黑电平校正、FPN校正、平场校正、白平衡校正

╰+哭是因爲堅強的太久メ 2022-11-18 13:42 635阅读 0赞

黑电平校正、FPN校正、平场校正、白平衡校正，这四种校正，虽然形成原理和操作方式有不同，但是在实际应用中，经常是交叉的，尤其是在硬件实现时，出于速度以及资源的考虑，会融合起来做，或者使用一种暴力简单的方式来达到效果，在大多数应用场合，并不需要严格的校正，比如线性校正可以代替非线性校正；

原理：

**黑电平校正**：为什么要黑电平校正，1.sensor的ADC精度和分辨力问题，这两项，导致绝对黑电平时，在允许范围内会有偏差；2.暗电流问题，工艺不可能保证每个像元的特性一致，在不同的温度和曝光时长下，响应也是不同的，所以在不同情况下，即使处于无光照的环境中，像素也会有一定的输出电压；如图是黑电平校正效果

![é»çµå¹³æ ¡æ£][18b53ac382e6f16a21d9b344cbf118a7.png]

校正前需要根据图像的具体情况进行分析，若图像平面趋于平整，则推荐使用全帧均值；若图像出现一些峰值，有明显突出山峰等，推荐使用中值的方法；若出现某个角的值比较高，可能由于电源或者其他的原因引起的，则推荐使用局部计算的方法；此外，还有自定义、最大值等方法，需要根据不同图像的情况去选择方法，终其目的都是一样的。

也可以使用简单的方法，直接减去黑电平值，校准到0值，这种方法鲁棒性不好，但是简单，节省硬件资源；也可以根据温度和增益的变化实时校正，提前根据特性数据点建立一次函数，在拉流过程中进行曲线校正；

**FPN校正**：固定模式噪声校正，也叫做暗场校正。

行FPN： 在基于模拟域累加实现的TDI-CMOS图像传感器中。由于模拟累加器电路中存在寄 生电阻和电容，电路失配会导致输出图像在TDI(时间延迟积分)扫描方向(即“沿轨”方向) 亮度不均匀，且呈周期性衰减，突出表现为周期性横条纹。

列FPN：传感器列并行读出电路(模拟累加器和ADC(模数转换器)等)的系统结构由于 工艺偏差很容易出现列与列之间的失配，从而导致输出图像在与TDI扫描方向垂直的方向 (即“跨轨”方向)亮度不均匀，表现为明暗变化的竖条纹。

FPN校正要在极低照环境下进行，也就是黑图。一般来说，人眼对竖条纹更敏感一些，所以在有些资源紧张的应用中，仅做列FPN校正；

FPN校正可以看做FFC校正的一部分；

**平场校正(FFC)**：原因，光线不均匀、镜头中心和边缘响应不一致，sensor固定噪声和响应不均匀噪声等。

平场校正一般用FPN暗场校正和PRNU明场校正进行，平场校正就是以整帧图像的均值或者中值为目标图像，根据每个像素的特性不同，以响应增益gain为系数K和offset偏置B，对每个像素进行校正，从而使得整幅图像看起来很均匀平滑，当然，为了简化计算，节省资源，也可以使用多个相邻的像素使用同一组校准参数。

校正时，可以采用多段校正法将响应曲线分段校正，而更多的是简单暴力的两点校正法，也就是看成线性响应。

在暗场校正中，可以得到均值Vavgb，像素值Vinb；

在明场校正中，可以得到均值Vavgr，像素值Vinr；

可以得到增益响应系数K=(Vavgr-Vavgb)/(Vinr-Vinb)；

偏置B=Vavgb-Vinb\*K；

将n个像素的每一个像素点的K\[n\]和B\[n\]写入一个ram表中，当读取一帧图像时，对每一个像素进行校正Vout=Vin\*K+B;

**白平衡校正**：涉及到色温，不同场景下色温不同，校正系数也不同，并且，不同的sensor校正系数也有一些差异，一般来说，实际应用只需要满足一种常用色温下的校正；

人眼会默认白色色块的RGB分量值是相等的，所以将RGB三个通道各自的均值算出，Ravg、Gavg、Bavg，加入像素位宽8bit，那么认为中间值是128，kR=128/Ravg，kG=128/Gavg，kB=128/Bavg，得到系数k，输出像素Rout=Rin\*k，G和B通道同理。这种方法叫灰度世界法，根本是用中间值128做归一化。

部分引用来自下面：  
————————————————  
原文链接：https://blog.csdn.net/xiaoyouck/article/details/72824534

[https://www.cnblogs.com/qiqibaby/p/8602082.html][https_www.cnblogs.com_qiqibaby_p_8602082.html]

[18b53ac382e6f16a21d9b344cbf118a7.png]: /images/20221022/6e83be7cf4d94c64979faf302696f389.png
[https_www.cnblogs.com_qiqibaby_p_8602082.html]: https://www.cnblogs.com/qiqibaby/p/8602082.html