在过去20年来，Bayer图像彩色复原算法研究(文献[1-7]提出了一些彩色图像复原算法和基础知识)一直都是一个热点。一般来说，基于Bayer图像的彩色复原算法分为两类：一是：不利用颜色通道的相关性的插值算法，比如领域插值算法，双线性插值算法，卷积算法，三次样条插值算法等。在这些方法中未知的绿色分量仅仅由已知的绿色分量给出(对于红色分量和蓝色分量也是由已知的红色分量和蓝色分量给出)，最有代表性的算法就是双线性插值算法。这类算法容易实现，但是效果不好，尤其是在高频区域，会出现虚假色和摩尔纹效应。第二类是利用颜色通道之间的相关性(包括每个颜色通道内像素之间空间关系的相关性和多通道间的相关性)的插值算法，例如：Adams[23]的自适应插值算法，提出的沿着边缘梯度就属于相关性插值算法；Cok[24]提出的基于色调插值的算法，通过色彩比值进行插值，利用了通道之间的相关性；还有同时利用空间和色彩相关性的插值算法，包括Laroche[7]提出的基于梯度的插值；Kimmel[2]提出的迭代算法等算法。这些算法常常结合了图像的细节处理，该算法得到的图像效果往往比第一类要好，尤其是清晰的边界与细节特征，但是往往算法比较复杂，相对于十几年前，这些算法无法应用与数字摄像机系统。68014

在最近几年又出现了一种新兴的去马赛克算法--非局部去马赛克算法，这些非局部去马赛克算法主要解决局部去马赛克算法(上面一段提到的算法) 细小边缘部分插值重构效果不佳的现状，本文将介绍一种非局部去马赛克算法，Self-similarity Drive Demosaicking(SDD)算法，该算法的通过寻找与插值处理相似的模块作为参考进行插值处理论文网，SDD算法的NL模块就是通过非局部插值处理颜色通道的算法模块。非局部插值相对于局部插值有比较好的插值效果，但是算法复杂度比较高，相对于现在的硬件来说，应用到嵌入式设备来处理图像是不现实的。

通过上面叙述，事实上，我们可知找到一个复杂度比较低，又可以达到不错的效果，以此来应用到嵌入式的移动设备中是一个迫切需要解决的问题。