由于Bayer阵列的恢复，密切关系到奇偶行、即奇偶像素的坐标，因此如果没有处理好这方面的参数，势必会导致Bayer阵列恢复的失败。这里通过奇偶行、像素的地址，来实现Bayer阵列的恢复算法，如下所示：

其中OddLINE_OddPOINT为奇数行奇数像素，OddLINE_Even_POINT为奇数行偶数像素，EvenLINE_OddPOINT为偶数行，奇数像素，EvenLINE_EvenPOINT为偶数行，偶数像素。通过CASE语句，描述了最简单的3X3的Bayer阵列恢复，因此如果Sensor输出的顺序发生改变，只需要修改这几个参数就OK了。

不过分析前文中，我们优化过的3X3阵列生成方案，得到的波形如下所示：

由于我们只进行了行边缘像素的镜像操作，列边缘像素的镜像操作略复杂，这里没有做处理，因此从图中可知，输出的3X3阵列，奇数行的中心实际上为原图像的偶数行。因此我们人为的修改奇、偶行的参数，如下所示：

此时刚好将列对换了，但由于我们的行为完整的镜像操作，因此保持可以直接转换过去。再次我们只需修改localparam参数即可。。。这一步非常的重要！！

最后，由于Bayer阵列的恢复消耗了2个时钟，因为认为的将行场信号偏移2个时钟，如下所示：

这样，我们便得到了完整的，Bayer阵列恢复后的，RGB888的视频流数据。这部分的Modelsim仿真波形，如下所示：

VIP_RAW8_RGB888的例化如下所示：

最后，将Video_Image_Processor模块输出的RGB888，转换为RGB565（因为VIP Mini板卡的SDRAM只有16bit；VIP Big支持32bit可以直接连续存储RGB888 24bit的像素）后输出给SDRAM输入端口。全编译并下载测试，得到恢复后的RGB图像。这里Bingo通过Bayer阵列图像的显示、恢复后的彩色图像显示，以及RGB565采集、PC RAW8Bit图像采集的显示进行对比分析，如下所示：

（1）    Bayer阵列图像通过灰度显示：

从图中可见，直接将RAW，通过R = G = B = RAW也能显示，近似于灰度的图像，但由于相邻像素的彩色深度不同，会有网格的现象。这种方式用来验证CMOS Sensor输出的Bayer阵列图像是否正确，是一种有效的方法。

如果想更透彻的研究Bayer，可以借助Matlab来做实验，如下是Bingo将通过RGB图像转换你的Bayer阵列图像，以及原图（仅做参考）：

（2）    Bayer阵列恢复后的RGB888→RGB565图像

通过3X3阵列恢复，将得到的Bayer阵列恢复成了彩色图像。

（3）  直接输出的RGB565图像

上图为CMOS直接输出的RGB565图像，与（2）中由Bayer阵列恢复得到的彩色图像对比，可见恢复后的图像色彩更鲜艳，而CMOS直接输出的RGB565图像，细节略显模糊。。。这主要是传感器由于面积功耗等局限性，不能在里面做较为复杂的算法，只是简单的2行插值，因此恢复结果有较大的局限性。虽然我们目前也只是实现了简单的Bayer恢复，但竟然已经比Sensor输出的RGB565好了，真的是无语。。。

（4）    PC端RAW8Bit图像采集

最后，通过USB_VIP_Panle软件，采集8Bit的RAW阵列，通过软件恢复后的图像如上所示。可见该图质量明显优于FPGA Bayer恢复的图像。这个原因主要是由于PC端得到的是RGB888的24Bit的彩色图像，而在板卡这边，由于硬件资源的局限，得到的是16Bit的RGB565图像；并且更重要的，为了更优秀的画质，在PC端考了了Bayer恢复方向梯度上的因素，因此PC的效果秒败了FPGA。如果想要知道这部分算法实现的内容，请参考配套软件的源代码，谢谢！

但从算法层面考虑，我们已经实现了基本的3*3 Bayer阵列的恢复算法。至于这种算法的优越性，是否有提升的空间，毋庸置疑，美好的未来是你们的。