自动曝光算法_探索与实现(开源)

关于AE的原理不过多作展开解释,本文介绍一种第三方实现AE自定义算法的框架和方法。

基于这些框架,其他任何人可以基于此开源项目对自己感兴趣的方向进行开发或验证功能。

环境搭建--VS2013+OPENCV_3.0.0(注意VS和Opencv之间有一些版本适配问题)

方便后期可能引入一些opencv库内的某些处理,目前暂时还没用上,但使用了oepncv读取图片和开图的方法,所以先搭建好环境。

需要准备的硬件设备---一款内部AE算法被关闭且内部驱动层对接到UVC接口的USB摄像头

自动曝光算法_探索与实现(开源)_第1张图片

设备的 逆光对比 接口 和增益接口 已经被修改为当前sensor的曝光行地址数据和总增益地址数据。

曝光行位置也就意味着积分时间的增加或减少。

总增益位置意味着模拟增益和数字增益已经被按照sensor规格书填写正确,可以通过写大写小此数获得相对良好信噪比的调试空间,也就是先模拟后数字。

效果手写展示

!!!注意观察 逆光对比 和增益 数值 !  !  !   

较为合理的曝光:

自动曝光算法_探索与实现(开源)_第2张图片

减少曝光+增加一些增益:

 减少更多的曝光+加更多的增益:

也就是说:

关于如何获得这种设备-----------------替作者为此项目写代码或者发邮件让作者免费送。

其实也可以修改项目的执行层(底层驱动)对接其他的设备进行曝光策略。当然你需要将这个硬件设备实现。

一.AE部分可粗略归纳为三个环节,分别是--亮度的统计--AE核心策略(曝光路线规划)--AE驱动层(执行层和sensor相关)。

部分效果展示

暗起点过渡

亮起点过渡

地址 :

GitHub - 99BaiMou-Milo/AE_-

你可能感兴趣的:(opencv,人工智能,计算机视觉)