蜗牛精灵seo,在线seo优化工具,北京互联网,哪些网站做代理#灵感# 因为理解的2DNR、3DNR 和当前调试平台标注的2DNR、3DNR 作用有很大差异#xff0c;所以在网上广撒网#xff0c;搜集知识。
目前收集出来一个这样的文章#xff0c;有点像大学生的论文“取其精华#xff0c;合成糟粕”。------权当一个记录册
目录
运动阈值…#灵感# 因为理解的2DNR、3DNR 和当前调试平台标注的2DNR、3DNR 作用有很大差异所以在网上广撒网搜集知识。
目前收集出来一个这样的文章有点像大学生的论文“取其精华合成糟粕”。------权当一个记录册
目录
运动阈值拖尾
空域和时域降噪区别
空域时域降噪STNR
高频和低频噪声
中值滤波和双边滤波
降噪位置 运动阈值拖尾
动作阈值就是你判断你画面中大概有百分之多少的像素来判断出我们大概使用多少范围的运动。超出这个阈值的像素是运动的低于这个阈值的像素是静态的。
当前平台:
运动阈值越大越容易画面更多被判断为静止理解为小于阈值判断为静止副作用为拖尾
理解---------【判断为静止则使用3d 时域降噪时域降噪过大运动物体就拖尾明显。 】
阈值越小则越容易画面更多被判断为运动副作用3D降噪效果弱噪声大
理解---------【运动区域用2D 降噪2D空域降噪不考虑帧与帧之间关系会发生一些噪点的抖动】
空域和时域降噪区别
空域降噪 是针对单帧画面进行处理 空域降噪是一种2D降噪方法它只处理一帧图像内部的噪声。降噪算法根据实现原理不同可以分成很多种类型比如线性/非线性、空域/频域频域又包括小波变换、傅里叶变换或其他变换。2D降噪缺点是会造成画面模糊特别是物体边缘部分。 因此对这种算法的改进主要是进行边缘检测边缘部分的像素不用来进行模糊。 -------当前平台 说 2D 降噪会导致运动模糊
时域降噪 是结合前后帧进行计算处理的出来的 。时域降噪是一种3D降噪方法它的主要思想是利用多帧图像在时间上的相关性实现降噪, 即考虑帧与帧之间的时域关系。----有人称为2dnr,怪不得我老是搞混因为用在静态区域2DNR理解的出发点是在2D图像上做NR。
一种最简单的实现方法是时域均值滤波即将相邻几帧图像在时域上做加权平均。由于累加后噪声的增长速度根号关系小于信号的增长速度线性关系所以图像的信噪比会提高。这种方法的主要问题在于只适合处理静态图像如果画面中存在运动的物体则会出现伪影ghost effect-------------和当前平台 说的静态区域用3DNR 相符合。 一般来说降噪我们都会在最前面的节点对原始素材进行降噪。------raw?
如果我们只用空域降噪的话假如我们连续播放的话由于它的算法都是基于当前帧不考虑前后帧所以这样很有可能会发生一些噪点的抖动。------这个抖动在运动区域应该不明显所以运动用2D空域降噪。
时域降噪会把整个时间段的噪点统一进行处理消除帧与帧之间的噪点抖动。-----所以在静止区域用3D 时域去噪。使画面更安静。
一般都是先利用空域降噪对单帧进行一个基础的降噪比如在raw 域然后在利用时域降噪把与帧之间的噪点抖动消除这样的效果可能会比较好。比如在YUV域
空域时域降噪STNR
此段来自Understanding ISP Pipeline - Noise Reduction - 知乎 (zhihu.com)作者刘斯宁
STNR是一种2D3D降噪方法它通过一套算法判别一个像素是属于前景还是背景被判决为背景的像素将会参与时域平滑被判决为前景的像素将会参与空域平滑而判决条件则每一帧都在动态更新以尽可能保证判决准确性。-------有人称STNR 为3DNR, 应该是理解为在3D图像上做NR。此处和 “当前平台” 描述的算法作用机制一样。
运动检测运动的物体认为是前景不动的是背景。但是由于噪声影响会有很多失效的时候把背景误判为运动或者由于运动物体存在大面积单色被误判为没动。至今尚没有特别有效的方法。使用ai技术能表现好一些。 在手机端的调试经验 为避免拖影可以加大YNR去噪使用较小的3DNR 去噪。
“当前平台”经验
运动模糊减小2DNR。适当调整2DNR中的 对运动区域NR的值。
静止平坦区噪声检查运动阈值是否正确若是则静止平坦区不会有跳动噪声。
灯的位置高亮处噪声跳动修改校准的NP 参数。 高频和低频噪声
此段来自 Understanding ISP Pipeline - Noise Reduction - 知乎 (zhihu.com)
噪声的空间频率高低会影响关于图像质量的主观感受而且这种影响与人的直觉不一定相符。在下图的例子中右图主要包含高频噪声在人眼看来其图像质量比左图要好很多其实右图的方差是12.5大于左图的方差11.7左图感觉噪声更大的主要原因是噪声的频率更低一些。 因此关于噪声的一般规律是幅度小的高频噪声对主观图像质量影响较小而幅度大的低频噪声对主观图像质量影响较大。 中值滤波和双边滤波
中值滤波适用于去除椒盐噪声等随机噪声而双边滤波在平滑图像的同时保留边缘信息。
中值滤波在一定的条件下可以克服常见线性滤波器如方框滤波器、均值滤波等带来的图像细节模糊而且对滤除脉冲干扰及图像扫描噪声非常有效也常用于保护边缘信息, 保存边缘的特性使它在不希望出现边缘模糊的场合也很有用是非常经典的平滑噪声处理方法。
但是中值滤波的缺点也很明显因为要进行排序操作所以处理的时间长是均值滤波的5倍以上。
图片来自Understanding ISP Pipeline - 知乎 (zhihu.com) 双边滤波器的好处是可以做边缘保存edge preserving一般用高斯滤波去降噪会较明显地模糊边缘对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigmad它是基于空间分布的高斯滤波函数所以在边缘附近离的较远的像素不会太多影响到边缘上的像素值这样就保证了边缘附近像素值的保存。但是由于保存了过多的高频信息对于彩色图像里的高频噪声双边滤波器不能够干净的滤掉只能够对于低频信息进行较好的滤波。
在双边滤波器中输出像素的值依赖于邻域像素值的加权值组合。 高斯滤波的实现方式有时域方式和频域方式两种一种是时域高斯低通滤波一种是频域高斯低通滤波。
时域高斯低通滤波的实质是定义一个奇数大小的模板3 X 3 5 X 5 7 X 7 ……然后让该模板遍历整副图像模板中的加权平均值就是模板中心的值。 当领域窗口固定时标准差越大去除高斯噪声能力越强图像越模糊当标准差为2以上时去噪能力几乎不再增加只有当增加领域的大小时去噪能力才会进一步增强。
频域高通滤波器 降噪位置
raw域的好处是接近噪声的源头rgb域和yuv域的好处是可以抑制在isp处理中间引入的噪声如果不考虑成本降噪处理理论上是多多益善的实际也确实是这样越高端的isp降噪节点越多比如高通、MTK 平台有些codec在编码之前也会做一次降噪因为isp噪声对codec码率影响非常大。
降噪目前主流的ISP产品中一般会选择在RAW域、RGB域、YUV域等多个环节设置降噪模块以控制不同类型和特性的噪声。在YUV域降噪的方法已经得到了广泛的研究并且出现了很多非常有效的算法但是在RAW域进行降噪则因为RAW数据本身的一些特点而受到不少限制。主要的限制是RAW图像中相邻的像素点分别隶属于不同的颜色通道所以相邻像素之间的相关性较弱不具备传统意义上的像素平滑性所以很多基于灰度图像的降噪算法都不能直接使用。
