C#高效的Bayer近邻插值源码

以下是C#实现的Bayer近邻插值算法的示例代码：

public static void BayerInterpolation(byte[] input, int width, int height, byte[] output)
{
    int stride = width * 3;
    int r, g, b;
    for (int i = 1; i < height - 1; i += 2)
    {
        for (int j = 1; j < width - 1; j += 2)
        {
            // Green pixel
            g = input[i * width + j];
            if (i > 1 && j > 1 && i < height - 2 && j < width - 2)
            {
                // Use all neighbors
                r = (input[(i - 1) * width + j] + input[(i + 1) * width + j] + input[i * width + j - 1] + input[i * width + j + 1]) / 4;
                b = (input[(i - 1) * width + j - 1] + input[(i - 1) * width + j + 1] + input[(i + 1) * width + j - 1] + input[(i + 1) * width + j + 1]) / 4;
            }
            else if (i == 1 && j == 1)
            {
                // Top-left corner
                r = (input[i * width + j + 1] + input[(i + 1) * width + j]) / 2;
                b = input[(i + 1) * width + j + 1];
            }
            else if (i == 1 && j == width - 2)
            {
                // Top-right corner
                r = (input[i * width + j - 1] + input[(i + 1) * width + j]) / 2;
                b = input[(i + 1) * width + j - 1];
            }
            else if (i == height - 2 && j == 1)
            {
                // Bottom-left corner
                r = (input[i * width + j + 1] + input[(i - 1) * width + j]) / 2;
                b = input[(i - 1) * width + j + 1];
            }
            else if (i == height - 2 && j == width - 2)
            {
                // Bottom-right corner
                r = (input[i * width + j - 1] + input[(i - 1) * width + j]) / 2;
                b = input[(i - 1) * width + j - 1];
            }
            else if (i == 1)
            {
                // Top row
                r = (input[i * width + j - 1] + input[i * width + j + 1] + input[(i + 1) * width + j]) / 3;
                b = (input[(i + 1) * width + j - 1] + input[(i + 1) * width + j + 1]) / 2;
            }
            else if (i == height - 2)
            {
                // Bottom row
                r = (input[i * width + j - 1] + input[i * width + j + 1] + input[(i - 1) * width + j]) / 3;
                b = (input[(i - 1) * width + j - 1] + input[(i - 1) * width + j + 1]) / 2;
            }
            else if (j == 1)
            {
                // Left column
                r = (input[(i - 1) * width + j] + input[(i + 1) * width + j] + input[i * width + j + 1]) / 3;
                b = (input[(i - 1) * width + j + 1] + input[(i + 1) * width + j + 1]) / 2;
            }
            else
            {
                // Right column
                r = (input[(i - 1) * width + j] + input[(i + 1) * width + j] + input[i * width + j - 1]) / 3;
                b = (input[(i - 1) * width + j - 1] + input[(i + 1) * width + j - 1]) / 2;
            }
            output[(i * width + j) * 3] = (byte)b;
            output[(i * width + j) * 3 + 1] = (byte)g;
            output[(i * width + j) * 3 + 2] = (byte)r;
        }
    }
}

其中，`input`是原始的Bayer图像数据，`width`和`height`是图像的宽度和高度，`output`是插值后的RGB图像数据。该算法采用了近邻插值的方法，对每个绿色像素进行插值，然后计算出对应的红色和蓝色像素的值。根据不同的位置，采用不同的近邻像素进行插值。最后将插值后的RGB像素值写入`output`数组中。