Speos Sensor System(SSS)的使用指南

概述

本文是Speos Sensor System（SSS）的使用指南，这是一个强大的解决方案，用于camera sensor模拟结果的后处理。本文的目的是通过一个例子来理解如何正确使用SSS。当然本文描述的分析步骤适合任何案例。

SSS是一个功能强大的独立工具，用于执行Speos camera模拟结果的后处理。Speos得到的仿真结果是照度/辐照度图，用于计算到达camera 传感器的光度/辐射功率。通过启用camera模拟中的timeline时间轴参数，并在camera传感器sensor的定义中指定积分时间和轨迹文件，可以轻松地将能量结果转换为曝光结果。要进一步了解Speos camera模拟，建议参考CMOS 传感器相机 - 3D 场景中的图像质量分析。得到能量结果或是曝光结果之后，Speos SSS 开始发挥作用，自动将曝光图转换为Raw图，electron电子图，基于传感器的降阶模型(ROM)，遵循EMVA 1288标准，最后形成一个显影图像。由于SSS工具没有图形用户界面，因此了解文件管理和工作的过程至关重要。

Speos exposure map vs developed image

文件格式

要从曝光图生成显影图像，用户需要不同的输入文件:

1.A batch script批处理脚本：在本文原文的案例中，提供命名为“Launch Speos Sensor System exporters .bat”的文件，这个文件不需要修改，它能够正确的启动Speos SSS文件的运行，如果需要，可以在Speos的安装文件中找到SSS可执行文件(通常在“C:Program files ANSYS Incv232Optical ProductsViewersSSSExporter.exe”中)。

注意:如果本地安装不在上述路径上，则需要在batch文件中重新调用SSS文件，所以建议安装Speos在默认C盘。如果看到错误信息“无法连接到Virtual Photometric Lab”，需要以管理员身份运行相应版本的Virtual Photometric Lab一次。

2.An input file输入文件，格式为YAML。该文件指定一般处理参数，如要处理的Map、要使用的传感器文件(见下文)、要导出的数据、目标文件夹等。这个文件的内容可以根据用户的需要进行调整。

3.An sensor file传感器文件，格式为YAML。该文件包含有关传感器的有用参数(如操作条件、ROM参数、开发方法等)。这个文件的内容可以根据用户的需要进行调整。

4.Exposure Map至少一个待处理的曝光图。曝光图以xmp格式从Speos生成。

5.传感器规格文件(如用于量子效率的频谱文件，用于开发算法的python脚本)。它们的类型和数量将取决于客户案例。

SSS运行的文件夹结构应该是这样的: Batch和input “Yaml”文件必须位于同一位置。所有其他文件(Sensor  yaml文件，Map文件，可以将它们放置在相对于此位置的任何位置，但最好是将它们放置在名为“Inputs”的文件夹中)。

Batch script批处理脚本文件模板

该文件的通用模板在本文案例的“Templates”文件夹中提供。内容如下：

输入YAML文件模板

运行第一个示例文件，打开“Example”文件夹。在它的内部，可以查看整个文件夹得体系结构。可以查看预先填写的“输入”yaml文件:

Inputs file template

包含两个主要部分:

1. log level日志级别，当运行SSS export的实例时，将显示一个带有日志的命令提示符信息，并生成用于日志的文本文件。对于每一个日志，可以指定想要的详细级别-'INFO'提供最少的信息，'DEBUG'提供更多关于SSS执行的操作的详细信息。

2. Processing mode处理模式- SSS可以用两种方式处理exposure map结果，一种是文件逐一处理，另一种是全部处理位于特定文件夹中的文件('All in folder')。可以在“mode”中指定正确的模式。根据选择的模式，填写输入输出等信息文件夹，导出的结果格式等。

传感器YAML文件模板

该文件的通用模板在本文案例的“Templates”文件夹中提供。内容如下：

Sensor file template

包含三个主要部分：

1.工作条件，可以指定传感器的温度，工作增益等。

2.传感器降阶模型(EMVA 1288标准)，能够通过填充时间噪声和暗噪声、像素拜耳矩阵和效率、系统增益等更准确地表征传感器。

3.开发，这部分是相当灵活的，因为传感器将原始图像转换为显影图像的方法因传感器而异。可以填写通用的建议参数，如去马赛克算法、拍摄光源、颜色重新缩放因子，也可以插入任何基于python脚本的自定义开发方法。

运行案例

运行第一个示例文件，打开“Example”文件夹。在它的内部，可以查看整个文件夹得体系结构。可以查看预先填写的“输入”yaml文件:

可以看到将逐个处理map，因为选择了“给定文件”模式，并且指定了“Set 0”，所以只转换了一组map结果，位于“Inputs”文件夹中，命名为“Exposure.xmp”。将由也位于“Inputs”文件夹中“sensor yaml”所写的传感器参数对map结果进行处理。要求SSS export将处理后的图像以PNG格式导出到“Outputs”文件夹中(该文件夹在运行SSS export之前不必存在)。可以查看Sensor yaml文件内容，例如，传感器以10ms的曝光时间获得图像，具有完美的量子效率，即每个收集到的光子都转换成整个光谱带的电子，传感器的像素矩阵由经典的2x2 RGGB拜耳矩阵组成。最后，可以预先查看将开始后处理的exposure map 结果。

Virtual 100% QE.spectrum

Exposure.xmp

2.运行SSS

确认了对要准换后处理得文件参数得确认，然后就可以启动SSS export进入后处理过程，只需要双击“Launch Speos Sensor System exporters .bat”，将打开一个命令提示符并显示正在进行的进度。完成该过程后，只需按另一个键退出命令提示符，并查看“Outputs”文件夹中生成的结果。

Speos exposure map vs developed image

如果改变输入，以查看传感器参数对处理图像的影响。例如，可以人为地修改传感器YAML中的文件，例如QE光谱。

Virtual degraded QE.spectrum

提示:在输入的YAML文件中，可以添加“Rename: ' degraded '”来生成另一个结果，而不是覆盖更改前一个结果。

然后可以得到新的结果：

Speos exposure map vs developed image (perfect QE) vs developed image (degraded QE)

在最后一个例子中，可以看到量子效率对结果的影响。由于第二个传感器不能有效地将“绿色”波长的光子转换为电子，因此显影后图像显示出的是彩色伪影。

文章来源：本文转载于Ansys光电大本营公众号

　　审核编辑：汤梓红