图像技术中常见的 Sensor 基础及公式

已于 2024-01-15 11:18:45 修改
阅读量3.5k 收藏 11
点赞数 1
分类专栏： IMAGE 文章标签： 图像处理
于 2023-06-12 09:51:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42549534/article/details/116302725
版权
T_row是曝光一行所需的时间，由HTS（水平总线周期）和PCLK（像素时钟）决定。FPS帧率则由PCLK和VTS（垂直总线周期）乘积的倒数计算得出。VTS直接影响最大曝光时间，而HTS虽然不直接参与曝光，但会影响帧率。这些参数在图像传感器和视频处理中至关重要。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.T _row 曝光一行所需的时间

T _row = HTS / PCLK

PCLK: 是控制像素输出的时钟，即pixel采样时钟，单位MHz。表示是每个单位时间内采样的pixel数量

2.FPS 帧率

FPS = PCLK / （VTS * HTS ）

3.VTS 帧长度

会直接影响最大曝光时间（最大曝光时间不会超过VTS），会间接影响帧率（FPS）

4.HTS 行长数

不占用曝光时间，但是会影响帧率（FPS）

MATLAB算法实战应用案例精讲-【图像处理】SLAM技术详解（基础篇）（三）
qq_36130719的博客
02-27 1020
基于粒子滤波框架的激光SLAM，RBpf粒子滤波算法，即将定位和建图过程分离，先进行定位再进行建图，结合里程计和激光信息，每个粒子都携带一个地图，构建小场景地图所需的计算量较小，精度较高。但在高分辨率建图时，在静止状态下更新不好，存在震荡并noise过多。
理解 CMOS IMAGE Sensor
m0_37904746的博客
07-06 9391
内容转载于知乎。 文章作者 刘斯宁是一位Camera技术大佬，做相机图像相关技术的，有兴趣可以关注一下。 前言摄像机用来成像的感光元件叫做image sensor或imager。CMOS Image Sensor (CIS) 最早是美国喷气推进实验室（Jet Propulsion Laboratory, JPL）的一个研究项目，Dr. Eric Fossum 是业界公认的CIS技术发明人。1992年，Dr. Eric R. Fossum 在美国加州Pasadena(帕萨迪纳)的喷气推进实验室工作，负责NAS
Image Sensor常见分辨率下HTS，VTS设置
propor的专栏
01-16 3745
image sensor,HTS,VTS
修改分辨率影响ov5640视场角的fpga调试经验
qq_44902159的博客
11-29 1266
调试ov5640，发现改分辨率会影响到视场角，720到1080反而视野变小了，试了几组参数后总结经验mark一下
Camera Tuning 总结
Sophia_hui的博客
07-01 2904
相关知识点总结： 一、模组及工艺相关知识 ①模组的组成 1）模组的基本组成。（AF&FF） 2）镜头----镜头的发展历史，镜头相关参数解析，镜头的选型依据，优劣判断。（MTF,DOF,Focus,AF,P&G....） 3）sensor----sensor的发展历史，技术演进，sensor本身特性参数解析，主流sensor厂工艺技术解析，分析各大sensor厂之间的差异，优缺点，同时能从某几颗sensor来分析。（了解带...
OV9281 调试记录
professionalmcu的专栏
11-22 2859
以sys_clk=80MHz，VTS=0x0E38(3640)，HTS=0x02D8(728)计算fps，fps=80000000/(3640*728)=30.18。以sys_clk=80MHz，VTS=0x038E(910)，HTS=0x02D8(728)计算fps，fps=80000000/(910*728)=120.75。一般是通过改变vts的值改变帧率，以下为君正sdk中ov9281驱动中改变帧率的函数，参数fps的值为运算之后的值，如帧率为30，fps=30
Sensor曝光计算笔记
weixin_52005944的博客
07-18 1346
exposure_time：曝光时间。指这一帧曝光了多长时间。exposure_line：曝光行。指的是这一帧曝光了多少行。line_time：曝光一行的时间。
Sensor曝光基础知识
David
03-24 4475
通过imx415 datasheet学习sensor基础知识。
计算机多媒体技术基础复习题及答案.pdf
10-01
3. 感光器（Sensor）是数码相机的核心技术，负责将光线转化为电信号，进而转换成数字图像。 4. A/D（Analog-to-Digital）转换器的作用是将模拟信号转换为数字信号，例如将模拟声音信号转换为数字音频数据。 5. D/A...
sensor 感光原理和输出格式，sensor图像采集原理
热门推荐
消雨匆匆
09-05 3万+
如果排查的思路对你有帮助，请记住 消雨匆匆 or 大吊工。码字和排查很累，仅此而已 ，硬件不是抄电路，拿烙铁，懂点软件，细致分析，找问题和破案搜集线索是一样的。 本人在做安防的公司待了几年，也没好好想过这个问题，借此机会，前几天刚好有个做IPC的同事又问我的问题，顺便在此梳理一下： 图像bayer的参考： https://blog.csdn.net/bingqingsuimeng/art...
【ISP图像处理】流程概述及经典算法（附python代码）-my write
小硕算法工程师
08-01 875
相机成像的完整链路中，首先，通过设备的光学镜片将光聚焦到传感器上，将光信号转为电信号，然后，通过核心的ISP模块对接收的电信号处理输出可视图像信号，再对图像进行存储和显示。其中，ISP主要功能有噪声去除、坏点去除、去马赛克、白平衡、自动曝光控制等，依赖于ISP才能在不同的光学条件下都能较好的还原现场细节，ISP技术在很大程度上决定了摄像机的成像质量。蘑菇桑巴6499人浏览 · 2023-09-14 19:29:51​编辑 蘑菇桑巴·  2023-09-14 19:29:51 发布。
【Camera Sensor Driver笔记】一、Sensor基本概念
Cam_Rxy的博客
04-17 1556
lineLengthPixelClock(hts):对应sensor实际寄存器值, width + HBlank。frameLengthLines(vts):对应sensor实际寄存器值，height + VBlank。2. OutputPixelClock：给mipi传输使用的，影响sensor传输的速率。LineReadoutTime：sensor是行曝光，即一行数据读完的时间。1. VTPixelClock：会影响sensor内部的帧率、曝光。== Sensor 帧率。== Sensor 曝光。
索尼 Sensor 基本概念，及曝光相关的计算
jfl558604的博客
04-22 2010
V_Blank：是指场消隐或称垂直消隐，如下帧结构示意图所示，假定曝光起始位置在图像的左上角，曝光完成一帧图像后，曝光位置要从图像的右下角返回左上角，开始新一帧的曝光，这一段时间间隔称为V_Blank。H_Blank：是指行消隐或称水平消隐，如下帧结构示意图所示，假定曝光起始位置在图像的左上角，对于逐行曝光的 sensor 来说，曝光从第一个像素开始，依次曝光直至这行的最后一个像素曝光结束，--- 积分时间是指曝光一帧所用的行数，那这一帧的绝对曝光时间就等于，曝光所用行数乘以曝光一行所用的时间。
isp coms sensor基础知识
qq_25109183的博客
09-17 1704
sensor的曝光，在内部寄存器是以曝光行为单位保存的； hts：行长 可以理解为一行具有多少个pixel vts：帧长 一帧曝光了多少行 每行的时间：tline = hts/pclk， 1/pclk即为扫描一个pixel所需的时间周期； sensor会根据曝光量计算曝光时间expo和增益gain的乘积，然后选择一组最佳的expo和gain组合，expo根据tline转换为曝光行，配置给寄存器。 H_Blank：扫描从上一行的结束到下一行的开始的时间差；V_Blank：扫描点扫描完一帧后，要从图像的
Image Sensor的像素时钟计算
propor的专栏
07-06 3099
Image Sensor,像素时钟,exposure,frame rate
sensor曝光基本原理
qq_27937545的博客
04-12 4753
sensor曝光原理介绍，包含帧率
图像处理 -- Sensor与ISP驱动之像素时钟获取的方法
sz66cm 学习随笔
07-26 1381
像素时钟可以通过查看数据手册、使用分辨率和帧率计算、查阅驱动程序和初始化代码、使用仪器测量以及通过配置文件和应用程序获取。理解和正确设置像素时钟对于确保摄像头和 ISP 的协调工作至关重要。
如何通过pycharm实现用EIA(集成成像中图像元阵列)得到EI
最新发布
03-14
<think>好的，我现在需要帮用户了解如何通过PyCharm使用EIA（集成成像中的图像元阵列）来生成EI（元素图像）。首先，我得回忆一下集成成像的基本原理。EIA是由许多小透镜或针孔组成的阵列，每个小单元记录来自不同方向的光线，最终通过合成这些图像来生成三维效果的EI。 用户可能对PyCharm的具体操作步骤不太清楚，所以需要分步骤解释。首先，应该确保环境配置正确，比如安装必要的Python库，如OpenCV、NumPy、Matplotlib。然后，可能需要准备或生成EIA数据，这可以通过模拟生成或从实际设备获取。 接下来是核心算法部分。需要详细说明如何从EIA生成EI。可能需要解释每个透镜单元对应的图像提取，图像校正处理，比如去畸变或对齐，最后拼接所有元素图像形成EI。这里可能需要示例代码片段，比如用OpenCV读取图像，用NumPy处理数组，以及如何循环处理每个小单元。 另外，用户可能遇到常见问题，比如图像对齐不准确、性能问题或输出效果不佳，需要给出调试建议，比如检查坐标计算、优化代码或调整参数。最后，验证结果部分，展示生成的EI图像和可能的3D重建步骤。 需要确保回答结构清晰，逐步引导用户完成整个过程，同时注意使用正确的中文术语和LaTeX格式的数学公式。检查是否有遗漏的步骤，比如环境配置中的库安装，或者是否需要使用更高级的算法如视差处理。可能还需要提醒用户根据实际情况调整参数，比如透镜阵列的排列方式和分辨率。</think>以下是使用PyCharm通过EIA（Elemental Image Array，集成成像中的图像元阵列）生成EI（Elemental Image，元素图像）的步骤详解： --- ### 一、环境准备 1. **安装PyCharm** 从[JetBrains官网](https://www.jetbrains.com/pycharm/)下载并安装PyCharm（建议使用专业版）。 2. **配置Python环境** - 创建新项目时选择Python虚拟环境（Virtualenv）。 - 安装依赖库： ```bash pip install opencv-python numpy matplotlib ``` --- ### 二、EIA数据输入 1. **数据来源** - 通过仿真生成EIA（如使用光线追迹算法）。 - 或从实际集成成像设备（如透镜阵列相机）采集原始EIA图像。 2. **读取EIA图像** ```python import cv2 eia_image = cv2.imread('eia_input.png') # 读取EIA图像 ``` --- ### 三、核心算法实现 #### 步骤1：定义透镜阵列参数 ```python lens_pitch = 0.5 # 透镜间距（单位：毫米） sensor_resolution = (1920, 1080) # 传感器分辨率 num_lenses_x = 20 # x方向透镜数量 num_lenses_y = 15 # y方向透镜数量 ``` #### 步骤2：元素图像提取 ```python element_images = [] for y in range(num_lenses_y): for x in range(num_lenses_x): # 计算当前透镜对应的像素区域 x_start = x * lens_pitch * sensor_resolution[0] x_end = (x + 1) * lens_pitch * sensor_resolution[0] y_start = y * lens_pitch * sensor_resolution[1] y_end = (y + 1) * lens_pitch * sensor_resolution[1] # 提取子图像 element = eia_image[y_start:y_end, x_start:x_end] element_images.append(element) ``` #### 步骤3：图像校正 ```python # 示例：去畸变校正 def correct_distortion(img): camera_matrix = np.array([[1e3, 0, 960], [0, 1e3, 540], [0, 0, 1]]) dist_coeffs = np.array([-0.1, 0.01, 0, 0]) return cv2.undistort(img, camera_matrix, dist_coeffs) corrected_images = [correct_distortion(img) for img in element_images] ``` #### 步骤4：合成元素图像(EI) ```python import numpy as np # 将元素图像排列为网格 rows = [] for i in range(0, len(corrected_images), num_lenses_x): row = np.hstack(corrected_images[i:i+num_lenses_x]) rows.append(row) ei_output = np.vstack(rows) # 保存结果 cv2.imwrite('ei_output.png', ei_output) ``` --- ### 四、关键公式说明 1. **元素图像坐标映射** 对于透镜阵列中的第$(i,j)$个透镜，其对应图像坐标为： $$ x_{\text{start}} = i \cdot p_x \cdot W, \quad y_{\text{start}} = j \cdot p_y \cdot H $$ 其中$p_x, p_y$为归一化透镜间距，$W,H$为图像分辨率。 2. **视差合成公式** 三维场景到元素图像的投影关系可表示为： $$ I_{ij}(u,v) = \sum_{k} \delta\left(u - \frac{f \cdot x_k}{z_k}\right) $$ 其中$f$为焦距，$z_k$为深度。 --- ### 五、调试与优化 1. **常见问题** - **图像错位**：检查透镜间距与传感器分辨率的比例是否匹配。 - **分辨率不足**：尝试插值算法（如双三次插值）。 - **畸变残留**：优化相机标定参数。 2. **性能优化** ```python # 使用多线程加速 from concurrent.futures import ThreadPoolExecutor with ThreadPoolExecutor() as executor: corrected_images = list(executor.map(correct_distortion, element_images)) ``` --- ### 六、结果验证 1. **可视化EI** ```python import matplotlib.pyplot as plt plt.imshow(cv2.cvtColor(ei_output, cv2.COLOR_BGR2RGB)) plt.title('合成后的元素图像(EI)') plt.show() ``` 2. **3D重建验证** 将生成的EI输入反向投影算法，观察是否能重建出三维场景。 --- 通过以上步骤，您可以在PyCharm中实现从EIA到EI的完整处理流程。具体参数需根据实际硬件配置（如透镜阵列规格、相机参数）进行调整。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值