白平衡是电视录像领域一个老大紧要的概念,color correction等操作都是这里成功的

照相机主要技术点为3A算法。

Willis
Zen
上善若水

   
 白平衡是电视视频领域一个不胜首要的概念,通过它可以缓解色彩还原和色泽处理的一多元问题。白平衡是随着电子影象重现色彩真实而发生的,在正儿八经拍摄领域白平衡应用的较早,现在生活费电子产品(家用视频机、数码照相机)中也普遍地选用,可是技术的向上使得白平衡调整变得越来越简单容易,但过多使用者还不甚精通白平衡的办事规律,领会上存在重重误区。它是贯彻视频机图像能可靠反映被摄物的色彩情形,有手动白平衡和自动白平衡等艺术,本文简要的牵线了二种电动白平衡算法。

而3A算法首要指的是自行对焦(AF)、自动曝光(AE)及活动白平衡(AWB)。
机关白平衡:依照光源条件调整图片颜色的保真程度。

2 人赞同

一、原始的灰度世界算法

  灰度世界算法(格雷(Gray)World)是以灰度世界假诺为根基的,该若是认为对于一幅怀有大量情调变化的图像,
R、 G、 B
五个轻重的平均值趋于同一个灰度K。一般有二种方法来规定该灰度。

      
 (1)直接给定为固定值, 取其各通道最大值的一半,即取为127或128;

       (2)令 K =
(Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分级代表红、 绿、
蓝四个通道的平均值。

       
 算法的第二步是各自总计各通道的增益:

           
 Kr=K/Raver;

       Kg=K/Gaver;

           
 Kb=K/Baver;

       
 算法第三步为依据Von Kries
对角模型,对于图像中的每个像素R、G、B,总计其结果值:

             Rnew = R *
Kr;

       Gnew = G *
Kg;

       Bnew = B *
Kb;

       
 对于上式,总括中恐怕会设有溢出(>255,不会并发小于0的)现象,处理模式有两种。

         a、
间接将像素设置为255,这或者会导致图像全部偏白。

         b、
总括所有Rnew、Gnew、Bnew的最大值,然后利用该最大值将将总结后数据再度线性映射到[0,255]内。实践注脚这种方法将会使图像全体偏暗,提议利用第一种方案。

       
一般的话,灰度世界算法的效用如故相比较好的吧,并且该算法的推行进度特别之快,近年来也存在了广大对该算法举行立异的功效,有时光我在重整一下。

   
  图片 1 
 图片 2

   
  图片 3 
 图片 4

   
  图片 5 
 图片 6

                     
               原图                                                    
                       处理后的图

网上通常有类似招聘如下的选聘消息: 

您说的这一个问题,不是无数人可以应对的,我也只能把我晓得的告知你。
isp 是image signal processing,用于图像处理,比如gamma调整,dynamic range
correction,smmoth,sharpness,format convert,resize,edge enhancement
,color correction等操作都是这里形成的

3aa 是ae/af/awb algorithms
3aa
的硬件模块分析输出3a的总计音信。3aa软件是分析总括信息值举办算法处理。

二、完美反射算法

     
当初写那么些代码的时候的一部分参考文献一下子也找不到了,就从已经写好的代码中讲述下该算法的历程吧。

     
原理:完美全反射理论perfect Reflector即使图像上最亮点就是白点,并以此白点为参照对图像进行活动白平衡,最亮点定义为R+G+B的最大值,具体编码步骤如下:

     
(1)总计每个像素的R\G\B之和,并保留到一暂时内存块中。

            for (Y = 0; Y < Height; Y++)
            {
                Pointer = bmp.Pointer + Y * Stride;
                for (X = 0; X < Width; X++)
                {
                    Sum = (short)(*(Pointer) + *(Pointer + 1) + *(Pointer + 2));     // R+G+B
                    HistRGB[Sum]++;
                    *SumP = (short)Sum;
                    Pointer += 3;
                    SumP++;
                }
            }

     (2)按R+G+B值的轻重缓急总结出其前10%或其他Ratio的反动参考点的的阈值T。

            for (Y = 767; Y >= 0; Y--)
            {
                Sum += HistRGB[Y];
                if (Sum > Width * Height * Ratio / 100)
                {
                    Threshold = Y;
                    break;
                }
            }

   
(3)遍历图像中的每个点,统计其中R+G+B值大于T的所有点的R\G\B分量的积聚和的平均值。

            for (Y = 0; Y < Height; Y++)
            {
                Pointer = bmp.Pointer + Y * Stride;
                for (X = 0; X < Width; X++)
                {
                    if (*SumP > Threshold)
                    {
                        AvgB += *Pointer;
                        AvgG += *(Pointer + 1);
                        AvgR += *(Pointer + 2);             // 为获得增益做准备
                        Amount++;
                    }
                    Pointer += 3;
                    SumP++;
                }
            }
            AvgB /= Amount;
            AvgG /= Amount;
            AvgR /= Amount;

   (4)对各种点将像素量化到[0,255]之间。

            for (Y = 0; Y < Height; Y++)
            {
                Pointer = bmp.Pointer + Y * Stride;
                for (X = 0; X < Width; X++)
                {
                    Blue = *Pointer * MaxValue / AvgB;                                   // 另外一种算法需要先计算不抑制重新计算的RGB的范围,然后求RGB的最大值,如果最大值大于255,则所有的结果都要除以最大值在乘以255,但实际表明该算法、   不合适;
                    Green = *(Pointer + 1) * MaxValue / AvgG;
                    Red = *(Pointer + 2) * MaxValue / AvgR;
                    if (Red > 255) Red = 255; else if (Red < 0) Red = 0;                // 这里需要判断,因为RGB空间所有的颜色转换到YCbCr后,并不是填充满了0-255的范围的,反转过去就会存在一些溢出的点。
                    if (Green > 255) Green = 255; else if (Green < 0) Green = 0;        // 编译后应该比三目运算符的效率高
                    if (Blue > 255) Blue = 255; else if (Blue < 0) Blue = 0;
                    *Pointer = (byte)Blue;
                    *(Pointer + 1) = (byte)Green;
                    *(Pointer + 2) = (byte)Red;
                    Pointer += 3;
                }
            }

  图片 7 
 图片 8 
 图片 9

     图片 10 
  图片 11 
 图片 12

     图片 13 
  图片 14 
 图片 15

                                原图                  
                               Ratio=10%                                
           Ratio=2%

    从功能上看,该算法应该比灰度世界的效用要好些,可是也仍然备受Ratio这多少个参数的映像。特别是第二个图片,过高的Ration导致图片过于泛白。那一个题材得以仍旧最终量化的哪一步引起的,我会抽空再探究一下其他的量化格局,尽量降低Ration的影响。

   
针对上述的第二步,看到不少matlab和VC的代码,有为数不少人竟是先用急迅排序对增长后的数目开展排序,然后再取其10%的最大值,对图像的数额举办排序,可能就是再快捷的排序都快不起来吧,看到这,也许全国人民都笑了。

 ———————————————- ———————————————-

两者关系是,数据经过3aa处理后,传递isp举行图像处理,3aa
算法的有些动作是急需isp硬件完成的。

三、动态阈值算法

      参考散文:A Novel Automatic White
Balance Method For Digital Still
Cameras

     
同经典的一对算法相同,算法分为四个步骤:白点检测和白点调整。

      白点检测:

         
 (1)为了增强算法的鲁棒性,原文将图像分成12部分,其中宽高比为4:3,关于那点,我觉得不创设,对图像不是通用的,后文再说。

           
(2)统计每个区域的Cb\Cr分量的平均值Mb/Mr

           
(3)按下式总计每个区域的Cb\Cr分量的绝对化差的累积值Db/Dr

                               
 图片 16

                               
 图片 17

                  上式中N为每个区域的像素数。

       
 (4)如果Db/Dr的值偏小,则大家忽略这一块,因为这注明这一块的颜料分布相比较均匀,而如此的一些对于白平衡不佳。那个偏小的轨道我们稍事再谈。

       
 (5)总计对于除了符合第四条的的其他区域的Mb/Mr/Db/Dr的平均值作为整幅图像的Mb/Mr/Db/Dr值。

        关于这一条,原文的话是:The final
Mb、Mr、Db、Dr are obtained by taking the average
of those regions that pass this additional step。

       我在其实中做的时候就是个别对每块举行的,似乎效果也还不错。

       
 (6)按下述规则初阶确定什么点是属于白色参考点:

                     
 图片 18

                     
  图片 19

       
 (7)对于起头判断已经属于白色参考点的像素,按大小取其亮度值为前10%的位最后确定的白色参考点。

     
白点调整:

     (1)总结白色参考点亮度值的平均值Raver,Gaver,Baver,(各通道分别总括)。

         
(2)遵照以下各式总括每个通道的增益:

           
 图片 20

                     
 图片 21

                   
  图片 22

             
式中,Ymax就是YCbCr颜色空间中Y分量的在整幅图像中的最大值。

         
(3)依照以下各式总括最终每个通道的颜色值:

                   
  图片 23

                   
  图片 24

                   
  图片 25

         
其中R/G/B为在原始的颜色空间中的值,注意这里要拓展溢出检测的。

      
 简单的谈下白点检测的分块操作吧,原文把图像分成4*3的12快,这样工作针对于大家有的是数码照片是其一比重的,假设通用,我觉得应该用每个块的大大小小来决定,比如每块为
100*100个像素。

         
这么些算法的效益如下:

   
  图片 26  图片 27  图片 28

   
  图片 29  图片 30  图片 31

   
  图片 32  图片 33  图片 34

                     
     原图                                            
 块大小50*50                    块大小100*100

     
上三图讲明:1、该算法效果特别好;2、对块大小不太敏感,由此分外适合于自动化操作。

      
关于RGB到YCbCr的长足转换,可以参考:水彩空间序列3:
RGB和YCbCr颜色空间的转移及优化算法 

     
由于在上述链接的稿子中,YCbCr颜色空间已经被转换来[0,255],由此白色检测部分的第(6)条中的sign函数就不需要了。

   
  同样,提供个编译好的文本给有趣味研商该算法的仇人看看效果:

   
  http://files.cnblogs.com/Imageshop/AutoWhiteBalance.zip

   后记:

   
 针对动态阈值法,很多爱人反映假如YCbCr的值量化在0到255之内的话会见世所有的像素都会被式(6)起首判断为白色参考点。这样先前时期的做事就错过了意思,算法就成为了仿佛于圆满反射算法这了,稍微有点不同的地点就是两者采取两点的准则有所不同。尽管这么做的结尾结果还算不错,但确实和舆论的本意像违背了,前边经过实践,假如把YCbCr的值量化在-127到128之内,式6中的Sgn同样适用,则开头判断为白点的数会大量的削减,对于同一个图形,同一个参数两个算法的结尾的效率相比如下:

  
更新后的下载链接依旧如下,以追加了更正后的效用。

     
图片 35 
图片 36  图片 37

      图片 38 
图片 39 
图片 40

 

 图片 41

 ***************************笔者:
laviewpbt   时间: 2013.4.20    联系QQ:  33184777
 转载请保留本行讯息*************************

 

 

Camera/ISP 算法工程师
素描机3A算法软件工程师 

编辑于
2015-11-20
 7
条评论
 感谢 

此间随机摘录部分切实可行要求。

分享

任职要求:
1、本科以上学历,天文,物理,机电、工业自动化,电子相关专业,大学生学历优先考虑;
2、本科毕业3年以上,学士毕业1年以上的有关行业相关工作经历要求;
3、了解精通C/C++或者FPGA 开发语言,数据结构,MATLAB,信号和系列;
4、精通数字色度学,数字图像处理,数字映像处理的基本知识;
5、熟识油画机成像原理;
6、领悟3A(AF,AE,AWB)算法之一;
7、对于自动化控制,数字信号采样,滤波,负反馈,PID算法有实在经历;
8、明白从镜头到SENSOR,电机,ISP,编码器,采集,展现通道一些列变化。

 收藏 • 从不协助 • 举报 • 笔者保留义务

任职要求:

0赞同

  1. 领会camera的3A(AE,AWB,AF)算法原理和计划性思路,
    有3A算法的设计经验为佳
  2. 所有充分ISP(图象处理器) 开发经历,熟知MTK,QUALCOMM,
    OV等便携式终端上利用的ISP开发条件。有上述条件下支付经历为佳。
  3. 了解数字图像处理原理和基础知识。
  4. 熟练C/C++语言,有开发经历为佳
  5. 有手机/便携式相机3A算法实现/应用经验
  6. 精通CMOS sensor的办事原理

反对,不会体现你的人名

 ———————————————- ———————————————-

图片 42不二手机Camera驱动工程师

而这类职位一般都是高薪待遇。 

 

然后问题来了,市面上3A算法相关资料都充足罕见,就连相关书籍都很少提及算法细节,而他们大多都会要求了然3A算法至少之一。

3A:
AE/AF/AWB
。对应的是相机的法力,即自行曝光,自动对焦和机关白平衡。三个效益的实现都需要软硬件结合起来实现。但基本都是一个负反馈闭环控制系统,即状态硬件模块输出亮度值/FV值/灰度空间,然后对应的3A算法举办测算反馈到相应的处理单元做拍卖,知道相应的值稳定下来。

而至于白平衡算法,比较不错的资料是这份:

ISP:Image Signal Processor
,即图像信号处理器,情势上指一个硬件,和CPU类似。但现在
ISP都是泛指,因为相机硬件中很多独门硬件模块组合,如做色彩转换的,做滤波降噪的,有做裁剪,做旋转的。

据悉灰度世界、完美反射、动态阈值等图像自动白平衡算法的规律、实现及功效

事先反复与博主laviewpbt琢磨相关的文化,获益匪浅。

而据我所知,绝大多数的照相机选用的根基算法便是灰度世界算法,然后在这算法的根底上再改正。

贴一下《遵照灰度世界、完美反射、动态阈值等图像自动白平衡算法的原理、实现及意义》灰度世界法的大致内容。

 ———————————————- ———————————————-

灰度世界算法(格雷(Gray) World)

  是以灰度世界假设为底蕴的,该假如认为对于一幅具备大量情调变化的图像,
R、 G、 B 五个轻重的平均值趋于同一个灰度K。一般有三种办法来确定该灰度。

(1)直接给定为固定值, 取其各通道最大值的一半,即取为127或128;

(2)令 K = (Raver+Gaver+Baver)/3,其中Raver,Gaver,Baver分别代表红、 绿、
蓝多个通道的平均值。

算法的第二步是分别总计各通道的增益:

Kr=K/Raver;

Kg=K/Gaver;

Kb=K/Baver;

算法第三步为依照Von Kries
对角模型,对于图像中的每个像素R、G、B,总计其结果值:

Rnew = R * Kr;

Gnew = G * Kg;

Bnew = B * Kb;

对此上式,总括中恐怕会设有溢出(>255,不会出现小于0的)现象,处理格局有两种。

a、 直接将像素设置为255,这或者会导致图像全部偏白。

b、
总计有所Rnew、Gnew、Bnew的最大值,然后利用该最大值将将总括后数据重复线性映射到[0,255]内。实践评释这种办法将会使图像全部偏暗,指出利用第一种方案。

 ———————————————- ———————————————-

算法的大概思路就是评估一张图纸RGB三个通道的中最能发布该通道富含信息的值,然后以该值为尺度重新调整像素。

如此就会存在评估不够规范的题材,导致各通道像素消息差别过大,形成噪点以及偏色等情景。

因为假如利用取最大值的方案就会导致在一定情景显明不平均,例如该通道大多数的值落在小小的值周围,而却存在一个遥远处的最大值,那么就会造成像素信息差异过大,就很不好了。

据此在其次种思路上拓展更为改良相比妥善,因为可用的音讯相比较多,不便于出问题。

其次种思路,最简单易行的另一种改进就是行使灰度法。

均值法: K = (Raver+Gaver+Baver)/3 

俺们精晓常用的视频采访编码是YUV。

YUV相关见百度百科:YUV

其中的Y为:

Y =0.299*R + 0.587*G+0.114*B

故灰度法相应可对应为:

K=0.299*Raver + 0.587*Gaver+0.114*Baver

由此实测,这样的处理后效果还不错。

贴上比较图:

图片 43

原图

图片 44

均值法

图片 45

灰度法

单从眼睛上去分辨两张图纸,的确很难分出上下。

唯独自己也只是大概点一下以此思路而已,有所积攒的人,看到这,应该能够分散出更多的想法。

接下去自己要说的是有血有肉相机中的钨丝灯等手动白平衡是何许促成的。

简简单单的说就是色温调节。

那么依据灰度世界这一个白平衡算法可以怎么落实这种调节呢?!

这边贴出简单实现的C代码:

switch (preset)
    {
    case AUTO: 
        Raver = (SumR / numberOfPixels);
        Gaver = (SumG / numberOfPixels);
        Baver = (SumB / numberOfPixels);
        break;
    case CLOUDY: 
        Raver = (SumR *1.953125 / numberOfPixels);
        Gaver = (SumG*1.0390625 / numberOfPixels);
        Baver = (SumB / numberOfPixels);
        break;
    case DAYLIGHT: 
        Raver = (SumR *1.2734375 / numberOfPixels);
        Gaver = (SumG / numberOfPixels);
        Baver = (SumB*1.0625 / numberOfPixels);
        break;
    case INCANDESCENCE: 
        Raver = (SumR *1.2890625 / numberOfPixels);
        Gaver = (SumG / numberOfPixels);
        Baver = (SumB*1.0625 / numberOfPixels);
        break;
    case FLUORESCENT: 
        Raver = (SumR *1.1875 / numberOfPixels);
        Gaver = (SumG / numberOfPixels);
        Baver = (SumB*1.3125 / numberOfPixels);
        break; 
    case TUNGSTEN:
        Raver = (SumR / numberOfPixels);
        Gaver = (SumG*1.0078125 / numberOfPixels);
        Baver = (SumB*1.28125 / numberOfPixels);
        break;
    default:
        break;
    } 

  

enum WB_PRESET{
    //自动白平衡
    AUTO,
    //阴天 7500k
    CLOUDY,
    //日光 6500k 
    DAYLIGHT,
    //白热光 5000k 
    INCANDESCENCE,
    //日光灯 4400k
    FLUORESCENT,
    //钨丝灯 2800k 
    TUNGSTEN,
};

 

图片 46

阴天

图片 47

日光

图片 48

白热光

图片 49

日光灯

图片 50

钨丝灯

此间只是起到一个示范效率,具体的参数,可按实际上要求酌情举办改动。

正文只是抛砖引玉一下,若有此外相关题材或者要求也得以邮件联系自身研商。

 邮箱地址是:

gaozhihan@vip.qq.com

相关文章