單元 12 · 鏡頭陰影校正（LSC）

python3 - <<'EOF'
import numpy as np
# raw = 讀取的 RAW（分通道 R/Gr/Gb/B）
# center = 中央區均值；gain = center / cell（四周>1）
# 需分通道各自計算；對純灰卡才準
EOF

python3 - <<'EOF'
import numpy as np
# raw: 均勻灰卡 RAW（已確認 Bayer 與黑位）
h, w = raw.shape
def block(cx, cy):
    return raw[cy-50:cy+50, cx-50:cx+50].mean()
corners = [block(w//4,h//4), block(3*w//4,h//4),
           block(w//4,3*h//4), block(3*w//4,3*h//4)]
center  = block(w//2, h//2)
print('中央 vs 角落比：', [round(c/center,3) for c in corners])
# 例：[0.78, 0.80, 0.79, 0.81] → 需 ~1.27x 角落增益
EOF

1. 四角均暗、中央正常？
   ├─ 是 → 需要 LSC：拍灰卡生成網格
   └─ 否 ┐
2. 角落偏色（如紅角）？
   ├─ 是 → 分通道 shading 不同：分通道 LSC
   └─ 否 ┐
3. LSC 後仍不均？
   ├─ 是 → 網格太疏 / 灰卡不均勻 / 光源不均
   └─ 否 ─→ 均勻 → ✅

python3 - <<'EOF'
import numpy as np
# raw: 均勻灰卡 RAW（BGGR 範例）
# 抽 Gr / Gb 兩通道均值
gr = raw[0::2, 1::2].mean()   # 依 Bayer 起點調整
gb = raw[1::2, 0::2].mean()
print('Gr/Gb 差:', round((gr-gb)/gb*100, 2), '%')   # >2% → 需分開校正
EOF

# 1. 拍均勻白牆（確保光線均勻、無陰影）
argus_camera --mode 0 --raw-file whitewall.raw --duration 1
# 2. 分析中心 vs 邊緣亮度比
python3 - <<'EOF'
import numpy as np
raw = np.fromfile('whitewall.raw', dtype=np.uint16).reshape(800, 1280)
center = raw[300:500, 500:800].mean()
edge_top = raw[0:100, 500:800].mean()
edge_left = raw[300:500, 0:200].mean()
print(f'中心: {center:.0f}, 上邊緣: {edge_top:.0f}, 左邊緣: {edge_left:.0f}')
print(f'邊緣/中心比: 上={edge_top/center:.2f}, 左={edge_left/center:.2f}')
EOF
# 3. 用 NVIDIA tuning tool 產生 LSC 校正表
#    產生 33×33 的增益表（每個 grid cell 的亮度補償倍數）
# 4. 載入 Argus ISP
argus_camera --mode 0 --lsc-file lsc_table.bin --duration 5

#!/bin/bash
set -e
echo "== [1/4] 拍白牆 =="
argus_camera --mode 0 --raw-file white.raw --duration 1
echo "== [2/4] 分析並生成校正表 =="
python3 - <<'EOF'
import numpy as np
raw = np.fromfile('white.raw', dtype=np.uint16).reshape(800, 1280)
gx, gy = 32, 32                       # 33x33 grid
h, w = raw.shape
grid = np.zeros((gx, gy))
for i in range(gx):
    for j in range(gy):
        ys = slice(i*h//gx, (i+1)*h//gx)
        xs = slice(j*w//gy, (j+1)*w//gy)
        grid[i, j] = raw[ys, xs].mean()
center = grid[gx//2, gy//2]
lsc = center / np.maximum(grid, 1e-6)   # 增益表：角落 > 1
np.save('lsc_table.npy', lsc)
print('生成 33x33 增益表，範圍', round(lsc.min(),2), '-', round(lsc.max(),2))
EOF
echo "== [3/4] 驗證：套用後重拍，角落比應接近 1 =="
# （載入 LSC 後重拍白牆，四角/中央比 < 1.05）
echo "== [4/4] 存檔 =="
mv lsc_table.npy lsc_$(date +%Y%m%d_%H%M%S).npy

#!/usr/bin/env python3
# lsc_verify.py — 驗證鏡頭陰影校正
import numpy as np, matplotlib.pyplot as plt

# 假設已有白牆 RAW（mode 0, SRGGB10）
raw = np.fromfile("white_wall.raw", dtype=np.uint16).reshape(800, 1280)

# 四通道分離
R = raw[0::2, 0::2].astype(float)
Gr = raw[0::2, 1::2].astype(float)
Gb = raw[1::2, 0::2].astype(float)
B = raw[1::2, 1::2].astype(float)

# 亮度圖（四通道平均）
luma = (R + Gr + Gb + B) / 4

# 暗角量測
center = luma[350:450, 550:700].mean()
corner_tl = luma[0:100, 0:100].mean()
corner_tr = luma[0:100, -100:].mean()
corner_bl = luma[-100:, 0:100].mean()
corner_br = luma[-100:, -100:].mean()
corners = np.mean([corner_tl, corner_tr, corner_bl, corner_br])

vignetting = corners / center
print(f"Center: {center:.1f}")
print(f"Avg corner: {corners:.1f}")
print(f"Vignetting ratio: {vignetting:.3f} ({(1-vignetting)*100:.1f}% loss)")
print(f"VERDICT: {'PASS' if vignetting > 0.85 else 'NEEDS LSC'}")

# 色偏
rg_center = R[350:450, 550:700].mean() / Gr[350:450, 550:700].mean()
bg_center = B[350:450, 550:700].mean() / Gb[350:450, 550:700].mean()
rg_corner = R[0:100, 0:100].mean() / Gr[0:100, 0:100].mean()
bg_corner = B[0:100, 0:100].mean() / Gb[0:100, 0:100].mean()
print(f"Center R/G: {rg_center:.3f}, Corner R/G: {rg_corner:.3f}")
print(f"Center B/G: {bg_center:.3f}, Corner B/G: {bg_corner:.3f}")
color_shift = abs(rg_center - rg_corner) + abs(bg_center - bg_corner)
print(f"Color shift: {color_shift:.3f} ({'PASS' if color_shift < 0.05 else 'NEEDS CORRECTION'})")

# Gain map
gain_map = center / np.where(luma > 10, luma, 1)
plt.figure(figsize=(10, 4))
plt.subplot(121); plt.imshow(luma, cmap='gray'); plt.title('Luma (uncorrected)')
plt.subplot(122); plt.imshow(gain_map, cmap='hot', vmin=1, vmax=2); plt.title('LSC Gain Map')
plt.colorbar(); plt.tight_layout(); plt.savefig('lsc_analysis.png')
print("Saved: lsc_analysis.png")

1. 暗角比值 < 0.85（> 15% loss）？
   ├─ 是 ┐
   │   2. 用 f/4.0 重拍？暗角改善？
   │      ├─ 是 → 純光學暗角（正常）
   │      │       → 用 LSC 補償
   │      └─ 否 → 感測器微透鏡問題
   │              → 需要光機調整（鏡頭位置）
   └─ 否 ┐
2. 中心與角落色偏 > 5%？
   ├─ 是 → LSC 未啟用或增益表有誤
   └─ 否 → 無暗角問題

1. LSC 後角落更暗？
   ├─ 增益表方向反轉 → 中心值 / 角落值 改為 角落值 / 中心值
   └─ 正常 → ✅