【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种基于学习的拜耳图像去锯齿方法、装置、可读存储介质和电子装置。
技术介绍
1、图像传感器获取图像时，为了更好地获得清晰图像，各大厂家会设计各自的图像处理管道对原始图像进行处理，得到符合客户要求的高清图像。图像处理管道一般包括多个模块，每个模块按照特定的顺序对原始图像数据进行处理，得到理想的彩色高清图像。其中，一种常见的原始图像数据为拜耳（bayer）图像，一个像素只有一种颜色，红色（r）或绿色（g）或蓝色（b），通过插值算法得到每个像素的rgb值。
2、图像处理管道包含binning处理或缩放处理，图像进行binning处理或缩放处理时由于采样率不足会给图像的边缘带来锯齿效应，即在原始图像中看上去直的边缘经过处理后边缘附近出现锯齿现象。binning处理一般对拜耳图像中相邻且颜色相同的像素合并处理降低图像分辨率，因此binning处理后的锯齿问题无法避免。缩放处理对拜耳图像使用插值算法进行下采样，例如最近邻插值法、双线性插值法、双三次插值法等算法，目前的插值方法对拜耳图像进行下采样时由于采样...
【技术保护点】
1.一种基于学习的拜耳图像去锯齿方法，其特征在于，包括：
2.根据权利要求1所述的基于学习的拜耳图像去锯齿方法，其特征在于，训练一系列固定滤波器的方法包括：
3.根据权利要求2所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取样本数据集构建自适应训练数据集的方法包括：
4.根据权利要求3所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取多个样本数据，对所述样本数据进行模拟得到训练数据对的方法包括：
5.根据权利要求3所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取多个样本数据，对所述样本数据进行模拟得到训练数据对
...【技术特征摘要】
1.一种基于学习的拜耳图像去锯齿方法，其特征在于，包括：
2.根据权利要求1所述的基于学习的拜耳图像去锯齿方法，其特征在于，训练一系列固定滤波器的方法包括：
3.根据权利要求2所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取样本数据集构建自适应训练数据集的方法包括：
4.根据权利要求3所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取多个样本数据，对所述样本数据进行模拟得到训练数据对的方法包括：
5.根据权利要求3所述的基于学习的拜耳图像去锯齿方法，其特征在于，获取多个样本数据，对所述样本数据进行模拟得到训练数据对的方法包括：
6.根据权利要求2所述的基于学习的拜耳图像去锯齿方法，其特征在于，将所述自适应训练数据集输入待训练的一系列固定滤波器学习框架的...
【专利技术属性】
技术研发人员：黄炳坤，刘关松，
申请(专利权)人：珠海燧景科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。