为什么在raw域降噪？

之前我们曾经介绍过，sensor直接输出的raw 图像的噪声模型可以用高斯-泊松模型来进行数学描述，有了这个数学描述，可以建立起信号强度与噪声强度之间的对应关系，在系统运行期可以以此为输入调节去噪算法更好地去噪。

Raw 图像会经过isp各个block，每一步的信号处理操作都会造成噪声不同的变化。

因为lens shading correction 是在图像的上乘以一个gain，远离中心的地方gain 越大，因此会导致，gain大的位置，噪声也变得更大。

原始信号是这样的：

经过shading correction，如下图，图像边缘的噪声会被显著增强。

由图像中心到边缘就会形成沿径向增强的噪声图像，也被称作radial noise。

2. demosaic对噪声的影响

由于demosaic 对原始信号进行了插值操作，会导致图像的噪声变为结构性噪声。

如图d所示，图像会出现一些特别的pattern noise。

3. 非线性变换

Gamma :

Gamma可以近似理解为不同的亮度值乘以的gain不一样，亮度越小的地方乘以的gain越大，亮度越大的地方乘以的gain越小，因此gamma之后的噪声又发成了一个非线性变化，模型为：

DRC 或者tonemapping 也是非线性运算会导致噪声出现非线性的变化。

4. 线性变换

比如awb，digital gain 这些运算时线性变换，图像的噪声会线性变化。

5. CCM

无论是色彩管理还是RGB到SRGB色域空间的转换，一般情况下是一个3*3的矩阵，这一步又增强了噪声的相关性，而且还会增强视觉的彩色噪声的饱和度，使噪声的视觉效果变得更糟糕。

结论：

图像从sensor 输出，经过isp后，图像的噪声性质变得更加复杂，难以处理，所以在isp的前端进行去噪处理是比较合适的选择。（去彩色噪声一般在isp的后端，因为这时候图像可以很容易分离出亮度通道和彩色通道。）

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。