1、图画bayer格局介绍
bayer格局图片是伊士曼·柯达公司科学家Bryce Bayer创造的，Bryce Bayer所创造的拜耳阵列被广泛运用数字图画。
关于五颜六色图画，需求收集多种最基本的颜色，如rgb三种颜色，最简略的办法便是用滤镜的办法，赤色的滤镜透过赤色的波长，绿色的滤镜透过绿色的波长，蓝色的滤镜透过蓝色的波长。假如要收集rgb三个基本性，则需求三块滤镜，这样价格昂贵，且欠好制作，因为三块滤镜都有必要确保每一个像素点都对齐。当用bayer格局的时分，很好的处理了这个问题。bayer 格局图片在一块滤镜上设置的不同的颜色，经过剖析人眼对颜色的感知发现，人眼对绿色比较灵敏，所以一般bayer格局的图片绿色格局的像素是是r和g像素的和。
别的，Bayer格局是相机内部的原始图片， 一般后缀名为.raw。许多软件都能够检查， 比方PS。咱们相机摄影下来存储在存储卡上的.jpeg或其它格局的图片， 都是从.raw格局转化过来的。如下图，为bayer颜色滤波阵列，由一半的G，1/4的R，1/4的B组成。
2、bayer格局图画传感器硬件
图画传感器的结构如下所示，每一个感光像素之间都有金属隔离层，光纤经过显微镜头，在颜色滤波器过滤之后，投射到相应的缝隙式硅的感光元件上。
当Image Sensor往外逐行输出数据时，像素的序列为GRGRGR.。./BGBGBG.。.（次序RGB）。这样阵列的Sensor规划，使得RGB传感器削减到了全色传感器的1/3，如下所示。
3、bayer格局插值红蓝算法完结
每一个像素只是包含了光谱的一部分，有必要经过插值来完结每个像素的RGB值。为了从Bayer格局得到每个像素的RGB格局，咱们需求经过插值添补缺失的2个颜色。插值的办法有许多（包含范畴、线性、3*3等），速度与质量权衡，最好的线性插值补偿算法。其间算法如下：
R和B经过线性范畴插值，但这有四种不同的散布，如下图所示：
在（a）与（b）中，R和B别离取邻域的平均值。
在（c）与（d）中，取范畴的4个B或R的均值作为中心像素的B值。
4、bayer格局插值绿算法完结
因为人眼对绿光反响最灵敏，对紫光和红光则反响较弱，因而为了到达更好的画质，需求对G特殊照顾。在上述（c）与（d）中，扩展开来便是上图的（e）与（f）中心像素G的取值，者也有必定的算法要求，不同的算法作用上会有差异。经过相关的研讨，
（e）中心像素G值的算法如下：
（f）中心像素G值的算法如下：
CMOS摄像头这部分转化是在内部用ADC或许ISP完结的，生产商为了下降成本必然会使得图画失真。当然用外部处理器来完结转化，假如处理器的速度满足NB，能够担任像素的操作，用上面的算法来进行转化，大快人心。不过上述算法将直接成倍提高了算法的复杂度，速度大将会有所约束。因而为了速度的提成，能够直接经过来4范畴G取均值来中心像素的G值，将会下降一倍的速率，而在性能上差之甚微，算法如下：
假如能够经过丢失图画的额质量，来到达更快的速度，还能够取G1、G2的均值来完结，可是这样的做法会导致边缘以及跳变部分的失真。
