Algoritmo 3A de imágenes de cámara y tecnología de control
Autoenfoque AF
El autoenfoque es el proceso mediante el cual la cámara ajusta automáticamente el enfoque para obtener una imagen clara.
El algoritmo de enfoque automático (AF) es el proceso de mover la lente para maximizar el contraste de la imagen obteniendo contraste de la imagen. En resumen, la tecnología de enfoque automático obtiene el componente de frecuencia de imagen más alto ajustando la posición de la lente de enfoque, obteniendo así un mayor contraste de imagen. Entre ellos, obtener el mejor punto de enfoque es un proceso de acumulación. Consiste en comparar el contraste de cada cuadro de imagen para obtener el punto de contraste máximo dentro del rango de movimiento de la lente y luego determinar la distancia de enfoque.
Los pasos básicos del algoritmo de enfoque automático son determinar primero el grado de desenfoque de la imagen, obtener el valor de evaluación de cada imagen recopilada a través de la función de evaluación de desenfoque correspondiente y luego obtener el valor máximo de una serie de valores de evaluación a través del algoritmo de búsqueda, y finalmente a través del motor ajusta el dispositivo de adquisición a la posición máxima 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 por los algoritmos de software, los algoritmos de hardware y la distancia de enfoque. La clave del algoritmo es lograr un equilibrio entre precisión y velocidad. Al mismo tiempo, la precisión del algoritmo se ve afectada por el algoritmo del software y la precisión del hardware.
Centrarse en la función de evaluación
Hay muchas 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 es mayor). ) y el componente de escala de grises de la imagen (cuanto mayor sea el rango de distribución de componentes de la imagen en escala de grises correspondiente a la imagen, más detalles de la imagen reflejarán la claridad de la imagen)
Combinación adecuada. del algoritmo de búsqueda de la ventana de búsqueda
De uso común El algoritmo de búsqueda incluye el algoritmo de escalada y la ventana de búsqueda tiene la ventana anidada con foco de sección áurea.
Exposición automática AE
La exposición automática consiste en obtener la exposición adecuada para el sensor.
El algoritmo de exposición automática (AE) establecerá automáticamente el valor de exposición en función de las condiciones de luz disponibles. 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 centrarán en el brillo del sujeto y lo ajustarán. parte de su tema.
El algoritmo general ajusta los parámetros de exposición correspondientes obteniendo el brillo de la imagen para obtener una exposición adecuada. Los parámetros de exposición incluyen el tamaño de apertura, la velocidad de obturación y la ganancia de brillo del sensor de la cámara.
Es decir, los pasos generales del algoritmo AE incluyen:
El método para obtener el brillo de la imagen es el siguiente:
1. Brillo promedio
2. Brillo promedio ponderado de partición
El propósito de la ponderación de zonas es concentrar la exposición en el centro de la pantalla
3. Establezca diferentes umbrales de brillo para distinguir entre retroiluminación , frontlight y zonas luminosas. Distinguir
4. Compensación de exposición de los objetos principales
Los principales métodos de ajuste de parámetros son:
1. Método de tabla de búsqueda
La tabla de búsqueda previa del sistema almacena la relación entre el tamaño del paso de ajuste del parámetro de exposición y el brillo de la imagen. La cantidad de ajuste cambia con el cambio del valor de brillo.
2. Método iterativo
3. Método de cálculo numérico
Balance de blancos automático AWB
La esencia del balance de blancos es hacer que el blanco Los objetos en Aparecen de color blanco bajo cualquier fuente de 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 exposiciones de luz. La señal de diferencia de color general de la imagen se utiliza generalmente como datos de temperatura de color. Cuando la mayor parte de la imagen está cubierta por un color uniforme, esta compensación de color puede perder parte del total. color. .
Para compensar esta deficiencia, se han propuesto algunos algoritmos AWB específicos para adaptarse a diferentes situaciones de temperatura de color.
El algoritmo general ajustará la ganancia del balance de blancos para acercar el color de la imagen capturada al color real del objeto, y el ajuste de ganancia se basa en la temperatura de color de la fuente de luz ambiental.
Pasos generales del algoritmo de balance de blancos:
Estimación de la temperatura del color de la luz ambiental. Los algoritmos clásicos incluyen:
1. Algoritmo de hipótesis del mundo en escala de grises.
Para una imagen que contiene una gran cantidad de colores, el valor promedio de sus componentes de color
R?, G?, B?
tiende al mismo nivel de gris K, según el Suposición de uniformidad de distribución de color. El algoritmo funciona bien en imágenes. Cuando la distribución del color de la imagen es uniforme, el algoritmo basado en esta suposición funciona idealmente; cuando la distribución es desigual, el algoritmo no funciona satisfactoriamente.
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 en la imagen y las convierten directamente en coordenadas de temperatura de color para estimar la temperatura de color. La temperatura de color real de la imagen es básicamente una temperatura de color mixta. No hay muchas implementaciones de este algoritmo en aplicaciones prácticas.
Calcule la ganancia y ajústela
Por ejemplo, la forma más sencilla es ajustar la ganancia obteniendo la ganancia correspondiente al componente de color promedio de la imagen:
α=G? /R?,β=G?/B?
Luego, ajusta los componentes RGB de toda la imagen:
R′=αR,G′= G,B′= βB