Input：
（1）圖像視訊分辨率（整型int）
（2）圖像視訊格式（RGB，YUV，MP4等）
（3）攝像頭标定參數（中心位置（x,y）和5個畸變
系數（2徑向，2切向，1棱向），浮點型float）
（4）攝像頭初始化參數（攝像頭初始位置和三個坐标方向
的旋轉角度，車輛寬度高度車速等等，浮點型float）
Output：
（1）圖像視訊分辨率（浮點型float）
（2）圖像視訊格式 （RGB，YUV，MP4等）
（3）調整政策：曝光時間，GAMMA曲線 （時間，拟合系數，浮點型float）
（4）中間算法：統計直方圖，判斷過曝或欠曝 （整型int）
1. 功能定義1）利用圖像直方圖統計的方法，判斷圖像視訊是過曝，欠曝，還是正常。
2）調整曝光時間或GAMMA曲線，就可以調整圖像視訊的亮度。
2. 技術路線方案ISP圖像處理，主要作用是對前端圖像傳感器輸出的信号做後期處理，主要功能有線性糾正、噪聲去除、壞點去除、内插、白平衡、自動曝光控制等，依賴于ISP才能在不同的光學條件下都能較好的還原現場細節，ISP技術在很大程度上決定了錄影機的成像品質。
由于華域視覺注重夜間算法，在暗光下的成像易受到低信噪比和低亮度的影響。短曝光的照片會出現很多噪點，而長曝光會讓照片變得模糊、不真實。目前已經有很多去噪、去模糊、圖像增強的技術，但是在極端條件下，它們的作用就很有限了。為了發展基于學習的低光度圖像處理，我們嘗試使用全卷積網絡，用于處理低亮度圖像。網絡直接使用原始傳感器資料，替代大量傳統圖像處理的流程。
通過訓練深度神經網絡學習處理低亮度原始圖像資料的過程，包括色彩轉化、去馬賽克、減少噪點、圖像品質提高等等。我們把黑夜中的圖像呈現出來，可以大大提升成像的可視性，便于算法能夠更有效的進行識别、計算。
目前項目正在開展中。
ISP項目初步任務劃分：
第一，用IIC控制camera ISP，編寫開放參數APP，便于參數輸入。
第二，統計圖像直方圖亮度資訊，如果直方圖偏左，表示欠曝（偏暗或夜視）；
如果直方圖偏右，表示過曝（過亮）；如果直方圖正常，表示正常光照。
第三，連接配接driver和算法，調整曝光時間或者gamma曲線參數。
3. 關鍵技術參數和性能名額在華域視覺資料集上達到（詳細名額在開發過程中逐漸修正）
表1. ISP性能名額