本文探讨了图像质量标准和ISP（图像信号处理）中的问题，指出深度学习如何用于图像去噪和替代部分ISP模块。通过实例展示了深度学习在白平衡和去噪方面的优越性，但也提及了深度学习参数调优的挑战。
图像质量标准
有个图像质量标准组织叫做imagetest，里面提供了一些guideline。
如果达到标准是就是好的图：
n sharpness：镜头
意思是照一张对比度很高的图（边缘很锐利的图），通过镜头是否还很锐利，说明镜头的解析度存在问题，这一般要去诊断isp或者整个相机模具里面有什么问题，最先做的是sharpness case，如果这个sharpness case不过，就会大概率的去看镜头是否有问题。
n noise：去噪模块
同sharpness中提到的一样，如果噪音很大，性价比很低，会看去噪模块是否有问题。
n dynamic-range：传感器性能，tone mapping
在一张相片中，dynamic-range很低，黑的太黑，亮的太亮，就去诊断传感器是否有问题，或者tone mapping算法是不是鲁棒
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
