Flat Field Correction

카메라, Tv 등 각 화소들의 v-i 특성 곡선은 불균일하다

밝기는 전류 i와 비례관계이며 

입력 전압에 따라 균일한 전체 밝기가 되도록 보상할 필요가 있다.

간단하게 테스트 코드로 실제 특성을 구현해보았다.

해상도 WXH = 100 X 100 의 영상에서

픽셀 화소수가 불균일한 영상

원리는 간단하다

각 화소수들의 반응성을  y = f(x)로 모델링한다

그리고 역함수를 취해주는거다

g(x)를 f(x)의 역함수라고 하면

y = g(f(x)) = x가 되도록 만들어 주는거다!!

테스트로 만든 보상전의 v : 0~ 255 중 60, 120, 180, 240일때 영상

테스트로 만든 보상후의 v : 0~ 255 중 60, 120, 180, 240일때 영상

import numpy as np
import matplotlib.pyplot as plt

_2pi = 1 / np.sqrt(2*np.pi)

def FuncGaus( x, mu, sig):
    return _2pi / sig *  np.exp( -0.5* ( x - mu ) * ( x - mu) /(sig*sig))
def FuncGaus2d( x, y, mux,muy, sigx,sigy):
    return _2pi / (sigx * sigy) *  np.exp( -(( x - mux ) * ( x - mux) /\
            (2*sigx*sigx) + (y -muy)*(y-muy)/(2*sigy*sigy)))

W = 100
H = 100
x = np.arange(0,W)
y = np.arange(0,H)
xx,yy = np.meshgrid(x,y)
A = FuncGaus2d( xx, yy, 20, 30, 50,50)* 500000 + 20
print('max %f , min %f' % (np.max(A[:]), np.min( A[:]) ))

A = A.reshape(-1)
A = A + np.random.randn(W*H) *10 + 50
plt.imshow(A.reshape(H,W))
plt.show()


# A = np.random.normal(20,10,[H,W])
B = np.random.randn(W*H) * 20 + 50
v = np.arange(0,255)
A = np.expand_dims(A,axis=0)
B = np.expand_dims(B,axis=0)
v = np.expand_dims(v,axis=0)
print(A.shape, 'x',v.shape)
Y =np.matmul( A.transpose() , v)
Y = Y + B.transpose()

Z = Y - B.transpose()
print(Z.shape, A.shape)
AA = A[0,:]
AA = AA.repeat(255).reshape(W*H,255)
print(AA.shape)
Z = Z / AA
print(Y.shape)


for i in range(255):
    img1= Y[:,i].reshape(H,W)

    img = Z[:,i].reshape(H,W)
    print('--------------------------------------------')
    print('mean:%f, std:%f', np.mean(img1), np.std(img1))
    print('mean:%f, std:%f', np.mean(img), np.std(img))
    if i  % 30 == 0:
        plt.imshow(img1,vmin=0, vmax=35000)
        plt.title('not_calib%d.png'%i)
        plt.savefig('not_calib%d.png'%i)
        # plt.show()
        plt.imshow(img, vmin=0, vmax = 255)
        plt.title('calib%d.png' % i)
        plt.savefig('calib%d.png' % i)
        # plt.show()