G公司图像质量工程师面试题
https://mp.weixin.qq.com/s/pTPt6G4oo6bQrFDu85N5dg1，
http://www.dahuachengxiang.com/forum.php?mod=image&aid=157&size=300x300&key=a46e4295d2d21377&nocache=yes&type=fixnone
附上一张ISP流程图，前面的BLC和degamma,是为了将raw图转到线性域。方便预估raw域噪声模型，及NR降噪，LSC和AWB也是需要在线性空间去做，但是他可以demosaic之前是为了减小运算量，在YUV的去噪，我的理解是主要是为了分UV去降低彩躁，在Y域去增加锐度，而不影响色彩
2.场景大面积单色，白平衡判断错误，把场景中的绿色当成了白点，白点错误，白平衡做的不对，场景色温估计就也不对了，所以调用的最终CCM矩阵的参数也不对，整个颜色也就不对了
3，PTC方法使用，可以固定DNP光源，不带镜头的模组，。在不同曝光时间下（从暗到饱和），分别拍摄感光和不感光的图片，然后plot出来一张图，横轴为信号（亮图-暗图），纵轴为噪声。在横轴为0处的噪声为read noise，噪声最大值对应的信号横坐标，为信号饱和之，拟合出来的斜率为全局增益，通过这些参数还可以计算动态范围
4，sensor光电转换效率，感光面大小，增益。
5，对比度计算法。PSF，SFR
6，受sensor的read noise和饱和值的影响，受ISP处理的影响，ISP经过处理后会增加低照度处的噪声，使动态范围变小，同时也受镜头的影像，镜头光圈越小，感光能量越弱，ISP处理后，低照噪声增加。
7，JND理论在颜色上用的比较多，传统的CIE1976 lab色彩空间来衡量颜色，会跟人眼感知存在不线性关系，因为人眼对不同颜色的敏感度是不一样的，CIE 2000基于JND理论，研究人眼对不同颜色的分辨能力，更好的衡量色差
8，不太了解，只知道传统的SNR算法并不能很好的反应人眼观测噪声，比如人眼在不同距离和不同频率下，对噪声的敏感程度是不同的
页:
[1]