GUIDE.md

YOND WebUI 使用说明

本文档由 Kimi 2.7 Code 协助撰写。README.md 与 UPDATE_LOG.md 同样由 Kimi 2.7 Code 生成。

简介

YOND（You Only Need a Denoiser）是一个实用化的盲 RAW 图像去噪 Demo。 本 Space 基于 Gradio 提供 WebUI，支持上传 RAW 文件、自动/手动噪声估计、神经网络去噪以及结果打包下载。

快速开始

1. Load Config：选择预设模型配置（如 runfiles/Gaussian/gru32n_ft.yml），加载模型权重。
2. Upload Raw Image 或 Load Example：上传 .dng / .arw / .nef / .cr2 / .raw / .npy / .mat 文件，或加载示例图。
3. Load Image：读取 RAW 并显示预览。若需要调整黑电平、白点、DGain、ISP Gain，修改左侧参数后点击 Update Image。
4. Noise Estimation：自动估计系统增益 K 和读出噪声 σ。
   • 勾选 Refined Estimation 会先粗略去噪再精估计。
   • 勾选 RANSAC 可增强对异常值的鲁棒性。
5. Denoising：执行去噪，结果会显示在 Output Image 标签页。
6. Download ZIP：在 Download Manager 中选择需要打包的内容与格式，一键下载。
7. Release GPU：用完后释放显存。

YAML 参数覆盖

在 Parameter Override (YAML) 区域可上传 YAML 文件覆盖当前运行参数。

支持字段：

字段	说明	示例
wb	白平衡增益，支持 1×3 [R,G,B] 或 1×4 [R,G1,B,G2]	[2.0, 1.0, 2.0]
ccm	3×3 颜色校正矩阵	[[1,0,0],[0,1,0],[0,0,1]]
bl	黑电平	64.0
wp	白点	1023.0
ratio	数字增益 DGain	1.0
ispgain	ISP 预览增益（仅可视化）	1.0
gain	系统增益 K	10.0
sigma	读出噪声 σ	5.0
sigsnr	信噪比缩放系数	1.03
ddim_mode	是否启用 DDIM 采样	false
epoch	DDIM 迭代步数	10
sigma_t	DDIM sigma_t	0.8
eta_t	DDIM eta_t	0.85
patch_size	去噪分块大小	1024

使用方式：

• 点击 Download Template 下载当前参数的 YAML 模板（默认全部注释）。
• 取消注释需要覆盖的参数行，保存后上传并点击 Load Params。
• 手动指定的 wb / ccm 在加载新的 RAW 文件时会被保留，不会被 RAW 元数据覆盖。

下载 ZIP

在 Download Manager 中：

• ZIP Contents：选择打包内容
  • Input (Noisy)：原始噪声图
  • Output (Denoised)：去噪结果
  • Mask：噪声估计掩模
• ZIP Formats：选择格式
  • NPY：原始 numpy 数组
  • PNG：可视化图像
• 点击 Download ZIP 下载压缩包。

本地运行

# 安装依赖
pip install -r requirements.txt

# 运行 Gradio 应用
python app.py

注意：完整去噪需要 CUDA GPU。Windows 用户建议使用包含 cv2、torch、pyarmor 等包的 conda 环境。

致谢

• 论文：YOND - You Only Need a Denoiser
• 界面与代码优化由 Kimi 2.7 Code 协助完成。