我们的视觉系统会根据光谱内容调整长、中、短视锥细胞的相对响应。人眼具有一种色度适应机制,可以理解不同的环境光条件。这种反应机制让我们在不同的环境光条件下,将白色和灰色的物体仍看成是白色和灰色。图5描述了这种色度适应原则采用的光增益调整。
图 5:色度适应
然而,摄像头的图像处理AWB算法无法像人眼那样测量物体表面与不断变化的照明条件之间的动态关系。这些算法缺乏色度适应能力,无法了解不同的环境光条件并作出反应,将不同环境下的白色和灰色的物体仍看成是白色和灰色。
图6显示了XYZ颜色传感器及其光谱功率分布(SPD)响应。
图 6:TCS3430的XYZ光谱功率分布(SPD)响应
XYZ光谱响应以人眼为基础,因此能够更加准确地提供与人类如何感知颜色有关的信息。虽然有一些将RGB值转换为XYZ的方法,但RGB光谱响应函数并非切实的颜色匹配函数,因此转换后的结果与人眼感知颜色的方式并不完全匹配。通过准确匹配人眼的颜色响应,分析XYZ传感器的数据也可以像人眼一样来检测颜色的差异。使用高精度XYZ颜色传感器(输出入射光的CIE XYZ三色刺激值),能够在测量环境照明条件时提供最好的测量结果。
图7显示了普朗克轨迹:CIE色度图中间的实心曲线。
图 7:CIE1931色彩空间色度图 – 显示普朗克轨迹
轨迹上的每个点都对应一个黑体色温,具有对应的CCT值。
使用XYZ颜色传感器改善摄像头AWB增强效果
配备均柔片的TCS3430 XYZ颜色传感器,可以感测半球形视场(FOV)的光线(与人眼的FOV类似),且能够更准确地捕捉所有光源发出的光线,从而极大地改善图像的白平衡。图8显示了图片示例,其中AWB算法被混淆,无法从场景中提取干净的白点。
图 8:采用AWB校正与否的照片区别
右侧图片的蓝色背景看起来更加灰暗,肤色更偏向于橘色或黄色,而左侧图像的白平衡效果更好,看起来更自然。
图9展示了如何通过使用高精度XYZ颜色传感器来实现True-White功能,以防止摄像头的AWB算法失效,并拍摄出高质量图像。
图 9:处理TCS3430信息的AWB算法函数子集
图10显示了AWB算法流的一个子集,标注了将TCS3430 XYZ三色刺激值输入到流中进行处理的位置。由于RGB图像传感器视场有限,可能无法准确地测量光源条件充足的场景内的色温。TCS3430的漫射器位于封装孔径上方,扩大了视场,显著提高了摄像头测量场景色温的精确度,并改善了照片的白平衡。
利用场景的实测CIE色温,调整AWB算法,可以实现True-white图像的拍摄。摄像头的AWB算法经过配置,以避免使用自动模式预设,而是使用来自CIE标准光源的预设色温F2(4,230K)。从图10 CIE图的中心区域可以看出,如何使用TCS3430测量CIE色温;采用工业标准的色度调整算法,转换场景光源的白点。
图 10:从预设标准光源起始的CIE色度坐标图与测量的XYZ处理信息
一些智能手机OEM已经采用了这种true-white技术,通过Android API来控制每个通道的RGGB(在BAYER域中),并校正AWB算法的RGB-RGB阵列。
DXOMark使用XYZ颜色传感器改进AWB摄像头图像
图11的DXOMark图片展示了颜色传感器如何在微弱光线环境光条件下测量CIE色度坐标,以更好的细节和更低的噪点水平提供最佳的AWB图像结果。
图 11:DXOMark图片,左侧使用颜色传感器的智能手机与右侧没有颜色传感器的智能手机比较
总结
当一个场景被一种突出的颜色所主导,或在混合光环境(既有自然光照又有人工照明)中,智能手机摄像头的AWB算法都容易失效。在混合光环境中,AWB算法只能错误地锁定照明颜色中的一种,而忽略其它光源的贡献。灰度世界、白色斑块和色域映射算法在上述情况下都会失效,因为它们需要校正光源的颜色。然而,它们并不总是准确测量光照环境的色温,并且错误地依靠对场景的某些假设,从图像像素的子集中推断出光源的颜色。
因此,如果摄像头AWB算法被混淆,无法从场景中提取干净的白点,或被一种突出的颜色所主导的场景,如草地或涂有醒目颜色的墙壁,则背景看起来更加灰暗,肤色更偏向于橘色或黄色。
智能手机OEM可以利用最新上市的XYZ颜色传感器(比如TCS3430),通过true-white摄像头AWB增强功能来实现差异化。使用XYZ颜色传感器可以拍出更好的照片,它可以帮助摄像头使用AWB算法处理图像。通过准确测量场景的色温,可以获得更好的图像,使人看起来更自然,准确地捕捉场景的颜色,使图像的白平衡效果更好。
本文为《电子工程专辑》11月刊杂志文章,版权所有,禁止转载。点击申请免费杂志订阅
责编:Yvonne Geng