📚 课程目录第3章经典去马赛克算法

3. 经典去马赛克算法：双线性插值、最近邻插值、基于梯度的插值（Hamilton-Adams）

去马赛克，说白了就是把拜耳阵列上那些残缺的RGB值给补全。每个像素只记录了一种颜色，另外两种颜色全靠猜。猜得好不好，直接决定你最终图像有没有锯齿、有没有伪色。

这一章我们聊三种最经典的插值方法。它们虽然简单，但理解透了，后面那些花哨的算法你上手会快很多。

最近邻的思路很简单——缺什么颜色，就从最近的同色像素直接复制过来。比如一个像素缺红色，那就找它上下左右最近的红色像素，拿过来直接用。

  核心思想： 用最近的已知像素值填充缺失值，不做任何计算。

我刚开始做嵌入式图像处理时，为了在低端芯片上跑实时预览，就试过这个方案。速度确实快，但效果嘛……

优点：

缺点：

举个例子，一个R像素位置需要G值，最近邻会直接取它上方或左方的G像素值。如果那个位置刚好是边缘，颜色就跳变了。

避坑： 我曾经在一个高分辨率监控项目里试过最近邻，结果画面里的人物轮廓全是锯齿。后来我换成了双线性，虽然慢了一点，但画面干净多了。所以除非你实在跑不动，否则别用最近邻做最终输出。

双线性插值比最近邻聪明一点。它不再直接复制，而是取周围四个同色像素的平均值。

比如在G通道上，一个R像素位置缺G值，那就取它上下左右四个G像素的平均值。公式很简单：

G_missing = (G_top + G_bottom + G_left + G_right) / 4

对于R和B通道，情况稍微复杂一点。因为拜耳阵列里R和B像素更稀疏，所以需要取对角线方向的四个像素做平均。

我的经验： 双线性插值在平坦区域表现很好，颜色过渡自然。但一到纹理密集的地方，比如草地、布料，就会糊成一片。我做过对比测试，双线性插值后的图像PSNR通常比最近邻高3-5dB，但主观视觉上总觉得“软”。

双线性插值的流程：

你想想看，这个平均操作本质上就是一个低通滤波器。它把高频细节给抹掉了，所以边缘会变模糊。

前面两种方法都不考虑图像内容。它们不管你是平坦区域还是边缘区域，一律用同样的方式插值。这就导致了一个问题——边缘处容易产生伪色和锯齿。

Hamilton-Adams算法（以下简称H-A算法）就是来解决这个问题的。它引入了梯度方向的概念。

  核心思想： 先判断当前像素是处于水平边缘还是垂直边缘，然后沿着边缘方向插值，避免跨边缘插值。

H-A算法的步骤大致如下：

举个例子，在G通道插值时，H-A算法会先算水平梯度和垂直梯度：

H_gradient = |G_left - G_right|
V_gradient = |G_top - G_bottom|

如果H_gradient小于V_gradient，说明水平方向更平滑，那就用水平方向的G值做平均。反之则用垂直方向。

如果两个梯度差不多，那就用双线性插值。

我个人的习惯： 在实际项目中，我通常会在H-A算法的基础上再加一个阈值判断。如果梯度差太小，就直接用双线性，避免过度依赖方向判断带来的噪声。这个技巧在低光照场景下特别有用。

H-A算法的完整流程：

嗯，这里要注意一点。H-A算法在R和B通道的插值上，用了一个很巧妙的技巧——色差恒定假设。它假设在局部区域内，R-G或B-G的差值变化很小。所以先补全G通道，再用G通道来修正R和B。

这个思路后来被很多高级算法借鉴了。

我把这三种算法的核心差异整理了一下：

从表格里能看出来，H-A算法在边缘保持和伪色抑制上明显优于前两者。但它也不是万能的——遇到纹理极其复杂的区域，比如密集的条纹，它还是会翻车。

我曾经踩过的坑： 有一次做工业检测，产品表面有细密的拉丝纹理。H-A算法在拉丝方向判断上频繁出错，导致插值结果出现周期性伪色。后来我加了一个局部方差判断，在纹理复杂区域回退到双线性，才把问题解决。所以算法不是越复杂越好，关键看场景。

下面这张图展示了三种算法的核心逻辑和关系：

从这张图可以看得很清楚。最近邻和双线性都是“无脑”插值，而H-A算法引入了方向判断，算是第一次让去马赛克有了“智能”。

我个人觉得，理解H-A算法是入门到进阶的关键一步。它虽然简单，但已经包含了现代去马赛克算法的两个核心要素：方向自适应和色差修正。后面要讲的很多算法，本质上都是在H-A的基础上做优化。