ISP去噪（2）_np 噪声模型

search7

已于 2023-12-13 10:41:40 修改

阅读量1.2k

点赞数 14

分类专栏：图像调试文章标签： camera tuning

于 2023-12-12 19:15:10 首次发布

本文链接：https://blog.csdn.net/search7/article/details/134956275

版权

图像调试专栏收录该内容

24 篇文章 9 订阅

订阅专栏

#灵感# ISP 中的去噪，都需要依赖一个噪声模型。很多平台上使用采集的raw进行calibration，可以输出这个模型，通常称为 noise profile。

名词解释：

Noise profile 似乎可以翻译成“噪声档案”，其含义是某个噪声源（sensor）在不同工作条件下所表现出来的噪声特性的集合，一般将其表示成增益（gain）的函数。

噪声校准工具的目的是表征某个传感器模块的时间噪声行为。该评估产生了噪声水平函数，其描述了时间噪声标准偏差与像素强度的关系。

为啥是标准差：由于噪声是亮度变化，所以最好用标准差统计量来测量它。从现在起，当提到噪声量时，我们将讨论图像亮度变化的标准差(通常用希腊字母σ表示)，标准偏差是方差的平方根，方差表示为σ²。

标定方法：

方法1：

我们在进行噪声标定时，会根据不同的ISO进行分段标定；锚定几个固定的ISO（50，100， 400， 1000，2000....）进行噪声标定，锚点之间的ISO通过线性插值来计算噪声强度。

一般来说，我们会使用24色卡来进行噪声标定，使用三脚架固定好相机，然后连续等曝光N张图片，N的参考取值为32或者更多，对N张连续曝光的图片进行平均，这个平均后的图片被当作真实信号，则噪声信号可以表示为，对求方差，就可以获得噪声模型。我们在实验室，调节灯箱的亮度，使得在固定ISO的情况下，噪声标定的像素范围能够覆盖信号的范围（10bit-->[0, 1023]）。------在raw 图工具中核对最大值和最小值。

方法2：

在camera 视野中放置灰卡，D65或D50灯光从一侧垂直打光。改变光源亮度，使sensor 的曝光增益覆盖 1x/2x/4x/8x/16x/32x/64x等常用的ISP调试档位。分别对每个增益进行抓图，一般需要10-50张raw 图。所捕获的raw图亮度需要布满整个range, 比如（10bit-->[0, 1023]）。有些校准可以不布满，但需要手动选择raw的亮度 range，进行校准输出np 模型后，再扩展模拟出整个range的噪声曲线。

校准出的noise profile:

第一种-常见：

Noise profile在校准后一般不建议修改。数据长度一般为64，或者 128。第一个数值到最后一个数值分别对应亮度等级为0-255的降噪值，数值越大说明降噪强度越大。

第二种-高通：

noise profile : Chromatix工具基于在几个勒克斯级捕获的图像生成数据，较大的值导致更多的去噪，level 0,1-高频噪声，level 2,3-低频噪声，(level 2,3,4,5-低频噪声 for 8996)。-----有待考证

noise profile 作用域：

参考noise profile的生成方法，在raw denoise设计降噪算法会稍微容易一些，在不同的亮度进行不同强度的降噪，或者把噪声归一化，都有利于保护细节。

但noise profile并不是单纯用在denoise这一个模块上，还可以用在时域降噪、demosaic等模块上。（实际使用时，很多ISP也都是以YUV domain降噪为主体）。

噪声曲线——原理：

此段内容来自：微信公众号『大话成像』,图解噪声与去噪之三：噪声建模与去噪。

拍一张Grey scale chart 的照片。camera拍照可以得到如下图像1

可以看到，图像上有很多噪声，对这个图像做横切，然后可以得到pixel value 相对intensity的显示图

继续拍n张照片：把n张照片求平均得到一张照片，把所有图片的像素的值显示在一个图里可以看到

中间的实线是图像均值，所有被虚线包围的红色的点，是所有图像的像素值。按照图解噪声与去噪第一讲里的方法（也在“大话成像”微信公众号里），画出像素标准差对均值的曲线可以得到下图左

从上左图可以看出：

噪声随着亮度的增加而增加。
标准差与均值遵循一定的函数关系。

如果把多组实验的结果叠加可以得到上右图。--------------也是校准工具会输出的一种NP曲线图。

噪声和清晰度调试：

（1）先调试画面中心平坦区，在保留一定细节的前提下，让平坦区的noise表现与target相近，这部分主要调试NR部分。-----------可以理解为保留细节的程度。

（2）调试EE或其它锐化模块，使边缘及细节表现与target接近。

基于的理论：对于画面中的平坦区域，认为像素变化主要是由噪声引起的，可以加大降噪力度；对于画面中的纹理区域（textured area），认为像素变化主要是由纹理引起的，噪声只占较小部分，需要控制降噪力度，尽量保持图像的纹理特征。

（3）如果有运动检测模块，先调整运动阈值，正确区分当前场景中的"前景"和“背景”，这样后续的去噪模块才能对运动和静止区域进行更加精准针对性的去噪。通常静止区域用3d降噪，运动区域用2d降噪。----------需要注意降噪强度和拖尾的平衡关系。

（4）调试噪声和清晰度，可以先合理bypass 相关模块，根据仿真的结果，观察不同模块的影响强度。比如bypass清晰度模块，发现图像边缘和细节变柔和。但bypss DMS中和清晰度相关的模块，发现很多细节不可见。----------描述的有点乱，大家意会一下。则当清晰度不足时，可以相应增加DMS中的清晰度模块，可能是Sharpen、detail、EE。比如下图是MTK 平台的 HF STR。

在raw 域提升清晰度的毛病是，后续YUV域有些难去掉的低频噪声。