- 博客(74)
- 资源 (2)
- 收藏
- 关注
原创 20231231_小米音箱接入GPT
()PowerShell输入账号密码。()micli list获取did。配置config.json。*.设置运行脚本权限。
2023-12-31 13:42:38 1274
原创 OpenCL总结
cl_int error; cl_platform_id platforms; cl_device_id devices; cl_context context; FILE* program_handle; size_t program_size; char* program_buffer; cl_program program; size_t log_size; char* program_log; char Ble...
2023-10-02 12:54:10 220 1
原创 HDR-ISP_unpack_depwl_01_20231002
(1)unpack:2个字节1个像素。(2)mipi10:5个字节4个像素。(3)mipi12:3个字节2个像素。
2023-10-02 11:51:13 428
原创 202308_思考总结
(1)上一代产品自己发现的问题,关注痛点问题--->可以依据上一代问题集构建测试用例,每代产品发布后迭代测试用例。(3)测试端对待问题一定要评判指标,否则抓不住重点(上一代痛点问题+新feature),会搞得研发端和测试端都累。(3)针对上一代要有至少2点很明显的优化:来源于用户的反馈+产品的思考综合考虑。(1)针对拿不准的问题,利用友好用户收集反馈,因为数量大,尽量做到有目的的测试。(1)上一代痛点问题验证(自己发现的+用户反馈的)------后续有想到漏掉的,继续迭代补充。*.新一代产品的考虑。
2023-08-26 19:36:43 168
原创 SFR、MTF_20230702
(2)直出图可以分析锐化的频率段和程度;和竞品直接对比,和实拍场景图建立对应关系。1.iqa,锐化风格的客观指标:量化锐化,调试版本可解释性。2.sfr、mtf指导锐化模块调试思路。2.sfr、mtf指导锐化模块调试思路。(1)raw图可以明确硬件解析上限。1.iqa,锐化风格的客观指标。
2023-07-08 21:44:28 295
原创 ISP-pipeline-hdrplus_opencv显示中间结果_02_20230624
ISP-pipeline-hdrplus_opencv显示中间结果
2023-06-24 11:21:31 173
原创 autotuning
()数据:竞品设备的话如何做到像素级对齐?*.参数多,系统复杂:整个系统模块很多,有的相互关联,多次连调才有可能找到最优解。1.模型一:通过训练学习对齐isp效果,输入一套参数,输出和板端一致的图像效果。()isp单一模块好理解,整个复杂的系统(时域、空域)如何做到拟合收敛。()isp单一模块好理解,整个复杂的系统(时域、空域)如何做到拟合收敛。()isp单一模块好理解,整个复杂的系统(时域、空域)如何做到拟合收敛。()如何评价图像好坏(产品不同倾向性不同;(1)数据:raw、板端直出、参数。
2023-06-14 00:42:41 278
原创 支线_电子产品_00
由于个人兴趣爱好,愿意复刻一些diy电子产品,便想着好好规划,拉上几个好友,用工作中做项目的流程来推进,阶段性的复盘总结再迭代。本博客作为一个开头,简单记录下做这件事的目的和计划。终有一天,之前做的当下看似没有任何关系的事,在后续的某个节点终会关联上,便恍然大悟。书说下回:莱洛三角形项目。
2023-05-22 00:24:27 91
原创 35岁危机,工程师可持续发展,迭代帖
如何规避风险,大家得想这个问题!并一定附加强行动力!实在不行就试错嘛,没有好的路子,再不试一试,等着被动感知风险。不是刻意的制造焦虑,只是想单纯的抛出一个问题:行业不景气、公司不景气,指着工作收入是否有风险?--->要有想法,付诸行动来试错。
2023-05-13 23:00:11 267 1
原创 BM3D降噪
参考文献:降噪方法综述:【技术综述】传统图像降噪方法一览 - 知乎基于BM3D CFA降噪:ISP模块之RAW DATA去噪(二)--BM3D算法_清风徐行的博客-CSDN博客_raw域去噪NL-Means和BM3D:图像去噪算法:NL-Means和BM3D代码:Matlab:Image and video denoising by sparse 3D transform-domain collaborative filtering | Block-matching and 3D..
2022-04-02 22:51:51 1273
原创 安霸平台_MCTF调试思路
MCTF也叫3D降噪,检测运动区域(阴影变化和真实motion的区分,以应对复杂的光照条件),静止区域;运动区域采用时域降噪,静止区域采用空域降噪。Motion Detection运动检测:1.temporal_adjust(TA)和motion_detect,其中motion_detect检测更加稳定准确,性能消耗高。2.noise_base和motion_response:noise_base越大,越容易被判断为静止;motion_response越大,越容易被判断为运动。???两个..
2022-02-27 12:44:01 1621 1
原创 CycleISP环境配置
git clone https://github.com/swz30/CycleISP.gitsudo apt-get install cmake build-essential libjpeg-dev libpng-devpip install matplotlib scikit-image yacs lycon natsort h5py tqdm
2022-02-20 19:41:14 1012 3
原创 LeetCode之130_被围绕的区域
本专栏单纯记录自己刷题过程,便于后续重复刷题更新迭代自己对于同一道题的认知和方法。有好的刷题方法和思路,可以评论区交流,感谢~1.传统方法就是DFS算法class Solution { public void solve(char[][] board) { if (board.length == 0) { return; } int m = board.length; int
2022-02-19 14:44:10 148
原创 Sigmastar平台_锐化调试思路
一.EdgeKillLut:ByEdge调整锐化强度。分为6段频率,分别可以调整锐化强度。调试思路:极值法找到6段频率对应图像区域;二分法对不同频率找到最优的强度值二.DirTh;SharpnessUD和PreCorUD;SharpnessD和PreCorD1.DirTh(1)优先255完全走UD(2)涉及调试DirTh:255完全走UD,0完全走D,调优确认UD和D图像效果,再通过DirTh调试倾向UD还是D2. SharpnessUD(1) Sharpne..
2022-02-09 16:57:33 1127 1
原创 Sigmastar平台_WDR调试思路
1.阅读官方文档后,Sigmastar平台WDR模块主要参数实际不多,调试先后顺序如下:(1)DarkToneEnhance(2)先Strength,后WDRStrByY(3)Dark Limit / Bright Limit2.剩余的参数分为以下3组;前期直接给默认值即可,为什么详见视频讲解(1)BoxNum--->默认值3注:关注物体尺度大小亮度问题时,极小值1和极大值4确认下图像问题是否改善(2)PreEnhance,GammaSyncEn--->默...
2022-02-08 21:52:04 1130
原创 LeetCode之Union-Find
本专栏单纯记录自己刷题过程,便于后续重复刷题更新迭代自己对于同一道题的认知和方法。有好的刷题方法和思路,可以评论区交流,感谢~具体讲解详见labuladong的算法小抄一书5.11章节。后续会迭代更新自己的分析和理解。class UnionFind{ // 记录连通分量 private int count; // 节点x的父节点是parent[x] private int[] parent; /* 构造函数,n为图的节点总数 */...
2022-02-08 10:30:56 317
原创 系统梳理isppipeline
*.宽动态1.流程图2.常见问题(1)Flicker只能调整 fps 到与电源频率成倍数的 fps 张数来让 banding 问题定住而不滚动(ex: 60hz/30fps, 50hz/25fps)(2)融合鬼影运动区域倾向短帧来缓解鬼影问题;此处需权衡是否会导致跳动噪声被误判成运动区域取短帧导致画面较脏(3)背光人脸过暗海思DRC,Sigmastar WDR模块拉亮暗区;提高目标亮度...
2022-02-07 19:07:56 4650
原创 Sensor之Lesson6_WDR_sensor
本文主要讨论sensor感光性和动态范围技术。一.Sony1.DOL注:顺序按照长、中、短帧。由于运动物体不同时刻曝光存在位移,短中长帧的顺序短帧结束到长帧结束的时间大于长中短帧的顺序长帧结束到短帧结束的时间,所以长中短帧的顺序位移小。2.BME(降低一半分辨率)3.SME(降低20%分辨率;对融合算法要求高)4.QBC(降低一半分辨率)二.OV1.Staggered HDR(类似Sony_DOL;灵活的输出位宽)...
2022-02-06 13:17:37 3316 2
原创 LeetCode之855_考场就座
本专栏单纯记录自己刷题过程,便于后续重复刷题更新迭代自己对于同一道题的认知和方法。有好的刷题方法和思路,可以评论区交流,感谢~1.但凡遇到在动态过程中取最值得要求,肯定要使用有序数据结构,常用的数据结构就是二叉堆和平衡二叉搜索树了。set<int> s;s.empty()s.insert(0);s.erase(p);集合(set)。每个元素的值必须唯一;而且系统会根据该值来自动将数据排序;内部结构采用红黑树的平衡二叉树。class ExamR...
2022-02-06 11:08:26 375
原创 ISP之LTM
本文介绍一种经典的局部对比度增强的方法,有点类似安霸CE模块(contrast enhance),后续总结安霸CE模块后再做个对比,本文暂不展开。基于这两张图聊聊我的理解:1.基于亮度域进行的局部对比度增强操作;颜色维度采用基于rgb比例的上色方法2.首先基于亮度域进行log操作(提亮暗处,抑制亮区);其次进行分层分为base层和detail层3.计算compressionfactor,log_absolute_scale变量;主要流程倒数第二个公式???这块有些疑惑...
2022-02-05 20:47:32 4122 2
原创 LeetCode之20_有效括号
1.利用栈思想解决该问题stack<char> left; // 栈定义left.push(c); // 栈增加left.pop(); // 栈删除left.empty() // 栈是否为空left.top() //栈顶部元素2.c/c++中双引号和单引号区别单引号一个字符;双引号字符长度+1。class Solution {public: bool isValid(string s) { stack<char>..
2022-02-05 14:23:03 541
原创 Sensor之Lesson6_cmos_sensor_insight
本文主要概述sensor相关的专有名词和基本概念。1.APS和PPSAPS:有sensor again和dgain;PPS:无sensor again和dgain。2.卷帘曝光和全局曝光3. 曝光时间和sensor gain曝光时间一般关注一行曝光时间,sensor时钟频率,单个像素需要时钟周期数4.帧率:通过行消隐控制帧率5.sensor CRA和镜头CRA:镜头CRA必须大于sensor CRA6.sensor尺寸7...
2022-02-05 12:02:37 995
原创 ISP之Sharpen
ISP pipeline锐化模块,大多数做法是在原图的基础上叠加一个高频信息;或者alpha Blending叠加一个高频信息。1.获取高频信息高斯滤波,低通滤波器;双边滤波,保边滤波器。2.原图和高频信息混合,如图,一般有两种方式锐化模块代码:isppipeline_Python/ISP_Sharpen at main · WaterdropsKun/isppipeline_Python · GitHubPython实现ISP pi...
2022-02-01 21:35:47 2381 1
原创 ISP之NR去噪算法
1.噪声分析:图解噪声与去噪 之一: fix pattern noise(FPN)与 temporal noise - founder0104的专栏 - 52RD博客_52RD.com图解噪声与去噪 之二:从『均值滤波』到『BM3D』 - founder0104的专栏 - 52RD博客_52RD.com图解噪声与去噪之三:噪声建模与去噪 - founder0104的专栏 - 52RD博客_52RD.com2.HVS去噪ISP—BNR_wtzhu_13的博客-CSD..
2022-02-01 17:14:14 2826 1
原创 Sigmastar平台_宽动态调试思路
1.获取合理的长帧、短帧:长帧保证暗区细节,信噪比好,尽可能取长帧;短帧保证长帧过曝区域细节。(1)目标亮度+曝光比--->长帧、短帧的快门、增益(2)曝光比太大,短帧的噪声可能压不住;曝光比太小,长帧提早拉gain,长帧噪声会比较大。Sigmastar文档建议10倍(10240)注:sigmastar平台曝光比有两种模式:一种是长短帧增益一致,快门成曝光比;一种是长短帧增益*快门成曝光比。sensor驱动要对应配置下,fae建议使用前一种模式,曝光比较准(3)如果真宽动态暗区噪声..
2022-01-20 21:44:27 2149
原创 ISP之Demosaic
1.Demosaic R、B颜色插值常用方法:色差法和色比法。色差法比较常用R = G * R/G (色比法)R = G + (R-G) (色差法)2.简单的色差法:(1)先判断边缘是垂直边缘还是水平边缘(只用了C通道),根据边缘信息插值G通道(只用了G通道)(2)再根据色差法插值R、B通道3.HA(1)先判断边缘是垂直边缘还是水平边缘(同时用了C通道和G通道),根据边缘信息插值G通道(同时用了C通道和G通道)(2)再根据色差法插值R、B通道(无改进)
2022-01-09 10:18:17 3550 1
原创 ISP之CCM
CCM 标定的原理是,使用 sensor 抓拍到的 24 色卡场景下前 18 个色块的实际颜色信息和其期望值,计算 3x3 的 CCM 矩阵。输入颜色经 CCM 矩阵处理得到的颜色与其期望值差距越小,则 CCM 矩阵就越理想。海思CCM矩阵:8bit 小数精度。bit 15是符号位,0 表示正数,1表示负数。典型的三组 CCM 为D50,TL84,A 三个光源下的 CCM。典型的五组 CCM为 10K,D65,D50,TL84,A 五个光源下的CCM。优先红、绿、蓝纯色;...
2022-01-03 23:20:57 7366 6
原创 PyQtTools
https://github.com/WaterdropsKun/PyQtTools待优化*.第0行和第0列像素值获取异常后续*.实现ISP pipeline仿真工具*.python程序打包exe*.整理环境配置和使用教程
2021-12-12 19:48:48 2788
原创 ISP之LSC
详细解释见ISP-镜头阴影校正(LSC)_番茄土豆的博客-CSDN博客_镜头阴影校正1.原因:由于镜头光学折射不均匀导致的画面暗角现象。2.原理流程图:3.常见问题:(1)高增益LSC会引入暗区噪声(2)图像中心颜色和四周颜色不一致时(中心偏红),考虑color shading代码:isppipeline_Python/LSC.py at main · WaterdropsKun/isppipeline_Python · GitHub...
2021-12-08 22:19:59 1700 1
原创 ISP之BLC和DPC
BLC*.raw图所有像素减去同一个黑电平值*.raw图分颜色通道减去对应颜色通道黑电平值--->目前平台主流使用的BLC方法,联动增益*.raw图分块,减去对应快黑电平值--->sensor质量太差,区域黑电平不一致import numpy as npimport cv2import plained_rawimport raw_imageimport raw_image_show# 所有像素减去一个值def simple_blc(img, blackle..
2021-11-10 23:11:17 2008
原创 树莓派编译ORB_SLAM3
*.安装Eigensudo apt-get install libeigen3-dev()查看软件安装位置sudo apt-get install mlocatesudo updatedblocate eigen3*.安装Pangolingit clone https://github.com/stevenlovegrove/Pangolin.gitsudo apt-get install libglew-devcd Pangolinmkdir bu...
2021-10-18 21:54:36 1739 2
原创 c/c++面试分享
*.结构体占用内存(1)内存对齐问题(变量字节最长的大小用来对齐)a.原则一:数据成员对齐规则:结构的数据成员,第一个数据成员放在offset()为0的地方,以后每个数据成员存储的起始位置要从该成员大小的整数倍开始(比如int在32位机为4字节,则要从4的整数倍地址开始存储)b.原则二:结构体作为成员:如果一个结构里有某些结构体成员,则结构体成员要从其内部最大元素大小的整数倍地址开始存储。(struct a 里有struct b里有char int double 等元素那b应该从8的整数倍开..
2021-10-17 15:47:03 103 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人