ISP中的那些算法

一直在黑白的世界里，追寻着，思考着，迷茫着，彷徨着；从红外到到现在的可见光，不知融入了多少算法。

觉得每一个设计都是很奇妙的，也是有理有据的。

就像经常看见的一句话那就是时序是设计出来的。

但是很多的时候自己似乎在拼凑着，所以常常对自己说，自己不是很适合做技术。

现在的相机测试中，加载了去坏点，高斯滤波及锐化算法。

---

1、去换点检测的算法

坏点判断，对于坏点的判断需要与其他的数据进行对比，然后来确定是否为坏点。这样需要缓存数据。数据的缓存之后需要注意行场信号是不是缓存了。也就是缓存后数据对应的行场信号的输出。由于开始对于3*3矩阵的生成没有考虑那么多。觉得只要是能够输出3*3的数据就可以了。所以坏点从事难以检测到。

换点去除，坏点去除就需要用到去除的方式方法。换点去除主要也是根据滤波来去的。这里主要是在3*3的矩阵里，取坏点周围的四点进行取代坏点。这样取出来的数据就与周围的数据比较接近。单独的坏点就不会显得那么的突兀。

在坏点判断的时候，对于四周的数据需要进一步的考虑。四周的数据不好进行判断。这里直接将其输出。也就是行场的首尾。直接以原始值输出

在坏点比较的时候，需要对矩阵内的八个数据均进行比较。计算出最小值，并与设置的阈值比较这样计算出来的坏点才比较均衡。

---

2、高斯滤波算法

相比较坏点检测算法。觉得高斯滤波算法要容易了不少。

坏点检测实际上也是滤波。只是滤波的方式不一样。对于Gaus滤波算法，在图像处理中是一种常见的滤波算法，其对图像邻域内像素进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时，同时能够更多的保留图像的总体灰度分布特征。

常用的两种高斯模板，左侧是常用的3*3的高斯模板，右侧是常用的5*5高斯模板。目前我们采用3*3模板。

---

---

3、锐化算法

众所周知图像经过高斯滤波后会变得模糊，而图像锐化处理的目的是使模糊的图像变得更加清晰起来。

介绍另外一种锐化算法，该方法比传统的方法要能获得更好的效果。

在yuv空间先对图像做高斯滤波，得到Y_gaus值，再进行如下计算：

△Y = Y原值- Y_gaus，该值取绝对值。

我们定义一个阈值TH，如果△Y大于TH则对该点锐化处理，否则就不锐化。

并且这里我们还引入一个系数λ，则锐化计算式如下：

Y_sharp = Y + λ*△Y

---

4、直方图统计算法

这个折腾了我很久。也是由于行场信号的问题。