使用Zynq-7000 All Programmable SoC实现图像传感器色彩校正

分量校正

对任何特定的色彩分量，冯•克里斯假设只能表达输入和输出之间的线性关系。假设用相似的数据表达(比如每分量8位、10位或12位)，除非k等于1.0，否则部分输出动态范围就无法使用，或者部分输入值对应于需要剪切或钳位的值。除了使用乘法器，还可以使用小规模的基于分量的查找表来表达任何定义输入/输出映射的函数。这样在一个模块中就可以实现传感器/显示器的非线性与伽马校正。在采用FPGA图像处理流水线实现方案中，可以使用赛灵思伽马校正IP模块来完成这一运算。

完整查找表

相机校准可为所有可能的相机输入三色刺激值分配预期值。我们可以将所有可能的输入RGB值预期值存储在一个大型查找表中，但这种方案有两个弊端。第一个问题是内存大小。对10位的色彩分量而言，这个查找表将达到230字(4GB)的深度、30位的宽度。第二个问题是初始化值。一般来说，通过校正测量，只能建立数十到数百个相机输入值/预期输出值对。其余稀疏的查找表值必须通过内插得到。这种内插工作并不轻松，因为异构分量输入到输出函数并非是单调或平滑的。图2a所示即为R、G、B输入(行)输出(列)值的测量值与预期值对。

通过对内插得到的经验结果进行视觉评估(图2b)，结果表明内插法与基于伽马校正和色彩校正矩阵的解决方案相比并没有明显的质量改进。大多数图像或视频处理系统均受制于对外部存储器的访问带宽。大型查找表要求使用外部存储器;逐像素访问需要很高的带宽;而且查找表内容是静态的(难以逐帧重新编程)，会限制完整查找表解决方案在嵌入式视频/图像处理应用中的实际使用。

色彩校正矩阵

我们在本文中介绍的校正方法将向您演示如何采用3×3矩阵乘法器进行坐标转换，旨在让测得的红、绿和蓝三种色彩分量正交化。这种方法与冯•克里斯方法相比的优势在于所有三个色彩通道都参与了校正过程。比如，在调整绿色通道增益时，可以结合红色通道和蓝色通道的信息。另外，这种方法还适合用同一模块同步进行相机校准和白平衡校正，并逐帧更新矩阵系数以平滑匹配不断变化的光源。

白平衡校正使用的两种最简单的算法是灰度世界算法和白点算法。这两种方法均使用RGB色域。

灰度世界算法[2]依据这样的启发条件，即虽然场景中的不同物体有截然不同的颜色，场景颜色的平均值(红、绿、蓝三种颜色的平均值)应该是中性的灰色。因此，一帧中R、G、B平均色值之差能体现出光源的颜色信息。校正的作用是进行色彩转换后使得到的平均色值完全相同。灰度世界算法相对容易实现。但是如果场景中出现大型运动物体，这种方法就会产生严重误差，导致原生的场景色彩掉色或变化。　　

 

白点算法[2]依据这样的假设，即图像中颜色最浅的像素必定是白色或浅灰色。红色、绿色和蓝色通道最大值之间的差值提供的是与光源颜色有关的信息，校正的作用是进行色彩转换后让得到的颜色最大值完全相等。但是，要找出白点，就需要按亮度值对像素排序。另外可能还需要对排序后的列表进行时空滤波，抑制噪声伪影，最后将排序结果汇聚成唯一的白色三元色。使用白点法的优势是易于实现，缺陷则是会造成巨大的误差，可能导致原生场景的色彩掉色。另外这种方法的效果还容易被饱和像素削弱。

更加先进的方法是发挥色域转换的优势。这样色度可以轻易地与色彩饱和度和亮度隔离，将三维色彩校正问题降低为一维问题。

例如，先进行色彩饱和度映射，在YCC、YUV、L*a*b*或LuV色域中建立二维直方图，然后围绕直方图底部周边建立一个凸壳。计算出UV或(Cr，Cb)均值，用于校正色彩，让得到的色彩UV或CbCr直方图位于YUV、YCC、Luv或Lab域中的中性点或灰度点上。这些方法的优势在于能够得到更好的色彩表象，而缺陷则在于需要浮点算法才能实现。

所有上述的方法有一个共同的缺陷，就是如果曝光设置不当或者场景光照存在极度的动态范围，就会产