4. 黑电平与固定模式噪声校正
黑电平校正，说白了就是告诉相机「什么是真正的黑色」。你想想看，传感器在完全无光的情况下，输出并不是零。这个非零的底数，就是我们常说的黑电平。如果不把它减掉，整张画面就会发灰发雾，暗部细节全被埋没了。
我刚开始调ISP的时候，犯过一个低级错误——直接用全局固定值减黑电平。结果呢？画面边缘偏色，暗部还有条纹。后来才明白，黑电平不是个常数，它跟温度、增益、像素位置都有关系。这一章，咱们就把这块硬骨头啃下来。
4.1 暗电流原理：黑电平的物理根源
暗电流，是传感器在没有光照时，由于热激发产生的电子-空穴对。温度每升高6-8°C，暗电流大约翻一倍。这个特性，决定了黑电平校正不能一劳永逸。
| 参数 | 典型值范围 | 影响因素 |
|---|---|---|
| 暗电流密度 | 10-100 e⁻/pixel/s (25°C) | 温度、工艺、像素尺寸 |
| 温度系数 | 每6-8°C翻倍 | 硅材料本征特性 |
| 像素间差异 | 5-20% (RMS) | 掺杂不均匀、缺陷 |
| 增益影响 | 随模拟增益线性放大 | 暗电流噪声被同步放大 |
关键认知：暗电流不是噪声，是偏置。它决定了黑电平的基线。但暗电流的像素间差异，会形成固定模式噪声（FPN）。这两个概念经常被混淆，但校正方法完全不同。
4.2 OB区域提取：从硬件获取黑电平参考
OB（Optical Black）区域，是传感器上被金属遮挡的像素行或列。这些像素收不到光，只输出暗电流信号。我们用它来实时估算当前帧的黑电平。
我在项目中遇到过一种情况：某款传感器的OB区域只有4行，而且分布在传感器顶部。当画面底部温度升高时，OB区域估算的黑电平偏低，导致底部暗部发紫。后来我们改用多区域OB加权平均，才解决了这个问题。
4.2.1 OB区域的典型布局
- 顶部OB行：最常见，2-16行，位于有效像素上方
- 底部OB行：部分传感器提供，用于补偿垂直温度梯度
- 左右OB列：较少见，用于水平方向校正
- 嵌入式OB像素：分散在有效像素阵列中，用于局部校正
4.2.2 OB提取的工程要点
- 剔除坏点：OB区域也可能有缺陷像素，需要先做坏点检测
- 统计方法：我习惯用中位数而非均值，对异常值更鲁棒
- 行/列独立统计：每行OB单独计算，保留行间差异信息
- 时间滤波：对OB统计值做IIR滤波，防止单帧跳变
// OB区域提取伪代码
for each row in OB_rows:
// 剔除坏点（亮度超出3σ的像素）
valid_pixels = reject_outliers(OB_row_data, sigma=3.0)
// 计算该行OB中位数
row_black_level[row] = median(valid_pixels)
// 时间滤波（α=0.1）
filtered_black_level[row] = α * row_black_level[row] + (1-α) * filtered_black_level[row]
// 全局黑电平 = 所有OB行的加权平均
global_black_level = weighted_average(filtered_black_level, weights=[1.0, 1.0, ...])我的经验：OB区域的权重不要平均分配。靠近有效像素区域的OB行，权重应该更高。我曾经用抛物线权重分配，让中间OB行权重最大，边缘OB行权重递减，效果比均匀加权好很多。
4.3 FPN校正算法：消除固定模式噪声
FPN（Fixed Pattern Noise）是暗电流的像素间差异造成的。它不像随机噪声那样随时间变化，而是固定在每个像素上。你拍一张全黑图，放大到100%看，那些固定的亮暗条纹或颗粒，就是FPN。
FPN校正的核心思路很简单：预先测量每个像素的暗响应，然后在实际拍摄时减去这个偏移量。但实现起来，坑不少。
4.3.1 单帧校正 vs 多帧校正
| 方法 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 单帧OB校正 | 用当前帧OB区域估算全局黑电平，统一减去 | 实时性好，无存储开销 | 无法消除像素级FPN |
| 多帧平均校正 | 拍摄多帧全黑图，平均后作为校正模板 | 可消除像素级FPN | 需要存储模板，温度变化后失效 |
| 混合校正 | 多帧模板 + 实时OB偏移调整 | 兼顾精度和温度适应性 | 算法复杂度高 |
注意：多帧平均校正的模板，必须在完全相同的温度和增益条件下采集。我曾经在实验室25°C下做了完美的FPN校正模板，结果到户外35°C时，暗部出现了明显的网格状噪声。原因就是温度变了，暗电流分布也变了。
4.3.2 行噪声与列噪声的独立处理
行噪声和列噪声是FPN的两种特殊形式。它们不是单个像素的差异，而是整行或整列像素的公共偏移。
- 行噪声：通常由读出电路的行缓冲器不一致引起，表现为水平条纹
- 列噪声：通常由列放大器或ADC的偏移差异引起，表现为垂直条纹
我处理行噪声的方法很简单：对每一行，计算该行所有像素的均值，然后减去这个均值与全局均值的差值。列噪声同理。但要注意，这个操作必须在减完黑电平之后做，否则会引入新的偏置。
// 行噪声校正
for each row in image:
row_mean = mean(pixels_in_row)
global_mean = mean(all_pixels)
row_offset = row_mean - global_mean
for each pixel in row:
pixel = pixel - row_offset
// 列噪声校正
for each col in image:
col_mean = mean(pixels_in_col)
global_mean = mean(all_pixels)
col_offset = col_mean - global_mean
for each pixel in col:
pixel = pixel - col_offset避坑指南：行噪声和列噪声校正的顺序有讲究。我建议先做行噪声，再做列噪声。因为行噪声校正会改变每行的均值，如果先做列噪声，行噪声校正时又会引入新的列方向误差。嗯，这个顺序我踩过坑才总结出来的。
4.4 温度补偿策略：让校正随温度自适应
温度是黑电平校正最大的敌人。暗电流随温度变化，FPN模板也会随温度漂移。如果不做温度补偿，你会发现相机在冷启动和长时间工作后的黑电平完全不同。
4.4.1 温度传感器的布局
我建议在传感器附近至少放置两个温度传感器：一个靠近传感器中心，一个靠近边缘。为什么？因为传感器中心的温度通常比边缘高2-5°C，这个温差会导致黑电平的梯度分布。
4.4.2 温度补偿的三种策略
- 查表法：预先在多个温度点下采集黑电平数据，建立温度-黑电平映射表。运行时根据当前温度查表插值。
- 线性拟合：假设暗电流与温度呈线性关系（在一定范围内），用两个温度点的数据拟合出斜率，实时计算。
- 模型驱动：建立暗电流的物理模型，包含温度、曝光时间、增益等参数，用模型预测黑电平。
| 策略 | 精度 | 实现复杂度 | 适用场景 |
|---|---|---|---|
| 查表法 | 高（插值后） | 低 | 温度范围固定，存储空间充足 |
| 线性拟合 | 中等 | 低 | 温度变化范围小，对精度要求不高 |
| 模型驱动 | 高 | 高 | 宽温度范围，高精度要求 |
我的推荐：对于量产产品，我倾向于查表法+线性插值。查表法在标定阶段工作量较大，但运行时稳定可靠。模型驱动虽然精度高，但参数标定复杂，而且不同芯片的模型参数可能不一致，量产一致性难以保证。
4.4.3 温度补偿的工程实现
实际项目中，温度补偿不是单独做的，而是与OB提取、FPN校正联动。我的做法是：
- 用OB区域实时估算当前帧的黑电平基线
- 用温度传感器获取当前温度，查表得到温度补偿系数
- 用补偿系数调整FPN校正模板的偏移量
- 最终黑电平 = OB基线 + 温度补偿量
这样做的好处是：OB基线负责跟踪快速变化（比如场景亮度突变导致的电源波动），温度补偿负责跟踪慢速变化（比如传感器长时间工作后的温升）。两者互补，覆盖了黑电平漂移的所有因素。
注意：温度补偿系数不是全局统一的。不同像素区域的温度系数可能有差异，尤其是大尺寸传感器。我建议将传感器划分为多个区域，每个区域独立做温度补偿。区域划分的粒度，取决于传感器尺寸和温度梯度的大小。
这张图展示了黑电平与FPN校正的完整流程。你看，OB提取和温度补偿是并行的两条线，最终合并到校正环节。这个结构我用了很多年，稳定可靠。
最后说一句：黑电平校正看似简单，但它是整个图像质量的基础。基础没打好，后面的白平衡、色彩校正、伽马曲线都会跟着跑偏。我见过太多团队花大量精力调色彩、调锐度，结果暗部噪声和偏色问题一直解决不了，最后发现是黑电平校正没做好。嗯，基础工作，值得花时间。