手机摄像头暗角修复实战：用Python手写LSC算法（附完整代码）

最新推荐文章于 2026-07-02 21:16:17 发布

原创

最新推荐文章于 2026-07-02 21:16:17 发布 · 153 阅读

手机摄像头暗角修复实战：用Python手写LSC算法（附完整代码）

当你用手机拍摄一张纯色背景的照片时，是否注意到画面四角比中心区域明显偏暗？这种现象在摄影中被称为"暗角"或"渐晕"。对于追求完美画质的摄影爱好者来说，这种光学缺陷可能令人困扰。本文将带你深入理解暗角成因，并手把手教你用Python实现专业的镜头阴影校正(LSC)算法。

1. 暗角现象的本质解析

暗角现象本质上源于镜头的光学特性。想象一下，当光线穿过镜头时，中心区域的光线几乎垂直入射，而边缘区域的光线则以一定角度斜射进入。这种入射角差异导致了三个关键问题：

光强衰减：根据cos⁴θ定律，边缘光线强度随入射角增大呈四次方衰减
微透镜错位：传感器表面的微透镜阵列与边缘光线角度不匹配
色彩偏移：不同波长光线折射率差异导致色散现象

典型的暗角表现为两种形式：

类型	表现特征	物理成因
亮度暗角(Luma Shading)	画面四角亮度降低	边缘光线衰减+微透镜收集效率下降
色彩暗角(Color Shading)	四角出现色偏(通常偏红/蓝)	不同波长光线折射率差异

# 模拟暗角效果的简单代码
import numpy as np
import matplotlib.pyplot as plt

height, width = 1024, 1024
x = np.linspace(-1, 1, width)
y = np.linspace(-1, 1, height)
X, Y = np.meshgrid(x, y)

# 创建cos⁴衰减模型
radius = np.sqrt(X**2 + Y**2)
vignette = np.cos(radius * np.pi/2)**4  # 中心为1，边缘衰减为0

plt.imshow(vignette, cmap='gray')
plt.title('模拟暗角效果')
plt.colorbar()
plt.show()