图像传感器基础：Bayer阵列原理、CFA模式、RAW数据格式解析

做去马赛克算法，绕不开一个东西——Bayer阵列。说白了，它就是图像传感器上那层彩色滤镜的排列方式。我刚开始接触这个领域时，总觉得这玩意儿不就是个简单的RGB排列吗？后来踩了不少坑才明白，Bayer阵列的设计直接决定了你后续算法的天花板。

1. 为什么需要CFA？

单颗像素本身是色盲的。它只能感知光的强度，分不清颜色。要让传感器输出彩色图像，就得在每个像素前面加一块彩色滤光片——这就是Color Filter Array，简称CFA。

你想想看，如果每个像素都同时采集R、G、B三个通道，那传感器面积得翻三倍，成本也翻三倍。所以工业界选择了另一种思路：每个像素只采集一种颜色，剩下的颜色靠插值猜出来。这个猜的过程，就是去马赛克。

2. Bayer阵列的结构

Bayer阵列是Bryce Bayer在1976年提出的。它的核心规律是：绿色像素占一半，红色和蓝色各占四分之一。为什么绿色多？因为人眼对绿色最敏感，多采样绿色能提升视觉分辨率。

标准的2×2单元长这样：

R  G
G  B

但实际传感器上，这个模式会不断重复。我见过不少初学者以为Bayer只有这一种排列，其实还有变种。比如有些传感器会把G和R交换位置，或者用C（青）、M（品红）、Y（黄）替代RGB。不过最常见的还是RGGB。

CFA模式	排列方式	典型应用
RGGB	R/G/G/B 2×2	绝大多数消费级相机、手机
BGGR	B/G/G/R 2×2	部分索尼传感器
GRBG	G/R/B/G 2×2	某些工业相机
RGBW	R/G/B/W 2×2	低光照场景优化

3. RAW数据格式解析

RAW文件不是图像，它是传感器输出的原始数据。每个像素只存一个通道的值，没有经过任何处理。你打开RAW文件看到的是一堆数字，每个数字代表该像素接收到的光子数量。

RAW数据的位深通常比JPEG高。常见的位深有：

• 10-bit：早期手机传感器，1024个灰度级
• 12-bit：主流消费级相机，4096个灰度级
• 14-bit：高端单反，16384个灰度级
• 16-bit：工业/科研级，65536个灰度级

位深越高，动态范围越大，后期调色空间也越大。但代价是文件体积暴涨。我记得有一次处理16-bit的工业相机数据，一张RAW就200MB，算法跑起来内存直接爆了。

4. RAW数据的存储结构

RAW文件不是简单的像素矩阵。它通常包含：

1. 有效像素区域：实际感光区域的数据
2. 光学黑电平（OB）：被遮挡的像素，用于校准暗电流
3. 边缘像素：用于去马赛克时的边界填充
4. 元数据：ISO、快门速度、白平衡、CFA模式等

举个例子，一个标称4000×3000的传感器，实际有效像素可能只有3984×2984。边缘那几行几列是留给算法做边界处理的。如果你直接拿4000×3000去处理，边缘会出现奇怪的伪影。

5. CFA模式对去马赛克的影响

不同的CFA模式，去马赛克的难度完全不同。RGGB模式因为绿色像素多，边缘重建相对容易。但RGBW模式就麻烦得多——白色像素虽然提升了感光度，但它没有颜色信息，插值时会引入更多不确定性。

我个人的经验是：CFA模式决定了去马赛克算法的复杂度上限。如果你面对的是标准RGGB，很多经典算法都能用。但如果是非标准CFA，比如某些安防摄像头用的RCCB（红+青+青+蓝），那就得重新设计插值策略了。

6. 实际项目中的注意事项

做去马赛克算法时，我建议你养成几个习惯：

• 先确认CFA模式：不要假设所有传感器都用RGGB。读一下传感器手册，或者直接看RAW文件的元数据。
• 处理黑电平：RAW数据中的黑电平不是0。不减去黑电平，暗部会偏色，亮部动态范围也会被压缩。
• 注意位深转换：12-bit数据转8-bit时，别直接右移4位。先做gamma校正或色调映射，否则细节全丢了。
• 边界处理：去马赛克时边缘像素需要特殊处理。我一般会先扩展图像边界，或者用镜像填充，避免边缘伪影。

7. 总结一下

Bayer阵列和RAW数据格式，是去马赛克算法的地基。地基不稳，上层算法再花哨也没用。我个人觉得，理解CFA模式比理解去马赛克算法本身更重要——因为算法可以换，但传感器硬件定了，你的优化空间就那么大。

嗯，这一章的内容就到这里。记住：拿到RAW数据，先看CFA，再减黑电平，最后才谈算法。顺序搞反了，后面全是白费功夫。