什么是平场校正?
平场校正(FFC)是一种用于校正的方法:
● | 照机像素传感器之间感光度的差异 |
● | 视野中照明强度的差异 |
● | 光通过透镜传输的差异(例如:虚光) |
目标是校正捕获的(Raw)图像的像素,以便当系统(相机和镜头)捕获统一的背景时,生成的输出图像是统一的。
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
and 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
and 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。
警告 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,Offset系数实际上是暗图像的像素值。
备注 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,我们定义了 CorrectedPixel
as the pixel value we consider to be correct for the flat image. Let's set this value as the average pixel value of the flat image (average(Flat)
), corrected by the average of the dark image (average(Flat)
)。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,我们有多种方法计算 average(Flat)
. In all cases, the Gain
computation is repeated (width
* height
* componentsPerPixel
的值,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。
单独处理像素分量
I.e. 在RGB
中;
● | 使用average(Flat[Red]) for computing the Gain values of Red 分量); |
● | 使用average(Flat[Green]) for computing the Gain values of Green 分量); |
● | 使用average(Flat[Blue]) for computing the Gain values of Blue 分量); |
一起处理像素分量
I.e. 在RGB
, using average(average(Flat[Red]), average(Flat[Green]), average(Flat[Blue]))
for computing the Gain
values of Red
, Green
and Blue
分量)。
这种计算平均值的方法(即在像素分量上)所产生的FFC系数,也可以校正分量之间的平衡。因此,根据用于获取平面图像的一致性背景的质量,FFC可以有效地进行白平衡校正。