树莓派1.3版500万像素相机拍摄色彩失真问题求助

问题说明 #

使用500万像素的Raspberry Pi Camera Version 1.3拍摄时，画面色彩与物体真实色彩存在偏差，对比图如下：

树莓派相机拍摄图：

手机实拍图：

相机配置代码：

from picamera.array import PiRGBArray
from picamera import PiCamera
import time
import cv2
import operationFramesFuncShape
camera = PiCamera()
camera.resolution = (980, 480)
camera.framerate = 32
camera.rotation = -90
rawCapture = PiRGBArray(camera, size=(980, 480))
# allow the camera to warmup
time.sleep(0.1)

g = camera.awb_gains
camera.awb_mode = 'off'
camera.awb_gains = g
oclass = operationFramesFuncShape.objectFrameClass()
for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):
  # grab the raw NumPy array representing the image, then initialize the timestamp
  # and occupied/unoccupied text
  image = frame.array

色彩偏差成因 #

• 白平衡锁定时机错误：相机仅预热0.1秒就锁定白平衡增益，此时自动白平衡未完成环境光校准，初始增益无法匹配实际拍摄环境，直接导致色彩偏移。
• 传感器硬件局限：Raspberry Pi Camera V1.3搭载的OV5647传感器，色彩还原算法远不如手机相机成熟；手机通常配备多帧融合、专业色彩校准矩阵等优化，而树莓派相机默认色彩处理较为基础。
• 视频拍摄模式限制：use_video_port=True启用视频流模式，优先保证帧率，会简化色彩处理流程，色彩精度远不如照片模式。
• 色彩空间转换细节：使用format="bgr"将相机原生RGB转换为OpenCV的BGR格式，缺乏额外色彩校准的情况下，容易出现细微色彩偏差。

色彩还原优化方法 #

1. 优化白平衡设置 #

• 保持自动白平衡模式，让相机实时适配环境光：直接移除手动锁定白平衡的代码段，保留默认的awb_mode='auto'即可。
• 若需固定白平衡，延长预热时间让校准完成后再锁定：

  time.sleep(2)  # 延长预热至2秒，确保白平衡稳定
  g = camera.awb_gains
  camera.awb_mode = 'off'
  camera.awb_gains = g
  

• 使用预设白平衡模式匹配场景：

  camera.awb_mode = 'tungsten'  # 适合室内暖光环境，可选sunlight/cloudy/fluorescent等模式
  

2. 改用照片模式拍摄 #

将use_video_port设为False，牺牲部分帧率换取更精准的色彩处理：

for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=False):

3. 手动调整色彩参数 #

通过相机内置参数提升色彩表现：

camera.saturation = 15  # 提升饱和度，范围-100到100，按需调整
camera.contrast = 10    # 增强对比度，提升色彩层次感
camera.brightness = 50  # 调整亮度，默认50，可根据环境微调

4. OpenCV后期色彩校正 #

对捕获的图像进行后期处理，校正色彩偏差：

import numpy as np

# Gamma校正，优化画面亮度与色彩
gamma = 1.2
inv_gamma = 1.0 / gamma
color_table = np.array([((i / 255.0) ** inv_gamma) * 255 for i in np.arange(0, 256)]).astype("uint8")
image = cv2.LUT(image, color_table)

# 调整色彩平衡（示例：降低红色通道，提升蓝色通道）
b, g, r = cv2.split(image)
r = cv2.add(r, -10)  # 减少红色
b = cv2.add(b, 10)   # 增加蓝色
image = cv2.merge((b, g, r))

内容的提问来源于stack exchange，提问作者Amir133