改进型Bayer滤波插值算法实现遇阻：输出出现网格线求排查

核心错误分析 #

1. 插值位置错误，覆盖原始有效像素 #

代码中错误地将插值结果赋值给原始有效像素的位置，导致后续相邻4x4块计算时使用了被篡改的值，进而产生网格线：

• 公式中E的位置应为row+1, col，但代码中赋值给了row+1, col+1（原始gF的位置），覆盖了原始有效像素
• 公式中J的位置应为row+2, col+1，但代码中赋值给了row+2, col+2（原始gK的位置），覆盖了原始有效像素

2. 数值类型错误 #

使用as_gray=True读取的图像是0-1范围的float类型，但你将像素值强制转换为int，会导致所有小于1的浮点值被截断为0，完全破坏原始数据的灰度信息。

3. 循环边界未处理（潜在问题） #

若图像高度/宽度不是4的整数倍，range(0,h,4)和range(0,w,4)会忽略最后不足4行/列的区域，导致这些区域的像素未被插值处理。

修复后的代码 #

# 读取图像，as_gray=True返回0-1的float类型，无需转int
img = io.imread(filename_Grayimage, as_gray=True)
h, w = img.shape

plt.figure(figsize=(10,8))

# 重建绿色通道IG，保留原始float类型
IG = np.copy(img)

# 遍历每个4x4块，注意处理边界
for row in range(0, h - 3, 4):
    for col in range(0, w - 3, 4):
        # 直接使用原始浮点像素值，不要转int
        gA = img[row, col]
        gC = img[row, col+2]
        gF = img[row+1, col+1]
        gH = img[row+1, col+3]
        gI = img[row+2, col]
        gK = img[row+2, col+2]
        gN = img[row+3, col+1]
        gP = img[row+3, col+3]

        # 修正插值位置，避免覆盖原始有效像素
        IG[row, col+1] = (gA + gC + gF) / 3  # B：正确位置
        IG[row, col+3] = (gC + gH) / 2       # D：正确位置
        IG[row+1, col] = (gA + gF + gI) / 3  # E：修正到正确位置（row+1, col）
        IG[row+1, col+2] = (gF + gC + gH + gK) / 4  # G：正确位置
        IG[row+2, col+1] = (gF + gI + gK + gN) / 4  # J：修正到正确位置（row+2, col+1）
        IG[row+2, col+3] = (gH + gK + gP) / 3       # L：正确位置
        IG[row+3, col] = (gI + gN) / 2       # M：正确位置
        IG[row+3, col+2] = (gN + gK + gP) / 2       # O：正确位置

# 显示绿色通道
plt.subplot(221)
plt.imshow(IG, cmap='gray')
plt.title('IG')
plt.show()

额外说明 #

• 若需要将最终图像转换为uint8类型（0-255范围），可在显示前添加IG = (IG * 255).astype(np.uint8)
• 对于图像边界不足4x4的区域，可根据需求补充边界处理逻辑（如复制边缘像素、镜像填充等）

内容的提问来源于stack exchange，提问作者jujubes