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(jī)或攝像機(jī)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(gè)像素只采集一種顏色分量(紅R，綠G，藍(lán)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(gè)像素只含有一種顏色分量，G分量的像素個(gè)數(shù)是B分量或R分量像素個(gè)數(shù)的兩倍。

Bayer圖像具有很好的彩色信號(hào)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(chǔ)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(cè)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(jì)恢復(fù)全彩色圖像，且G分量呈菱形分布的特點(diǎn)，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(duì)獲取的全彩色圖像的RGB三色分量分別直接進(jìn)行壓縮處理，并經(jīng)過傳輸或存儲(chǔ)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(duì)它們壓縮相當(dāng)于對(duì)同一信息進(jìn)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(duì)YUV空間的呈菱形陣列分布的Y分量進(jìn)行預(yù)處理轉(zhuǎn)換成矩形陣列，然后對(duì)YUV分量分別進(jìn)行壓縮與解壓縮處理，最后對(duì)Y分量進(jìn)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(shí)，需要設(shè)計(jì)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(fù)擔(dān)，利用壓縮解壓縮后的數(shù)據(jù)(有失真)進(jìn)行全彩色插值，相對(duì)直接利用Bayer數(shù)據(jù)進(jìn)行全彩色插值喪失了一定的準(zhǔn)確度，在一些高清圖像視頻應(yīng)用場(chǎng)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(shí)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(shí)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(diǎn)是否是邊緣像素點(diǎn)，如果是邊緣像素點(diǎn)，對(duì)該像素點(diǎn)進(jìn)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(diǎn)，對(duì)該像素點(diǎn)進(jìn)行降噪濾波處理，同時(shí)進(jìn)行顏色插值算法處理獲取全彩色圖像；

步驟b：對(duì)獲取的全彩色圖像進(jìn)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(duì)全彩色圖像的YUV分量分別進(jìn)行壓縮處理；

步驟c：對(duì)全彩色圖像的YUV分量進(jìn)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(shí)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(diǎn)作為中心像素點(diǎn)選取一個(gè)固定大小的矩陣；對(duì)采集的圖像進(jìn)行壞點(diǎn)檢測(cè)，根據(jù)選取的矩陣的中心像素點(diǎn)與不同方向上的像素點(diǎn)的像素值差異判斷待檢測(cè)像素點(diǎn)是否為壞點(diǎn)，如果待檢測(cè)像素點(diǎn)為壞點(diǎn)，則消除該像素點(diǎn)。

本發(fā)明實(shí)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(diǎn)是否是邊緣像素點(diǎn)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(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)，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?yán)锶Φ腉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(dāng)前像素點(diǎn)滿足以下條件：

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

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

本發(fā)明實(shí)施例采取的技術(shù)方案還包括：在所述步驟a中，所述對(duì)像素點(diǎn)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x5的矩陣，利用中心像素點(diǎn)的相鄰像素來計(jì)算中心像素位置另外兩個(gè)顏色通道的顏色值，如果中心像素點(diǎn)為G分量，則恢復(fù)該位置剩余的RB分量；如果中心像素點(diǎn)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(shí)施例采取的技術(shù)方案還包括：在所述步驟a中，所述對(duì)像素點(diǎn)進(jìn)行降噪濾波處理，同時(shí)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x7的矩陣，對(duì)該位置的各個(gè)顏色分量進(jìn)行平滑濾波，并根據(jù)矩陣中心像素點(diǎn)為G分量還是RB分量做不同的處理：如果中心像素點(diǎn)為G分量，則利用色彩相關(guān)性，通過相鄰像素點(diǎn)的差值來補(bǔ)償該像素點(diǎn)的R分量和B分量；如果中心像素點(diǎn)為R(或B)分量，則通過相鄰像素點(diǎn)的差值來補(bǔ)償該像素點(diǎn)剩余的G和B(或R)分量。

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

本發(fā)明實(shí)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(cè)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(cè)模塊用于判斷圖像中的像素點(diǎn)是否是邊緣像素點(diǎn)，如果是邊緣像素點(diǎn)，通過顏色插值模塊對(duì)該像素點(diǎn)進(jìn)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(diǎn)，通過降噪與顏色插值模塊對(duì)該像素點(diǎn)進(jìn)行降噪濾波處理，同時(shí)進(jìn)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(duì)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(jìn)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(duì)全彩色圖像的YUV分量分別進(jìn)行壓縮處理；

所述圖像解壓縮模塊用于對(duì)全彩色圖像的YUV分量進(jìn)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(shí)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(diǎn)檢測(cè)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(diǎn)作 為中心像素點(diǎn)選取一個(gè)固定大小的矩陣；所述壞點(diǎn)檢測(cè)與消除模塊用于對(duì)采集的圖像進(jìn)行壞點(diǎn)檢測(cè)，根據(jù)選取的矩陣的中心像素點(diǎn)與不同方向上的像素點(diǎn)的像素值差異判斷待檢測(cè)像素點(diǎn)是否為壞點(diǎn)，如果待檢測(cè)像素點(diǎn)為壞點(diǎn)，則消除該像素點(diǎn)。

本發(fā)明實(shí)施例采取的技術(shù)方案還包括：所述邊緣檢測(cè)模塊判斷圖像中的像素點(diǎn)是否是邊緣像素點(diǎn)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(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)，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?yán)锶Φ腉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(dāng)前像素點(diǎn)滿足以下條件：

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

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

本發(fā)明實(shí)施例采取的技術(shù)方案還包括：所述顏色插值模塊對(duì)像素點(diǎn)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x5的矩陣，利用中心像素點(diǎn)的相鄰像素來計(jì)算中心像素位置另外兩個(gè)顏色通道的顏色值，如果中心像素點(diǎn)為G分量，則恢復(fù)該位置剩余的RB分量；如果中心像素點(diǎn)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(duì)像素點(diǎn)進(jìn)行降噪濾波處理，同時(shí)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x7的矩陣，對(duì)該位置的各個(gè)顏色分量進(jìn)行平滑濾波，并根據(jù)矩陣中心像素點(diǎn)為G分量還是RB分量做不同的處理：如果中心像素點(diǎn)為G分量，則利用色彩相關(guān)性，通過相鄰像素點(diǎn)的差值來補(bǔ) 償該像素點(diǎn)的R分量和B分量；如果中心像素點(diǎn)為R(或B)分量，則通過相鄰像素點(diǎn)的差值來補(bǔ)償該像素點(diǎn)剩余的G和B(或R)分量。

本發(fā)明實(shí)施例的圖像處理方法及系統(tǒng)通過對(duì)Bayer圖像進(jìn)行壞點(diǎn)檢測(cè)去除脈沖噪聲影響，再通過檢測(cè)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(duì)獲取的全彩色圖像進(jìn)行YUV變換，分別對(duì)YUV分量進(jìn)行JPEG壓縮處理，在減少一定壓縮數(shù)據(jù)量的同時(shí)，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(fù)擔(dān)，以此為基礎(chǔ)有利于推進(jìn)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(shí)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(shí)施例的Bayer矩陣以及中心像素點(diǎn)位置與方向選取示意圖；

圖4(a)和圖4(b)是本發(fā)明實(shí)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(shí)施例的降噪與顏色插值處理示意圖；

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

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)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(shí)施例中，僅以對(duì)拍攝圖片進(jìn)行處理為例進(jìn)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(qǐng)參閱圖2，是本發(fā)明實(shí)施例的圖像處理方法的流程圖。本發(fā)明實(shí)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(diǎn)作為中心像素點(diǎn)選取一個(gè)固定大小的Bayer矩陣；

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

步驟200：對(duì)采集的Bayer圖像進(jìn)行壞點(diǎn)檢測(cè)，根據(jù)選取的Bayer矩陣的中心像素點(diǎn)與不同方向上的像素點(diǎn)的像素值差異判斷待檢測(cè)像素點(diǎn)是否為壞點(diǎn)，如果待檢測(cè)像素點(diǎn)為壞點(diǎn)，則消除該像素點(diǎn)；

在步驟200中，壞點(diǎn)檢測(cè)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(duì)圖像質(zhì)量的惡化，降低了圖像質(zhì)量損傷，壞點(diǎn)檢測(cè)及消除不僅限于以上所述方法。所述對(duì)采集的Bayer圖像進(jìn)行壞點(diǎn)檢測(cè)方式具體為：在Bayer矩陣內(nèi)找出與中心像素點(diǎn)距離最近，且與中心像素點(diǎn)顏色相同的像素點(diǎn)，根據(jù)四個(gè)不同方向上像素點(diǎn)像素值之間的差異，通過設(shè)定的閾值判斷中心像素點(diǎn)是否為壞點(diǎn)，若是壞點(diǎn)，則通過四個(gè)方向中差異最小的兩個(gè)像素點(diǎn)的平均值作為中心像素點(diǎn)的更新值，從而消除Bayer圖像中的壞點(diǎn)像素點(diǎn)。

具體如圖3所示，是本發(fā)明實(shí)施例的Bayer矩陣以及中心像素點(diǎn)位置與方向選取示意圖。以Bayer圖像中的某一像素點(diǎn)作為中心像素點(diǎn)選取5x5的Bayer矩陣，在Bayer矩陣內(nèi)找出與中心像素點(diǎn)距離最近，且與中心像素點(diǎn)顏色相同的9個(gè)像素點(diǎn)，分別記為P1、P2、P3、P4、P5(中心像素點(diǎn))、P6、P7、P8和P9。根據(jù)中心像素點(diǎn)P5的G或RB的不同，所選取的像素點(diǎn)分布形狀不同，若中心像素點(diǎn)為G分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點(diǎn)G分量距離最近的9個(gè)G分量，P1～P9的位置如圖3(a)所示；若中心像素點(diǎn)為R或B分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點(diǎn)R或B距離最近的9個(gè)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(gè)方向(正北4，正東2，東北3，東南1)來進(jìn)行壞點(diǎn)檢測(cè)判斷中心像素點(diǎn)是否為壞點(diǎn)，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(jì)算各個(gè)方向上像素點(diǎn)像素值之間的差異，若各個(gè)方向上像素點(diǎn)像素值之間的差異滿足以下判斷條件1，則中心像素點(diǎn)P5被判斷為過亮的壞點(diǎn)：

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

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(hào)前后條件同時(shí)成立，本實(shí)施例中，一組可用的閾值參數(shù)為def1＝192,def2＝16,def3＝192。

當(dāng)檢測(cè)出某一中心像素點(diǎn)為壞點(diǎn)時(shí)，則使用四個(gè)方向中差異最小的兩個(gè)像素點(diǎn)的平均值作為該像素點(diǎn)的更新值，已達(dá)到消除壞點(diǎn)的目的，即

在公式(1)中，Pi，Pj是四個(gè)方向上差值最小的兩個(gè)像素點(diǎn)像素值，P5_new即為更新后的像素點(diǎn)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(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)；如果當(dāng)前像素點(diǎn)屬于邊緣像素點(diǎn)，執(zhí)行步驟400；如果當(dāng)前像素點(diǎn)不屬于邊緣像素點(diǎn)，執(zhí)行步驟500；

在步驟300中，判斷當(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)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?yán)锶Φ腉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(rèn)為當(dāng)前像素點(diǎn)屬于邊緣像素點(diǎn)，否則屬于不屬于邊緣像素點(diǎn)。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(cè)門限值，在本發(fā)明實(shí)施例中，edge1＝20，edge2＝12，具體可根據(jù)實(shí)際應(yīng)用進(jìn)行設(shè)定。

步驟400：對(duì)該像素點(diǎn)進(jìn)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(shí)施例的顏色插值算法示意圖。以Bayer圖像中的某一像素點(diǎn)作為中心像素點(diǎn)選取5x5的Bayer矩陣，利用中心像素點(diǎn)的相鄰像素來計(jì)算中心像素位置另外兩個(gè)顏色通道的顏色值。根據(jù)中心像素點(diǎn)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(diǎn)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(diǎn)為G33，其方法是：對(duì)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的紅色分量完成插值操作，則恢復(fù)的紅色分量R為：

對(duì)于該位置藍(lán)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(diǎn)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(diǎn)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(diǎn)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(jìn)行顏色插值。假設(shè)a為該點(diǎn)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(huì)沿著最可能的邊界方向進(jìn)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(duì)藍(lán)色B分量進(jìn)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(gè)位置的像素點(diǎn)值在四個(gè)方向上作比較，來判斷合適的插值方向，定義四個(gè)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(dāng)滿足

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

則恢復(fù)的藍(lán)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的藍(lán)色分量完成插值操作，則恢復(fù)的藍(lán)色B分量為：

b)如果β最小，當(dāng)滿足

|G12-G32|＞|B22-B42| (12)

則恢復(fù)的藍(lán)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的藍(lán)色分量完成插值操作，則恢復(fù)的藍(lán)色B分量為：

c)如果γ最小,則恢復(fù)的藍(lán)色B分量為:

d)如果δ最小,則恢復(fù)的藍(lán)色B分量為:

如果中心像素點(diǎn)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(duì)邊緣像素點(diǎn)直接進(jìn)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(xì)節(jié)。

步驟500：對(duì)該像素點(diǎn)進(jìn)行降噪濾波處理，在濾波的同時(shí)進(jìn)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(gè)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(jìn)行插值估算，恢復(fù)出每個(gè)像素位置另外兩個(gè)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(shí)對(duì)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(diǎn)進(jìn)行加權(quán)濾波更新當(dāng)前像素值，以達(dá)到降噪的目的。

請(qǐng)一并參閱圖5，是本發(fā)明實(shí)施例的降噪與顏色插值處理示意圖。本發(fā)明中對(duì)像素點(diǎn)進(jìn)行降噪濾波處理，在濾波的同時(shí)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x7的Bayer矩陣，對(duì)該位置的各個(gè)顏色分量進(jìn)行平滑濾波，達(dá)到降噪目的；并根據(jù)Bayer矩陣中心像素點(diǎn)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(diǎn)為G分量，則需要恢復(fù)該位置的RB分量，此時(shí)利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點(diǎn)的差值來補(bǔ)償該像素點(diǎn)的R分量和B分量；如圖5(b)所示，若中心像素點(diǎn)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(shí)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(jìn)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(gè)位置的像素點(diǎn)G分量值在四個(gè)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)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(diǎn)為G分量，則進(jìn)行降噪與顏色插值處理，中心像素點(diǎn)為G34，給定一個(gè)5x7濾波模板如下：

則中心像素點(diǎn)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(diǎn)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(diǎn)位置藍(lán)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(diǎn)為R(或B)分量，則進(jìn)行降噪與顏色插值處理，如圖5(b)所示，中心像素點(diǎn)為R34,給定一個(gè)5x7濾波模板如下:

則中心像素點(diǎn)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(diǎn)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(diǎn)位置藍(lán)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(shí)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(duì)獲取的全彩色圖像進(jìn)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(jìn)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(jìn)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(duì)YUV分量進(jìn)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(duì)全彩色圖像的YUV分量(4：2：0)進(jìn)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(qǐng)參閱圖4，是本發(fā)明實(shí)施例的圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。本發(fā)明實(shí)施例的圖像處理系統(tǒng)包括圖像采集模塊、壞點(diǎn)檢測(cè)與消除模塊、邊緣檢測(cè)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(diǎn)作為中心像素點(diǎn)選取一個(gè)固定大小的Bayer矩陣；其中，本發(fā)明實(shí)施例以中心像素點(diǎn)選取5x5的Bayer矩陣，具體矩陣大小可根據(jù)實(shí)際應(yīng)用進(jìn)行選擇。

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

具體如圖3所示，以Bayer圖像中的某一像素點(diǎn)作為中心像素點(diǎn)選取5x5的Bayer矩陣，在Bayer矩陣內(nèi)找出與中心像素點(diǎn)距離最近，且與中心像素點(diǎn)顏色相同的9個(gè)像素點(diǎn)，分別記為P1、P2、P3、P4、P5(中心像素點(diǎn))、P6、P7、P8和P9。根據(jù)中心像素點(diǎn)P5的G或RB的不同，所選取的像素點(diǎn)分布形狀不同，若中心像素點(diǎn)為G分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點(diǎn)G分量距離最近的9個(gè)G分量，P1～P9的位置如圖3(a)所示；若中心像素點(diǎn)為R或B分量，則在5x5的Bayer矩陣內(nèi)找出與中心像素點(diǎn)R或B距離最近的9個(gè)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(gè)方向(正北4，正東2，東北3，東南1)來進(jìn)行壞點(diǎn)檢測(cè)判斷中心像素點(diǎn)是否為壞點(diǎn)，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(jì)算各個(gè)方向上像素點(diǎn)像素值之間的差異，若各個(gè)方向上像素點(diǎn)像素值之間的差異滿足以下判斷條件1，則中心像素點(diǎn)P5被判斷為過亮的壞點(diǎn)：

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

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(hào)前后條件同時(shí)成立，本實(shí)施例中，一組可用的閾值參數(shù)為def1＝192,def2＝16,def3＝192。

當(dāng)檢測(cè)出某一中心像素點(diǎn)為壞點(diǎn)時(shí)，則使用四個(gè)方向中差異最小的兩個(gè)像素點(diǎn)的平均值作為該像素點(diǎn)的更新值，已達(dá)到消除壞點(diǎn)的目的，即

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

邊緣檢測(cè)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(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)；如果當(dāng)前像素點(diǎn)屬于邊緣像素點(diǎn)，通過顏色插值模塊進(jìn)行顏色插值算法操作；如果當(dāng)前像素點(diǎn)不屬于邊緣 像素點(diǎn)，通過降噪與顏色插值模塊進(jìn)行降噪與顏色插值算法操作；其中，判斷當(dāng)前像素點(diǎn)是否屬于邊緣像素點(diǎn)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?yán)锶Φ腉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(rèn)為當(dāng)前像素點(diǎn)屬于邊緣像素點(diǎn)，否則屬于不屬于邊緣像素點(diǎn)。在上述公式(2)中，edge1與edge2分別是外圈和里圈的檢測(cè)門限值，在本發(fā)明實(shí)施例中，edge1＝20，edge2＝12，具體可根據(jù)實(shí)際應(yīng)用進(jìn)行設(shè)定。

顏色插值模塊對(duì)邊緣像素點(diǎn)進(jìn)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(duì)邊緣像素點(diǎn)進(jìn)行顏色插值算法處理具體為：以Bayer圖像中的某一像素點(diǎn)作為中心像素點(diǎn)選取5x5的Bayer矩陣，利用中心像素點(diǎn)的相鄰像素來計(jì)算中心像素位置另外兩個(gè)顏色通道的顏色值。根據(jù)中心像素點(diǎn)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(diǎn)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(diǎn)為G33，其方法是：對(duì)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的紅色分量完成插值操作，則恢復(fù)的紅色分量R為：

對(duì)于該位置藍(lán)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(diǎn)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(diǎn)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(diǎn)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(jìn)行顏色插值。假設(shè)a為該點(diǎn)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(huì)沿著最可能的邊界方向進(jìn)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(duì)藍(lán)色B分量進(jìn)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(gè)位置的像素點(diǎn)值在四個(gè)方向上作比較，來判斷合適的插值方向，定義四個(gè)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(dāng)滿足

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

則恢復(fù)的藍(lán)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的藍(lán)色分量完成插值操作，則恢復(fù)的藍(lán)色B分量為：

b)如果β最小，當(dāng)滿足

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

則恢復(fù)的藍(lán)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)的藍(lán)色分量完成插值操作，則恢復(fù)的藍(lán)色B分量為：

c)如果γ最小,則恢復(fù)的藍(lán)色B分量為:

d)如果δ最小,則恢復(fù)的藍(lán)色B分量為:

如果中心像素點(diǎn)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(duì)邊緣像素點(diǎn)直接進(jìn)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(xì)節(jié)。

降噪與顏色插值模塊對(duì)非邊緣像素點(diǎn)進(jìn)行降噪濾波處理，在濾波的同時(shí)進(jìn)行顏色插值算法處理獲取全彩色圖像；所述對(duì)像素點(diǎn)進(jìn)行降噪濾波處理，在濾波的同時(shí)進(jìn)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(diǎn)作為中心像素點(diǎn)選取5x7的Bayer矩陣，對(duì)該位置的各個(gè)顏色分量進(jìn)行平滑濾波，達(dá)到降噪目的；并根據(jù)Bayer矩陣中心像素點(diǎn)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(diǎn)為G分量，則需要恢復(fù)該位置的RB分量，此時(shí)利用色彩相關(guān)性(色差規(guī)律)，通過相鄰像素點(diǎn)的差值來補(bǔ)償該像 素點(diǎn)的R分量和B分量；如圖5(b)所示，若中心像素點(diǎn)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(shí)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(jìn)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(gè)位置的像素點(diǎn)G分量值在四個(gè)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(diǎn)的差值來補(bǔ)償該像素點(diǎn)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(diǎn)為G分量，則進(jìn)行降噪與顏色插值處理，中心像素點(diǎn)為G34，給定一個(gè)5x7濾波模板如下：

則中心像素點(diǎn)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(diǎn)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(diǎn)位置藍(lán)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(diǎn)為R(或B)分量，則進(jìn)行降噪與顏色插值處理，如圖5(b)所示，中心像素點(diǎn)為R34,給定一個(gè)5x7濾波模板如下:

則中心像素點(diǎn)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(diǎn)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(diǎn)位置藍(lán)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(shí)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(duì)獲取的全彩色圖像進(jìn)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(jìn)行壓縮處理；其中，所述將獲取的YUV分量(4：2：0)分別進(jìn)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(duì)YUV分量進(jìn)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(duì)YUV分量(4：2：0)進(jìn)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(shí)施例的圖像處理方法及系統(tǒng)通過對(duì)Bayer圖像進(jìn)行壞點(diǎn)檢測(cè)去除脈沖噪聲影響，再通過檢測(cè)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(duì)獲取的全彩色圖像進(jìn)行YUV變換，分別對(duì)YUV分量進(jìn)行JPEG壓縮處理，在減少一定壓縮數(shù)據(jù)量的同時(shí)，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(fù)擔(dān)，以此為基礎(chǔ)有利于推進(jìn)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(shí)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(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。