4、RAW域处理：黑电平校正、镜头阴影校正、坏点校正、去噪（空间/时域）的原理与调优方法
RAW域是ISP（图像信号处理器）流水线的起点，也是决定最终图像质量上限的关键阶段。在安防低照度场景下，传感器输出的RAW数据信噪比极低，任何在RAW域被放大的噪声或未被校正的固定模式噪声（FPN），都会在后续的Demosaic、色彩校正和伽马变换中被进一步放大，最终导致画面出现彩色斑点、亮度不均和细节丢失。本章将深入剖析RAW域四大核心处理模块——黑电平校正（BLC）、镜头阴影校正（LSC）、坏点校正（DPC）和去噪（空间/时域）——的原理、调优方法及实战案例，帮助学员建立从“像素级缺陷修复”到“时空域联合降噪”的系统认知。
上图展示了RAW域四大处理模块在ISP流水线中的位置及其联动关系。在安防低照度场景下，这四大模块的调优不是孤立的，而是环环相扣：黑电平的微小偏差会直接影响阴影校正的增益计算，而阴影校正的过度补偿又会放大边缘噪声，迫使去噪模块需要更强的处理强度。理解这种联动关系，是进行高效调优的前提。
4.1 黑电平校正（BLC）：RAW域的“归零”基准
4.1.1 核心原理：暗电流与黑电平偏移
图像传感器在无光照条件下，由于半导体热激发产生的暗电流（Dark Current），像素仍会输出一定的电压信号。这个电压经过ADC转换后，在RAW数据中表现为一个非零的基底值，即黑电平（Black Level）。黑电平校正的目的就是减去这个基底值，使“纯黑”像素的RAW值归零，从而为后续所有处理提供正确的零点基准。若BLC不准确，会导致暗部偏色（通常偏绿或偏紫）、对比度下降，并影响自动曝光（AE）和自动白平衡（AWB）的统计准确性。
黑电平的数值并非固定不变，它受传感器温度、增益（Gain）、曝光时间等因素影响。温度每升高约6-8℃，暗电流约翻倍；模拟增益增大时，黑电平也会被同比例放大。因此，现代ISP的BLC模块通常支持温度补偿和增益补偿，即根据当前传感器温度和增益动态调整减去的偏置值。
4.1.2 判断方法与操作流程
在实际调优中，判断BLC是否准确的标准方法是拍摄全黑画面（盖上镜头盖，确保无漏光），然后统计RAW数据的R、Gr、Gb、B四个通道的平均值。理想情况下，四个通道的平均值应相等且接近目标黑电平（通常为ADC位深的1%左右，如10-bit RAW约为4-10 LSB）。
- 采集全黑RAW图：在目标温度（如25℃）和典型增益（如0dB、12dB、24dB）下，各采集一张全黑图。
- 统计通道均值：使用工具（如Imatest、Python/OpenCV）计算四个通道的均值。
- 计算偏差：若通道间均值差超过2-3 LSB，说明存在通道间黑电平不一致，需分别设置各通道的BLC值。
- 验证增益依赖：若不同增益下黑电平呈线性变化，需启用增益补偿系数。
| 增益档位 | R通道均值 | Gr通道均值 | Gb通道均值 | B通道均值 | 诊断结论 |
|---|---|---|---|---|---|
| 0dB | 12.5 | 12.8 | 12.7 | 12.6 | 正常，偏差<0.5 LSB |
| 12dB | 25.1 | 25.3 | 25.2 | 25.0 | 增益补偿未开启，需线性补偿 |
| 24dB | 50.2 | 50.5 | 50.1 | 49.8 | B通道偏低，需单独微调 |
4.1.3 案例拆解：低照度下的黑电平漂移问题
背景与约束：某安防IPC（网络摄像机）采用SONY IMX385传感器，在0.01Lux照度下，画面暗部出现明显偏紫现象，且随着增益升高（自动增益至30dB），偏色加剧。
分析过程：首先排除白平衡问题（AWB在低照度下已锁定），怀疑是BLC未跟随增益变化。采集30dB增益下的全黑RAW图，发现B通道均值比G通道低约8 LSB，导致暗部B通道信号不足，画面偏紫。
操作步骤：在ISP驱动中启用BLC增益补偿功能，设置补偿系数为1.0（即黑电平随增益线性放大），并单独将B通道的补偿系数微调至1.05。重新采集全黑图验证，四通道均值差小于1 LSB。
结果对比：修复后，0.01Lux下暗部偏紫现象消失，画面中性灰还原准确。代价是B通道的噪声略有增加（因补偿增益放大），但通过后续去噪模块的针对性处理得以缓解。
4.2 镜头阴影校正（LSC）：均匀照度的“修复师”
4.2.1 核心原理：光学渐晕与色彩阴影
由于镜头的光学特性，边缘光线到达传感器的入射角较大，导致传感器边缘像素的量子效率下降，形成亮度从中心到边缘逐渐降低的渐晕（Vignetting）现象。同时，不同波长的光在边缘的衰减程度不同，还会产生色彩阴影（Color Shading），即边缘偏色。LSC通过为每个像素位置乘以一个大于1的增益系数来补偿亮度衰减，通常以网格（Grid）形式存储增益值，网格点之间采用双线性插值。
LSC的挑战在于：增益系数过大会放大边缘噪声；网格点过少会导致插值不平滑；色温变化时，色彩阴影的分布也会改变，因此需要多色温下的LSC标定表。
4.2.2 判断方法与操作流程
LSC调优的标准流程是拍摄均匀白板（DNP或X-Rite白卡），在标准光源（如D65、A光源）下，分析图像从中心到边缘的亮度均匀性和色彩均匀性。
- 亮度均匀性：边缘亮度与中心亮度之比应大于85%（低照度场景建议大于80%，避免过度补偿）。
- 色彩均匀性：边缘与中心的R/G、B/G比值偏差应小于2%。
# 伪代码：LSC网格增益计算流程
1. 采集均匀白板RAW图（中心曝光准确，无过曝）
2. 将图像划分为NxN网格（如17x13）
3. 计算每个网格内R/Gr/Gb/B的平均值
4. 以中心网格为基准，计算各网格的增益 = 中心值 / 当前值
5. 对增益进行平滑滤波（防止网格间跳变）
6. 写入ISP LSC寄存器表，验证插值效果4.2.3 实战场景：广角镜头边缘偏红问题
场景描述：某项目采用2.8mm广角镜头，在夜间红外切换后，画面边缘出现明显偏红，中心正常。
关键数据：D65光源下，边缘R/G比中心高5%；红外光下，边缘R/G比中心高12%。
分析判断：红外光波长较长，边缘衰减特性与可见光不同，导致原可见光LSC表不适用。需要单独标定红外LSC表。
操作步骤：在红外LED开启、无可见光环境下，拍摄均匀白板，重新生成LSC表，并切换ISP的LSC表索引（根据IRCUT状态自动切换）。
结果与复盘：切换后边缘偏红从12%降至1.5%。复盘经验：安防IPC必须建立“可见光/红外”双LSC表，且切换时需做平滑过渡，避免画面闪烁。
4.3 坏点校正（DPC）：像素级缺陷的“外科手术”
4.3.1 核心原理：静态坏点与动态坏点
传感器制造过程中，部分像素可能因工艺缺陷而输出异常，表现为常亮（Hot Pixel）、常暗（Dead Pixel）或响应异常（Stuck Pixel）。坏点校正分为静态校正（出厂标定，存储坏点坐标）和动态校正（实时检测，根据邻域像素判断）。在低照度下，动态坏点检测尤为关键，因为噪声水平升高，容易将正常像素误判为坏点，或将真实坏点漏检。
动态DPC的典型算法是：对每个像素，比较其与周围8个或24个邻域像素的差值，若差值超过阈值且邻域内多数像素与中心差异大，则判定为坏点，用邻域中值或均值替代。
4.3.2 判断方法与调优参数
DPC调优的核心参数包括：检测阈值（与噪声水平相关，低照度下需动态提高）、邻域尺寸（3x3或5x5）、校正强度（完全替代或部分混合）。
| 场景 | 检测阈值（LSB） | 邻域尺寸 | 校正强度 | 备注 |
|---|---|---|---|---|
| 白天/高照度 | 30-50 | 3x3 | 100%替代 | 噪声低，阈值可设高 |
| 低照度/高增益 | 15-25 | 5x5 | 80%替代+20%原值 | 阈值需降低，但避免误判 |
| 极低照度/超高增益 | 8-12 | 5x5 | 50%替代+50%中值 | 需结合时域NR抑制误判 |
4.3.3 案例拆解：低照度下的坏点误判与漏检
问题现象：某相机在0.5Lux、增益24dB下，画面出现大量闪烁的白色亮点（疑似坏点），但静态坏点表中并未包含这些坐标。
分析过程：通过抓取多帧RAW图对比，发现这些亮点位置不固定，且时有时无——这是典型的噪声被误判为坏点。原因是DPC检测阈值固定为白天标定的40 LSB，而24dB增益下噪声幅度已达30 LSB，部分噪声峰值超过阈值被误判。
解决方案：将DPC阈值改为动态模式，根据当前增益自动调整阈值（阈值 = 基础阈值 + 增益系数 × 噪声标准差）。同时，将校正强度从100%替代改为70%替代+30%原值，避免对疑似坏点过度平滑。
结果对比：误判率从每帧约200个降至5个以内，画面闪烁消失，同时真实坏点仍能被有效校正。
4.4 去噪（空间/时域）：低照度画质的“最后防线”
4.4.1 核心原理：空域去噪与时域去噪的协同
RAW域去噪是低照度画质提升的关键。空域去噪（如双边滤波、非局部均值）利用像素邻域的空间相关性，在单帧内降低噪声，但会损失部分细节；时域去噪利用多帧之间的时间相关性，对静止区域进行多帧平均，能大幅降噪且几乎不损失细节，但在运动区域会产生拖影（Ghost）。现代ISP普遍采用运动补偿时域去噪（MC-TNR）加空域边缘保护去噪的混合方案。
在RAW域进行去噪的优势在于：噪声模型更接近高斯分布（尚未经过非线性变换），且Bayer格式下可以利用同色通道的相关性。调优的核心是平衡噪声抑制与细节保留，以及时域稳定性（避免闪烁）。
4.4.2 调优方法与参数矩阵
时域去噪的关键参数是时域权重（当前帧与参考帧的混合比例）和运动检测阈值。空域去噪的关键参数是空间sigma（控制平滑程度）和范围sigma（控制边缘保护强度）。
- 静态场景调优：将相机固定，拍摄静态测试卡，逐步提高时域权重（从0.5到0.9），观察噪声降低与细节损失情况，找到拐点。
- 运动场景调优：拍摄运动物体（如行人），调整运动检测阈值，使运动区域自动降低时域权重，避免拖影。
- 空域补充：在时域去噪后，对残余噪声使用空域去噪，设置较低的空间sigma（如1.5-2.0），保护边缘。
# 典型低照度去噪参数配置（示例）
# 时域部分
tnr_weight_static = 0.85 # 静态区域时域权重
tnr_weight_motion = 0.30 # 运动区域时域权重
tnr_motion_threshold = 12 # 运动检测阈值（LSB）
# 空域部分
spatial_sigma = 1.8 # 空间域sigma
range_sigma = 25 # 值域sigma（边缘保护）
4.4.3 实战案例：运动拖影与噪声残留的平衡
场景约束：某小区出入口相机，夜间需同时看清车牌（运动）和背景（静止）。初始参数时域权重过高（0.9），导致车辆经过时车牌区域出现明显拖影；降低时域权重至0.5后，拖影消失，但背景噪声明显增加。
关键数据：车辆速度约30km/h，在画面中移动约20像素/帧；背景噪声标准差约12 LSB。
分析判断：需要更精细的运动检测。将运动检测从整帧二值化改为分块（8x8块）运动检测，并增加运动检测阈值的自适应（根据局部对比度调整）。
操作步骤：启用ISP的块级运动检测功能，设置块大小为8x8，运动阈值设为15 LSB。对检测为运动的块，时域权重降至0.2；静止块保持0.85。同时，对运动块增加空域去噪强度（空间sigma从1.8提至2.5），弥补时域降噪不足。
结果对比：车牌区域拖影减少80%，背景噪声水平与纯静态时相当。代价是运动块边缘细节略有软化，但可接受。