AWB自动白平衡
白平衡的本质是使白色物体在任何光源下都显示白色
一般的算法通过调节白平衡增益, 使拍摄画面的颜色接近物体真实的颜色, 增益调节的根据是环境光源的色温.
一般AWB算法的步骤:
- 估算环境光色温, 经典算法包括:
1.灰度世界假设算法
对于一幅含有大量色彩的图片, 其颜色分量的均值
2.白块假设算法
认为图像中最亮的点是白色点. 一些算法提取图像中的颜色特征, 直接转换到色温坐标下进行色温估计, 实际图像中的色温基本是混合色温, 在实际应用中的这种算法实现不多.
- 计算增益并调节
比如, 增益调节最简单的方式, 通过求取图像的平均颜色分量对应的增益:
然后, 对整副图的RGB分量进行调整:AE自动曝光
自动曝光的是为了使感光器件获得合适的曝光量
一般的算法通过获取图像的亮度调节相应的曝光参数，得到合适的曝光量. 曝光参数包括光圈大小, 快门速度和摄像头传感器的亮度增益.
即一般AE算法步骤包括:
- 获取图像亮度, 可采用的方法有,
1.平均亮度
2.分区加权平均亮度
分区域加权的目的在于将曝光重点放在屏幕中央
3.设置不同亮度门限, 对背光, 正光和强光区域进行区分.
4.对主要对象进行曝光补偿
- 调整参数的主要方法有,
1.查表法
系统内部预先存储了一张曝光参数调整的步长与图像亮度之间的关系的查找表, 通过亮度值改变调整量.
2.迭代法
3.数值计算法
AF自动对焦
自动对焦即调节摄像头焦距自动得到清晰的图像的过程
AF算法的基本步骤是先判断图像的模糊程度，通过合适的模糊度评价函数求得采集的每一副图像的评价值, 然后通过搜索算法得到一系列评价值的峰值, 最后通过电机驱动将采集设备调节到峰值所在的位置, 得到最清晰的图像, 算法的关键在于达到准确度和速度的平衡, 同时算法的精度受到软件算法和硬件精度的双重影响.
AF算法有很多种, 其中常用的对焦深度法DFF的主要步骤为,
- 对焦评价函数
评价函数有很多种, 主要考虑的图像因素有图像频率(清晰的图像纹理多, 高频分布较多), 还有图像的灰度分量的分布(图像对应的灰度图的分量分布范围越大,说明图像的细节较多, 反应的图像的清晰程度)
- 合适的搜索窗口结合搜索算法
常用的搜索算法有爬山算法, 搜索窗口有黄金分割点对焦嵌套窗口等.
AWB自动白平衡
白平衡的本质是使白色物体在任何光源下都显示白色
一般的算法通过调节白平衡增益, 使拍摄画面的颜色接近物体真实的颜色, 增益调节的根据是环境光源的色温.
一般AWB算法的步骤:
- 估算环境光色温, 经典算法包括:
1.灰度世界假设算法
对于一幅含有大量色彩的图片, 其颜色分量的均值
2.白块假设算法
认为图像中最亮的点是白色点. 一些算法提取图像中的颜色特征, 直接转换到色温坐标下进行色温估计, 实际图像中的色温基本是混合色温, 在实际应用中的这种算法实现不多.
- 计算增益并调节
比如, 增益调节最简单的方式, 通过求取图像的平均颜色分量对应的增益:
然后, 对整副图的RGB分量进行调整:AE自动曝光
自动曝光的是为了使感光器件获得合适的曝光量
一般的算法通过获取图像的亮度调节相应的曝光参数，得到合适的曝光量. 曝光参数包括光圈大小, 快门速度和摄像头传感器的亮度增益.
即一般AE算法步骤包括:
- 获取图像亮度, 可采用的方法有,
1.平均亮度
2.分区加权平均亮度
分区域加权的目的在于将曝光重点放在屏幕中央
3.设置不同亮度门限, 对背光, 正光和强光区域进行区分.
4.对主要对象进行曝光补偿
- 调整参数的主要方法有,
1.查表法
系统内部预先存储了一张曝光参数调整的步长与图像亮度之间的关系的查找表, 通过亮度值改变调整量.
2.迭代法
3.数值计算法
AF自动对焦
自动对焦即调节摄像头焦距自动得到清晰的图像的过程
AF算法的基本步骤是先判断图像的模糊程度，通过合适的模糊度评价函数求得采集的每一副图像的评价值, 然后通过搜索算法得到一系列评价值的峰值, 最后通过电机驱动将采集设备调节到峰值所在的位置, 得到最清晰的图像, 算法的关键在于达到准确度和速度的平衡, 同时算法的精度受到软件算法和硬件精度的双重影响.
AF算法有很多种, 其中常用的对焦深度法DFF的主要步骤为,
- 对焦评价函数
评价函数有很多种, 主要考虑的图像因素有图像频率(清晰的图像纹理多, 高频分布较多), 还有图像的灰度分量的分布(图像对应的灰度图的分量分布范围越大,说明图像的细节较多, 反应的图像的清晰程度)
- 合适的搜索窗口结合搜索算法
常用的搜索算法有爬山算法, 搜索窗口有黄金分割点对焦嵌套窗口等.