【ISP】阴影校正-Radial Shading

一、镜头阴影

当镜头与sensor匹配，因为Sensor感光区的边缘区域接收的光强比中心区域小，所造成的中心和四角亮度不一致的现象。镜头本身就是一个凸透镜，由于凸透镜原理，中心的感光必然比周边多。

镜头阴影不利于后期的画面分析，关键的信息可能就隐藏在这些阴影当中。许多工程师被这个问题困扰过，一般是解决方法是通过修改复杂的后期算法来解决“镜头阴影”。

二、阴影校正

2.1 增益校正-Radial Shading（径向校正）

镜头从中心到边缘的亮度衰减符合用“cos⁴θ”规律，再反过来以图像中心为原点，按半径划分同心圆区域，存储不同半径对应的增益值，给每个像素乘一个半径相关的增益，把暗下去的边角重新拉亮。

为了节省存储资源，增益表格也是缩放处理，例如保存16x16，实际校正时通过插值计算各像素的增益。

2.2 增益校正-Mesh Shading（网格校正）

将图像划分为多个网格（如16×16），计算每个网格顶点的增益值并存储，其他像素通过双线性插值动态计算增益。此方法更灵活，适用于非对称阴影，存储数据更少。

2.3 增益校正-Point Shading（逐点校正）

计算均匀场景下每个像素与图像均值或者最大值的增益值并存储，适用于任何场景阴影，存储数据与分辨率对应，数据很多。

三、增益校正-Radial Shading

3.1 校正原理

数学模型：用半径 r 代替 θ 对无畸变针孔模型，θ ≈ arctan(r/d)，d 为像距。在小角度下

下图是cos⁴θ增益数值趋势

于是可把增益写成径向多项式

3.2 校正流程

1、标定：拍均匀白场，算出每个半径 r 的平均亮度 I(r)。

2、求增益：G(r)=I_center / I(r)。

3、降采样：只存 16~32 个“特征半径”的增益，节省内存。

4、在线矫正：对任意像素，先算 r=√(x²+y²)，再插值得到 G(r)，最后把 RAW 值乘以 G(r) 即可。

3.3 校正效果

左图是校正前的原始图，受到光学系统影响暗角比较明显。右图校正后可以一定情况改善四周的暗角。

觉得本文对您有一点帮助，欢迎讨论、点赞、收藏，您的支持激励我多多创作。