基于泊松-高斯噪声模型的详细标定计算方式

        我在前面的博客三言两语讲讲 sensor 的噪声中分析过 sensor 的噪声类型，从本质上分析，噪声可以归类为与信号值有关的噪声，该部分噪声符合泊松分布；另一类为与信号无关的噪声，该部分噪声符合高斯分布。下面详细分析下参数如何标定计算。

1. 标定模拟增益前的各个增益下的黑帧噪声方差，该部分为与信号无关的符合高斯分布的噪声（sensor起数字增益阶段，本质乘了系数，噪声理论上在该阶段为线性增加）；
2. 计算0db目标亮度与仿真增益亮度的比值 k；
3. 将增益值换算为倍数 m；
4. 获得标定的sensor光电转换效率值 q；
5. 原图 消除黑电平影响：raw - blc = raw1；
6. 计算需要添加的图像：raw2 = raw1 / k / m / q；
7. 计算添加泊松噪声后的图像：raw3 = np.random.posson(raw2)；
8. 还原增益系数和光电转换效率：raw4 = raw3 * k * q；
9. 获得仿真增益对应的黑帧噪声方差 sigma1，0db对应的黑帧噪声方差 sigma2；
10. 添加高斯噪声：raw5 = raw4 + (sigma1 - sigma2 / (k * k))；
11. 加回黑电平：raw6 = raw5 + blc；