vault backup: 2022-09-28 19:13:41
Affected files: .obsidian/workspace 03. Programming/COM/20210726 - COM Interface.md 03. Programming/DB/MySQL.md 03. Programming/DB/sqlite.md 03. Programming/Design Pattern.md 03. Programming/FFMPEG/00. Introduction.md 03. Programming/FFMPEG/01. Setup.md 03. Programming/FFMPEG/FFMpeg.md 03. Programming/Flask.md 03. Programming/Media Foundation/20210604 - Windows media foundation.md 03. Programming/OpenCV.md 03. Programming/OpenGL.md 03. Programming/Python/argparse.ArgumentParser.md 03. Programming/Python/decorator.md 03. Programming/Python/logging.md 03. Programming/Python/opencv.md 03. Programming/Python/subprocess.md 03. Programming/Python/threading.md 03. Programming/Python/tkinter.md 03. Programming/Python/檢測工具.md 03. Programming/QT/Dropdown button.md 03. Programming/QT/QVariant.md 03. Programming/QT/Qt.md 03. Programming/UML.md 03. Programming/演算法.md 04. 資料收集/99. templates/blogHeader.md 04. 資料收集/99. templates/date.md 04. 資料收集/99. templates/front matter.md 04. 資料收集/99. templates/note.md 04. 資料收集/99. templates/table.md 04. 資料收集/99. templates/thisWeek.md 04. 資料收集/99. templates/日記.md 04. 資料收集/99. templates/讀書筆記.md 04. 資料收集/Linux/CLI/cut.md 04. 資料收集/Linux/CLI/scp.md 04. 資料收集/Linux/CLI/timedatectl.md 04. 資料收集/Linux/Programming.md 04. 資料收集/Linux/Ubuntu.md 04. 資料收集/Tool Setup/Hardware/RaspberryPi.md 04. 資料收集/Tool Setup/Software/Chrome.md 04. 資料收集/Tool Setup/Software/Obisidian.md 04. 資料收集/Tool Setup/Software/SublimeText.md 04. 資料收集/Tool Setup/Software/VirtualBox.md 04. 資料收集/Tool Setup/Software/Visual Studio Code.md 04. 資料收集/Tool Setup/Software/Windows Setup.md 04. 資料收集/Tool Setup/Software/Windows Terminal.md 04. 資料收集/Tool Setup/Software/freefilesync.md 04. 資料收集/Tool Setup/Software/vim.md 04. 資料收集/名言佳句.md 04. 資料收集/架站/Gitea.md 04. 資料收集/架站/HTTP Server/Apache.md 04. 資料收集/架站/HTTP Server/Nginx/Reverse Proxy(Layer4).md 04. 資料收集/架站/Pelican blog.md 04. 資料收集/架站/Proxmox VE.md 04. 資料收集/架站/SWAG Reverse proxy.md 04. 資料收集/架站/Storj.md 04. 資料收集/架站/Trojan.md 04. 資料收集/每週外食.md 04. 資料收集/科技/802.11.md 04. 資料收集/科技/HDR Sensor.md 04. 資料收集/科技/量子電腦.md 04. 資料收集/科技/鋰電池.md 04. 資料收集/興趣嗜好/RC/Traxxas Sledge.md 04. 資料收集/興趣嗜好/RC/好盈電變調整中立點.md 04. 資料收集/興趣嗜好/RC/差速器調教教學.md 04. 資料收集/興趣嗜好/模型/舊化作例.md 04. 資料收集/興趣嗜好/軍武/虎式.md 04. 資料收集/讀書筆記/20201201 - 學習如何學習.md 04. 資料收集/讀書筆記/20201218 - Kotlin權威2.0.md 04. 資料收集/讀書筆記/20201224 - 寫作是最好的自我投資.md 04. 資料收集/讀書筆記/20210119 - 中產悲歌.md 04. 資料收集/讀書筆記/20210220 - 最高學習法.md 04. 資料收集/讀書筆記/20210320 - 最高學以致用法.md 04. 資料收集/讀書筆記/20210406 - 精準購買.md 04. 資料收集/讀書筆記/20210723 - 高手學習.md 04. 資料收集/讀書筆記/20220526 - 深入淺出設計模式.md 04. 資料收集/讀書筆記/20220619 - 精確的力量.md 04. 資料收集/軟體工具/IPFS.md 04. 資料收集/軟體工具/MkDocs.md 04. 資料收集/軟體工具/Obsidian.md 04. 資料收集/軟體工具/docker.md 04. 資料收集/軟體工具/git/apply.md 04. 資料收集/軟體工具/git/submodule.md 04. 資料收集/軟體工具/youtube-dl.md 04. 資料收集/面試準備/技术面试最后反问面试官的话.md
This commit is contained in:
197
04. 資料收集/科技/HDR Sensor.md
Normal file
197
04. 資料收集/科技/HDR Sensor.md
Normal file
@@ -0,0 +1,197 @@
|
||||
## HDR sensor 原理介紹
|
||||
### 1. 什麼是sensor的動態範圍（dynamic range）
|
||||
sensor的動態範圍就是sensor在一幅圖像裡能夠同時體現高光和陰影部分內容的能力。
|
||||
用公式表達這種能力就是：
|
||||
|
||||
$DR = 20log\frac{i_{max}}{i_{min}}$ // DB
|
||||
|
||||
$i_{max}$是sensor的最大不飽和電流，也可以說是sensor剛剛飽和時候的電流
|
||||
$i_{min}$是sensor的底電流（blacklevel）
|
||||
|
||||
### 2. 為什麼HDR在成像領域是個大問題：
|
||||
在自然界的真實情況，有些場景的動態範圍要大於100dB。
|
||||
人眼的動態範圍可以達到100dB。
|
||||
Sensor 的動態範圍：高端的>78dB，消費級的60dB上下
|
||||
所以當sensor的動態範圍小於圖像場景動態範圍的時候就會出現HDR問題----不是暗處看不清，就是亮處看不清，有的甚至兩頭都看不清。
|
||||
|
||||
上圖暗處看不清-前景處的廣告牌和樹影太暗看不清。
|
||||
|
||||
|
||||
上圖亮處看不清--遠處背景的白雲變成了一團白色，完全看不清細節。
|
||||
|
||||
### 3. 解決HDR問題的數學分析
|
||||
|
||||
根據前邊動態範圍公式
|
||||
|
||||
$DR = 20log\frac{i_{max}}{i_{min}}$ // DB
|
||||
|
||||
所以從數學本質上說要提高DR，就是提高$i_{max}$，減小$i_{min}$
|
||||
對於10bit輸出的sensor,從數學上來說，$i_{max}=1023$，$i_{min}=1$
|
||||
動態範圍DR = 60
|
||||
對於12bit輸出的sensor，DR = 72
|
||||
所以從數學上來看，提高sensor 輸出的bit width就可以提高動態範圍，從而解決HDR問題。
|
||||
可是現實上卻沒有這麼簡單。
|
||||
提高sensor的bit width導致不僅sensor的成本提高，整個圖像處理器的帶寬都得相應提高，消耗的內存也都相應提高，這樣導致整個系統的成本會大幅提高。所以大家想出許多辦法，既能解決HDR問題，又可以不增加太多成本。
|
||||
|
||||
## HDR Imaging Digital Overlap
|
||||
|
||||
Digital Overlap是目前比較流行的sensor HDR 技術，在監控與車載相機等領域的應用非常廣泛。Sony於2012年在監控相機市場首先推出基於DOL（digital overlap）HDR技術的圖像傳感器，之後OV與Onsemi也都推出了與DOL類似的HDR技術的圖像傳感器，而且應用領域不局限於監控這種傳統HDR imaging的市場，而且擴展到了Automotive camera市場。現在Sony已經推出了第二代支持虛擬通道DOL HDR技術的sensor。
|
||||
|
||||
### 1. 什麼是時域多幀HDR技術
|
||||
|
||||
相機在時間上連續輸出由欠曝到過曝的圖像，然後做圖像融合，得到HDR圖像。
|
||||
|
||||
融合後HDR圖像
|
||||
|
||||
|
||||
比較典型的一種融合方法是根據luminance，contrast，motion等條件，對第K幀圖像的像素`[i，j]`給出權重。$W_{ij,k}$是第K幀，位置i，j像素的權重，$x_k(i,j)$是原始像素值，$x_f(i,j)$是融合後的像素值。公式如下：
|
||||
|
||||
對彩色圖像，權重的計算會考慮色彩的飽和度等因素。
|
||||
|
||||
### 2. 傳統時域多幀HDR技術存在的局限
|
||||
|
||||
由於傳統時域多幀是基於連續曝光的整幀圖像（Frame Based）進行融合，所以圖像之間的間隔時間就是一幀圖像的周期，由此會產生很多artefacts：
|
||||
|
||||
1. 場景內物體增減
|
||||
|
||||
|
||||
2. 近距離物體快速移動形成拖影
|
||||
|
||||
|
||||
3. Color artefact
|
||||
|
||||
|
||||
Frame based的多曝光HDR技術常用於still image 的capture，也有視頻HDR 採用這種技術，比如sensor以60fps的幀率交替輸出長短曝光，融合後輸出30fps的HDR圖像。
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
早期的HDR video有採用這種技術，自從DOL技術出現後，這種Frame based Video HDR技術就逐漸退出歷史舞台了。
|
||||
|
||||
### 3. 什麼是DOL HDR
|
||||
|
||||
DOL HDR 也叫做 line interleaving HDR 技術。以兩曝光 DOL 為例，sensor每行會以長短曝光兩次先後輸出，從readout角度來看，就是長曝光幀與短曝光幀line interleaving 依次輸出，如下圖，第一行L輸出，第一行S輸出，第二行L輸出，第二行S輸出，以此類推。
|
||||
|
||||
|
||||
|
||||
frame based HDR，長短曝光幀的間隔是一個幀週期，也就是必須一整幀（長）曝光結束，再開始一整幀（短）曝光，如下圖
|
||||
|
||||
|
||||
|
||||
對於DOL HDR而言，由於line interleaving（行的交織），存在兩幀的overlap，等於一幀輸出沒結束，下一幀就來了，長短曝光幀的間隔大大縮小了。
|
||||
|
||||
從下圖可見，長曝光幀與短曝光幀overlap了一部分，所以這種技術叫digital overlap。
|
||||
|
||||
|
||||
### 4. DOL 長短曝光幀的時間間隔
|
||||
|
||||
前邊說過，Frame based HDR 的長短曝光幀的間隔是一幀的時間，那麼 DOL HDR 的長短曝光幀的時間間隔是多大呢？
|
||||
|
||||
如果先輸出長曝光的話
|
||||
|
||||
|
||||
如果先輸出短曝光的話
|
||||
|
||||
|
||||
T= long exposure 的時間
|
||||
所以當然是先輸出長曝光，這樣T（時間間隔）會更小。
|
||||
|
||||
### 5. DOL 長短曝光時間比與動態範圍擴展
|
||||
|
||||
以兩曝光DOL 為例
|
||||
$\text{Exposure ratio} = \frac{\text{Long exposure time}}{\text{short exposure time}}$
|
||||
|
||||
假設Exposure ratio = 16，假設在信號沒有飽和的條件下，相當於曝光最大值增大了16倍：$2^4$。也就是動態範圍擴大了4個bit。
|
||||
以此類推，每增加一個曝光幀，如果exposure ratio =16，動態範圍就可以擴大4bit。
|
||||
按照一般HDR sensor 單曝光為12bit來算的話，4曝光就可以讓sensor輸出的動態範圍擴大到24bit（12+4+4+4)。
|
||||
exposure ratio 也不是越大越好，exposure ratio會受到三方面的製約，圖像質量，sensor設計以及isp line delay buffer。
|
||||
從圖像質量上來說，短曝光時間越短，圖像噪聲越高，長曝光越長，motion的影響越大。Exposure Ratio越大，在圖像融合後的SNR drop也越大。
|
||||
從sensor設計上來說，長短曝光之比受到讀出電路的限制，sony的DOL第二代採用虛擬通道技術一定程度改善了這個限制。
|
||||
從ISP的角度來說line delay buffer 也限制了最大曝光時間。在短曝光行出來之前，第一個長曝光行應該還在delay buffer裡，這樣才能兩者對齊好給後面的frame stitch操作。而長短曝光比越大，需要的line delay buffer就越大。
|
||||
|
||||
|
||||
|
||||
對於sensor做hdr融合case而言，line delay buffer size就是固定的，所以ISP傾向於在isp這端做HDR融合，這樣可以更靈活的設計。（Maver注：對於車載而言，帶寬是個主要關注點，所以大部分用戶不會選擇在ISP側做HDR融合）
|
||||
|
||||
### 6. DOL的局限
|
||||
|
||||
Sony在推出DOL的時候，宣傳DOL是**準同時**輸出長短曝光。既然是**準同時**，那就還不是同時，所以也會有一些典型時域多幀HDR的圖像質量問題，同時DOL也有一些特有的IQ問題。
|
||||
|
||||
1. HDR Transition Artefacts
|
||||
可以從下左圖看到composition noise造成的edge，這種edge有時候會誤導機器視覺。
|
||||
|
||||
|
||||
從DOL hdr的noise profile可以看出來，如下圖，在HDR拼接處，可以看到SNR的顯著變化，叫做snr drop，當SNR drop大的時候，就會出現明顯的edge，如上圖所示。
|
||||
|
||||
曝光比越小，SNR drop就越小, 可以想見，如果曝光比為1，也就沒有snr drop了。反之，曝光比越大，動態範圍越大，snr drop也越大，如下圖所示。
|
||||
|
||||
|
||||
2. Flicker
|
||||
交流電供電光源造成的flickering，如下圖：
|
||||
![[Pasted image 20220908123355.png]]
|
||||
|
||||
交流電供電光源造成的flickering，如下圖：
|
||||
|
||||
為了避免banding，就得讓最小曝光時間是半週期的整數倍。
|
||||
|
||||
|
||||
這樣就不會出現banding了。但是由於最小曝光時間變大了，動態範圍就損失了。所以有時候為了保證不損失動態範圍，就得容忍Flickering。這就得看應用場景了。
|
||||
類似的問題發生在PWM供電的Led光源上，尤其是交通信號燈以及汽車信號燈，如下圖所示
|
||||
|
||||
|
||||
sensor的長曝光幀能catch到led 的light pulse，但是短曝光幀就沒catch到，這樣也會造成flickering甚至信號燈圖像的丟失。
|
||||
這種flicker或者信號燈信息丟失的問題在車載成像系統上是致命的，所以車載HDR現在更傾向採用spatial based HDR技術，比如Sony採用的sub pixel技術或者OV 採用的split pixel技術。
|
||||
|
||||
## HDR imaging split/sub pixel 技術
|
||||
|
||||
我們在上一期講了時域多幀HDR技術：Digital Overlap. 現在在監控領域的WDR sensor主要採用這種技術，如下圖，利用不同的sensor曝光（藍色線所示）覆蓋不同的動態範圍，再把多曝光圖像stitching起來（紅色線所示），達到最大的動態範圍輸出。Sony的imx290，OV的ov4689都是這個類型典型sensor。
|
||||
|
||||
|
||||
|
||||
車載領域也廣泛使用Temporal domain HDR技術，但是隨著車載相機在ADAS與自動駕駛領域的迅速發展，對圖像質量有著特別的需求，導致Temporal domain HDR技術不能滿足需要。車載比較典型的兩個IQ需求是不能有motion artefact 和LED flickering。
|
||||
|
||||
缺點如下：
|
||||
1. motion artefact
|
||||
|
||||
|
||||
2. LED flickering
|
||||
|
||||
|
||||
Temporal HDR 在原理上就存在這些缺陷，所以要解決這個問題就需要使用其他的HDR體制：Spatial HDR 技術是現在車載領域的主流解決方案。
|
||||
|
||||
## Spatial HDR
|
||||
比較典型的是Sony sensor（imx390/490）採用的Subpixel技術與OV sensor（ovx1a)採用的split pixel技術，他們都屬於SpatialHDR技術範疇，其基本原理是一致的。
|
||||
|
||||
1. 大小pixel的分離結構
|
||||
與普通CFA的不同，大小pixel技術的sensor在相鄰位置有一大一小兩個pixel，他們空間上非常接近，可以認為對空間採樣相同。
|
||||
|
||||
由於pixel的大小不同，物理上的sensitivity不同，FWC也不同，會產生與時域HDR一樣的不同曝光效果，形成了對不同動態範圍的覆蓋。如下圖可以看到LPD（Large Pixel Diode）與SPD（Small Pixel Diode）是如何擴展動態範圍的。
|
||||
|
||||
|
||||
2. 大小分離pixel的電路設計
|
||||
典型的大小分離pixel的電路如下圖所示
|
||||
|
||||
SPD和LPD分別用黃色的二極管標出。CGC（conversion gain control）與TG（transfer gate）控制了photo diode 向FD充電，當$TG_S$使能時，FD接收SPD來的電荷，RS會使能讓FD的電荷轉存出來。然後當$TG_L$使能時，FD接收LPD來的電荷，RS會再一次使能讓FD的電荷轉存出來。RST負責在每一次轉存後把FD電容清空。這樣的電路結構就實現了LPD和SPD的分別讀出。這個部分的電路時鐘非常快，所以可以認為大小像素是同時曝光的。後面的讀出電路也會把大小像素同時讀出，由下圖可見，$T_{LPD}$ 與 $T_{SPD}$ 是同時的。
|
||||
|
||||
|
||||
3. 大小像素HDR與時域HDR在motion artefact上的比較
|
||||
由下圖可以看出基於大小像素的HDR與時域HDR在拍攝運動物體上的mot ion artefact比較。
|
||||
左圖是基於大小像素的圖像，完全沒有motion artefact，右圖是時域HDR，可以看到明顯的motion artefact。
|
||||
|
||||
對於這種更挑戰的場景，舞廳的旋轉光球，左圖是大小像素HDR，右圖是時域HDR，可以看到時域HDR的圖像把小的運動光點都混到了一起。
|
||||
|
||||
|
||||
4. 大小像素與Dual conversion gain的結合
|
||||
單獨靠大小像素只能形成兩個曝光的圖像，再結合之前介紹過的DCG技術，在大小pixel分別配合HCG，LCG，就可以形成4曝光。
|
||||
假設單曝光輸出12bit，曝光比是16，那總共的動態範圍可以達到24bit輸出。
|
||||
|
||||
|
||||
5. 兩種場景的切換
|
||||
如下圖，橫軸是場景的光亮度，縱軸是SNR，紅色曲線是LPD像素的SNR曲線，藍色曲線是LPD像素的SNR曲線。
|
||||
|
||||
SPD的飽和點更高，而LPD的低光SNR更高。這兩條曲線說明了大小像素這種設計可以很靈活的適配場景的變化，當場景非常亮的情況，就用大小像素融合輸出，這樣可以擴大動態範圍。
|
||||
當場景非常暗的情況，就完全切換到LPD像素，因為它的SNR更高。
|
||||
|
||||
## 來源
|
||||
- [HDR sensor 原理介紹- 吳建明wujianming - 博客園](https://www.cnblogs.com/wujianming-110117/p/12684011.html)
|
||||
Reference in New Issue
Block a user