3、黑电平校正实现：全局、局部与动态算法

黑电平校正，说白了就是把传感器在完全无光状态下产生的暗电流给扣掉。这个偏移量如果不处理，你拍出来的黑色就不是纯黑，而是发灰的。我最早接触这个模块时，觉得不就是减个固定值嘛，后来踩了坑才发现——没那么简单。

3.1 全局黑电平校正

这是最基础的做法。整个图像传感器只用一个黑电平值，从每个像素中减去这个常数。

实现起来很简单：

// 全局黑电平校正示例
uint16_t global_black_level = 64;  // 假设12-bit RAW，黑电平64
for (int i = 0; i < width * height; i++) {
    raw[i] = (raw[i] > global_black_level) ? 
             (raw[i] - global_black_level) : 0;
}

什么时候用？

• 传感器一致性很好，行间噪声小
• 对校正精度要求不高的场景（比如预览流）
• 硬件资源受限，没法做逐行处理

3.2 局部/行级黑电平校正

为什么需要行级校正？因为CMOS传感器的读出方式是逐行扫描的。每一行从曝光到读出的时间差，会导致暗电流积累量不同。你想想看，第一行和最后一行读出的时间差可能有几十毫秒，暗电流差异就出来了。

行级校正的做法是：

1. 传感器每行末尾有光学屏蔽像素（OB像素，Optical Black）
2. 取这些OB像素的平均值作为该行的黑电平
3. 逐行减去对应的黑电平值

// 行级黑电平校正示例
for (int row = 0; row < height; row++) {
    // 假设每行末尾有16个OB像素
    uint32_t ob_sum = 0;
    for (int ob = 0; ob < 16; ob++) {
        ob_sum += raw[row * stride + width + ob];
    }
    uint16_t row_black = ob_sum / 16;
    
    // 对该行有效像素进行校正
    for (int col = 0; col < width; col++) {
        int idx = row * stride + col;
        raw[idx] = (raw[idx] > row_black) ? 
                   (raw[idx] - row_black) : 0;
    }
}

校正方式	精度	计算量	适用场景
全局校正	低	低	预览、低端传感器
行级校正	中	中	主流手机、安防相机
动态校正	高	高	专业相机、医疗影像

3.3 动态黑电平校正算法

动态校正，说白了就是让黑电平值随着环境变化自动调整。为什么需要动态？因为暗电流受温度影响很大——温度每升高10°C，暗电流大约翻一倍。你想想看，手机在夏天户外拍视频，传感器温度从30°C升到60°C，黑电平可能漂移几十个DN值。

动态校正的常见策略：

• 温度补偿法：通过温度传感器实时查表调整黑电平
• 暗帧更新法：在每帧的消隐期采集暗帧，更新黑电平
• 统计自适应法：利用图像直方图的最低百分位估算黑电平

我比较推荐的是暗帧更新法，实现起来相对稳定：

// 动态黑电平校正（暗帧更新法）
static uint16_t dynamic_black_level = 64;
static uint32_t frame_count = 0;

void update_black_level(uint16_t* ob_buffer, int ob_size) {
    // 每30帧更新一次黑电平
    frame_count++;
    if (frame_count < 30) return;
    frame_count = 0;
    
    // 对OB像素做中值滤波
    uint32_t sum = 0;
    int valid_count = 0;
    for (int i = 0; i < ob_size; i++) {
        if (ob_buffer[i] > 0 && ob_buffer[i] < 4095) {
            sum += ob_buffer[i];
            valid_count++;
        }
    }
    if (valid_count > 0) {
        // 用指数移动平均平滑更新
        uint16_t new_black = sum / valid_count;
        dynamic_black_level = (dynamic_black_level * 7 + new_black) / 8;
    }
}

3.4 三种算法的选择策略

实际项目中怎么选？我个人的经验是：

• 成本敏感型产品（比如低端IPC）：全局校正就够了，省内存省带宽
• 主流消费电子（手机、运动相机）：行级校正+温度补偿，性价比最高
• 高端专业设备（医疗内窥、工业检测）：动态校正必须上，精度第一

嗯，这里要注意一点——不管用哪种算法，校正后的数据一定要做饱和处理。黑电平减过头变成负数，后面去马赛克会出大问题。

3.5 实现中的常见陷阱

最后聊几个我踩过的坑：

• OB像素数量不足：有些传感器每行只有4个OB像素，统计噪声很大。我建议至少用16个以上，取中位数比均值更鲁棒。
• 黑电平与增益的耦合：模拟增益放大后，黑电平也会被放大。校正顺序必须是先减黑电平，再做增益，顺序反了会放大噪声。
• 边界处理：校正后的数据可能溢出（比如12-bit RAW最大4095），一定要做clamp。我习惯用min(max(x, 0), 4095)兜底。