ISP去噪（2）_np 噪声模型

#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，就可以获得图(c)，也就是我们的噪声模型。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]），至此我们获得CMOS Sensor生成图像的噪声模型。

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。

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

?

从上左图可以看出：

1. 噪声随着亮度的增加而增加。
2. 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。

------------------未完待续-------------------等我再补充点调试清晰度和噪声的实操流程