4. 镜头阴影校正查找表实现

任务目标

实现基于查找表（LUT）的镜头阴影校正（Lens Shading Correction, LSC），支持双线性插值。输入图像每个像素的R/G/B通道乘以对应位置的校正增益，增益值存储于低分辨率查找表中，通过双线性插值获得逐像素增益。

实现方案

查找表尺寸为 LUT_H × LUT_W（远小于图像尺寸），每个表项存储R/G/B三通道增益。对图像坐标 (x, y)，映射到LUT坐标空间后，取周围4个表项做双线性插值，得到该像素的增益向量并逐通道相乘。边界像素采用钳位处理。

关键完整代码

import numpy as np
from typing import Tuple

def generate_lut(lut_h: int, lut_w: int, vignetting_func) -> np.ndarray:
    """
    生成LUT表，形状 (lut_h, lut_w, 3)，值为各通道增益。
    vignetting_func(r_norm) 输入归一化半径(0~1)，返回增益标量。
    """
    lut = np.zeros((lut_h, lut_w, 3), dtype=np.float32)
    cy, cx = (lut_h - 1) / 2.0, (lut_w - 1) / 2.0
    max_r = np.sqrt(cy**2 + cx**2)
    for j in range(lut_h):
        for i in range(lut_w):
            r = np.sqrt((j - cy)**2 + (i - cx)**2) / max_r
            gain = vignetting_func(r)
            lut[j, i, :] = gain  # 三通道使用相同增益
    return lut

def apply_lsc_bilinear(img: np.ndarray, lut: np.ndarray) -> np.ndarray:
    """
    对图像应用LUT双线性插值校正。
    img: (H, W, 3) uint8，lut: (lut_h, lut_w, 3) float32
    返回校正后 uint8 图像。
    """
    H, W = img.shape[:2]
    lut_h, lut_w = lut.shape[:2]
    out = np.zeros_like(img, dtype=np.float32)

    # 坐标映射：图像(0,0) → LUT(0,0)，图像(H-1,W-1) → LUT(lut_h-1,lut_w-1)
    scale_y = (lut_h - 1) / (H - 1)
    scale_x = (lut_w - 1) / (W - 1)

    for y in range(H):
        fy = y * scale_y
        y0 = int(np.floor(fy))
        y1 = min(y0 + 1, lut_h - 1)
        wy = fy - y0
        for x in range(W):
            fx = x * scale_x
            x0 = int(np.floor(fx))
            x1 = min(x0 + 1, lut_w - 1)
            wx = fx - x0

            # 双线性插值增益
            g00 = lut[y0, x0]
            g10 = lut[y0, x1]
            g01 = lut[y1, x0]
            g11 = lut[y1, x1]
            gain = (g00 * (1 - wx) + g10 * wx) * (1 - wy) + \
                   (g01 * (1 - wx) + g11 * wx) * wy

            out[y, x] = img[y, x] * gain

    return np.clip(out, 0, 255).astype(np.uint8)

# ---- 最小验证示例 ----
if __name__ == "__main__":
    # 模拟径向渐晕：中心增益1.0，边缘增益1.8
    vign = lambda r: 1.0 + 0.8 * r**2

    # 生成小尺寸LUT和测试图
    lut = generate_lut(8, 8, vign)
    test_img = np.full((32, 32, 3), 128, dtype=np.uint8)  # 均匀灰色图

    corrected = apply_lsc_bilinear(test_img, lut)

    # 验证：中心像素增益≈1.0，角落像素增益≈1.8
    center_val = corrected[16, 16, 0]
    corner_val = corrected[0, 0, 0]
    print(f"中心像素值: {center_val} (预期≈128)")
    print(f"角落像素值: {corner_val} (预期≈230, 即128*1.8)")
    assert abs(center_val - 128) < 2, "中心校正失败"
    assert abs(corner_val - 230) < 5, "角落校正失败"
    print("验证通过")

运行与验证

依赖：仅需 numpy。

运行方式：

python lsc_lut.py

验证逻辑：代码内置自检——对均匀灰度图施加中心增益1.0、边缘增益1.8的渐晕模型，校正后中心像素应保持约128，角落像素应升至约230（128×1.8）。若偏差在容差范围内，打印“验证通过”。

判定标准：程序输出包含“验证通过”且无异常退出，即证明LUT生成与双线性插值逻辑正确。

关键说明

• LUT坐标与图像坐标采用线性映射，边界像素通过 min() 钳位到LUT边缘，避免越界。
• 实际ISP中LUT通常由标定设备测量获得，本案例用解析函数模拟生成，便于验证算法正确性。
• 三通道共用同一增益表；若需独立校正，将LUT第三维分别赋值即可，代码结构无需改动。