CN111385438A - 镜头阴影校正的补偿方法、装置及计算机可读存储介质 - Google Patents
镜头阴影校正的补偿方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111385438A CN111385438A CN201811624129.4A CN201811624129A CN111385438A CN 111385438 A CN111385438 A CN 111385438A CN 201811624129 A CN201811624129 A CN 201811624129A CN 111385438 A CN111385438 A CN 111385438A
- Authority
- CN
- China
- Prior art keywords
- lens shading
- shading correction
- compensation
- light source
- lens
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/646—Circuits for processing colour signals for image enhancement, e.g. vertical detail restoration, cross-colour elimination, contour correction, chrominance trapping filters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
一种镜头阴影校正的补偿方法、装置及计算机可读存储介质,所述镜头阴影校正的补偿方法包括:获取目标摄像头模组的环境色温;根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数,根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行镜头阴影校正的补偿。采用上述方案,能够提高不同摄像头模组下的镜头阴影补偿效果。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种镜头阴影校正的补偿方法、装置及计算机可读存储介质。
背景技术
随着社会的发展,人们对手机的依赖程度越来越高,在购买手机的过程中,对手机相机成像效果的要求也越来越高。由凸透镜成像原理可知,光通过镜头成像后中心与四周呈现出不同的亮度差;受串光(optical cross-talk)等因素的影响,同一颜色在图像中心和四周呈现出不一致的颜色。
为了解决这一镜头阴影的问题,常见镜头阴影校正(Lens ShadingCorrection,LSC)的方法是通过标定几组标准光源下LSC的补偿系数,通过色温和感光度增益(ISOgain)进行插值,插出当前混合光源下镜头阴影校正的补偿系数。
然而,现有技术中的上述解决方案,无法解决因摄像头模组差异性所带到的镜头阴影问题。
发明内容
本发明实施例解决的技术问题是如何提高不同摄像头模组下的镜头阴影补偿效果。
为解决上述技术问题,本发明实施例提供一种镜头阴影校正的补偿方法,包括:获取目标摄像头模组的环境色温;根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数,其中,镜头阴影校正的补偿系数模型采用如下方式训练得到:获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型;根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行镜头阴影校正的补偿。
可选的,所述根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型,包括:将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型。
可选的,所述图像样本集还包括:在不同光源下采用同一摄像头模组所采集到的图像。
可选的,所述光源包括以下至少一种:标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
可选的,所述图像样本集中还包括:在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
可选的,所述根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型,包括:采用深度神经网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
本发明实施例还提供一种镜头阴影校正的补偿装置,包括:获取单元,适于获取目标摄像头模组的环境色温;第一计算单元,适于根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数;模型训练单元,适于采用如下方式训练得到镜头阴影校正的补偿系数模型:获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型;第二计算单元,适于根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;补偿单元,适于采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行补偿。
可选的,所述模型训练单元,适于将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型。
可选的,所述图像样本集中还包括:在不同光源下采用同一摄像头模组所采集到的图像。
可选的,所述光源包括以下至少一种:标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
可选的,所述图像样本集中还包括:在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
可选的,所述模型训练单元,适于采用深度神经网络网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
本发明实施例还提供一种镜头阴影校正的补偿装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行上述任一种镜头阴影校正的补偿方法的步骤。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,所述计算机指令运行时执行上述任一种镜头阴影校正的补偿方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
在对目标摄像头模组进行镜头阴影校正时,采用预设的镜头阴影校正补偿系数模型计算目标摄像头模组的镜头阴影校正的二次补偿系数。由于镜头阴影校正补偿系数模型在训练时,采用不同类型的摄像头模组拍摄的图像作为训练样本,在镜头阴影校正补偿系数模型训练过程中,充分考虑到因摄像头模组的差异所带来的镜头阴影的不同,从而通过二次补偿系数结合镜头阴影校正的默认补偿系数,对目标摄像头模组进行镜头阴影校正的补偿,从而可以提高不同摄像头模组下的镜头阴影补偿效果。
附图说明
图1是本发明实施例中一种镜头阴影校正的补偿方法的流程图;
图2是本发明实施例中一种镜头阴影校正的补偿方法的处理流程图;
图3是本发明实施例中一种镜头阴影校正的补偿装置的结构示意图。
具体实施方式
如上所述,目前,针对镜头阴影的问题,常见LSC的方法是通过标定几组标准光源下LSC的补偿系数,通过色温和感光度增益(ISO gain)进行插值,插出当前混合光源下镜头阴影校正的补偿系数。
然而,现有技术中的上述解决方案,无法解决因摄像头模组差异性所带到的镜头阴影。
本发明实施例中,在对目标摄像头模组进行镜头阴影校正时,采用预设的镜头阴影校正补偿系数模型计算目标摄像头模组的镜头阴影校正的二次补偿系数。由于镜头阴影校正补偿系数模型在训练时,采用不同类型的摄像头模组拍摄的图像作为训练样本,在镜头阴影校正补偿系数模型训练过程中,充分考虑到因摄像头模组的差异所带来的镜头阴影的不同,从而通过二次补偿系数结合镜头阴影校正的默认补偿系数,对目标摄像头模组进行镜头阴影校正的补偿,从而可以提高不同摄像头模组下的镜头阴影补偿效果。
为使本发明实施例的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
参照图1,给出了本发明实施例中一种镜头阴影校正的补偿方法的流程图,具体可以包括如下步骤。
步骤11,获取目标摄像头模组的环境色温。
在具体实施中,当采用目标摄像头模组采集图像时,可以获取所述目标摄像头模组当前所处环境的色温。
步骤12,根据预设的镜头阴影校正补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数。
在具体实施中,镜头阴影校正的补偿系数模型可以采用如下方式训练得到。获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
具体而言,将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型,其中M及N均为正整数。
在本发明实施例中,可以采用深度神经网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。可以理解的是,在本发明其他实施例中,也可以采用其他的算法训练得到所述镜头阴影校正的补偿系数模型。
在具体实施中,预设的镜头阴影校正的补偿目标可以根据实际应用中所需要的补偿精度设定。例如,采用深度神经网络算法训练镜头阴影校正的补偿系数模型时,可以根据预设的镜头阴影校正的补偿目标定义损失函数。
在具体实施中,所计算得到的所述二次补偿系数可以与环境的色温以及目标摄像头模组的类型相关。
步骤13,根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数。
在具体实施中,可以根据计算得到的二次补偿系数,以及预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数。
例如,目标摄像头模组为Golden Module,得到的实际补偿系数LSC parameter=f(Golden Module,T)+default(Golden Module,T),其中f(Golden Module,T)为二次补偿系数,default(Golden Module,T)为默认补偿系数。
步骤14,采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行镜头阴影校正的补偿。
由上述方案可知,在对目标摄像头模组进行镜头阴影校正时,采用预设的镜头阴影校正补偿系数模型计算目标摄像头模组的镜头阴影校正的二次补偿系数。由于镜头阴影校正补偿系数模型在训练时,采用不同类型的摄像头模组拍摄的图像作为训练样本,在镜头阴影校正补偿系数模型训练过程中,充分考虑到因摄像头模组的差异所带来的镜头阴影的不同,从而通过二次补偿系数结合镜头阴影校正的默认补偿系数,对目标摄像头模组进行镜头阴影校正的补偿,从而可以提高不同摄像头模组下的镜头阴影补偿效果。
在实际应用中,当摄像头模组处于一些混合光源的环境中时,镜头阴影校正效果较差。混合光源为室内与室外交接的窗边光源。为了提高混合光源下的镜头阴影校正效果,在本发明一实施例中,用于训练所述镜头阴影校正的补偿系数模型的图像样本集中,包括在不同光源下采用同一摄像头模组所采集到的图像。
在具体实施中,所述光源可以包括如下至少一种:标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
标准光源是国际照明委员会(Commission Internationale de L'Eclairage,CIE)定义的人造标准光源。标准光源H为模拟水平日光,色温2300K。标准光源A为美式厨窗射灯,色温2856K。标准光源TL84为欧洲、日本、中国商店光源,色温4000K。标准光源CWF为美国冷白商店光源(Cool White Fluorescent),色温4150K。标准光源D50为模拟太阳光,色温5000K。标准光源D65为国际标准人工日光(Artificial Daylight),色温6500K。标准光源D75为模拟北方平均太阳光,色温7500K。
混合光源为至少两种标准光源的混合,参与混合的光源的种类可以根据实际需要进行设定。
可以理解的是,在实际应用中,所述光源还可以包括其他类型的光源,在训练所述镜头阴影校正的补偿系数模型时具体所采用的光源可以根据实际需要进行设定,所包括的光源种类数据越多,训练得到的精度越高,此处不再一一举例说明。
在实际应用中,还存在低亮度环境下彩噪引起的镜头阴影问题。为解决上述问题,在本发明一实施例中,用于训练所述镜头阴影校正的补偿系数模型的图像样本集中,包括在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
为了便于本领域技术人员更好的理解和实现本发明实施例,下面结合图2所给出的一种镜头阴影校正的补偿方法的处理流程图进行说明。
步骤201,获取图像样本集。
所获取到的图片样本集为1000*10原始图像的组合。基于1000个摄像头模组在10种光源下采集到图像。10种光源分别为标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
步骤202,获取LSC参数集。
LSC参数集中包括的70种参数,从30%~100%,取1%的步长。可以理解的是,LSC参数集中也可以采用其他取值LSC参数,具体可以根据镜头阴影校正精度设定。
步骤203,图像信号处理。
将步骤201获取的图像样本集及步骤202获取的LSC参数集输入图像处理信号处理装置(ISP)中进行图像信号处理。
步骤204,得到1000*10*70个LSC系数。
步骤205,图像信号模拟处理。
将步骤204所得到的1000*10*70个LSC系数输入至图像信号模拟装置(ISPsimulator)中,将步骤201中1000*10原始图像的图像样本集输入至ISPsimulator中,经ISPsimulator处理之后,得到1000*10*70张图像。
步骤206,ISP认证。
将步骤205所得到的1000*10*70张图像输入值ISP认证装置中,对这1000*10*70张图像进行认证,得到对应的1000*10*70个镜头阴影校正评分。
步骤207,输出1000*10*70个镜头阴影校正评分。
步骤208,训练镜头阴影校正的补偿系数模型。
将步骤204得到的1000*10*70个LSC系数、步骤209得到的客户测试标准(也即预设的镜头阴影校正的补偿目标)、以及步骤206得到的1000*10*70个镜头阴影校正评分输入深度神经网络中进行训练,得到镜头阴影校正的补偿系数模型。镜头阴影校正的补偿系数模型为与环境色温和摄像头模组相关的特征函数△=f(模组,色温)。
在具体实施中,在镜头阴影校正的补偿系数模型训练过程中,可以得到特征函数:
解决模组差异性特征函数:fm(模组,色温)=△1
解决混合光源下的特征函数:fml(模组,色温)=△2
解决低亮度环境下的特征函数:fll(模组,色温)=△3
根据模组差异性特征函数、混合光源下的特征函数以及低亮度环境下的特征函数最终得到△=f(模组,色温)。
步骤210,输出△=f(模组,色温)。
本发明实施例还提供一种镜头阴影校正的补偿装置,参照图3,所述镜头阴影校正的补偿装置30可以包括:获取单元31、第一计算单元32、模型训练单元33、第二计算单元34以及补偿单元35,其中:
所述获取单元31,适于获取目标摄像头模组的环境色温;
所述第一计算单元32,适于根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数;
所述模型训练单元33,适于采用如下方式训练得到镜头阴影校正的补偿系数模型:获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型;
所述第二计算单元34,适于根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;
所述补偿单元35,适于采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行补偿。
在具体实施中,所述模型训练单元33,适于将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型。
在具体实施中,所述图像样本集中还可以包括:在不同光源下采用同一摄像头模组所采集到的图像。
所述光源包括以下至少一种:标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
在具体实施中,所述图像样本集中还可以包括:在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
在具体实施中,所述模型训练单元33,适于采用深度神经网络网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
本发明实施例还提供一种镜头阴影校正的补偿装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行本发明上述实施例中提供的任一种镜头阴影校正的补偿方法的步骤。
本发明实施例还提供计算机可读存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,所述计算机指令运行时执行本发明上述实施例中提供的任一种镜头阴影校正的补偿方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于任一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (14)
1.一种镜头阴影校正的补偿方法,其特征在于,包括:
获取目标摄像头模组的环境色温;
根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数,其中,镜头阴影校正的补偿系数模型采用如下方式训练得到:获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型;
根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;
采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行镜头阴影校正的补偿。
2.根据权利要求1所述的镜头阴影校正的补偿方法,其特征在于,所述根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型,包括:
将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;
将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;
根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型。
3.根据权利要求1或2所述的镜头阴影校正的补偿方法,其特征在于,所述图像样本集还包括:在不同光源下采用同一摄像头模组所采集到的图像。
4.根据权利要求3所述的镜头阴影校正的补偿方法,其特征在于,所述光源包括以下至少一种:
标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
5.根据权利要求3所述的镜头阴影校正的补偿方法,其特征在于,所述图像样本集中还包括:在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
6.根据权利要求1所述的镜头阴影校正的补偿方法,其特征在于,所述根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型,包括:
采用深度神经网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
7.一种镜头阴影校正的补偿装置,其特征在于,包括:
获取单元,适于获取目标摄像头模组的环境色温;
第一计算单元,适于根据预设的镜头阴影校正的补偿系数模型计算所述目标摄像头模组的镜头阴影校正的二次补偿系数;
模型训练单元,适于采用如下方式训练得到镜头阴影校正的补偿系数模型:获取图像样本集,所述图像样本集包括采用不同类型的摄像头模组拍摄的图像;获取镜头阴影校正的补偿参数集;根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型;
第二计算单元,适于根据预设的所述目标摄像头模组的镜头阴影校正的默认补偿系数及所述二次补偿系数,计算得到所述目标摄像头模组的镜头阴影校正的实际补偿系数;
补偿单元,适于采用所述镜头阴影校正的实际补偿系数对所述目标摄像头模组进行补偿。
8.根据权利要求7所述的镜头阴影校正的补偿装置,其特征在于,所述模型训练单元,适于将所述图像样本集中M张原始图像与所述镜头阴影校正的补偿参数集中的N个镜头阴影校正的补偿系数进行图像信号处理,得到M*N个镜头阴影校正的补偿系数;将所述M张原始图像及所得到M*N个镜头阴影校正的补偿系数,进行图像信号处理检测,得到M*N个镜头阴影校正评分;根据预设的镜头阴影校正的补偿目标,对所得到的M*N个镜头阴影校正的补偿系数及M*N个镜头校正阴影评分进行训练,得到镜头阴影校正的补偿系数模型。
9.根据权利要求7或8所述的镜头阴影校正的补偿装置,其特征在于,所述图像样本集中还包括:在不同光源下采用同一摄像头模组所采集到的图像。
10.根据权利要求9所述的镜头阴影校正的补偿装置,其特征在于,所述光源包括以下至少一种:标准光源H、标准光源A、标准光源TL84、标准光源CWF、标准光源D50、标准光源D65、标准光源D75、混合光源FL1、混合光源FL2及混合光源FL3。
11.根据权利要求9所述的镜头阴影校正的补偿装置,其特征在于,所述图像样本集中还包括:在同一光源、同一摄像头模组下,所采集的低于预设亮度环境下的图像。
12.根据权利要求7所述的镜头阴影校正的补偿装置,其特征在于,所述模型训练单元,适于采用深度神经网络网络算法,根据预设的镜头阴影校正的补偿目标对所述图像样本集及所述镜头阴影校正的补偿系数集进行训练,得到所述镜头阴影校正的补偿系数模型。
13.一种镜头阴影校正的补偿装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至6任一项所述的镜头阴影校正的补偿方法的步骤。
14.一种计算机可读存储介质,计算机可读存储介质为非易失性存储介质或非瞬态存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至6任一项所述的镜头阴影校正的补偿方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811624129.4A CN111385438B (zh) | 2018-12-28 | 2018-12-28 | 镜头阴影校正的补偿方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811624129.4A CN111385438B (zh) | 2018-12-28 | 2018-12-28 | 镜头阴影校正的补偿方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111385438A true CN111385438A (zh) | 2020-07-07 |
CN111385438B CN111385438B (zh) | 2022-03-25 |
Family
ID=71216344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811624129.4A Active CN111385438B (zh) | 2018-12-28 | 2018-12-28 | 镜头阴影校正的补偿方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111385438B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113132695A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
CN113132562A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
CN113284062A (zh) * | 2021-05-19 | 2021-08-20 | 展讯半导体(南京)有限公司 | 镜头阴影的校正方法、装置、介质及终端 |
CN114007061A (zh) * | 2021-10-13 | 2022-02-01 | 上海磐启微电子有限公司 | 一种摄像头传感器调试方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102281389A (zh) * | 2010-06-11 | 2011-12-14 | 三星电子株式会社 | 用于生成适于摄影环境的镜头阴影补偿表的装置和方法 |
CN104581098A (zh) * | 2014-12-01 | 2015-04-29 | 北京思比科微电子技术股份有限公司 | 一种lens shading自适应的处理方法 |
US9083900B2 (en) * | 2013-11-05 | 2015-07-14 | Himax Imaging Limited | Lens shading correction system |
CN105100550A (zh) * | 2014-04-21 | 2015-11-25 | 展讯通信(上海)有限公司 | 阴影校正方法及装置、成像系统 |
TW201630420A (zh) * | 2015-02-09 | 2016-08-16 | 百辰光電股份有限公司 | 相機模組校正方法及其系統 |
CN106506905A (zh) * | 2016-10-20 | 2017-03-15 | 湖南国科微电子股份有限公司 | 镜头阴影校正方法 |
CN106921837A (zh) * | 2015-12-25 | 2017-07-04 | 北京展讯高科通信技术有限公司 | 相机模组镜头阴影补偿方法及装置、图像信号处理器 |
-
2018
- 2018-12-28 CN CN201811624129.4A patent/CN111385438B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102281389A (zh) * | 2010-06-11 | 2011-12-14 | 三星电子株式会社 | 用于生成适于摄影环境的镜头阴影补偿表的装置和方法 |
US9083900B2 (en) * | 2013-11-05 | 2015-07-14 | Himax Imaging Limited | Lens shading correction system |
CN105100550A (zh) * | 2014-04-21 | 2015-11-25 | 展讯通信(上海)有限公司 | 阴影校正方法及装置、成像系统 |
CN104581098A (zh) * | 2014-12-01 | 2015-04-29 | 北京思比科微电子技术股份有限公司 | 一种lens shading自适应的处理方法 |
TW201630420A (zh) * | 2015-02-09 | 2016-08-16 | 百辰光電股份有限公司 | 相機模組校正方法及其系統 |
CN106921837A (zh) * | 2015-12-25 | 2017-07-04 | 北京展讯高科通信技术有限公司 | 相机模组镜头阴影补偿方法及装置、图像信号处理器 |
CN106506905A (zh) * | 2016-10-20 | 2017-03-15 | 湖南国科微电子股份有限公司 | 镜头阴影校正方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113132695A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
CN113132562A (zh) * | 2021-04-21 | 2021-07-16 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
CN113132562B (zh) * | 2021-04-21 | 2023-09-29 | 维沃移动通信有限公司 | 镜头阴影校正方法、装置及电子设备 |
CN113284062A (zh) * | 2021-05-19 | 2021-08-20 | 展讯半导体(南京)有限公司 | 镜头阴影的校正方法、装置、介质及终端 |
CN114007061A (zh) * | 2021-10-13 | 2022-02-01 | 上海磐启微电子有限公司 | 一种摄像头传感器调试方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111385438B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111385438B (zh) | 镜头阴影校正的补偿方法、装置及计算机可读存储介质 | |
CN109729332B (zh) | 一种自动白平衡矫正方法和系统 | |
CN108234971B (zh) | 白平衡参数确定方法、白平衡调整方法及装置、存储介质、终端 | |
CN113170028B (zh) | 生成基于机器学习的成像算法的图像数据的方法 | |
CN108600723A (zh) | 一种全景相机的颜色校正方法及评价方法 | |
US9307214B1 (en) | Automatic white balance methods and systems for electronic cameras | |
CN109274948B (zh) | 图像色彩校正方法、装置、存储介质和计算机设备 | |
US20200389635A1 (en) | Image white balancing | |
CN103491357A (zh) | 一种图像传感器白平衡处理方法 | |
CN111292246A (zh) | 图像颜色校正方法、存储介质及内窥镜 | |
CN112399163B (zh) | 图像感测装置以及自动白平衡方法 | |
CN111724317A (zh) | Raw域视频去噪监督数据集构造方法 | |
CN110930341A (zh) | 一种基于图像融合的低光照图像增强方法 | |
WO2019062633A1 (zh) | 颜色阴影校正的方法和装置 | |
CN106709888B (zh) | 一种基于人眼视觉模型的高动态范围图像产生方法 | |
CN114785995A (zh) | 一种基于fpga的自动白平衡实现方法 | |
CN111178229B (zh) | 一种基于深度学习的静脉显像方法和装置 | |
Jiayun et al. | Tongue image color correction method based on root polynomial regression | |
TWI715142B (zh) | 影像感測裝置以及自動白平衡方法 | |
CN112348754A (zh) | 一种低照度彩色图像增强方法及装置 | |
CN106339708B (zh) | 基于多通道的材料表面视觉信息数字化采集方法 | |
CN109561292A (zh) | 一种用于相机系统的白平衡处理方法及装置 | |
CN113487516B (zh) | 一种图像数据的去雾处理方法 | |
CN106507081B (zh) | 一种图像处理方法及装置 | |
CN115937093A (zh) | 融合hsl空间和改进暗通道技术的烟雾浓度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |