最近看了您的 A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising这篇论文，
论文的效果很是让人惊艳，所以打算复现一下您的论文。
在复现噪声标定算法的时候，遇到一些问题，特向您请教一下：
（1）采集的raw图是否是要过完DPC的raw图，我担心坏点会对噪声标定产生影响
（2）在标定color bias noise的时候，论文中说计算raw图各个颜色通道的均值，作为颜色偏差， 然后各个通道再减去各自通道的均值，
避免对后续噪声的标定，那么我们减去均值后，是否需要对这个raw做clip操作，将负值clip掉
（3）在做行噪声标定的时候，我们需要先计算raw图每行的均值，评估是否服从正太分布，然后用最大似然估计sigma_r, 那么我们在估计
sigma_r的时候，他的输入是啥，是不是提取的每行的均值，作为输入
（4）在标定读出噪声是，需要减去行噪声，这里减去的行噪声是指每行的均值吗，另外就是读出噪声的标定方法，其实没太看明白，也想向您请教下，
如何标定读出噪声的lambda，sigma_TL
最近看了您的 A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising这篇论文，
论文的效果很是让人惊艳，所以打算复现一下您的论文。
在复现噪声标定算法的时候，遇到一些问题，特向您请教一下：
（1）采集的raw图是否是要过完DPC的raw图，我担心坏点会对噪声标定产生影响
（2）在标定color bias noise的时候，论文中说计算raw图各个颜色通道的均值，作为颜色偏差， 然后各个通道再减去各自通道的均值，
避免对后续噪声的标定，那么我们减去均值后，是否需要对这个raw做clip操作，将负值clip掉
（3）在做行噪声标定的时候，我们需要先计算raw图每行的均值，评估是否服从正太分布，然后用最大似然估计sigma_r, 那么我们在估计
sigma_r的时候，他的输入是啥，是不是提取的每行的均值，作为输入
（4）在标定读出噪声是，需要减去行噪声，这里减去的行噪声是指每行的均值吗，另外就是读出噪声的标定方法，其实没太看明白，也想向您请教下，
如何标定读出噪声的lambda，sigma_TL