手机影像ISP流程：LSC

最新推荐文章于 2024-11-10 02:34:12 发布

有如念夏

最新推荐文章于 2024-11-10 02:34:12 发布

阅读量7.2k

点赞数 26

本文链接：https://blog.csdn.net/qq_36317888/article/details/114933188

版权

LSC简介

LSC(Lens shading correction)，即镜头阴影矫正。
我们首先了解一下lens shading，lens shading是由于Lens（镜头）的物理结构原因引起的。lens可以简单理解为一个凸透镜，会有一个往中心聚光的作用。这样就会造成打在CIS上中心的光照强度大于四角的，图像表现为中心亮度高四角亮度低，即Lens shading。如下图：
在这里插入图片描述

shading又分Y shading和color shading，今天我们主要讨论Y shading的校正，校正的目标是人眼看上去没有明显的暗角。

LSC校正的方法

目前手机影像主流LSC的做法是拍摄一张亮度适中均匀的图，将图像分成mxn块，计算每一块的平均亮度，然后将这些亮度信息存储在OTP里面，平台ISP处理时会把这些亮度信息读出来，然后计算每一块需要补偿的增益，再通过cos4次方曲线或者其他方式拟合一个补偿的矩阵乘到原图像上。
因为RGB各通道的响应有差别，所以需要分通道去补偿lens shading。

LSC代码

1. 先拍摄一张亮度均匀的raw图，如下图。测下来图片的shading只有30%左右。
在这里插入图片描述
2. 将图像分成17 x 13块。（通常sensor出图为 4:3的尺寸，分成17 x 13块可以保证每一块近似于方形）。去除OB后，分通道统计每一块的亮度均值。

    grid_x = 17
    grid_y = 13
    block_x = int(width / 2 / grid_x)
    block_y = int(high / 2 / grid_y)
    R_otpdata = np.zeros((grid_y, grid_x))
    Gr_otpdata = np.zeros((grid_y, grid_x))
    Gb_otpdata = np.zeros((grid_y, grid_x))
    B_otpdata = np.zeros((grid_y, grid_x))
    data_R = data[::2, ::2]
    data_Gr = data[1::2, ::2]
    data_Gb = data[::2, 1::2]
    data_B = data[1::2, 1::2]
    for i in range(grid_x):
        for j in range(grid_y):
            R_otpdata[j][i] = np.mean(data_R[j * block_y:(j + 1) * block_y, i * block_x:(i + 1) * block_x])
            Gr_otpdata[j][i] = np.mean(data_Gr[j * block_y:(j + 1) * block_y, i * block_x:(i + 1) * block_x])
            Gb_otpdata[j][i] = np.mean(data_Gb[j * block_y:(j + 1) * block_y, i * block_x:(i + 1) * block_x])
            B_otpdata[j][i] = np.mean(data_B[j * block_y:(j + 1) * block_y, i * block_x:(i + 1) * block_x])

如下是Gr通道的亮度统计图（以下的统计图全部以Gr通道为例）。
Gr通道分块亮度信息
3. 求出各通道每一块的补偿系数。

    R_otpdata = R_otpdata.max() / R_otpdata
    Gr_otpdata = Gr_otpdata.max() / Gr_otpdata
    Gb_otpdata = Gb_otpdata.max() / Gb_otpdata
    B_otpdata = B_otpdata.max() / B_otpdata

如下是Gr通道需要补偿的系数矩阵。
在这里插入图片描述
4. 将各通道17 x 13的补偿矩阵插值到原本的尺寸，一般来说用cos4次方曲面来拟合插值的效果最好，这里就简单的用双线性插值的方法，最后出来的效果也很好。

    R_otpdata = cv2.resize(R_otpdata,(1296,972),interpolation = cv2.INTER_LINEAR)
    Gr_otpdata = cv2.resize(Gr_otpdata, (1296,972), interpolation=cv2.INTER_LINEAR)
    Gb_otpdata = cv2.resize(Gb_otpdata, (1296,972), interpolation=cv2.INTER_LINEAR)
    B_otpdata = cv2.resize(B_otpdata, (1296,972), interpolation=cv2.INTER_LINEAR)

      如下是插值后的补偿系数矩阵。
在这里插入图片描述
      5.然后再分通道补偿到原图像中。需要注意不要百分百补偿，原因后面会说到。这里做了一个85%的补偿系数，具体做法感兴趣的同学可以私聊我一起讨论。
      补偿后的raw图如下图，shading可以达到85%左右。
在这里插入图片描述

LSC的影响

      对于人眼来说，shading系数大于80%，人眼就不太看得出来暗角。补偿的过高反而会因为四角增益放的过大，导致四角噪声偏大，暗处四角偏红等（偏红原因与BLC模块有关）。目前手机影像ISP流程的LSC补偿一般都放到85%左右，这样可以做到主观上人眼没有感受到明显的暗角，四角的噪声也不至于过大，是一个权衡的选择。
      目前手机平台主流LSC的做法是挑选出一批模组样本中最具有代表性的golden模组，分块统计出golden模组的亮度信息，然后把这些信息填入到效果代码里。每一颗模组的亮度信息也会烧录在自身的OTP里。这样针对每一颗模组来说，都可以通过比较自身的亮度信息和代码里面的golden信息，从而调节自身的补偿系数，达到模组效果一致的目的。
      码字不易，如果感觉这篇文章对您有帮助的话，麻烦点赞、关注一下，谢谢！如果大家有任何问题想要沟通、交流的，欢迎大家关注一下微信公众号“有如念夏”，一起学习进步！