网站有几种整合营销理论

#灵感# 摆烂时间太长了，感觉知识忘光光了。重新学习，常学常新。

因为公司文档都不让摘抄、截取，所以内容是工作的一些自己记录和网络内容，不对的欢迎批评指正。

1、ISP概述

ISP是Image Signal Processor 的简称，也就是图像信号处理器。

ISP内部包含 CPU、SUP IP、IF 等设备，事实上，可以认为 ISP 是一个 SOC（system of chip），可以运行各种算法程序，实时处理图像信号。

ISP 工作机制：

lens 将光信号投射到sensor 的感光区域后，sensor 经过光电转换，将Bayer 格式的原始图像送给ISP，ISP 经过算法处理，输出RGB空间域的图像给后端的视频采集单元。在这个过程中，ISP通过运行在其上的firmware（固件）和ISP逻辑，从而对lens 和sensor 进行相应控制，进而完成自动光圈、自动曝光、自动白平衡等功能。

ISP 由ISP逻辑及运行在其上的Firmware组成，逻辑单元除了完成一部分算法处理外，还可以统计出当前图像的实时信息。Firmware 通过获取ISP 逻辑的图像统计信息，重新计算，反馈控制lens、sensor 和ISP 逻辑，以达到自动调节图像质量的目的。

PQ Tools 工具通过网口或者串口完成对ISP 的在线图像质量调节。（IPC和UVC一般是在线调整，手机一般是先采图，再离线调节）

2、ISP 流程

先看一个手机流程

再看一个MTK的仿真流程：

再看一个流程：

再来一个流程：（我的文章，就多贴几个流程，方便对比）

好了，总结以上4个流程，基本是：

DPC——RNR——BLC（OB）——（DGN）——LSC——AWB——LTM——DMS（RNR）——CCM——gamma——color conversion——YNR——EE(CNR)——color其它特殊处理。

（MTK调了两年，所以我以MTK的流程为标准，且目前的自研ISP流程和MTK 几乎一样）。

ISP流程总共有两个数据转换节点，涉及三个数据域raw——>RGB——>YUV：

1、raw(bayer)数据转换rgb数据

sensor捕获景物的光信号强度，输出图像是黑白的，没有色彩信息。CMOS上的R、G、B三色的滤光片，将图像数据分成RGB三种分量而形成的Bayer raw图。（Bayer格式的RAW数据包含了2个G、1个R和1个B，一般格式有GBRG、GRBG、BGGR、RGGB多种）Bayer的数据是每个像素点只包含了一种色彩信息，呈现了一种“马赛克”的样子，我们需要将RGB数据结合在一个像素点中展现，消除马赛克的样子，也就是这个过程就是 - Demosaic。

demosaic 算法举例：以红色像素区域为例，我们需要的是丢失了的绿色与蓝色的值。插值法可以通过分析与这个红色像素相邻的像素计算出这两个值。比如算法发现该区域像素绿色像素均含有大量电荷，但蓝色像素电荷数为零，所以可以推断出，这个红色像素实际上是黄色的。

2、RGB 到YUV的色彩空间转换

原因：

（1）为何会有色彩空间的转换呢？我们图像的采集和处理在RGB空间就已经有很好的效果了，但是显示和信号的处理多数在YUV空间下进行。显示主要指的是电视，使用YUV格式可以兼容黑白电视和彩色电视。

（2）色彩空间转换这个模块将RGB 转换为 YUV444， 然后在YUV 色彩空间上进行后续的彩色噪声去除、 边缘增强等， 也为后续输出转换为jpeg 图片提供方便。在YUV 家族中，YCbCr 是在计算机系统中应用最多的成员，JPEG、MPEG 均采用此格式。 一般人们所讲的YUV 大多是指YCbCr。YCbCr有许多取样格式，如 4∶4∶4，4∶2∶2， 4∶1∶1和 4∶2∶0。（NV12 和 NV21 属于 YUV420 格式。）

-----------------------------------------一个发散问题  start   ------------------------------------------------

其中gamma模块，不同的曲线指数会影响CC的颜色还原程度，理应先调整gamma,再去调整CCM模块。但是以上几个流程中，gamma却都位于CCM 模块之后。

大概的解释：Color Constancy=AWB+CCM。Gamma校正就是对图像的灰度进行非线性处理，这个曲线类似于指数关系，最终处理后图像灰度是类似人眼的非线性效果，这个指数就是Gamma。

Gamma矫正会影响到整个图像的对比度。对比度越高，整个图像的通透性越好，让人眼视觉效果更加明显。Gamma矫正也会影响到图像的色彩，对比度越高，整个图像的色彩饱和度也越高。

CC是在RGB域进行的一种映射，这个映射是sensor输出数据——>人眼真实感受值。为了实现这个映射的具体的映射方式，常用的一种方法是标定法。即利用标定好的某种颜色的标准值（比如color checker 色卡）和sensor输出数据做差，来求得CC对该颜色需要做的映射。

结论：使用工具校准时，需要填入饱和度，而gamma 影响饱和度，所以校准CC时要输入使用的gamma。而实际上为了主观表现（亮度、对比度或者噪声），CC校准后gamma 还会进行调整，所以gamma 属于CC的辅助模块，而不是必备模块。gamma 和CC的位置在ISP pline中就没有强相关性。

-----------------------------------------一个发散问题  end  ------------------------------------------------

3、ISP 问题来源

再回顾一下流程：DPC——RNR——BLC（OB）——（DGN）——LSC——AWB——LTM——DMS（RNR）——CCM——gamma——color conversion——YNR——EE(CNR)——color其它特殊处理。

各模块解释：

[转]-- ISP（图像信号处理）算法概述、工作原理、架构、处理流程 - 知乎 (zhihu.com)

问题来源列举：

（1）OB（BLC）：物理器件不可能是理想，所以会产生暗电流，出现不合适的black level。(另一种奇怪的解释：实际AD芯片（模数转换芯片）的精度可能无法将电压值很小的一部分转换出来，因此，sensor厂家一般会在AD的输入之前加上一个固定的偏移量，使输出的pixel value在n（每家不同）~255之间，目的是为了让暗部的细节完全保留，当然加了之后高光信号溢出，会损失一些亮部细节。当ISP 接收到sensor 的数据时，就要通过标定的方式，确定这个偏移量的具体值。后续的 ISP处理模块，需要先减掉该偏移值，才能保证数据的线性一致性。)

（2）DPC：坏点一般是由于制造工艺的问题使得个别pixel 不良造成的。它是指某个像素点与周围像素有较大的差异。一般是在全黑的环境下出现白点或者高亮的环境下出现黑点。

（3）LSC：由于镜头本身就是一个凸透镜，Lens的光学特性——凸透镜原理,中心的感光必然比周边多,通光量从中心到边角依次较少,导致图像中间亮,四周偏暗; 第二，当Lens CRA（主光线角度，Chief ray angle）小于 Sensor CRA(microlens)导致sensor传感器边缘像素收集光能衰减更大（CRA矫正改善），因此导致传感器中心像素收集光能大于边缘像素，加剧Luma Shading。

color shading ：各种颜色的波长不同，经过透镜折射后，折射的角度也不一样，就会造成color Shading的现象，另外由于CRA的原因也会导致shading现象。（当入射光线的CRA角度超过sensor 的CRA时，就会导致经过R-filter的光线，照到了G像素上，造成像素之间的串扰，出现color shading；）

CRA选择：lens CRA 大于 Sensor CRA 会出现明显的 color shading，当 lens CAR 小于 Sensor CRA 会出现 luma shading。建议是选择 lens CRA 小于 sensor CRA 的配置。

（4）NR：sensor在输出图像的时候就会带有一些噪声，原始RAW图经过ISP处理后，会引入一些新的噪声，或者对原有噪声进行了放大。

（5）AWB：人眼具有色彩恒常性，sensor并没有人眼这么强大，为了模拟人眼的成像效果，保证任何色温场景下白色都是白色。（视锥细胞会根据周围环境光的情况独立地调整颜色通道的敏感度，如果一个物体表面对光线的反射特性不随光照条件而变化（除了变色龙外大多数物体都满足），那么该表面的光亮度与环境光亮度的比值也恒等，数值上等于视锥细胞的三刺激值与白场响应的比值，因此该表面在各种光照下激发的颜色知觉都（基本）相同。这就是颜色恒常的原理。）

（6）DMS：从sensor出来的图是通过cmos上透红色、 透绿色和透蓝色的滤镜阵列单元分别接收红(Red)、 绿(Green)、 蓝(Blue)三个分量的信息，将三个分量最终合成一个彩色信息。

（7）gamma: 摄像机感光与输入光强呈线性关系， 而人眼对外界光源的感光值与输入光强呈指数关系。为方便人眼辨识图像， 需要将摄像机采集的图像进行gamma 矫正。