转自:http://blog.csdn.net/colorant/
前言
1. 色彩感应及校正
1.1.1 原理
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/f87becbd8c5447849d9b0ee9c8b3f116.jpg)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/6e6e52f602a04f398938e9fb4de654bf.gif)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/c6312f73043649cd9114aae7b01f34e0.png)
1.1.2 对sensor的色彩感应的校正
色彩校正的运算通常是由sensor模块集成或后端的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
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/4171118db5f84b23aa6b7907d286eb10.gif)
1.2.1.1 RGB <-> YUV的转换
U = 0.493(B - Y) = -0.15R - 0.29G + 0.44B
V = 0.877(R - Y) = 0.62R - 0.52G - 0.10B
1.3 白平衡
1.3.1 色温
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/1c24593e2c9447ee88b325b9e52b4338.gif)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/c201cbd504ec4432b879326030b00cfc.gif)
1.3.2 色温变化时的色彩校正
1.3.3 自动白平衡原理
1.3.3.1 原理
1.3.3.2 特殊情况的处理
1.3.4 某平台的例子
1.3.5 调试和验证
1.4 颜色相关特效处理
1.4.1 grayscale (灰阶)
1.4.2 理论
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/cee8794faf9e4d868c4faeb438e3bb35.png)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/16b74b065fb7435aadbd847b45391998.png)
1.4.3 以某平台为例
1.4.4 sepia / sepiagreen / sepiablue
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/f9a51290716543fc9054c355268d4ad2.png)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/edcdce90409a40508c4bec17e0ebcad5.png)
1.4.5 negative
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/8bb122c0e05c4be595eaf05fdbcf5dd5.jpg)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/d2a4690a9e88409492042c35ab9748e1.jpg)
1.4.6 小结
1.5 亮度感应及曝光
1.5.1 感光宽容度
1.5.2 自动曝光和18%灰
1.5.3 曝光级别设定
1.5.4 gamma校正
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/a06263c1236946edb92fb75e9ac36716.png)
校正的函数可以表示为:
通常对于Window的输出显示系统,gamma值为2.2,而对于苹果的输出显示系统和打印系统来说,gamma值为1.8。
1.5.5 对比度
1.5.6 曝光参数的调整
1.6 抗噪处理
1.6.1 启动时机
1.6.2 判定原则和处理方式
对于高端的数码相机,拥有较强的图像处理芯片,在判定和处理方面是否有更复杂的算法,估计也是有可能的。比如亮度和颜色综合作为标准来判定噪点,采用运算量更大的插值算法做补偿,对于sensor固有的坏点,噪点,采用屏蔽的方式抛弃其数据(Nikon就是这么做的,其它厂商应该也如此)等等。
1.6.3 效果
对于手机sensor来说,这种降噪处理的作用有多大,笔者个人认为应该很有限,毕竟相对数码相机,手机sensor的镜头太小,通光量小,所以其基准AG势必就比相机的增益要大(比如相当于普通家用数码相机ISO800的水平),这样才能获得同样的亮度,所以电流噪声带来的影响也就要大得多。这样一来,即使最佳情况,噪点也会很多,数据本身的波动就很大,这也就造成我们在手机照片上势必会看到的密密麻麻的花点,如果全部做平均,降低了噪点的同时,图像也会变得模糊,所以手机噪点的判断阙值会设得比较高,以免涉及面过大,模糊了整体图像。这样一来一是数据本身就差,二是降噪的标准也降低了,造成总体效果不佳。
1.7 数码变焦
1.8 频闪抑制功能
1.8.1 何谓频闪
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/b12c140a31644ea1a98d9423e0039a03.gif)
1.8.2 对频闪的抑制
补充:色彩空间模型
1. 前言
2. YUV相关色彩空间模型
2.1 YUV 与 YIQ YcrCb
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/5a0a8fcdac3943389702410494f6a44d.png)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/f65bb56f676f48efb02ef08468fff8e8.gif)
![](https://p-blog.csdn.net/images/p_blog_csdn_net/colorant/ff0ff0facd2c4fb1b8c5d828ae45db25.png)