谷歌HDR+研读（三）

谷歌HDR+研读（一）

谷歌HDR+研读（二）

6整理

对齐和合并捕获的拜耳原始帧会生成具有较高比特深度和SNR的单个原始图像。在实践中，我们的输入是10位原始数据，我们将其合并到12位以保留从合并获得的精度。这张图片现在必须经过校正，去马赛克和色调映射 - 这些操作通常由ISP来执行，但在我们的情况下，这些操作是软件，并且包括动态范围压缩的关键附加步骤。按应用顺序，这些操作是：

1.黑色级别减法可以减少所有像素的偏移量，使得不接收光线的像素变为零。我们从传感器上的光学屏蔽像素获得这种偏移。

2.透镜阴影校正。增强图像的角落以补偿透镜渐晕，并校正由于光以斜角照射传感器而在空间上变化的颜色。这些更正是使用ISP提供的低分辨率RGGB图像执行的。

3.白平衡。线性缩放四个（RGGB）通道，以便场景中的灰度映射到图像中的灰色。这些比例因子由ISP提供。

4. Demosaicking。将图像从Bayer原始图像转换为每像素12位的全分辨率线性RGB图像。我们使用Gunturk等人的技术组合。包括带有加权平均的边缘插入插值，基于恒定色调的插值和作为校正项的二阶梯度。

5.色度去噪。减少暗光低光图像中的红色和绿色斑点。为此，我们使用一个近似的双边滤波器，使用YUV中的两遍应用的稀疏3×3抽头非线性核来实现。

6.色彩校正使用ISP提供的3x3矩阵将图像从传感器RGB转换为线性sRGB。

7.动态范围压缩。请参阅下面的描述。

8.除雾 通过应用全局色调曲线来降低眩光的影响，该曲线将低像素值推到更低的位置，同时保留中间调和高光。具体来说，我们允许多达0.1％的像素被钳位到零，但只能调整低于白色电平7％的像素。

9.全局色调调节，通过将S形对比度