Bayer阵列的恢复算法，有很多种。最简单的可以通过2*2，即2行通过插值来实现RGB阵列的恢复。据说OV7725 内部就是通过2行插值实现的Bayer阵列恢复，因此输出的彩色图像，在质量上都欠佳。

Bingo在前面一节中设计的是3X3的Bayer阵列恢复，即通过3行的值来实现RGB阵列的恢复。3X3阵列恢复的算法，明显比2X2恢复后的图像要鲜艳，同时更清晰的细节。但是仔细的观察上述工程中恢复得到的图像，如下所示：

从图中可见，图像的边缘有锯齿，细节不够清晰。那么，使用3X3的阵列恢复，是否有还有优化的余地呢？？？答案是必然的。这里Bingo给出通过Matlab仿真测试的2X2恢复、3X3恢复、3X3梯度恢复后的三种图像，对比如下所示：

可见从做到右，边缘细节明显增强，画质也更加优越。。3X3梯度恢复方案，Bingo也不是凭空想象出来的。当年Bingo通过查阅n多论文，最后得到了针对3X3 Bayer阵列恢复的优化方案。这里Bingo给出方案，但希望读者自己去实现，自己动手，丰衣足食。

3X3梯度Bayer阵列优化方案：

原有的3x3模板不变，无需使用不同像素的通道信息，考虑G分量的水平、竖直梯度，以及R/B的对角线梯度（主要是G在四周的情况，即中间为R或者B），进一步保留图像的边缘信息，改善奇数行以及偶数行3*3矩阵处理的方案！公式及算法如下所示：

1）奇数行

    a) 奇数列，B在中心

2）偶数行

    a）偶数列，R在中心

由于在处理过程中边界行列的舍取，相对于5X5而言，3x3更多的减少了边界效应。3X3如下图所示，采用一般的3X3领域插值算法，与采用边缘导向算法，处理后的得到图像，进行边沿提取进行对比，可见边缘导向算法后边缘和细节更加完整，同时，由于在改进型插值方案中，采取了对角线梯度法，红色和蓝色分量也更加接近真实。

补充：其实很多图像算法对边界也采用补0的方式，读者也可以试试。采用补0的方式，就不需要缓存行/像素，直接可以在第一个像素得到3*3矩阵了，反而更简单了。