單元 13 · 雜訊與降噪

# 目標 SNR >= 30dB（σ/S < 3.2%）
# gain 高時量測：σ=20, 訊號=400
SNR = 20*log10(400/20) = 26 dB   # 不達標
# 補光 + 降增益：訊號 800, σ≈18 → SNR 33 dB ✓
# 結論：補光 + 降增益 優於 硬拉增益

python3 - <<'EOF'
import rawpy, numpy as np, subprocess
for g in [1, 2, 4, 8]:
    # 用平台指令取 RAW（OV9281）
    raw = rawpy.imread(f'g{g}.dng').raw_image
    roi = raw[500:1500,500:1500].astype(float)
    print(f'gain={g}  σ={roi.std():.1f}')
EOF

電子數 N，read noise σ_r：
總雜訊 σ = √(N + σ_r²)
SNR = 20·log10(N / σ) dB

例：N=1000, σ_r=30
σ = √(1000 + 900) ≈ 43.6
SNR = 20·log10(1000/43.6) ≈ 27 dB

若增益 ×2（等效 N 變小但 read noise 放大）：
雜訊會比「同曝光直接 +50% 光」更糟

場景：低光，目標 SNR ≥ 30 dB
選項 A：gain ×4（不補光）
  量測 RAW 雜訊 σ=25，訊號=200
  SNR = 20·log10(200/25) = 18 dB ✗
選項 B：補光讓訊號 ×2（gain ×1）
  訊號=800（感測器飽和前），σ≈18
  SNR = 20·log10(800/18) ≈ 33 dB ✓
結論：補光 + 低增益 遠優於 硬拉增益

1. 增益拉太高？
   ├─ 是 → 補光 / 縮短快門 / 加曝光（unit-10）
   └─ 否 ─┐
2. 長曝光造成 dark current？
   ├─ 是 → 降溫 / 縮短曝光
   └─ 否 ─┐
3. 固定圖樣雜訊（FPN）？
   ├─ 是 → 校正 / DPC
   └─ 否 ─┐
4. ISP NR 沒開或太弱？
   └─ 是 → 調 NR（空間+時間）

同一曝光、溫度、gain 取 20 張暗場 RAW
對每個像素計算：
  mean = 20 張平均       # black level / FPN
  std  = 20 張標準差      # temporal read noise

全域：mean=64.8, std=3.1 code
若某些位置 mean=140 且每張都固定 → hot pixel / FPN
若整區 std 隨 gain 從 3.1 升到 12.4 → gain 放大 read noise

決策：先修固定偏差，再用 NR 處理隨機變動。

1. 關閉/降低 NR 後雜訊是否仍在 RAW？
   ├─ 是 → 先查曝光、gain、溫度、黑位
   └─ 否 ─┐
2. 雜訊固定在同一像素？
   ├─ 是 → DPC/FPN 校正
   └─ 否 ─┐
3. 動態物體後方有拖影？
   ├─ 是 → 降低 temporal NR，查 motion threshold
   └─ 否 ─┐
4. 邊緣有白邊/假紋理？→ 降 sharpen 或 spatial NR strength

# dark current 模型：
# DC(T) = DC_25 × 2^((T-25)/10)
# DC_25 = 10 e⁻/s（25°C 基準）

# 白天 25°C：
DC = 10 e⁻/s × 曝光 8.3 ms = 0.083 e⁻（可忽略）

# 正午 45°C（陽光直射機殼）：
DC = 10 × 2^((45-25)/10) = 10 × 4 = 40 e⁻/s
DC_8.3ms = 0.33 e⁻（仍可忽略）

# 但若長曝光（如夜間 100 ms）：
DC = 40 × 0.1 = 4 e⁻（開始有影響）
SNR 影響：4 e⁻ 佔 full well 10000 的 0.04%（微小但累積）

# 真正問題：溫度漂移造成的 black level 變化
# 25°C → 45°C：black level 從 64 漂移到 68（+4 code）
# → OB 校正若不跟隨溫度 → 後續 AWB/LSC 偏移

# 解決方案：
# 1. 加入溫度感測器（感測器內建或外掛）
# 2. 每 10 分鐘重新量測 black level
# 3. 動態更新 OB 校正值

M1 暗場量測
   ├─ 固定條件取 20 張暗場
   ├─ 算 mean（black level）與 std（read noise）
   └─ 通過：black level 固定、std 合理

M2 σ vs gain
   ├─ gain 1/2/4/8 各量 σ
   └─ 通過：畫出 σ-gain 曲線，找出暴增區間

M3 SNR 預算
   ├─ 各場景算 SNR（unit-13.9）
   └─ 通過：知道哪些場景不達標

M4 增益上限
   ├─ 設 max gain（σ 暴增前）
   └─ 通過：AE 不超過上限

M5 降噪策略
   ├─ DPC（缺陷表）→ 空間 NR → 時間 NR
   ├─ 黑框 RAW 驗證 DPC 壓制 max
   └─ 通過：NR 後 SNR 達標且細節保留

M6 回歸 + 交付
   └─ 通過：SNR 預算表 + 增益上限 + NR 參數進 repo

驗證：
  SNR = 20·log10(signal / σ)
  黑框 max 值 = DPC 效能指標

Step 1 暗場收集
   固定曝光/gain/溫度，取 20 張暗場 RAW
Step 2 統計
   mean=black level、std=read noise
Step 3 增益掃描
   gain 1/2/4/8 各量 σ，畫曲線
Step 4 SNR 預算
   各場景算 SNR，比對目標
Step 5 DPC 驗證
   黑框 RAW 的 max 值應被壓制
Step 6 NR 調整
   空間 NR（細節）vs 時間 NR（殘影）取捨

判讀指標：
  σ 隨 gain 暴增 → 找出上限
  固定亮點 → hot pixel / FPN（DPC 處理）
  殘影 → temporal NR 閾值太低
  邊緣模糊 → spatial NR 太強

# Step 1: 讀取目前值
$ devmem2 0x00140400 w
# 記錄 current_value

# Step 2: 計算新值（設定 bit[0]=1）
$ new_value=$((current_value | 0x0001))

# Step 3: 寫入
$ devmem2 0x00140400 w $new_value

# Step 4: 驗證
$ devmem2 0x00140400 w
# 確認 bit[0] = 1，其餘 bit 不變

# Step 5: 進階 — bitmask 操作
$ read_val=$(devmem2 0x00140400 w | grep "Read" | awk '{print $NF}')
$ mask=0x0001
$ expected=0x0001
$ [ $(($read_val & $mask)) -eq $expected ] && echo "PASS" || echo "FAIL: bit[0] not set"

1. 細節消失、油畫感？
   ├─ Spatial NR strength 太高 → 降低 bit[5:3] 值
   └─ Temporal NR + 快速移動 → 開啟 motion adaptive (bit[5])
2. 紋理被抹除？
   └─ NR threshold 太低 → 提高 threshold 保留紋理

1. 暗場雜訊明顯？
   ├─ NR 未啟用 → 確認 NR_SPATIAL_CTRL bit[0] = 1
   └─ 強度不夠 → 逐步提高 strength（注意 trade-off）
2. 雖有 NR 但色噪（chroma noise）仍在？
   └─ Chroma NR 獨立控制 → 確認 chroma denoise 開啟