什么是平场校正？

通过对原始图像的每个像素应用以下操作，可以实现此校正：

CorrectedPixel = (RawPixel - Offset) * Gain

其中，Offset 和Gain 和系数，都是每个像素的特定值。

校准程序评估每个像素的Offset 和Gain 和FFC系数，是通过计算两个参考图像的像素数据：暗图像和平面图像。

重要的 : 如果系统的任何部分发生变化（包括相机、照明或光学设备），则必须重新执行校准程序。

暗图像采集

暗图像（A.K.A. 暗框）是在黑暗中拍摄的图像。 这样的图像代表传感器的暗电流， 被认为是我们在正常情况下获取图像时要消除的固定偏差。 要获得暗图像：

1.

用盖子盖住透镜。

2.

获取多个图像，并计算阵列每个像素的平均响应

平面图像采集

平面图像，是覆盖整个视野的一致性目标图像。 要获得平面图像：

1.

放置一个宽度足以覆盖整个视野的一致性目标（彩色相机为白色）

2.

调整镜头光圈和照明强度，以获得可能最亮的图像（前提是没有像素饱和）。

3.

获取多个图像，并计算阵列每个像素的平均响应

FFC补偿系数计算

对于每个像素，偏移系数实际上是暗图像的像素值。

注意： 这种校正也称为暗帧减法。

FFC增益系数计算

暗图像和平面图像 为计算FFC系数Gain提供了足够的数据。

为此，我们定义CorrectedPixel像素值为平面图像的正确值。 让我们将该值设置为平面图形(average(Flat))的平均像素值, 由暗图像(average(Flat))的平均值校正。 在FFC术语中，这给出了：

average(Flat) - average(Dark) = (FlatPixel - DarkPixel) * Gain

这就产生了Gain值。

Gain = (average(Flat) - average(Dark)) / (FlatPixel - DarkPixel)

相同的计算重复(width * height) 次，以覆盖平面和暗图像的所有像素。 这将导致对图像的每个像素进行特定的校正。

对于彩色像素格式，我们有几种计算average(Flat)值的方法。 在所有情况下，该Gain 计算重复（**）(width * height * componentsPerPixel) 次，以覆盖所有像素分量，从而对图像的每个像素分量进行特定的校正。