Epic

RAW域噪声模型噪声模型资料整理主要来源于论文: 2018 Practical Deep Raw Image Denoising on Mobile Devices Sensor 光电转换 pipelineISO-dependent noise model of camera sensor 光电转换 Quantum efficiency： 量子效率 α：在光电过程中释放的光电子数与吸收的辐射量子数之比，即光电转换效率 Ø 散粒噪声(Shot Noise)： 光子是离散的，在单个CMOS传感器的感应面积上，到达的光子数相比于期望值会有随机的涨落，由此产生的噪声，称为散粒噪声。(泊松噪声) 比如光比较弱， 那么某个极短时间，击落到sensor上的概率p就比较小，如果光比较强，则p就比较大。 某个时间内比如等于n个极短时间，就是np=λ的概率， 符合泊松概率分布 P(X=k)=e^{-\lambda}\frac{\lambda^k}{k!} X\sim Possion (\lambda) 模拟放大 Dark noise： 暗噪声 nd，...

Bilateral filter Bilateral filter https://blog.csdn.net/DDDDWJDDDD/article/details/146882642 https://people.csail.mit.edu/sparis/publi/2006/eccv/Paris_06_Fast_Approximation.pdf The bilateral filter was first introduced by Smith and Brady under the name “SUSAN” .It was rediscovered later by Tomasi and Manduchi [1] who called it the “bilateral filter” which is now the most commonly used name. 空间权重 + 颜色权重 双边滤波的计算依赖两个权重： 空间权重（几何权重）spatial domain...

windows/ macos 图像到显示屏显示过程

从胶片相机到数码相机胶片胶片构造 REF： 胶片 <电影胶片工艺基础知识>-book 胶片是由感光乳剂涂布在片基上而制成的，它的剖面结构如图1—1所示。在一般电影胶片品种中，片基的厚度为0.135毫米，约相当于普通头发丝直径的两倍。乳剂层的厚度则随胶片品种的不同而有较大的差异，一般在5～25微米范围内（1微米等于千分之一毫米），比最薄的印刷用纸还要薄些。虽然乳剂层的厚度通常只占胶片总厚度的十分之一左右，但整个照相过程中的曝光、显影以及影像的最后生成都是在这薄薄的乳剂层中进行的。 胶片之所以能对光发生作用并记录下被拍摄景物的影象，就是因为乳剂层中有这些卤化银颗粒存在的缘故。当暴露在光线下时，胶片所含有卤化银中的银离子会逐渐还原为金属银，乳剂因而逐渐变黑。除了明胶和卤化银颗粒之外，在乳剂层中还往往含有一些微量的补加化学药品，这些药品在乳剂中虽然含量很少，但却能对胶片的照相性能发生极大的影响。 从分析胶片的结构中，我们已经知道乳剂层中卤化银颗粒的存在是使胶片对光线具有敏感作用的最基本因素，而照相影象的形成正是由于卤化银颗粒一系列变化的结果。 ...

软/硬链接 - 实现本地笔记选择性更新到博客参照上一篇，已经设置好静态渲染时候md和图片素材的位置关系，即在xxx\source\_posts路径下有一对文件和文件夹： xxx.md xxx 接下来需要通过符号链接形式来绑定: mklink /D /J /H 链接名称(假) 目标目录路径（真） 12mklink "F:。。。\source\_posts\xxx.md" "E:。。。\xxx.md" # /JDH都不要加mklink /D "F:。。。\source\_posts\xxx" "E:。。。\xxx" #/J 也行 在post 目录下 输入dir /al 就可以看到： 12025/09/14 02:28 <SYMLINKD> xxx.md [E:。。。\xxx.md Windows系统的链接 我们可以看到硬链接和文件名都是直接指向文件的, 二者只是同一个文件的不同标签而已.软链接是指向文件名的,...

subprojects { apply plugin: ‘java’ apply plugin: ‘maven’ apply plugin: ‘maven-publish’ // 应用 Maven 发布插件 repositories { mavenCentral() maven { url 'https://repo1.maven.org/maven2/' } } compileJava.options.encoding = sourceEncoding javadoc.options.encoding = sourceEncoding sourceCompatibility = javaSourceVersion version = packageVersion jar { manifest { // support the eclipse manifest-first style from file('META-INF/MANIFEST.MF') ...

IQA model 分类在图像质量评估(IQA)领域，OA、OU、DA和DU是描述评估模型特性的术语，它们分别代表： OA (Opinion-Aware): 意见感知型。这种类型的IQA模型在训练阶段使用了人类对失真图像的评分数据。换句话说，这些模型通过学习人类对图像质量的主观评价来预测图像质量。OA模型能够评估它们在训练数据中见过的失真类型。 DIVINE CBIQ LBIQ BLIINDS BRISQUE OU (Opinion-Unaware): 意见不感知型。与OA模型不同，OU模型在训练时不使用人类对失真图像的评分。它们不依赖于人类对特定失真类型的主观评价，而是通过其他方式来评估图像质量。 DA (Distortion-Aware): 失真感知型。DA模型在设计时考虑了特定的失真类型，它们通过训练来识别和评估这些特定的失真。这些模型对它们训练中包含的失真类型有更好的评估能力。 DU (Distortion-Unaware):...

NIQE引言随着多媒体内容在互联网上不断增多，传输在感知上具有高质量的图像需求也随之增长。即在保证图像质量没有明显损失的前提下，快速传输内容。而在大多数情况下，人们通常是没有途径获取原始无损的图像的，而仅仅是对接收到的当个图形进行评价，这种情况下就是我们通常所说的无参评估。 关于NR-IQA的方法，可以分为以下几类： 按提取的信息类型分 基于distortion评估 基于subjective/objective score 评估 按是否需要训练分 需要带有label的训练集 端到端训练 提特征+分类/回归器 基于无损数据集的统计信息，具有一定解释性 全基于理论，对数据集的依赖小，具有较强可解释性 一些IQA算法 algorithm author type year BIQI moorthy wavelet coefficients DIIVINE Moorthy 88...

BRISQUE原理朴素原理：自然无损的图像之间他们的某些统计属性更接近，而非寻常的人工图像（或是内容非自然或者自然图像经过失真处理）则不符合经验分布，比如下面两个图，左侧的图像亮度符合高斯，而人为的图像则不符合。于是有别于通过识别不同distortion类型判断失真程度，比如 blur、noise、compression ， 我们还可以通过与自然图像的总体统计值的偏差deviation 来评估感知质量。 BRISQUE则是属于后者的一类 通过分析NSS的无参图像评估 方法。 Natural Scene...

109 feature map: