Update

src/methods/Elmehdi_lahmar/malvar.py

+import numpy as np
+from scipy.signal import convolve2d
+from src.forward_model import CFA
+
+def malvar(y: np.ndarray, op: CFA) -> np.ndarray:
+    """
+    Malvar-He-Cutler demosaicing algorithm for Bayer pattern.
+    """
+    # Convert the mosaicked image to the initial estimated channels.
+    z = op.adjoint(y)
+
+    # Define convolution kernels
+    kernel_G_at_RB = np.array([[0, 0, -1, 0, 0], [0, 0, 2, 0, 0], [-1, 2, 4, 2, -1], [0, 0, 2, 0, 0], [0, 0, -1, 0, 0]]) / 8
+    kernel_RB_at_G = np.array([[0, 0, 0.5, 0, 0], [0, -1, 0, -1, 0], [-1, 4, 5, 4, -1], [0, -1, 0, -1, 0], [0, 0, 0.5, 0, 0]]) / 8
+    kernel_RB_at_RB = np.array([[0, 0, -1.5, 0, 0], [0, 2, 0, 2, 0], [-1.5, 0, 6, 0, -1.5], [0, 2, 0, 2, 0], [0, 0, -1.5, 0, 0]]) / 8
+
+    # Interpolate each channel
+    R = z[:, :, 0]
+    G = z[:, :, 1]
+    B = z[:, :, 2]
+
+    mask = op.mask
+    R_m, G_m, B_m = mask[:, :, 0], mask[:, :, 1], mask[:, :, 2]
+
+    # Interpolate G at R and B locations
+    G = np.where(np.logical_or(R_m == 1, B_m == 1), convolve2d(y, kernel_G_at_RB, mode='same'), G)
+
+    # Interpolate R at G and B locations, B at R and G locations
+    R = np.where(np.logical_or(G_m == 1, B_m == 1), convolve2d(y, kernel_RB_at_G, mode='same'), R)
+    B = np.where(np.logical_or(R_m == 1, G_m == 1), convolve2d(y, kernel_RB_at_G, mode='same'), B)
+
+    # Interpolate R at B locations and B at R locations
+    R = np.where(B_m == 1, convolve2d(y, kernel_RB_at_RB, mode='same'), R)
+    B = np.where(R_m == 1, convolve2d(y, kernel_RB_at_RB, mode='same'), B)
+
+    # Combine channels
+    return np.clip(np.stack((R, G, B), axis=-1), 0, 1)
+
+
+
+
+
+####
+####
+####
+
+####      ####                ####        #############
+####      ######              ####      ##################
+####      ########            ####      ####################
+####      ##########          ####      ####        ########
+####      ############        ####      ####            ####
+####      ####  ########      ####      ####            ####
+####      ####    ########    ####      ####            ####
+####      ####      ########  ####      ####            ####
+####      ####  ##    ######  ####      ####          ######
+####      ####  ####      ##  ####      ####    ############
+####      ####  ######        ####      ####    ##########
+####      ####  ##########    ####      ####    ########
+####      ####      ########  ####      ####
+####      ####        ############      ####
+####      ####          ##########      ####
+####      ####            ########      ####
+####      ####              ######      ####
+
+# 2023
+# Authors: Mauro Dalla Mura and Matthieu Muller
\ No newline at end of file

src/methods/Elmehdi_lahmar/reconstruct.py

+"""The main file for the reconstruction.
+This file should NOT be modified except the body of the 'run_reconstruction' function.
+Students can call their functions (declared in others files of src/methods/your_name).
+"""
+
+
+import numpy as np
+from src.methods.Elmehdi_lahmar.malvar import malvar
+from src.forward_model import CFA
+
+def run_reconstruction(y: np.ndarray, cfa: str) -> np.ndarray:
+    """
+    Run the demosaicing process using Malvar-He-Cutler algorithm for Bayer pattern.
+
+    Args:
+    y (np.ndarray): The mosaicked image to be reconstructed.
+    cfa (str): Name of the CFA, expected to be 'bayer'.
+
+    Returns:
+    np.ndarray: The demosaicked image.
+    """
+    if cfa != 'bayer':
+        raise ValueError("Malvar-He-Cutler demosaicing only supports Bayer CFA pattern.")
+
+    input_shape = (y.shape[0], y.shape[1], 3)
+    op = CFA(cfa, input_shape)
+
+    return malvar(y, op)
+
+
+
+
+
+
+####
+####
+####
+
+####      ####                ####        #############
+####      ######              ####      ##################
+####      ########            ####      ####################
+####      ##########          ####      ####        ########
+####      ############        ####      ####            ####
+####      ####  ########      ####      ####            ####
+####      ####    ########    ####      ####            ####
+####      ####      ########  ####      ####            ####
+####      ####  ##    ######  ####      ####          ######
+####      ####  ####      ##  ####      ####    ############
+####      ####  ######        ####      ####    ##########
+####      ####  ##########    ####      ####    ########
+####      ####      ########  ####      ####
+####      ####        ############      ####
+####      ####          ##########      ####
+####      ####            ########      ####
+####      ####              ######      ####
+
+# 2023
+# Authors: Mauro Dalla Mura and Matthieu Muller