Python编程：ISP中LSC校正

镜头阴影校正（Lens Shading Correction, LSC）

镜头阴影校正是相机ISP（图像信号处理器）中的一个关键步骤，用于补偿由于镜头光学特性导致的图像亮度不均匀现象（即暗角或渐晕）。该现象表现为图像中心较亮、四角较暗，并可能伴随颜色偏移。

---

镜头阴影的产生原因

1. 光学渐晕（Vignetting）：

   • 光线进入镜头时，边缘的光线路径比中心更长，导致边缘亮度衰减。

   • 与镜头设计（如光圈大小、镜片数量）密切相关。

2. 机械渐晕：

   • 镜头筒或滤镜遮挡边缘光线（常见于广角镜头）。

3. 像素响应差异：

   • 传感器边缘像素的感光效率可能低于中心像素。

镜头阴影的影响

• 亮度不均匀：图像四角比中心暗（如典型的“暗角”效果）。

• 颜色偏移：不同颜色通道（R/G/B）的衰减程度不同，导致边缘色偏。

• 动态范围损失：阴影区域的信号强度降低，影响后期处理（如HDR合成）。

镜头阴影校正方法

(1) 基于增益图的校正（Gain Map）

• 原理：

  • 预先标定镜头的亮度衰减分布，生成增益图（Gain Map）。

  • 对图像每个像素乘以对应的增益值，补偿亮度衰减。

• 增益图生成：

  • 拍摄均匀光照下的标定板（如灰卡）。

  • 计算每个位置的增益系数：

    

• 校正公式：

  

Python实现（单通道增益校正）：

import numpy as np
import cv2

def lens_shading_correction(image, gain_map):
    """
    使用增益图校正镜头阴影
    :param image: 输入图像（单通道或Bayer RAW）
    :param gain_map: 增益图（与image同尺寸）
    :return: 校正后的图像
    """
    corrected = image.astype(np.float32) * gain_map
    return np.clip(corrected, 0, 255).astype(np.uint8)

# 示例：生成模拟增益图（中心亮、边缘暗）
h, w = 512, 512
x = np.linspace(-1, 1, w)
y = np.linspace(-1, 1, h)
xx, yy = np.meshgrid(x, y)
gain_map = 1.0 - 0.5 * (xx**2 + yy**2)  # 二次衰减模型
gain_map = np.clip(gain_map, 0.5, 1.0)   # 限制增益范围

# 应用校正
raw_image = np.random.randint