当前位置: 首页 > news >正文

ISP 常见流程

1.sensor输出:一般为raw-OB+pedestal。加pedestal避免减OB出现负值,同时保证信号超过ADC最小电压阈值,使信号落在ADC正常工作范围。

2. pedestal correction:移除sensor加的基底,确保后续处理信号起点正确。

3. Linearization:sensor在对光强的记录可能是非线性的,特别是在工作范围两端。矫正后保证记录数值跟光强成线性关系。

4. DPC:Defective Pixel Correction,对传感器中的坏点,以及PD像素进行矫正。

5. Cahnnel Gains:对个别通道进行增益补偿,弥补不同通道间的响应差异。

6. GBC:Gree Balance Correction,同样的光照Gr、Gb像素受相邻像素影响会差生信号差异,导致出现迷宫纹,因此需要进行差异矫正。

7. ABF:Adaptive Bayer Filter,自适应RAW域降噪,为后续demosaic,颜色矫正提供可靠的信号。

8. BLC:OB(在传感器边缘)扣除存在非均匀性,对不同通道进行精确的二次矫正,避免图像出现偏色。

9. Demosaic:将bayer等sensor排列模式转换成RGB图像。

10. WB:将环境光色温的影响进行矫正,还原出理想光线情况的图像。

11. Color Correction:相机颜色空间到标准颜色空间的转换。

12. Global Tone Mapping:对RAW域高动态线性信号进行压缩,便于在地动态设备上进行显示,还原出人眼真实的观感。

13. Gamma:暗部压缩,亮部压缩便于用更多bit存储暗部信息,显示端需要进行同步逆操作。

http://www.lryc.cn/news/544858.html

相关文章:

  • SpringBoot原理-02.自动配置-概述
  • 小红书自动评论
  • CosyVoice2整合包 特殊声音标记,声音克隆更逼真,新增批量生成
  • 每天一个Flutter开发小项目 (8) : 掌握Flutter网络请求 - 构建每日名言应用
  • C++Primer学习(4.8位运算符)
  • 在VSCode中使用MarsCode AI最新版本详解
  • 可观测之Tracing-eBPF生态和发展
  • linux 后台执行并输出日志
  • C++ primer plus 第五节 循环
  • 使用Hydra进行AI项目的动态配置管理
  • .bash_profile一些笔记
  • 数据虚拟化的中阶实践:从概念到实现
  • MongoDB安全管理
  • [STM32]从零开始的STM32 DEBUG问题讲解及解决办法
  • 创建Order项目实现Clean Hexagonal架构
  • 【算法】图论 —— Floyd算法 python
  • YOLOv5 + SE注意力机制:提升目标检测性能的实践
  • 基于fast-whisper模型的语音识别工具的设计与实现
  • python中单例模式应用
  • 鸿蒙HarmonyOS 开发简介
  • 2. 在后端代码中加入日志记录模块
  • Linux软硬链接
  • Kali换源
  • Java 大视界 -- Java 大数据机器学习模型的可解释性增强技术与应用(107)
  • SYN Flood的攻击原理及防御
  • Javaweb数据库多表查询 内连接 外连接 子查询
  • 绕过 RAG 实时检索瓶颈,缓存增强生成(CAG)如何助力性能突破?
  • Nginx系列09(Nginx 与其他服务集成、实战项目)
  • nvidia驱动更新,centos下安装openwebui+ollama(非docker)
  • 手机端抓包大麦网抢票协议:实现自动抢票与支付