fmdpenny的博客

cv2.circle(rgb_image, (int(coord[0]), int(coord[1])), 5, (0, 0, 255), -1) # 绘制红色。= 0: # 确保坐标有效。上述代码只是其中一部分，后续可能会补全。将RAW10转换为RAW8，用于画图。#把mask的点都找出来坐标。2.然后计算offset。1.先找到图像中的圆心。一、SFR的角点计算。3.在进行角点的查找。#所有点取到中心位置。

OB在图像中也容易被叫black_level，在之前的几篇文章中有提到，尤其是在进行flat field中用到的比较多。之前朋友在后台咨询，就单独写下。代码很简单，可直接拿函数进行。pedestal可以是固定值，也可以是变量。一般RAW8会用16，RAW10会用64。一般RAW8会用16，RAW10会用64，进行直接代替。当然也可以取前前面几行平均进行。在减去OB时，要注意负数的情况。

将RAW10转换为RAW8，用于画图。只上部分代码，请理解，有疑问可以沟通。#= 绘制ROI（如果需要）

end_x = min(x + region_size//2, image.shape[1] - 1) # 确保不超出图像右边界。end_y = min(y + region_size//2, image.shape[0] - 1) # 确保不超出图像下边界。start_x = max(x - region_size//2, 0) # 确保不超出图像左边界。start_y = max(y - region_size//2, 0) # 确保不超出图像上边界。#网格5*5，固定坐标。

用CIEDE2000计算可以引用from skimage.color import deltaE_ciede2000。关键在点位的定位，根据圆的半径进行定位。用CIEDE2000进行色差分析。

end_x = min(x + region_size//2, image.shape[1] - 1) # 确保不超出图像右边界。end_y = min(y + region_size//2, image.shape[0] - 1) # 确保不超出图像下边界。start_x = max(x - region_size//2, 0) # 确保不超出图像左边界。start_y = max(y - region_size//2, 0) # 确保不超出图像上边界。# 定义100x100区域的边界。

select_center_region函数是区域选择。用于计算图像中某一块内容均值/标准差的比例。# 计算中心点的坐标。

处理暗态情况下的亮点的情况，要统计是否有单点，连通等情况。3,然后计算单点的，2个点，以及3个点以上。1.采集一张暗态的图片。

从时态上分，可以分为fix pattern noise与temporal noise。Fix pattern noise 与时间无关，表现上看就是噪声幅度不随时间变化。Temporal noise是随时间变化。在暗态环境下，连续取5张图片，取平均后形成一张新的图片。2篇noise的编写，主要还是根据需求来进行编写。#计算相邻行平均值的差值。#计算相邻行平均值的差值。一、Noise的分类。#计算FPN_row。#计算FPN_col。

从时态上分，可以分为fix pattern noise与temporal noise。Fix pattern noise 与时间无关，表现上看就是噪声幅度不随时间变化。在暗态环境下，连续取5张图片，取平均后形成一张新的图片。分别对每个点，每行，每列与新生成的图片进行平方差计算。#计算所有图像与平均图像的平方差。#计算所有图像与平均图像的平方差。#计算所有图像与平均图像的平方差。#计算所有点的平方差的平均值。#计算所有行的平方差的平均值。#计算所有列的平方差的平均值。#计算TN_pixel。

模组平面光源光心计算方法img_raw是读取RAW的编写的库。

Mark点实质上物理中心定位，精度主要与Mark点位置、模组Tilt有关。2.测试机台间差异大，需要使用标准模组进行设备的点检。1.受设备调机和治具定位影响大，分布较离散。该方法光心可管控在30um之内。1.图中4个mark点坐标。一、Mark OC的原理。三、Python代码实现。2.交点坐标物理OC。