前像素值，以達到降噪的目的。

請一并參閱圖5，是本發(fā)明實施例的降噪與顏色插值處理示意圖。本發(fā)明中對像素點進行降噪濾波處理，在濾波的同時進行顏色插值算法處理的方式具體為：以Bayer圖像中的某一像素點作為中心像素點選取5x7的Bayer矩陣，對該位置的各個顏色分量進行平滑濾波，達到降噪目的；并根據(jù)Bayer矩陣中心像素點為G分量還是RB分量做不同的處理：

如圖5(a)所示，若中心像素點為G分量，則需要恢復(fù)該位置的RB分量，此時利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點的差值來補償該像素點的R分量和B分量；如圖5(b)所示，若中心像素點為R(或B)分量，則需要恢復(fù)該位置的G分量和B(或R)分量，此時先恢復(fù)G分量，根據(jù)其水平垂直方向上的梯度大小來確定可能的邊界方向，并選擇非邊界方向，由相鄰的G分量來進行顏色插值，G分量恢復(fù)完成后，考慮剩余分量的恢復(fù)，根據(jù)恢復(fù)出來的G分量，與其相鄰的左、右、上三個位置的像素點G分量值在四個方向上作比較，來判斷合適的插值方向，仍然利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點的差值來補償該像素點剩余的R分量或B分量；具體顏色插值算法如下：

1)若中心像素點為G分量，則進行降噪與顏色插值處理，中心像素點為G34，給定一個5x7濾波模板如下：

則中心像素點位置紅色R分量的濾波結(jié)果表示為：

在公式(18)中，R₁＝R33+R35，R₂＝R13+R15+R53+R55，R₃＝R31+R37，R₄＝R11+R17+R51+R57，r1+r2+r3+r4＝6，round(·)表示四舍五入。

則中心像素點位置綠色G分量的濾波結(jié)果可表示為：

在公式(19)中，G₁＝G34，G₂＝G23+G25+G43+G45，G₃＝G14+G32+G36+G54，g1+g2+g3＝64。

則中心像素點位置藍色B分量的濾波結(jié)果可表示為：

在公式(20)中，B₁＝B24+B44，B₂＝B22+B26+B42+B46，b1+b2＝64。

2)若中心像素點為R(或B)分量，則進行降噪與顏色插值處理，如圖5(b)所示，中心像素點為R34,給定一個5x7濾波模板如下:

則中心像素點位置紅色R分量的濾波結(jié)果可表示為：

在公式(22)中，R₁＝R34，R₂＝R14+R32+R36+R54，R₃＝R12+R16+R52+R56，r1+r2+r3＝64。

則中心像素點位置綠色G分量的濾波結(jié)果可表示為：

在公式(23)中，G₁＝G24+G33+G35+G44，G₂＝G13+G15+G53+G55，G₃＝G22+G26+G42+G46，g1+g2+g2＝64。

則中心像素點位置藍色B分量的濾波結(jié)果可表示為：

在公式(24)中，B₁＝B23+B25+B43+B45，B₂＝G21+G27+G41+G47，b1+b2＝64。

在本發(fā)明實施例中，降噪與顏色插值算法不僅限于以上所述方法，也可以是其他類似方案。

步驟600：對獲取的全彩色圖像進行顏色空間轉(zhuǎn)換，將全彩色圖像從RGB空間轉(zhuǎn)換至YUV空間；

在步驟600中，本發(fā)明通過將全彩色圖像從RGB空間轉(zhuǎn)換至YUV空間，可以消除色彩通道之間的相關(guān)性。

步驟700：獲取轉(zhuǎn)換后的全彩色圖像的YUV分量，并將獲取的YUV分量(4：2：0)分別進行壓縮處理；

在步驟700中，所述將獲取的YUV分量(4：2：0)分別進行壓縮處理的壓縮方式為JPEG壓縮，但不限于此壓縮方式；本發(fā)明通過YUV空間變換消除了色彩通道間的相關(guān)性，對YUV分量進行JPEG壓縮，使壓縮編碼得到有效利用，很好地適應(yīng)了編碼需求。

步驟800：對全彩色圖像的YUV分量(4：2：0)進行解壓縮處理，并將解壓縮處理后的全彩色圖像從YUV空間轉(zhuǎn)回RGB空間后，輸出最終圖像。

請參閱圖4，是本發(fā)明實施例的圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。本發(fā)明實施例的圖像處理系統(tǒng)包括圖像采集模塊、壞點檢測與消除模塊、邊緣檢測模塊、顏色插值模塊、降噪與顏色插值模塊、第一空間轉(zhuǎn)換模塊、圖像壓縮模塊、圖像解壓縮模塊和第二空間轉(zhuǎn)換模塊；

圖像采集模塊用于采集Bayer圖像，并以Bayer圖像中的某一像素點作為中心像素點選取一個固定大小的Bayer矩陣；其中，本發(fā)明實施例以中心像素點選取5x5的Bayer矩陣，具體矩陣大小可根據(jù)實際應(yīng)用進行選擇。

壞點檢測與消除模塊用于對采集的Bayer圖像進行壞點檢測，根據(jù)Bayer矩陣的中心像素點與不同方向上的像素點的像素值差異判斷待檢測像素點是否為壞點，如果待檢測像素點為壞點，則消除該像素點；其中，所述壞點檢測與消除模塊對采集的Bayer圖像進行壞點檢測方式具體為：在Bayer矩陣內(nèi)找出與中心像素點距離最近，且與中心像素點顏色相同的像素點，根據(jù)四個不同方向上像素點像素值之間的差異，通過設(shè)定的閾值判斷中心像素點是否為壞點，若是壞點，則通過四個方向中差異最小的兩個像素點的平均值作為中心像素點的更新值，從而消除Bayer圖像中的壞點像素點。

具體如圖3所示，以Bayer圖像中的某一像素點作為中心像素點選取5x5的Bayer矩陣，在Bayer矩陣內(nèi)找出與中心像素點距離最近，且與中心像素點顏色相同的9個像素點，分別記為P1、P2、P3、P4、P5(中心像素點)、P6、P7、P8和P9。根據(jù)中心像素點P5的G或RB的不同，所選取的像素點分布形狀不同，若中心像素點為G分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點G分量距離最近的9個G分量，P1～P9的位置如圖3(a)所示；若中心像素點為R或B分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點R或B距離最近的9個R或B分量，P1～P9的位置如圖3(b)所示。確定P1～P9的位置后，從如圖3所示的四個方向(正北4，正東2，東北3，東南1)來進行壞點檢測判斷中心像素點是否為壞點，其中東南方向1為P1，P5，P9所在的直線；正東方向2為P4，P5，P6所在的直線；東北方向3為P3，P5，P7所在的直線；正北方向4 為P2，P5，P8所在的直線。計算各個方向上像素點像素值之間的差異，若各個方向上像素點像素值之間的差異滿足以下判斷條件1，則中心像素點P5被判斷為過亮的壞點：

判斷條件1：

min(P5-P1,P5-P9)>def1&&|P1-P9|<def2；

min(P5-P4,P5-P6)>def1&&|P4-P6|<def2；

min(P5-P7,P5-P3)>def1&&|P7-P3|<def2；

min(P5-P8,P5-P2)>def1&&|P8-P2|<def2；

若各個方向上像素點像素值之間的差異滿足以下判斷條件2，則中心像素點P5被判斷為過暗的壞點：

判斷條件2：

min(P1-P5,P9-P5)>def3&&|P1-P9|<def2；

min(P4-P5,P6-P5)>def3&&|P4-P6|<def2；

min(P7-P5,P3-P5)>def3&&|P7-P3|<def2；

min(P8-P5,P2-P5)>def3&&|P8-P2|<def2；

其中，在判斷條件1和判斷條件2中，min表示取最小值，&&表示符號前后條件同時成立，本實施例中，一組可用的閾值參數(shù)為def1＝192,def2＝16,def3＝192。

當檢測出某一中心像素點為壞點時，則使用四個方向中差異最小的兩個像素點的平均值作為該像素點的更新值，已達到消除壞點的目的，即

在公式(1)中，Pi，Pj是四個方向上差值最小的兩個像素點像素值，P5_new即為更新后的像素點的像素值。

邊緣檢測模塊用于根據(jù)Bayer矩陣中內(nèi)外圈G分量最大最小值差異的空間相關(guān)性判斷當前像素點是否屬于邊緣像素點；如果當前像素點屬于邊緣像素點，通過顏色插值模塊進行顏色插值算法操作；如果當前像素點不屬于邊緣 像素點，通過降噪與顏色插值模塊進行降噪與顏色插值算法操作；其中，判斷當前像素點是否屬于邊緣像素點的判斷方式具體為：將Bayer矩陣中的綠色G分量根據(jù)所處位置分為兩類：位于Bayer矩陣中最外一圈的G分量和里圈的G分量，在Bayer矩陣最外一圈的G分量中分別找出最大值和最小值，最大值記為OutMax，最小值記為OutMin；在Bayer矩陣里圈的G分量中找出最大值和最小值，最大值記為InMax，最小值記為InMin。如果滿足以下條件：

OutMax-OutMin>edge1&&InMax-InMin>edge2 (2)

則認為當前像素點屬于邊緣像素點，否則屬于不屬于邊緣像素點。在上述公式(2)中，edge1與edge2分別是外圈和里圈的檢測門限值，在本發(fā)明實施例中，edge1＝20，edge2＝12，具體可根據(jù)實際應(yīng)用進行設(shè)定。

顏色插值模塊對邊緣像素點進行顏色插值算法處理獲取全彩色圖像；如圖4所示，顏色插值模塊對邊緣像素點進行顏色插值算法處理具體為：以Bayer圖像中的某一像素點作為中心像素點選取5x5的Bayer矩陣，利用中心像素點的相鄰像素來計算中心像素位置另外兩個顏色通道的顏色值。根據(jù)中心像素點為G分量或RB分量的不同分開處理，具體地，

1)若中心像素點為G分量，則需要恢復(fù)該位置剩余的RB分量，如圖4(a)所示，中心像素點為G33，其方法是：對要恢復(fù)的紅色R分量而言，若滿足

|G31-G33|≥|R32-R34| (3)

則恢復(fù)的紅色分量R為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的紅色分量完成插值操作，則恢復(fù)的紅色分量R為：

對于該位置藍色B分量的恢復(fù)，與上述紅色R分量的恢復(fù)方式相同。

2)若中心像素點為R(或B)分量，則需要恢復(fù)該位置剩余的G和B(或R)分量，如圖4(b)所示，中心像素點為R33，其方法是：先恢復(fù)該位置的綠色G分量，然后利用恢復(fù)出來的綠色G分量去插值恢復(fù)剩余的B分量。具體先比較該像素點位置水平和垂直方向上的梯度來確定可能的邊界方向，并選擇非邊界方向來進行顏色插值。假設(shè)a為該點水平方向梯度，b為垂直方向梯度，則

按照梯度小的方向存在邊界的概率比較大，顏色插值會沿著最可能的邊界方向進行，因而該位置恢復(fù)的綠色G分量為：

利用恢復(fù)出的綠色G分量對藍色B分量進行恢復(fù)，具體地，利用上面恢復(fù)出來的G33，與其左，右，上三個位置的像素點值在四個方向上作比較，來判斷合適的插值方向，定義四個方向G分量差值如下：

根據(jù)差值大小選取不同的插值方式，分四種情況：

a)如果α最小，當滿足

|G21-G23|>|B22-B24| (9)

則恢復(fù)的藍色B分量為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的藍色分量完成插值操作，則恢復(fù)的藍色B分量為：

b)如果β最小，當滿足

|G12-G32|>|B22-B42| (12)

則恢復(fù)的藍色B分量為：

否則，根據(jù)色彩相關(guān)性(色差規(guī)律(R-G)或(B-G)恒定)，通過相鄰像素點的差值來補償該像素點的藍色分量完成插值操作，則恢復(fù)的藍色B分量為：

c)如果γ最小,則恢復(fù)的藍色B分量為:

d)如果δ最小,則恢復(fù)的藍色B分量為:

如果中心像素點為B33，則恢復(fù)其綠色G分量與紅色R分量的方法與上述相同，仍然先恢復(fù)綠色G分量，再利用G分量恢復(fù)R分量。

本發(fā)明通過對邊緣像素點直接進行顏色插值算法處理，不做降噪處理，從而更好的保留了圖像的邊緣信息，防止降噪損失過多的圖像細節(jié)。

降噪與顏色插值模塊對非邊緣像素點進行降噪濾波處理，在濾波的同時進行顏色插值算法處理獲取全彩色圖像；所述對像素點進行降噪濾波處理，在濾波的同時進行顏色插值算法處理的方式具體為：以Bayer圖像中的某一像素點作為中心像素點選取5x7的Bayer矩陣，對該位置的各個顏色分量進行平滑濾波，達到降噪目的；并根據(jù)Bayer矩陣中心像素點為G分量還是RB分量做不同的處理：

如圖5(a)所示，若中心像素點為G分量，則需要恢復(fù)該位置的RB分量，此時利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點的差值來補償該像 素點的R分量和B分量；如圖5(b)所示，若中心像素點為R(或B)分量，則需要恢復(fù)該位置的G分量和B(或R)分量，此時先恢復(fù)G分量，根據(jù)其水平垂直方向上的梯度大小來確定可能的邊界方向，并選擇非邊界方向，由相鄰的G分量來進行顏色插值，G分量恢復(fù)完成后，考慮剩余分量的恢復(fù)，根據(jù)恢復(fù)出來的G分量，與其相鄰的左、右、上三個位置的像素點G分量值在四個方向上作比較，來判斷合適的插值方向，仍然利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點的差值來補償該像素點剩余的R分量或B分量；具體顏色插值算法如下：

1)若中心像素點為G分量，則進行降噪與顏色插值處理，中心像素點為G34，給定一個5x7濾波模板如下：

則中心像素點位置紅色R分量的濾波結(jié)果表示為：

在公式(18)中，R₁＝R33+R35，R₂＝R13+R15+R53+R55，R₃＝R31+R37，R₄＝R11+R17+R51+R57，r1+r2+r3+r4＝6，round(·)表示四舍五入。

則中心像素點位置綠色G分量的濾波結(jié)果可表示為：

在公式(19)中，G₁＝G34，G₂＝G23+G25+G43+G45，G₃＝G14+G32+G36+G54，g1+g2+g3＝64。

則中心像素點位置藍色B分量的濾波結(jié)果可表示為：

在公式(20)中，B₁＝B24+B44，B₂＝B22+B26+B42+B46，b1+b2＝64。

2)若中心像素點為R(或B)分量，則進行降噪與顏色插值處理，如圖5(b)所示，中心像素點為R34,給定一個5x7濾波模板如下:

則中心像素點位置紅色R分量的濾波結(jié)果可表示為：

在公式(22)中，R₁＝R34，R₂＝R14+R32+R36+R54，R₃＝R12+R16+R52+R56，r1+r2+r3＝64。

則中心像素點位置綠色G分量的濾波結(jié)果可表示為：

在公式(23)中，G₁＝G24+G33+G35+G44，G₂＝G13+G15+G53+G55，G₃＝G22+G26+G42+G46，g1+g2+g2＝64。

則中心像素點位置藍色B分量的濾波結(jié)果可表示為：

在公式(24)中，B₁＝B23+B25+B43+B45，B₂＝G21+G27+G41+G47，b1+b2＝64。

在本發(fā)明實施例中，降噪與顏色插值算法不僅限于以上所述方法，也可以是其他類似方案。

第一空間轉(zhuǎn)換模塊用于對獲取的全彩色圖像進行顏色空間轉(zhuǎn)換，將全彩色圖像從RGB空間轉(zhuǎn)換至YUV空間；

圖像壓縮模塊用于獲取轉(zhuǎn)換后的全彩色圖像的YUV分量，并將獲取的YUV分量(4：2：0)分別進行壓縮處理；其中，所述將獲取的YUV分量(4：2：0)分別進行壓縮處理的壓縮方式為JPEG壓縮，但不限于此壓縮方式；本發(fā)明通過YUV空間變換消除了色彩通道間的相關(guān)性，對YUV分量進行JPEG壓縮，使壓縮編碼得到有效利用，很好地適應(yīng)了編碼需求。

圖像解壓縮模塊用于對YUV分量(4：2：0)進行解壓縮處理；

第二空間轉(zhuǎn)換模塊用于將解壓縮處理后的全彩色圖像從YUV空間轉(zhuǎn)回RGB空間后，并輸出最終圖像。

本發(fā)明實施例的圖像處理方法及系統(tǒng)通過對Bayer圖像進行壞點檢測去除脈沖噪聲影響，再通過檢測圖像邊緣，根據(jù)邊緣和非邊緣區(qū)域的不同做相應(yīng)地顏色插值和(或)降噪處理，保留了較好的邊界信息，并提高了壓縮比，對獲取的全彩色圖像進行YUV變換，分別對YUV分量進行JPEG壓縮處理，在減少一定壓縮數(shù)據(jù)量的同時，提高了圖像質(zhì)量，且不需要額外的解壓縮端Y(或G)分量陣列分布形狀的可逆處理，減輕了解壓縮端的負擔，以此為基礎(chǔ)有利于推進高清視頻圖像的應(yīng)用與發(fā)展。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。