ISP pipeline、3A（AE、AF、AWB）、Pdaf原理及验证方法、曝光原理。
- ISP pipeline
DBS：校准经过OBC之前不同像素暗电流的差值。
因为器件原因，会存在暗电流，存在暗电流的情况下会导致偏色。
OBC：sensor电路本身存在暗电流，没有光线的时候，像素会有输出，OBC减去暗电流，找到0基准。
Lens Shadding：镜头阴影校正
镜头是一个凸透镜，在接收光线时，成像较远时，会造成斜光束慢慢减少，图片中心较亮，四周比较暗。
PGN：3A统计计算模块（计算awb、af、ae）
UDM：利用颜色插值，光分为r,g,b三原色，g是亮度，通过g的插值，得到一下图片。
CCM：颜色校正
由于各个颜色块之间的相互渗透带来颜色差，将拍摄到图片与原相片对比，得到一个像素矩阵。在以后的图像传感器中，都利用这个像素矩阵来使原图片与拍摄到的图片尽量一致。
GMA：人眼对亮度的感知时非线性的，gamma校正是为了模拟人眼对亮度的感知。
ANR：YUV（图片格式）域降噪模块。
EE：YUV域蜕化模块（锐化增强图片边缘细节）
ANR2：YUV降噪的2次处理。
HFG：高频率产生器，增加图像颗粒感，增强细节。
COLOR：调整布局色彩。
图像噪声直观表现为图片不清晰，噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块
- 3A之AWB
AE：自动曝光 通过调节快门、光圈、感光度来使图像达到合适亮度。
AF：自动对焦 通过控制对焦马达的位移，使镜头焦点在合适位置。
AWB：自动白平衡 在不同色温下，白色图片会呈现出不同的颜色，白平衡就是为了使白色尽可能的还原成白色。
sensor原始图像中的白色如果不经AWB处理,在高色温(如阴天)下偏蓝,低色温下偏黄,如宾馆里的床头灯(WHY!OTZ) (如下图).
流程原理：
1、在各个色温下(2500~7500)拍几张白纸照片,假设拍6张(2500,3500…7500),可以称作色温照.
2、把色温照进行矫正,具体是对R/G/B通道进行轿正,让偏色的白纸照变成白色,并记录各个通道的矫正参数.
实际上只矫正R和B通道就可以,这样就得到了6组矫正参数(Rgain,Bgain).
3、通过以上流程，只需要知道当前场景是什么色温,再轿正一下就可以了。
第一步我们获取了6张图片和6组校正值，6组校正值是完全不够的，我们可以通过颜色插值来获取无数个值，再把这些点连成线，会获得一个色温曲线。
这样只要知道色温,就知道RG,知道RG,就知道BG,知道RG,BG就能轿正了。
计算色温：
1、取一帧图像数据,并分成MxN块,假设是25x25,并统计每一块的基本信息(,白色像素的数量及R/G/B通道的分量的均值).
白点范围：在高色温和低色温中间的部分认为是白点。
2, 根据第1步中的统计值, 找出图像中所有的白色块,并根据色温曲线判断色温。
3、至此,我们得出来了图像中所有的可能色温,如果是单一光源的话,可以取色温最多的,当作当前色温.
比如25x25=625 个块中,一共找出了100个有效白色块, 里面又有80个白色块代表了色温4500左右, 那当前色温基本就是4500.
根据4500色温得出的Rgain,Bgain来调整当前图像,就不会差(很多!).
上一步中统计的”白色点”难免会有失误的地方,比较常见的如黄色皮肤容易被误判为低色温下的白点,淡蓝色的窗帘,容易被误判为高色温下的白点,一张图中既有白色,也有黄色,也有蓝色的时候,情况就很复杂了。
我们会把取到的白色块,计算一下到曲线的距离,再设置相应的权重.话不多说,上个图大家就都明白了.
图中的数字标示出了检测到的白色区域,数字相同的表示一个白区。
图中一片白色被标识了高权重.其它情况被标识了低权重. 权重高低一是看块中白色点数量,二是看rg/bg到色温曲线的距离。
然后根据色温曲线来进行校正。
- 3A之AE
曝光是摄影中十分重要的一个环节，它决定了一张图片的明暗，如下图所示，第一张图片太暗，而第三种图片太亮。
曝光由光圈、曝光时间、ISO三者共同决定。
对于手机以及其他电子产品使用的微型摄像头，光圈大小是固定的，所以手机拍照的曝光由曝光时间和增益(ISO)来控制。
自动曝光就是 自动调节曝光时间、光圈、ISO进行曝光，使得所摄物体亮度正常。
自动曝光的标准：
物体的亮度与色彩是由物体对光线的反射率来决定的。例如纯黑色的放射率是0，纯白色的反射率是100%，处于中间的灰度的反射率是18%，这就是18%中间灰度。
相机在各种场景下无法识别物体的反射率，于是统一将图像整体平均亮度设置为中性灰的亮度。该方法基于 科学家认为自然界的平均反射率是18% 这一理论。当然，这个理论不是万能的，雪景的亮度肯定大于18%，白增黑减。
自动曝光的算法：
1、 均值法AE
Input = 255 x (Output/255)gamma
Output是我们期望的曝光输出值，也就是18%灰的曝光强度，Gamma一般都是2.2。在灰度卡上以0~255为计算区域的话，那么18%灰的Ouput就是122，Input就是50。也就是测光区域的实际曝光强度应该为50。
2、 N段式统计法
调节ISO最主要的副作用就是会同时增强噪点，如果把暗光下的图片放大多倍，噪点就会非常明显；通常是优先调节曝光时间，但是曝光时间也有个上限，必须要在33ms内完成才能保证每秒30fps的预览帧率。
N段指的就是ISO的不同段，优先保证ISO较小的情况下调节曝光时间，当曝光时间到极大值仍不能满足时再将ISO调大一级再重新调整曝光时间。
3、 平均亮度法
对图像所有像素亮度求平均值，通过不断调整曝光参数最终达到目标亮度。
1） 对当前图像进行亮度统计
2） 根据当前图像亮度确定曝光值
3） 计算新的曝光参数，曝光时间、光圈、增益
4） 将新的曝光参数应用到相机
5） 重复1-4，计算出一个目标亮度。
- 曝光原理
Global Shutter
1、整幅场景通过同一时间曝光实现的，senor所有像素点同时收集光线，同时曝光
2、曝光开始，sensor收集光线，曝光结束，光线电路被切断，sensor读出一整副图片
3、CCD就是Global Shutter，所有元素同时曝光
Rolling Shutter
1、 sensor逐行曝光，曝光开始，sensor扫描逐行曝光，像素点都被曝光
2、 所有的曝光快速完成，不同行曝光时间不同
从而实现快速对焦. 1.1PDAF系统框图 1 ...
- Understanding ISP Pipeline - Noise Reduction
Understanding ISP Pipeline - Noise Reduction 转载于:Understanding ISP Pipeline - Noise Reduction 背景 下图是 ...
- Image Signal Processing(ISP)-第四章-LSC, CC的原理和软件实现
Hello!距这个小ISP的软件实现大概过去两年了,一直没有打起精神来将连载写完.但是我们绝不烂尾,绝不! Image Signal Processing-第四章-LSC, CC的原理和软件实现 1. ...
- ISP pipeline的锐化
ISP pipeline ISP pipeline算法实现(Python):https://github.com/WaterdropsKun/isppipeline_Python 什么是图像锐化 图像 ...
- View_01_LayoutInflater的原理、使用方法
View_01_LayoutInflater的原理.使用方法 本篇博客是郭神博客Android视图状态及重绘流程分析,带你一步步深入了解View(一)的读书笔记的笔记. LayoutInflater简 ...
- outlier异常值检验原理和处理方法
outlier异常值检验原理和处理方法 参考文章: (1)outlier异常值检验原理和处理方法 (2)https://www.cnblogs.com/webRobot/p/10688059.html ...
- Tomcat中文乱码问题的原理和解决方法
为什么80%的码农都做不了架构师?>>> Tomcat中文乱码问题的原理和解决方法 自从接触Java和JSP以来,就不断与Java的中文乱码问题打交道,现在终于得到了彻底的解决 ...
最新文章
- hexo框架个人博客的搭建(面试加分！)
- 基于c语言优先级病房呼叫_C语言
- 将智能合约部署到Rinkeby测试链上
- 13个风格独特的关于页面（About Pages）设计
- Beautifulsoup 网页表格的解析
- CSS自学笔记（16）:CSS3 用户界面
- 使用Windows software center进行在线更新的后台进程SCClient.exe
- 前端学习（1644）：前端系列实战课程之上移和下移
- python 函数参数传递机制_Python函数参数传递机制（超级详细）
- mysql中常见的几种索引
- Windows Dos命令下查看端口号,杀死端口
- 1.6QQ拼音输入的亮点——相框
- 对话机器人技术简介：问答系统、对话系统与聊天机器人
- ALPS新秀登场TRON DeFi——让每个人都可参与的社会金融
- 快递单号如何批量查询呢
- JAVASCRIPT精彩200例
- 【学堂上新】Unity UGUI 渲染 3D 对象详解
- Women in Tech | 关于职业与成长，她们给人奋进的启发和动力
- 四人小组项目（对项目进行的修改与重写）
- 浅谈TCP半连接攻击与全连接攻击