Imagens de câmeras coloridas: comparação entre CFA-Split e Debayer

As imagens em bruto captadas por uma câmera colorida (OSC) trazem consigo um CFA (matriz de filtros de cor), e para transformá-las em dados de cor utilizáveis há principalmente dois caminhos: um é a “separação CFA” (CFA-Split), o outro o “Debayer”. Que efeito esses dois métodos têm sobre o detalhe e o ruído subsequentes? Eu queria fazer este experimento há muito tempo e, desta vez, finalmente me pus a comparar.

Quatro caminhos de processamento

Projetei quatro fluxos de processamento para colocá-los em contraste:

Fazer primeiro o CFA-Split, depois a remoção das estrelas, em seguida up sample (2x).
Fazer primeiro o CFA-Split, depois up sample (2x), em seguida a remoção das estrelas.
Fazer primeiro o Debayer (RGB combined), depois extrair R, em seguida a remoção das estrelas.
Fazer primeiro o Debayer (RGB separated), em seguida remover as estrelas de R.

Comparação dos resultados dos quatro caminhos de processamento com CFA-Split e Debayer

Resultados observados

As imagens em que se fez primeiro o CFA-Split são mais borradas, mas o caminho 2 tem mais detalhe do que o caminho 1.
As imagens em que se fez primeiro o Debayer são mais nítidas, mas nas áreas em que a SNR do fundo é baixa aparecem muitos pontos pretos.
O caminho 3 e o caminho 4 são exatamente iguais.

Minhas conclusões atuais

Se você for fazer primeiro o CFA-Split, então o melhor é fazer depois um drizzle 2x.
Se você fizer primeiro o Debayer, então terá de enfrentar o problema do ruído de fundo.
Há ainda uma conclusão: se você fizer primeiro o CFA-Split e usar esta imagem apenas para a cor RGB, com o canal de luminância captado separadamente, esse resultado deve ficar melhor.

Mas é preciso acrescentar uma ressalva: a imagem usada neste teste não passou pela calibração (peguei às pressas uma foto qualquer para usar), de modo que o resultado pode ter sido afetado por isso; uma abordagem um pouco mais rigorosa seria calibrar primeiro e depois testar.