單元 14 · 清晰度、動態範圍與調校工作流

日期: ____  場景: ____
改動: 參數 A → B
原因: ____
結果: ____（量化）
回歸: ____ ✓/✗
附圖: ____

日期/場景/改動/原因/結果（量化）/回歸 ✓✗/附圖

# 三個量測指標
# 1. 解析度：拍解析度測試卡，看能解到哪一線對
# 2. 雜訊：灰卡 RAW 的 σ（回顧單元 13）
# 3. 光暈：高對比邊緣的 overshoot 寬度
# 口訣：銳化升到「光暈出現前」為止

1. 亮部爆掉、暗部全黑？
   ├─ 是 → 量動態範圍需求
   │        ├─ ≤3 EV → 調 tone mapping / 曲線
   │        └─ >3 EV → 多幀 HDR（靜態）或接受取捨（動態）
   └─ 否 ┐
2. 暗部ok但亮部爆？
   ├─ 是 → 降曝光 / 開高光保護（tone）
   └─ 否 ┐
3. 亮部ok但暗部黑？
   ├─ 是 → 開陰影提升 / 補光
   └─ 否 → ✅ 平衡

# 拍含亮窗+暗室內的高對比場景
python3 - <<'EOF'
import numpy as np
# img: NV12 轉的亮度平面（或 RAW）
h, w = img.shape
dark = img[..., 200].mean()   # 暗部均值
brt  = img[..., 20].mean()    # 亮部（窗）均值
print('亮部', round(brt,1), '暗部', round(dark,1),
      '差', round(brt-dark,1))
# 暗部太低 → 陰影提升；亮部爆 → 高光保護
EOF

# Phase 1: 基礎設定（Day 1）
# 1.1 黑位校正（BLC）：全遮鏡頭
argus_camera --mode 0 --raw-file black.raw --duration 1
# 計算黑位平均值 → 設定 BLC offset
# 1.2 LSC 校正：拍白牆
argus_camera --mode 0 --raw-file white.raw --duration 1
# 產生 LSC 校正表

# Phase 2: 色彩校正（Day 2）
# 2.1 AWB 校正：拍 X-Rite ColorChecker
argus_camera --mode 0 --raw-file colorchecker.raw --duration 1
# 計算 AWB gain + CCM
# 2.2 Gamma 校正：確保中間調自然
# 調整 gamma curve（通常 2.2）

# Phase 3: 雜訊/清晰度（Day 3）
# 3.1 NR 調校：低光/高光各拍一組
# 找到 NR level 的最佳平衡點
# 3.2 Sharpen 調校：拍 ISO 12233 解析度板
# 調整 sharpen level 避免 over/under sharpen

# Phase 4: 回歸測試（Day 4）
# 4.1 多場景測試：室內/室外/低光/高對比
# 4.2 量化指標：SNR、色彩偏差、動態範圍
# 4.3 記錄最終參數表

# Day 1 · 基礎設定：黑位 + LSC（回顧單元 8 / 12）
argus_camera --mode 0 --raw-file black.raw --duration 1   # 全遮 → BLC
argus_camera --mode 0 --raw-file white.raw --duration 1   # 白牆 → LSC
# Day 2 · 色彩：AWB + CCM（回顧單元 11）
argus_camera --mode 0 --raw-file cc.raw --duration 1      # 色卡 → gains + CCM
# Day 3 · 美化：NR + Sharpen（回顧單元 13 / 14）
#    NR level 階梯 + 解析度板 sharpen 階梯
# Day 4 · 回歸：多場景 + 量化指標
#    室內 / 室外 / 低光 / 高對比，量 SNR / ΔE / MTF
# 每次改動填 tuning log（回顧 14.7 範本）
# 版本管理：每個參數檔用 git 管，附場景照

#!/usr/bin/env python3
# hdr_verify.py — HDR 3-frame 合成驗證
import numpy as np, matplotlib.pyplot as plt

# 載入三幀（假設已拍攝）
short = np.fromfile("hdr_short.raw", dtype=np.uint16).reshape(800, 1280).astype(float)
medium = np.fromfile("hdr_medium.raw", dtype=np.uint16).reshape(800, 1280).astype(float)
long = np.fromfile("hdr_long.raw", dtype=np.uint16).reshape(800, 1280).astype(float)

# 曝光比
ratio_ml = 0.128 / 0.016  # medium → long = 8x
ratio_sm = 0.016 / 0.002  # short → medium = 8x

# 簡單合成：取每幀最不飽和的區域
max_val = 1023
saturation = 0.9 * max_val

# 暗部用長曝、中間調用中曝、高光用短曝
hdr = np.zeros_like(medium)
dark_mask = medium < saturation * 0.3
bright_mask = short > saturation * 0.1
mid_mask = ~dark_mask & ~bright_mask

hdr[dark_mask] = long[dark_mask] / ratio_ml
hdr[mid_mask] = medium[mid_mask]
hdr[bright_mask] = short[bright_mask] * ratio_sm

# 量測動態範圍
dr_linear = np.log2(hdr.max() / hdr[hdr > 0].min())
dr_db = 20 * np.log10(hdr.max() / hdr[hdr > 0].min())
print(f"HDR max: {hdr.max():.1f}")
print(f"HDR min: {hdr[hdr > 0].min():.1f}")
print(f"Dynamic Range: {dr_linear:.1f} stops ({dr_db:.1f} dB)")

# 比較三幀 vs HDR
fig, axes = plt.subplots(1, 4, figsize=(16, 4))
for ax, img, title in zip(axes, [short, medium, long, hdr],
                          ['Short (2ms)', 'Medium (16ms)', 'Long (128ms)', 'HDR Composite']):
    ax.imshow(img, cmap='gray', vmin=0, vmax=1023)
    ax.set_title(title); ax.axis('off')
plt.tight_layout(); plt.savefig('hdr_comparison.png')
print("Saved: hdr_comparison.png")

# Verdict
print(f"\nVERDICT: {'PASS (DR > 60dB)' if dr_db > 60 else 'CHECK: DR < 60dB'}")

1. MTF50 < 標準的 70%？
   ├─ 是 ┐
   │   2. 鏡頭解像力不足？
   │      ├─ 換鏡頭測試 → 改善 = 鏡頭問題
   │      └─ 不改善 = 感測器 / ISP 問題
   │         → 提升 ISP 銳利化參數
   │         → 或調校 demosaic 過濾器
   └─ 否 → 清晰度合格

1. HDR 合成後物體邊緣有殘影？
   ├─ 是 → 幀間有運動 → 需要 motion-aligned HDR
   │       或提高合成速度（用硬件加速）
   └─ 否 → 靜態場景，簡單合成即可