eddy_em

Итак, промучившись с вариантами, могу сказать: больше я ни десятка минут не собираюсь тратить на это пустое занятие. Автор libraw взялся помочь, но я так и не дал ума, как его библиотекой пользоваться. Поэтому оставляю вариант, который я было забраковал (Self-similarity Driven Demosaicking).

Я как-то совсем не подумал о том, что восстановление недостающих цветовых компонент необходимо производить с учетом объектов на изображении, иначе на границах получится черт-те что. И это хорошо видно на следующих снимках.
Первым делом я попробовал просто выдрать отдельно 4 цветовых компоненты, сгладить их медианой 3х3 и во все недостающие пиксели повписывать полученные значения. Получился вот такой ужас:

Хотя, вполне возможно, что с небом вышло бы получше — там особо резких границ нет.
А вот что получается, если в каждый квадрант добавить недостающие компоненты цветности только из него же:

Заморачиваться с билинейной или бикубической интерполяцией я не стал — и так уйму времени на совершенно ненужную чушь убил (это вообще дикость — разукрашивать картинки с all-sky).
То, что получается упомянутым выше алгоритмом, я уже приводил в предыдущих записях. Полученный мной кошмар и в подметки не годится! Так что, можно использовать этот вариант, если ничего лучше не попадется. Но я твердо решил всю следующую неделю посвятить образованию (мне с 13 февраля читать новый курс, 4 лекции, а у меня еще даже и плана нет, не то, что презентаций!), так что добиваю по-минимуму обвязку камеры и умываю руки.

UPD:, ан нет: libraw справилась. Правда, цветовой профиль неправильный, но это вполне решаемо. По скорости libraw шустрей алгоритма Buades & Co).
UPD2: судя по статистике, bias у этой камеры где-то на уровне 1400. Темновой шум составляет примерно 0.24 отсчета в секунду. Но темновые неравномерные. Такое впечатление, что нижний правый угол матрицы чем-то подогревается.