Bayer to RGB
背景
图像传感器：将光线转化成电流，光线越亮，电流的数值就越大；光线越暗，电流的数值就越小。
图像传感器的表面，分成若干个捕捉点，每个点都会产生一个数值，表示该点感受到的光线亮度，这就叫做“像素”。像素越多，图像细节就越丰富。但是，图像传感器有一个很严重的缺陷：它只能感受光的强弱，无法感受光的波长。由于光的颜色由波长决定，所以图像传播器无法记录颜色，也就是说，它只能拍黑白照片，这肯定是不能接受的。
一种解决方案是照相机内置三个图像传感器，分别记录红、绿、蓝三种颜色，然后再将这三个值合并。这种方法能产生最准确的颜色信息，但是成本太高，无法投入实用。
概述
1974年，柯达公司的工程师——拜尔，提出了一个全新方案，只用一块图像传感器，就解决了颜色的识别。他的做法是在图像传感器前面，设置一个滤光层（Color Filter Array, CFA），上面布满了滤光点，与下层的像素一一对应。如下图所示：
每个滤光点只能通过红、绿、蓝之中的一种颜色，这意味着在它下层的像素点只可能有四种颜色：红、绿、蓝、黑（表示没有任何光通过）。
不同颜色的滤光点的排列是有规律的：每个绿点的四周，分布着2个红点、2个蓝点、4个绿点。这意味着，整体上，绿点的数量是其他两种颜色点的两倍。这是因为研究显示人眼对绿色最敏感，所以滤光层的绿点最多。
每个滤光点周围有规律地分布其他颜色的滤光点，那么就有可能结合它们的值，判断出光线本来的颜色。
以黄光为例，它由红光和绿光混合而成，那么通过滤光层以后，红点和绿点下面的像素都会有值，但是蓝点下面的像素没有值，因此看一个像素周围的颜色分布有红色和绿色，但是没有蓝色，就可以推测出来这个像素点的本来颜色应该是黄色。
这样，对比前面说到的全色传感器（内置R，G，B三个图像传感器），使用Bayer阵列的传感器数量为使用全色传感器的1/3。
Bayer插值补偿算法（Bayer Interpolation）
前面说到，每一个像素仅仅包括了RGB中的一种，必须通过插值来实现每个像素的RGB值。为了从Bayer格式得到每个像素的RGB格式，我们需要通过插值填补缺失的2个色彩。插值的方法有很多（包括领域、线性、3*3等），速度与质量权衡，最好的是线性插值补偿算法。算法流程如下：
1）红(R)蓝(B)插值算法的实现
对于上图两种分布中，中间像素点G的RB值的计算通过线性领域插值得到，即R和B的值分别为G领域两个R的平均值和两个B的平均值。
2）绿(G)插值算法的实现
上图左的中间像素点R的B值由1）方法得到，上图右的中间像素点B的R值也是由1）方法得到。但是，由于人眼对绿光反应最敏感，对紫光和红光则反应较弱，这两个像素的G值需要特殊处理得到，以达到更好的画质。上图扩展开来得到下图：
上图左的中间像素点G的取值算法如下：
上图右的中间像素点G的取值算法如下：
上述求G值的算法算法复杂度较高，速度上会有所限制。因此为了提高速度，可以直接通过对四个领域像素的G值取均值来得到中间像素的G值，将会降低一倍的速率，而在效果上差之甚微，算法如下：
如果希望通过损失图像的质量，来达到更快的速度，还可以取G1和G2的均值来实现，但是这样的做法会导致边沿跳变以及部分的失真。