4、去马赛克(Demosaic)调试：算法原理、伪彩色抑制、边缘保护参数调优。

好，咱们进入第四章。去马赛克，英文叫 Demosaic，是 ISP 管线里非常关键的一步。说白了，就是把拜耳阵列（Bayer Pattern）上那些红绿蓝单通道的像素点，通过算法插值，还原成每个像素都有完整 RGB 三通道信息的彩色图像。

你想想看，传感器本身是色盲的，它只记录光的强度，不记录颜色。全靠上面那层 CFA（Color Filter Array）来区分红绿蓝。所以，Demosaic 做得好不好，直接决定了图像的细节锐度和色彩真实度。我见过不少项目，前期调了半天 AWB 和 CCM，结果 Demosaic 没调好，图像边缘全是锯齿和伪彩色，前功尽弃。

4.1 算法原理：从单通道到全彩的“猜字游戏”

Demosaic 本质上是一个插值问题。最常见的拜耳阵列是 RGGB 模式，也就是一个像素点只采集了 R、G、B 中的一种颜色。我们需要根据周围像素的信息，把缺失的另外两种颜色“猜”出来。

最简单的算法是双线性插值（Bilinear Interpolation）。比如要算一个红色像素点缺失的绿色值，就把它上下左右四个绿色像素的平均值拿过来用。这个方法速度快，但后果也很明显——边缘模糊，伪彩色严重。

稍微好一点的是边缘导向插值（Edge-Directed Interpolation）。它会先判断当前像素是在水平边缘还是垂直边缘上，然后只沿着边缘方向做插值，不跨过边缘。这样能保住一部分细节。

现在主流的高端 ISP 用的都是自适应插值，甚至结合了深度学习。但不管算法多复杂，核心思想就两个：

• 绿色通道优先：因为拜耳阵列里绿色像素占了一半，人眼对绿色又最敏感，所以先插值绿色通道，再用绿色通道的信息去引导红色和蓝色的插值。
• 梯度感知：计算水平和垂直方向的梯度，梯度小的方向就是边缘方向，沿着这个方向插值更安全。

// 计算水平和垂直梯度
Grad_H = |G(i,j-1) - G(i,j+1)|
Grad_V = |G(i-1,j) - G(i+1,j)|

// 如果水平梯度小，说明是水平边缘
if (Grad_H < Grad_V) {
    G(i,j) = (G(i,j-1) + G(i,j+1)) / 2
}
// 如果垂直梯度小，说明是垂直边缘
else if (Grad_V < Grad_H) {
    G(i,j) = (G(i-1,j) + G(i+1,j)) / 2
}
// 否则，取平均
else {
    G(i,j) = (G(i,j-1) + G(i,j+1) + G(i-1,j) + G(i+1,j)) / 4
}

嗯，这里要注意，实际工程里不会这么简单。梯度计算还要考虑颜色差异的连续性，也就是色差恒定假设（Color Difference Constancy）。

4.2 伪彩色抑制：那些不该出现的彩色噪点

伪彩色（False Color）是 Demosaic 最头疼的问题之一。你拍一张黑白条纹的测试卡，结果边缘出现了红红绿绿的杂色，这就是伪彩色。

为什么会这样？因为插值算法在图像的高频区域（比如纹理密集处、边缘处）会失效。它把不同通道的信息混在了一起，导致颜色通道之间出现了相位差。

我个人习惯把伪彩色分成两类：

• 边缘伪彩色：出现在物体轮廓边缘，通常是一排红蓝交替的像素点。
• 纹理伪彩色：出现在细密纹理区域，比如远处的砖墙、布料纹理，看起来像彩色摩尔纹。

抑制伪彩色的常用手段有几种：

1. 色差平滑（Chroma Smoothing）：在插值完成后，对色度通道（Cb、Cr）做低通滤波。但要注意力度，太强会把真实色彩也抹掉。
2. 梯度修正：在插值过程中，如果检测到某个方向的梯度异常大，就降低该方向的权重，甚至改用其他方向的数据。
3. 后处理去伪彩：专门做一个滤波器，检测局部区域的颜色突变。如果某个像素的颜色和周围差异太大，就把它拉回来。

4.3 边缘保护参数调优：细节与噪声的博弈

边缘保护，说白了就是让图像的边缘更锐利，不要出现锯齿或模糊。但调得太狠，图像会显得“数码味”很重，甚至出现振铃（Ringing）和过冲（Overshoot）。

常见的边缘保护参数包括：

调优的时候，我一般会遵循这个流程：

1. 先看测试卡：用 ISO 12233 分辨率测试卡，观察边缘的锯齿和伪彩色情况。
2. 再拍实景：找一些纹理丰富的场景，比如树叶、布料、远处的建筑。看看有没有摩尔纹和伪彩色。
3. 调整边缘阈值：从低到高逐步增加，观察边缘的锐度变化。找到一个平衡点——边缘清晰但不出现明显锯齿。
4. 调整梯度增益：如果边缘还是不够锐，适当增加梯度增益。但要注意，增益太高会导致边缘出现“白边”或“黑边”。
5. 最后调色差平滑：在保证边缘质量的前提下，尽量增加色差平滑强度，把伪彩色压下去。

4.4 知识结构图：Demosaic 调试全景

下面这张图总结了 Demosaic 调试的核心逻辑和参数关系，你可以把它当作调试时的路线图。

4.5 实战调参建议

最后，给几个实战中的调参建议，都是我用真金白银换来的经验：

• 不要迷信单一参数：边缘阈值、梯度增益、色差平滑这三个参数是联动的。调一个，另外两个往往也要跟着动。
• 注意 sensor 的噪声水平：高噪声的 sensor，边缘阈值要设得高一些，否则会把噪声当成边缘来增强，结果就是满屏噪点。
• 分场景调优：室内人像和户外风景对 Demosaic 的要求完全不同。人像更看重色彩平滑，风景更看重边缘锐度。有条件的话，做多组参数配置，根据场景切换。
• 用客观指标辅助：除了主观看图像，也可以看 MTF（调制传递函数）曲线和伪彩色面积占比。MTF 越高越好，伪彩色面积越小越好。