3、坏点定义与分类：静态坏点、动态坏点、热点、死点、暗点、亮点、闪烁坏点等

在摄像头ISP（Image Signal Processor）调试与算法验证工作中，坏点（Defect Pixel / Bad Pixel）是影响图像质量的最基础、最普遍的硬件缺陷之一。无论是手机摄像头、车载摄像头、安防监控还是工业检测相机，传感器（CMOS/CCD）在制造、封装、运输及长期使用过程中，都会不可避免地产生各类坏点。若ISP无法有效校正这些坏点，它们会以固定亮点、暗点、闪烁噪点等形式出现在最终图像上，直接影响主观画质，并可能触发下游AI视觉模型的误检（例如将亮点误判为车灯、将暗点误判为障碍物）。本章将系统定义坏点，并依据物理成因、表现形态与时间稳定性，对静态坏点、动态坏点、热点、死点、暗点、亮点、闪烁坏点进行详细分类，为后续的校正算法选型与模型误检修复奠定基础。

3.1 坏点的核心定义与物理本质

核心原理：坏点是指图像传感器像素阵列中，光电响应特性偏离正常范围或信号读取异常的像素单元。从半导体物理角度看，CMOS传感器的每个像素包含光电二极管（PD）、传输管（TX）、复位管（RST）、源极跟随器（SF）和行选择管（RS）。任何一环的缺陷都可能导致像素输出异常。坏点的本质是暗电流（Dark Current）异常、量子效率（QE）衰减或读出电路噪声。暗电流是像素在无光照条件下因热激发产生的电子-空穴对，其大小与温度呈指数关系（每升高约7°C，暗电流翻倍）。当某个像素的暗电流显著高于邻域时，在长曝光或高温场景下就会表现为亮点或热点。

从信号链角度，坏点可视为一个叠加在正常像素响应上的异常偏置或增益扰动。设正常像素输出为 \( Y = G \cdot L + D \)，其中 \( G \) 为增益，\( L \) 为入射光强，\( D \) 为暗电流偏置。坏点则表现为 \( Y' = G' \cdot L + D' \)，其中 \( G' \) 或 \( D' \) 严重偏离统计分布。ISP坏点校正的核心任务，就是通过空间域或时间域滤波，将这些异常像素的输出替换为基于邻域像素的估计值。

3.2 静态坏点分类：死点、亮点、暗点

判断方法：静态坏点是指位置固定、输出特性在时间上保持稳定的坏点。根据其输出电平相对于正常像素的偏移方向，可细分为三类：

案例拆解：在某安防摄像头项目调试中，工程师在夜间模式（IR-CUT切换后）发现画面右上角存在一个固定白色亮点。通过全黑场抓帧，确认该像素输出DN值（Digital Number）为1023（12bit ADC满量程），而邻域像素均值为8。进一步分析发现，该像素的复位管栅极氧化层击穿，导致复位电平无法拉低，像素始终处于饱和状态。由于该坏点位于画面边缘，且ISP默认的坏点表（Defect Pixel Table）未覆盖该坐标，因此未被校正。最终通过将坐标加入坏点表并启用邻域插值校正，问题解决。

3.3 动态坏点分类：热点与闪烁坏点

核心原理：动态坏点是指输出特性随时间、温度或工作状态变化的坏点。这类坏点比静态坏点更难检测，因为它们可能只在特定条件下出现，且位置可能漂移。

• 热点（Hot Pixel / Temperature-Dependent Defect）：其暗电流随温度升高而急剧增大。在低温（如-10°C）下可能表现正常，但在高温（如60°C）或长曝光（如1秒以上）时，输出显著高于邻域。热点通常由像素内缺陷能级（如深能级陷阱）引起，这些能级在热激发下产生额外载流子。
• 闪烁坏点（Flickering Pixel / Random Telegraph Signal, RTS）：输出在多个离散电平之间随机跳变，表现为图像中像素亮度随时间闪烁。RTS源于像素内单个缺陷对电荷捕获和释放的随机过程，其时间常数从微秒到秒不等。在视频模式下，闪烁坏点会形成“雪花”或“噪点”效果，严重影响主观体验。

判断方法：动态坏点的检测需要多帧图像分析。具体流程如下：

1. 多帧采集：在固定光照和曝光条件下，连续采集N帧（通常N≥16）图像。
2. 帧间差分：计算每个像素在N帧中的标准差（σ）和均值（μ）。正常像素的σ应接近传感器读出噪声水平（如σ<2 DN），而闪烁坏点的σ会显著偏大（如σ>10 DN）。
3. 温度扫描：对于热点，需要在不同温度点（如-20°C、25°C、60°C）下重复上述采集，观察像素输出随温度的变化趋势。
4. 时间稳定性分析：将像素输出序列做FFT，若存在明显的低频分量（<1Hz），则可能是RTS闪烁。

3.4 坏点对AI模型误检的影响与修复策略

案例闭环：在某自动驾驶感知项目中，摄像头ISP输出的图像被送入目标检测模型（YOLOv5）。在夜间测试中，模型频繁将路面上的一些固定亮点误检为“交通信号灯”或“反光标识”。经分析，这些亮点并非真实物体，而是传感器热点在长曝光下的输出饱和。

具体背景与约束：该摄像头采用1/1.8" CMOS传感器，分辨率为1920×1080，ISP集成在SoC中。夜间模式曝光时间自动延长至30ms，增益提升至12dB。此时，传感器温度约55°C，热点数量从常温下的5个激增至47个。ISP默认的坏点校正算法仅处理静态坏点表，未覆盖动态热点。

分析判断过程：

• 第一步：对比白天与夜间相同场景的检测结果，确认误检仅出现在夜间。
• 第二步：抓取夜间RAW图，统计像素分布，发现47个像素输出超过1000 DN（12bit），而邻域均值约200 DN。
• 第三步：将RAW图直接送入模型（绕过ISP），误检消失，确认问题出在ISP输出端。
• 第四步：检查ISP配置，发现坏点校正模块的“动态坏点检测”功能未启用。

实际操作步骤：

1. 启用ISP动态坏点检测，设置温度阈值为45°C，当传感器温度超过该值时，自动执行多帧差分检测。
2. 将检测到的热点坐标实时写入坏点表，并设置校正强度为“强”（邻域3×3中值滤波）。
3. 在ISP输出端增加一个“坏点掩膜”信号，将坏点坐标标记为无效区域，供下游模型忽略。
4. 重新训练模型时，在数据增强中加入“坏点模拟”操作，随机在图像上叠加亮点/暗点，提升模型对坏点的鲁棒性。

结果对比：修复后，夜间场景的误检率从每帧2.3次降至0.1次，模型mAP（mean Average Precision）从0.78提升至0.85。同时，ISP的坏点校正计算开销增加约3%，在可接受范围内。

风险与代价：动态坏点检测需要额外的帧缓存和计算资源，可能影响ISP的实时性。此外，过强的校正可能导致图像细节丢失（如将真实小目标误判为坏点）。因此，建议在ISP中设置“坏点置信度”参数，仅对置信度超过90%的像素进行校正。

3.5 坏点分类的工程实践要点与常见误区

工程实践要点：

• 坏点表管理：生产阶段通过全黑场和全白场标定生成静态坏点表，烧录至传感器OTP或ISP Flash中。运行阶段，ISP应支持动态更新坏点表，并记录坏点出现的时间、温度等上下文信息。
• 校正算法选择：孤立坏点用3×3中值滤波或邻域均值替换；坏点簇（≥3个连续坏点）需扩大滤波窗口或使用方向性插值；边缘坏点应沿边缘方向插值，避免模糊。
• 与降噪的协同：坏点校正应在去噪（NR）之前执行，否则坏点会被降噪算法误认为细节而保留。

常见误区：