平场校正 (Wikipedia: 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 |
| □ | 一些与光学系统相关的伪影（例如不均匀照明 晕映） |
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。
公式
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-偏移)*增益
其中 偏移 和 增量 系数，都是每个像素的特定值。
对于系数 偏移 和 增量 的评估，需要一个校准步骤，这会在下一段予以中说明。
校准功能
计算系数的校准过程分两步进行：
暗图像采集
系统获取暗图像。这通常是通过用盖子盖住透镜来实现的。捕获的图像代表传感器的暗电流，并且被认为是在正常条件下采集图像时我们想要消除的固定偏差。这种校正称为暗帧减法。
CorrectedPixel=RawPixel-DarkPixel
对于每个像素， DarkPixel 值对应于上述FFC中的 偏移 。
平面图像采集
系统获取平面图像。例如，通过捕获平坦(均匀)的背景，即不要太亮以避免饱和，也不要太暗。
从黑暗和平坦的采集，我们有足够的数据来计算FFC的 增益 值。
为此，我们将 CorrectedPixel 定义为我们认为对平面图像正确的像素值。让我们将该值设置为平面图形（平均值（平坦））的平均像素值, 由暗图像（平均值（平坦））的平均值校正。在FFC术语中，它给出了：
平均值（平坦）-平均值（暗）=(FlatPixel-DarkPixel) * 增益
这就产生了增益值。
增益=（平均值（平坦）-平均值（暗））/ （FlatPixel-DarkPixel）
相同的计算重复（宽 * 高） 次，以覆盖平坦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。
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。
彩色像素格式的校准程序
对于彩色像素格式，我们有几种计算值( 平均值（平坦）的方法。在所有情况下， 增益 计算被重复 (宽 * 高 * 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。
单独处理像素分量
I.e.在RGB中；
| ● | 使用 average(Flat[Red]) 计算 增益 值（ 红色 分量）； |
| ● | 使用 average(Flat[Green]) 计算 增益 值（ 绿色 分量）； |
| ● | 使用 average(Flat[Blue]) 计算 增益 值（ 蓝色 分量）； |
一起处理像素分量
I.e.在 RGB中，使用 average(average(Flat[Red]), average(Flat[Green]), average(Flat[Blue])) 计算 增益 值（分别属于 红色， 绿色 和 蓝色 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。