图像scale与相机参数_Camera图像处理原理及实例分析

Camera图像处理原理及实例分析

作者：刘旭晖  colorant@163.com  转载请注明出处

BLOG：http://blog.youkuaiyun.com/colorant/

做为拍照手机的核心模块之一，camera sensor 效果的调整，涉及到众多的参数，如果对基本的光学原理及 sensor 软/硬件对图像处理的原理能有深入的理解和把握的话，对我们的工作将会起到事半功倍的效果。否则，缺乏了理论的指导，只能是凭感觉和经验去碰，往往无法准确的把握问题的关键，不能掌握 sensor 调试的核心技术，无法根本的解决问题。

1.1  色彩感应及校正

1.1.1  原理

人眼对色彩的识别，是基于人眼对光谱存在三种不同的感应单元，不同的感应单元对不同波段的光有不同的响应曲线的原理，通过大脑的合成得到色彩的感知。  一般来说，我们可以通俗的用 RGB三基色的概念来理解颜色的分解和合成。

理论上，如果人眼和 sensor 对光谱的色光的响应，在光谱上的体现如下的话，基本上对三色光的响应，相互之间不会发生影响，没有所谓的交叉效应。

但是，实际情况并没有如此理想，下图表示了人眼的三色感应系统对光谱的响应情况。可见 RGB的响应并不是完全独立的。

下图则表示了 Kodak 某相机光谱的响应。可见其与人眼的响应曲线有较大的区别。

1.1.2  对 sensor的色彩感应的校正

既然我们已经看到 sensor 对光谱的响应，在 RGB各分量上与人眼对光谱的响应通常是有偏差的，当然就需要对其进行校正。不光是在交叉效应上，同样对色彩各分量的响应强度也需要校正。通常的做法是通过一个色彩校正矩阵对颜色进行一次校正。

该色彩校正的运算通常由 ISP 完成，软件通过修改相关寄存器得到正确的校正结果。值得注意的一点是，由于 RGB  -> YUV的转换也是通过一个 3*3 的变换矩阵来实现的，所以有时候这两个矩阵在 ISP 处理的过程中会合并在一起， 通过一次矩阵运算操作完成色彩的校正和颜色空间的转换。

1.2  颜色空间

1.2.1  分类

实际上颜色的描述是非常复杂的，比如 RGB三基色加光系统就不能涵盖所有可能的颜色，出于各种色彩表达，以及色彩变换和软硬件应用的需求，存在各种各样的颜色模型及色彩空间的表达方式。这些颜色模型，根据不同的划分标准，可以按不同的原则划分为不同的类别。

对于 sensor 来说，我们经常接触到的色彩空间的概念，主要是 RGB , YUV这两种(实际上， 这两种体系包含了许多种不同的颜色表达方式和模型， 如 sRGB, Adobe RGB, YUV422, YUV420 …) , RGB如前所述就是按三基色加光系统的原理来描述颜色， 而YUV则是按照  亮度，色差的原理来描述颜色。

1.2.1.1  RGB YUV的转换

不比其它颜色空间的转换有一个标准的转换公式，因为 YUV在很大程度上是与硬件相

关的，所以 RGB与 YUV的转换公式通常会多个版本，略有不同。

常见的公式如下

PAL 制：

Y=0.299R+0.587G+0.114B

U=0.493(B－Y) = －0.15R－0.29G+0.44B

V=0.877(R－Y) = 0.62R－0.52G－0.10B

此外，还有，NTSC制：

但是这样获得的 YUV值存在着负值以及取值范围上下限之差不为 255 等等问题，不利于计算机处理，所以根据不同的理解和需求，通常在软件处理中会用到各种不同的变形的公式 ：

体现在 Sensor 上，我们也会发现有些 Sensor 可以设置 YUV 的输出取值范围。原因就在于此。 从公式中，我们关键要理解的一