ISP框图及讲解

                                    ISP框图及讲解

1. ISP(Image Signal Process)

 

通常的ISP data patch:

 

 

(1)BLC(Black Level Correction)/ Black Level Compensate (OBC) :黑电平校正。所谓黑电平就是在DNP下,将曝光时间和增益都调到最小时拍摄图片的亮度值,理想情况下应该是0,但是实际中因为sensor暗电流作用,全黑像素值大于0。(这一个值,在后面可能会受到AWBGain,CCM,Gamma的影响)。

(2)DPC/BPD(Defect Pixel Correction/Bad Pixel Detect):坏点校正/坏点检测。相机中成像坏点一般是白色或者黑色的点,和周围像素点的差异明显。

(3)FPN(Fix Pattern Noise):固定模式噪声。由于CMOS每个感光二极体旁都搭配一个ADC 放大器,如果以百万像素计,那么就需要百万个以上的 ADC 放大器,但是每个像素结构中的光电二极管的尺寸、掺杂浓度、生产过程中的沾污以及MOS场效应管的参数的偏差等都会造成像素输出信号的变化。对于给定的单个像素它是固定的。通常消除固定模式噪声采用“双采样降噪”方法,这是CMOS 感光器件特有的一种降噪方式。在光线较暗的环境下使用时,画面会有明显的噪声,这时通过对景物进行两次不同曝光率和敏感度的采样,然后将两次采样的结果进行综合处理,就可以有效解决低照度下的图像噪声问题。

 

 

(4)LSC(Lens Shading Correction)/Color Shading :阴影校正。Lens Shading是由于镜片从边缘到中心对入射光线的反射程度不同,造成拍摄均匀亮度的画面,图像从中心到边缘亮度不均匀逐渐变暗。Color Shading是由于Lens从中心到边缘,其R、G、B变暗的速率不一样,总体表现就是Gb/Gr像素值差异较大,两个像素之间有细微纹理。找出shading的distribution,然后用最小的模型来建模将其导入

Correction原理:

 

 

找到中心点后,以中心点为原心,向周围以圆为单位补Gain,离中心点越远,补的越大

 

(5)Flare offset:光学上称Flare也叫stray light,耀斑补偿。镜片的表面反射或镜筒、反光镜组的内面所引起的反射光,到达底面后造成画面整体或一部份产生了雾蒙,降低了图像的鲜锐度。镜片的镀膜及内面防反射处理的加强,固然可以大幅度地减少光斑,但被摄体的状况并不相同,不可能完全消除。

 

 

因此,在相机里面设计都是黑色的,且其内侧表明设计都是粗糙的,目前就是为了减小flare。flare如何修正?做直方图,然后每阶的亮度都往下降,这样是否会影响颜色呢?因此,flare一定要是在linear domain去做,不能在RGB domain去做。

(6)AE(Auto Exposure):自动曝光。

(7)AF(Auto Focus):自动对焦。

(8)AWB(Auto White Balance ):自动白平衡。解决环境光不同色温导致整幅图片偏色的情况。

(9)DM(Demosaicing/Color Filter Array Interpolation/CFA插值):CMOS Sensor出来的RawData是Bayer格式的图像,每个像素只有一个通道的信息。DM是将Bayer格式的图像恢复成每个像素用RGB三通道表示的方式。DM的主要依据是图像在平滑的局部区域,各分量的ratio是相等的。插值算法的好坏会影响图片的细节,如摩尔纹。

 

 

(10)CCM(Color Correction Matrix/ DSC color calibration):颜色校正矩阵。拍摄color checker24色板,将相机拍摄图片值与色板标准值之间进行对比(RGB颜色空间),得出一组能将拍摄值校正到最接近标准值的3x3矩阵。通过这个矩阵对所有相机拍摄的图片进行颜色校正。

(11)NR(Noise Reduction/Denoise):去噪。采用特定的LPF(Low Pass Filter)对图片进行滤波,滤除图像的噪声成分,而Bilateral filtering即双边滤波器,它是一种保护边缘的平滑滤波器,这样既可以滤除噪声,edge又可以保留下来。

 

 

(12)EE(Edge Enhancement/Edge Sharpening):锐化,边缘增强。通过滤波器获取图像的高频分量,按照一定的比例将高频部分和原图进行加权求和获取锐化后的图像。

 

 

(13)DRC/HDR(Dynamic Range Compression/ High-Dynamic Range):宽动态。高动态图像的拍摄出来的结果通常会有,亮部太亮,暗部太暗的问题。DRC是调整图像暗部亮度使之变亮,调整亮部亮度使之变暗,而且保持图像的对比度。

(14)PCA/VDE:Hue,Saturation,Contrast,Brightness调试。单独针对Hue,Saturation,Contrast,Brightness各图像分量进行调节。

(15)Histogram:直方图均衡化。重新分布图片的亮度。使图片的亮度分布更加均匀。

(16)FlashLight Control:闪光灯控制

(17)Cross talk:Optical cross-talk是当主光线进光角度过大,导致光线不能有效地进入本像素的Microlens内,而是进入相邻像素单元或其他无效区域内的现象。

 

 

Electric cross-talk:相邻单元之间的光生少数载流子通过衬底扩散和漏电相互影响造成相邻单元的现象。

 

 

上述原因导致结果都是图像在对角线上相邻两个像素的Gr和Gb value差异较大而产生不平滑的纹理状。

(18)Gradation Control(GDC):可能是对图像数据精度进行的操作

(19)Scaler:对图像进行缩放,缩放的过程中采样和插值直接影响图像的细节质量。

(20)Adaptive tone scale:(这个没有办法处理多种场景)进来的影像,根据histogram,可以调节,让其明暗亮度的曲线比较好看。因此,它最重要的就是histogram equalization,其关键是在哪个domain去做。目前我们的做法应该是在L*做histogram,但只做edge的histogram,这样就ok了。

(21)Dynamic Range Compression:就是把暗的地方变亮一些,亮的地方变暗一些。AE的主要目的是避免亮度饱和的pixels,其余exposure的pixel可以通过DRC校准回来。

2 ARM的ISP结构如下图 可参考

 

### 回答1: 单帧基于加权最小二乘的定格噪声修正是一种在未冷却的红外成像系统中的修正方法。该方法是为了解决红外成像中存在的定格噪声问题而提出的。 在红外成像过程中,由于系统自身的特点以及外部因素的干扰,成像结果中会存在一些无规律的噪声。这些噪声会干扰图像的质量,影响进一步的图像处理和分析。 该方法主要是通过对单帧图像进行修正来消除定格噪声。首先,利用最小二乘方法对图像中的定格噪声进行建模,并提取噪声分布的统计特征。然后,为了减少噪声对图像质量的影响,采用加权最小二乘算法来修正图像中的噪声。 加权最小二乘算法是一种通过给不同噪声像素赋予不同权重的方法来进行噪声修正。通常情况下,噪声像素的权重越低,修正后的图像质量也会越好。因此,在修正过程中,需要根据噪声像素的统计特征来确定噪声像素的权重。 通过将单帧图像进行加权最小二乘修正,可以有效地降低图像中的定格噪声水平,提高图像的质量和清晰度。这种修正方法在未冷却的红外成像系统中具有较好的实际应用价值,可以提高图像的可靠性和可视化效果。 ### 回答2: 无冷却红外成像系统中基于加权最小二乘的单帧列固定模式噪声校正,是一种用于去除图像中固定模式噪声的方法。 在无冷却红外成像系统中,由于传感器和电子组件的特性,图像可能存在固定模式噪声。这些噪声通常表现为能够在整个图像中看到的固定模式,比如亮点或者暗斑。 而单帧列固定模式噪声校正是一种基于一个图像帧进行噪声校正的技术。该方法通过对整个图像的每一列进行分析和处理来减少噪声的影响。 在校正过程中,首先采集一帧原始图像,并使用图像处理算法来检测和提取每一列的固定模式噪声。然后,根据噪声的特性和分布,使用加权最小二乘法对每一列的噪声进行建模和估计。 加权最小二乘法是一种通过最小化残差平方和来估计未知参数的方法。在这里,通过对每一列噪声的观测和预测值之间的差异进行优化,可以得到每一列的最佳权重。 最后,利用估计得到的权重对原始图像的每一列进行校正,即减去该列的固定模式噪声。通过这种方式,可以有效地降低图像中的固定模式噪声,并提高无冷却红外成像系统的图像质量。 总之,单帧列固定模式噪声校正是一种在无冷却红外成像系统中去除固定模式噪声的方法,它通过加权最小二乘法对每一列的噪声进行建模和估计,从而提高图像质量。 ### 回答3: 单帧基于加权最小二乘法的定型模式噪声校正在基于无冷却红外成像系统中的应用。 无冷却红外成像系统是一种常见的红外成像技术,用于检测热辐射,并将其转化为可见的图像。然而,在这种系统中,由于长期使用和其他因素的影响,会导致一些固定的噪声模式出现在图像中,影响图像质量。因此,对这些固定的噪声模式进行校正是提高无冷却红外成像系统图像质量的重要一步。 单帧基于加权最小二乘法的定型模式噪声校正是一种常用的校正方法。它基于采集到的单帧图像,在不会损失太多图像细节的前提下,对图像中存在的定型模式噪声进行校正。在这个方法中,通过事先对不同噪声源的统计特性进行建模,以确定用于校正的权重参数。然后,使用加权最小二乘法来对图像中的噪声进行估计和校正。 在该方法中,首先需要获取一帧物体场景图像。然后,通过分析该图像中存在的定型模式噪声,可以得到各个噪声源的统计特性和权重参数。接下来,根据图像中的噪声模式,使用加权最小二乘法对图像中的噪声进行估计和校正。最后,通过应用校正后的图像,可以得到更准确和清晰的图像,提高无冷却红外成像系统的成像质量。 单帧基于加权最小二乘法的定型模式噪声校正方法具有简单、高效的特点,并且不需要额外的硬件设备。因此,这种方法在无冷却红外成像系统的实际应用中具有很高的实用性。通过对定型模式噪声进行校正,可以有效提升无冷却红外成像系统的成像质量,提高图像的细节还原能力和噪声抑制能力,为红外成像技术的发展提供了重要支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值