Enfoque automático
El enfoque automático es el proceso de ajustar la distancia focal de una cámara para obtener automáticamente una imagen clara.
El algoritmo de enfoque automático (AF) maximiza el contraste de la imagen moviendo la lente con el contraste de la imagen obtenido. En términos generales, la tecnología de enfoque automático obtiene el componente de frecuencia de imagen más alto y un mayor contraste de imagen ajustando la posición de la lente de enfoque. Entre ellos, obtener el mejor punto de enfoque es un proceso de acumulación continua. Comparando el contraste de cada cuadro de imagen, se puede obtener el punto de contraste máximo dentro del rango de movimiento de la lente y se puede determinar la distancia focal.
Los pasos básicos del algoritmo AF son juzgar el grado de desenfoque de la imagen, obtener el valor de evaluación de cada imagen recopilada a través de una función de evaluación de desenfoque adecuada y luego obtener una serie de valores máximos a través de el algoritmo de búsqueda y finalmente conduce la imagen recopilada a través del motor. El dispositivo se ajusta al punto donde está el pico para obtener la imagen más clara. La clave del algoritmo es lograr un equilibrio entre precisión y velocidad. La precisión del algoritmo se ve afectada tanto por el algoritmo del software como por la precisión del hardware.
Céntrese en la función de evaluación
Existen muchos tipos de funciones de evaluación. Los principales factores de imagen a considerar son la frecuencia de la imagen (la textura de la imagen es clara y la distribución de alta frecuencia) y. la distribución de componentes grises de la imagen (imagen Cuanto mayor sea el rango de distribución de componentes de la imagen en escala de grises correspondiente, más detalles de la imagen y más clara será la imagen reflejada).
Una ventana de búsqueda adecuada combinada con un algoritmo de búsqueda
Los algoritmos de búsqueda comúnmente utilizados incluyen algoritmos de escalada y las ventanas de búsqueda incluyen ventanas anidadas con foco de sección áurea.
Exposición automática
La finalidad de la exposición automática es obtener una exposición adecuada del dispositivo fotosensible.
El algoritmo de exposición automática (AE) establecerá automáticamente el valor de exposición en función de las condiciones de la fuente de luz disponible. Cuando la diferencia de brillo entre el sujeto y el fondo es grande, el sujeto generalmente estará sobreexpuesto o subexpuesto. Para superar este problema, algunos algoritmos AE específicos se centran en el brillo del objeto y le dan más peso a esta parte al ajustar el brillo.
El algoritmo general obtiene la exposición adecuada obteniendo los parámetros de exposición correspondientes al nivel de brillo de la imagen, incluido el tamaño de apertura, la velocidad de obturación y la ganancia de brillo del sensor de la cámara.
En otras palabras, los pasos generales del algoritmo AE incluyen:
Los métodos para obtener el brillo de la imagen incluyen,
1. Brillo promedio
El propósito de la ponderación por zonas es concentrar la exposición en el centro de la pantalla.
3. Establezca diferentes umbrales de brillo para distinguir la luz de fondo, la luz frontal y las áreas con mucha luz.
4. Compensación de exposición del objeto principal.
Los principales métodos para ajustar los parámetros son:
1. Método de búsqueda en tabla
El sistema tiene una tabla de búsqueda previamente almacenada sobre la relación entre los parámetros de exposición. ajuste del tamaño del paso y el brillo de la imagen Cambie la cantidad de ajuste según el valor del brillo.
2. Método iterativo
3. Método de cálculo numérico
Balance de blancos automático
La esencia del balance de blancos es hacer objetos blancos. aparecen en cualquier momento. Todos aparecen blancos bajo la luz.
El algoritmo de balance de blancos automático (AWB) ajusta la fidelidad del color de la imagen según las condiciones de la fuente de luz. Los objetos tendrán diferentes grados de diferencia de color bajo diferentes condiciones de iluminación. Normalmente, la señal de diferencia de color general de la imagen se utiliza como datos de temperatura de color. Cuando un área grande de la imagen está cubierta por un color uniforme, esta compensación de color puede perder parte del color completo. Para compensar esta deficiencia, se han propuesto algunos algoritmos AWB específicos para adaptarse a diferentes temperaturas de color.
El algoritmo general consiste en ajustar la ganancia del balance de blancos para acercar el color de la imagen capturada al color real del objeto. El ajuste de la ganancia se basa en la temperatura de color de la fuente de luz ambiental.
Pasos del algoritmo AWB general:
Para estimar la temperatura de color de la luz ambiental, los algoritmos clásicos incluyen:
Algoritmo de la hipótesis del mundo gris<. /p>
Para imágenes con muchos colores, el promedio de sus componentes de color.
r? ,¿GRAMO? ,¿B?
Tiende al mismo nivel de gris k. El algoritmo basado en esta suposición funciona idealmente cuando la distribución del color de la imagen es uniforme; si la distribución es desigual, el efecto será anormal;
2. Algoritmo de hipótesis del bloque blanco
Cree que el punto más brillante de la imagen es el punto blanco. Algunos algoritmos extraen características de color de las imágenes y las convierten directamente en coordenadas de temperatura de color para estimar la temperatura del color. La temperatura de color en la imagen real es básicamente una temperatura de color mixta y este algoritmo rara vez se implementa en aplicaciones prácticas.
Calcule la ganancia y ajústela
Por ejemplo, la forma más sencilla de ajustar la ganancia es encontrar la ganancia que corresponde al componente de color promedio de la imagen:
α=G? /R? ,β=G? /¿B?
Luego, ajusta los componentes RGB de toda la pantalla:
R′=αR, G′= G, B′=βB