Shading校正原理浅析

Shading的成因

镜头Shading是指相机镜头的非均匀感光或色散效应,导致图像边缘出现暗角或颜色偏差的现象。它主要分为两种类型:Luma(Lens) Shading(亮度阴影)和Color Shading(色度阴影)。

Luma(Lens) Shading的成因:

1. 镜头的光学特性:镜头可视为凸透镜,中心聚光能力强于边缘,导致Sensor中心光线强度大于四周,形成边缘光照度衰减。图像从中心向四周的光强衰减通常遵循cos4θ规律。

2. 机械结构遮挡:镜头的机械结构(如遮光罩)或组装工艺误差,可能导致部分光线被遮挡,使边缘区域光线强度减弱。

3. 光线入射角度:当光线以较大角度入射时,Sensor边缘的微透镜可能无法有效收集光线,导致光线无法充分进入Sensor的micro lens内,从而降低边缘亮度。

Color Shading的成因:

1. 镜头的色散效应:不同波长的光线通过镜头时,由于折射率不同,会导致色散现象,使不同颜色的光线在Sensor上成像位置不同,引起颜色偏差。

2. IR-Cut滤镜的影响:IR-Cut滤镜对红外光的反射特性可能导致成角度拍摄时,红外光在滤镜上多次反射后被Sensor接收,改变图像R通道的值,引起偏色。

3. 镜头与Sensor的CRA不匹配:镜头的主光线角(CRA)与Sensor上微透镜的CRA不匹配,会导致光线无法正确聚焦在像素上,引起曝光不足和偏色。

Shading现象

校正原理

在ISP(Image Signal Processing)中,Shading是在Raw域中通过补偿gain的table来进行校正的。主要步骤如下:

1.分离R、Gr、Gb、B通道(以RGGB的Bayer排列为例,下同);

2.计算每个通道网格的平均亮度,如果一张Raw的size是3648*2736,那么每个通道的网格size是1824*1368;

3.计算从图像的光学中心到边角的增益倍率,最大距离在图像的对角线;

4.根据网格亮度和中心亮度生成增益表,通常是线性倍率增益;

5.将增益表调整为目标大小,高通平台固定是17*13的网格(接近4:3),在不同的ISP或者实际需求中,可以根据实际sensor的宽高比定制;

6.将生成的17*13 gain table保存到文件中。

以上是通过拍摄匀光片(毛玻璃)或面光源的Raw导入实现校正的。

应用原理

应用LSC gain table的步骤与校正的步骤正好相反:

1.从文件中解析17*13的gain table;

2.处理增益表,将其resize到目标size(根据需求调整或定制,需要平衡采样精度和处理速度);

3.将处理后的增益表分别应用到R、Gr、Gb、B通道;

4.合并R、Gr、Gb、B通道。

2D校正与1D校正

高通在Spectra780(8550,骁龙8 Gen2)以前的ISP中,只有2D LSC gain table机制,直接生成并应用17*13的LSC gain table,这种处理方式存在一个缺陷,在广角镜头中,图像边角的gain急剧衰减(或增大),边角不能完全补偿。

为了更好的解释现象,排除其他ISP模块的变量干扰,通过dump LSC模块input和output的raw,并将它们渲染成亮度模型,如下:

1_Original_out_0_BPS_ROLLOFF_Input0_3648_2736_PASS0.raw 的亮度均匀度: 82.52%

  左上角亮度: 6850.93

  右上角亮度: 7235.90

  左下角亮度: 6769.63

  右下角亮度: 7219.06

  中心亮度: 24013.24

2_C7_only_2D_out_0_BPS_ROLLOFF_Output_3648_2736_PASS0.raw 的亮度均匀度: 99.39%

  左上角亮度: 24901.63

  右上角亮度: 24726.94

  左下角亮度: 24778.33

  右下角亮度: 24884.15

  中心亮度: 24475.20

校正后的raw的边角亮度高于图像中心亮度,虽然此时的图像平均均匀度已经得到明显校正,但整体图像的光学特征发生了改变,是一个比较大的瑕疵。

在Spectra780及更新的ISP中,高通引入了1D LSC gain table的概念。在进行LSC校正的过程中,既生成并保存每通道的17*13的2D gain table,也生成并保存65个每通道的1D gain table,通过65个径向锚点(radial anchor)作用到图像中,可以补偿边角的亮度衰减(或增大)。

主要的实现步骤如下:

1.分别解析2D gain table和1D gain table;

2.将1D径向增益表应用到17*13的2D增益表,由于初始size不匹配,需要进行resize,例如,可以将1D table和2D table都差值到85*65(采样精度可根据实际情况调整);

3.生成新的17*13的gain table(1Dx2D);

4.应用新的17*13 gain table到4个通道;

5.合并通道。

经过以上处理后可以有效缓解边角亮度急剧滚落或升高的现象。

3_C7_2D_1D_mode1_out_0_BPS_ROLLOFF_Output_3648_2736_PASS0.raw 的亮度均匀度: 99.17%

  左上角亮度: 23630.90

  右上角亮度: 23623.51

  左下角亮度: 23641.36

  右下角亮度: 23899.48

  中心亮度: 24450.23

通过1D和2D LSC gain table校正后的图像,既保证了均匀度,也保留了图像的光学特征。

### 回答1: Shap from shading(从阴影中获取形状)是一种用于三维形状重建的计算机视觉方法。其原理是通过分析目标物体表面的光照和阴影信息来推断物体的形状。该方法主要基于以下几个步骤: 首先,需要获取目标物体的图像。可以使用摄像机或其他图像采集设备来获取物体在不同角度下的图像。 然后,从这些图像中提取出物体表面的光照和阴影信息。光照信息是指物体表面被光线照射后的亮度分布,而阴影信息则是指被遮挡的部分。 接下来,根据光照模型,将物体表面的亮度信息与物体的法向量进行比较。光照模型描述了光线在物体表面的反射和折射等光学现象。通过比较亮度信息和法向量,可以确定光照的强度和方向,从而得出物体表面的大致形状。 然后,根据阴影信息,进一步推断物体的三维形状。阴影是由于遮挡造成的,因此可以根据阴影的位置和形状推断出物体的高度和凹凸部分。 最后,通过对整个物体表面进行插值和平滑处理,得到物体的完整三维形状。 需要注意的是,该方法存在一定的局限性。首先,光照和阴影信息的获取可能受到环境光线等因素的干扰。其次,光照模型的准确性也会影响到形状重建的结果。此外,对于复杂的物体,该方法可能需要更多的图像和计算资源来进行精确的重建。因此,在实际应用中,需要综合考虑各种因素。 ### 回答2: Shape from shading(光照恢复细节)是一种基于光照条件下物体表面亮度变化的演化方法。其原理是根据物体表面在光照条件下产生的阴影和反射光来推断物体的形状。 在计算机视觉领域,光照恢复是一项挑战性的任务。因为在二维图像中,物体的形状和表面细节通常是隐藏的,但是通过研究物体在光线照射下产生的明暗变化,我们可以推断出物体的三维形状。 在shap from shading方法中,通过检测图像中的亮度差异来推测物体表面的几何细节。该方法利用了光照模型和反射定律,假设光源是方向光源且物体表面是光滑的。根据这些假设,可以建立光照方程,其中包括光照方向、表面法线向量和光照强度等。 通过对光照方程进行求解,可以得到物体表面法线的估计值。然后,根据法线来计算物体的高度或凹凸情况。最终得到了物体的三维形状。 然而,光照条件的复杂性和图像中的噪音等因素会影响结果的准确性。为了提高准确性,可以使用一些额外的约束条件,例如光照平滑性和物体平滑性等。 总而言之,shap from shading方法通过分析光照条件下物体表面的亮度变化来推断物体的三维形状。尽管存在一些局限性,但该方法在计算机视觉领域有着广泛的应用潜力。 ### 回答3: Shap from shading(SFS)是一种根据光照信息推导物体形状的方法。它主要基于形状和光照之间的相互关系来求解物体在给定光照条件下的三维形状。 SFS的演化方法原理主要包括以下几个步骤:首先,从给定的图像中获取光照信息。这通常通过分析图像中的灰度级别、亮度等特征来估计光照强度和方向。其次,根据光照信息和一些形状模型,推导出物体表面的法向量。这里的法向量表示表面在不同位置上的方向。 然后,利用光照信息和物体表面的法向量,推导出物体在每个像素上的深度。这一步骤主要通过求解一种称为光照方程的方程来实现,光照方程描述了光照强度在物体表面上的变化规律。通过求解这个方程,可以得到每个像素上的深度信息。 最后,根据物体表面深度信息,可以生成物体的三维模型。这个模型可以通过将深度信息转换为点云或者多边形网格来表示。通过对点云或者网格进行一些后处理操作,如平滑和细化,可以得到更精确的物体形状。 总的来说,shap from shading 演化方法利用光照信息和物体表面的法向量来推导出物体的深度信息,从而得到物体的三维形状。通过这种方法,我们可以在没有实际物体几何模型的情况下,利用光照信息来还原物体的形状,具有一定的实际应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值