- 博客(15)
- 收藏
- 关注
RSS订阅原创 CV的基石-颜色空间综述（一）
视锥细胞根据其对不同波长光的敏感性，分为三类：L型（对长波长光敏感，主要是红色），M型（对中波长光敏感，主要是绿色），S型（对短波长光敏感，主要是蓝色）。在计算机视觉中，颜色是一个核心要素。在接下来的内容中，我们将详细解释什么是颜色空间、颜色空间与颜色模型的区别，以及颜色空间在图像处理中的意义与应用。例如，在明亮的阳光下，一个物体可能看起来颜色鲜艳，而在昏暗的灯光下，它的颜色可能显得黯淡。因此，许多颜色空间和颜色模型是为弥补这些局限性而设计的，它们可以超越人眼的感知范围，捕捉和处理更多的颜色信息。
2024-08-16 17:08:23
868
原创 图像传感器中的噪声类型及其成因详解及去噪方法
CCD和CMOS传感器在图像采集过程中不可避免地会受到多种噪声的影响。每种噪声类型都有其独特的成因和特性，但通过适当的去噪技术，可以有效减小它们对图像质量的影响。了解这些噪声类型及其经典的去噪方法，对于优化图像处理和提升传感器性能具有重要意义。
2024-08-11 12:45:41
529
原创 ISP中的EE模块
ISP管道是从图像传感器捕获原始图像数据到生成最终可视图像的过程中所进行的一系列图像处理步骤。典型的ISP管道包括去噪、去马赛克、白平衡、颜色校正、锐化、边缘增强等多个处理模块。
2024-07-30 00:35:53
564
原创 简单线性插值去马赛克算法的Python实现
马赛克图像是一种通过在传感器上覆盖彩色滤光片阵列（CFA）生成的单通道图像。最常见的CFA模式是Bayer模式，其中包括红（R）、绿（G）和蓝（B）三种滤光片，以特定模式排列。去马赛克过程就是从这种单通道图像中恢复出三通道（RGB）的彩色图像。本文实现的去马赛克算法是基于简单线性插值的。它利用邻近像素的值来估计每个像素点的RGB值。读取原始Bayer图像数据：从文件中读取Bayer图像数据，并进行必要的格式转换。图像边界扩展：为了方便计算边缘像素的插值，我们对图像进行边界扩展。线性插值计算。
2024-07-27 00:13:01
694
原创 基于边缘的自动白平衡算法
在图像处理中，自动白平衡（AWB）算法用于调整图像的色彩平衡，使图像中的白色看起来更加真实。常见的AWB方法包括灰度世界假设和完美反射假设。本文介绍一种基于边缘检测的自动白平衡算法，通过在图像边缘两侧选择参考点来进行颜色校正，从而避免大色块的干扰，实现更准确的白平衡调整。
2024-07-26 02:00:00
495
原创 对比三种自动白平衡算法：灰度世界假设、完美反射假设及其结合方法
自动白平衡（AWB，Automatic White Balance）算法用于调整图像的色彩平衡，使图像中的白色看起来是真正的白色。常见的方法包括灰度世界假设（Gray World Assumption）和完美反射假设（Perfect Reflector Assumption）。本文通过对比只使用灰度世界、只使用完美反射，以及结合两种假设的方法，来展示它们各自的效果。
2024-07-25 16:00:00
539
原创 基于灰度世界和完美反射假设的自动白平衡算法
自动白平衡（AWB，Automatic White Balance）是数码摄影中的关键技术。其目的是调整图像的色彩平衡，使图像中的白色看起来是真正的白色。灰度世界假设（Gray World Assumption）和完美反射假设（Perfect Reflector Assumption）是两种常见的AWB方法。本文介绍一种结合这两种假设的方法，以实现更准确的白平衡校正。
2024-07-25 08:00:00
445
原创 基于完美反射假设的自动白平衡算法
完美反射假设（Perfect Reflector Assumption）是另一种常见的自动白平衡（AWB）方法。它假设图像中有一些物体具有完美反射特性，能够反射所有入射光。这意味着这些物体的反射光应该是白色或灰色，通过识别这些物体并调整图像的色彩平衡，可以实现白平衡。
2024-07-24 10:00:00
693
原创 基于灰度世界假设的自动白平衡算法
自动白平衡（AWB，Automatic White Balance）是数码摄影中的一项关键技术。它用于调整图像的色彩平衡，使得图像中的白色看起来是真正的白色。灰度世界假设（Gray World Assumption）是一种常用的AWB方法。该方法基于一个简单的假设：在自然场景中，所有颜色的平均值应该是中性的灰色。这意味着红色、绿色和蓝色通道的平均值应该相等。
2024-07-23 21:03:17
443
原创 使用DPC_PINTO算法进行坏点校正
DPC_PINTO算法通过检查坏点的邻近像素来校正坏点。如果像素被判定为坏点，则用其周围像素的中值替换。首先，我们定义一个函数从文件中读取原始图像数据。图像以二进制格式存储，我们将其重塑为正确的维度。接下来，我们扩展图像以便于处理边界条件。这确保了算法在处理边缘像素时不会遇到索引问题。我们将DPC_PINTO算法应用于图像的一个子集。这涉及迭代像素并根据需要校正它们。函数检查周围像素并确定一个像素是否有缺陷。该算法的主要功能是检测和校正坏点。
2024-07-23 01:54:57
750
原创 利用拉格朗日多项式插值进行镜头阴影校正
镜头阴影（Lens Shading）是摄影和成像过程中常见的问题，特别是在使用广角镜头时。镜头阴影会导致图像从中心到边缘的亮度逐渐减弱，影响图像的均匀性。为了解决这个问题，我们可以使用基于 Lagrange 插值的镜头阴影校正（Lens Shading Correction, LSC）技术。本文将详细介绍如何使用 Python 和 OpenCV 实现这一过程。在镜头阴影校正中，我们选择使用 Lagrange 插值是因为它能够在已知点之间提供高精度的平滑过渡，适合处理图像中的亮度渐变问题。
2024-07-22 00:13:55
672
原创 LSC(镜头阴影矫正)——每日挑战第二天
（Lens Shading Correction）是ISP算法中的一个重要组成部分，用于校正镜头遮挡（lens shading）现象。镜头遮挡是由于镜头和图像传感器的光学特性导致的图像亮度不均匀的现象。通常，图像的中心部分较亮，而边缘部分较暗。LSC算法的目标是通过校正这种亮度不均匀，使得图像在整个视场中具有相同的亮度水平。
2024-07-21 06:30:00
624
1
原创 ISP——LSC(Lens Shading Correction)基于圆环半径的方法
在数字图像处理中，光照不均匀性是一个常见的问题，尤其是在拍摄环境光线复杂或设备光学特性不均匀的情况下。为了克服这一问题，我们需要对图像进行光照均衡校正（Light Source Correction, LSC），以保证整个图像的亮度均匀。光照均衡校正的方法有很多，其中基于圆环半径的方法是一种独特且有效的方法。该方法通过以图像中心为起点，将图像划分为若干个同心圆环，根据每个圆环内的平均亮度值计算增益，并对整个图像进行校正。通过以上步骤，基于圆环半径的方法能够有效地校正图像的光照不均匀性，提高图像的整体质量。
2024-07-21 06:30:00
528
原创 ISP——BLC(Black Level Correction) (python重构)，挑战一天一更新
原文链接：https://blog.csdn.net/wtzhu_13/article/details/118460646，尝试将食鱼者大佬的matlab ISP代码用python重构，一天一更！！！！！！
2024-07-20 17:07:29
393
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人