1. onsemi摄像头ISP协同调优工程导入
在手机、车载、安防与工业视觉等产品中，摄像头成像质量早已不是"传感器好就够"的时代。一颗 onsemi（安森美）CMOS 图像传感器，例如 AR0234、AR0820、AR1335 这类常见型号，输出的只是 RAW Bayer 数据；真正决定用户看到画面观感的，是传感器寄存器配置与后端 ISP（Image Signal Processor）算法之间的一整套配合关系。本课程要讲的"协同调优"，正是围绕这条链路展开的工程方法。
课程目标：从"会调"到"会协同"
本课程的目标不是教会大家记住某个寄存器的地址，而是建立一套可复用的协同调优思维。具体来说，学完本课程后，你应当能够：
- 读懂 onsemi 传感器数据手册中与成像质量直接相关的关键寄存器组，理解曝光、增益、黑电平、镜头阴影校正（LSC）、坏点校正等模块的作用边界；
- 理解 ISP 各处理阶段（去马赛克、白平衡、色彩校正、Gamma、降噪、锐化）对输入 RAW 数据的依赖关系，知道哪些参数必须由传感器侧配合；
- 掌握"传感器—ISP"联合调试的基本流程：从 RAW 抓取、客观指标测量，到参数迭代与主观画质确认；
- 能够针对典型场景（低照、逆光、运动、LED 频闪）定位问题出在传感器侧还是 ISP 侧，并给出可执行的调整方向。
需要强调的是，协同调优的核心矛盾在于：传感器输出的是"物理量"，ISP 处理的是"感知量"。传感器侧调曝光和增益，改变的是 RAW 数据的信噪比与动态范围；ISP 侧调 Gamma 和饱和度，改变的是这些数据被映射成人眼观感的方式。两者若各自为政，就会出现"RAW 看着正常、成片发灰"或"ISP 拉满、暗部噪点爆炸"的典型问题。
工程边界：谁负责什么
在真实项目中，协同调优的边界必须提前划清，否则会出现传感器厂、ISP 厂、模组厂、整机厂互相推诿的情况。一个清晰的边界划分如下：
| 环节 | 主要责任方 | 典型交付内容 |
|---|---|---|
| 传感器寄存器配置 | 传感器/驱动工程师 | 曝光、增益、帧率、镜像、黑电平、LSC 系数 |
| RAW 数据质量 | 模组厂 + 传感器厂 | 暗电流、坏点表、色彩阴影、信噪比基线 |
| ISP 算法参数 | ISP 调优工程师 | AWB 增益、CCM、Gamma 曲线、NR/Sharpen 强度 |
| 场景适配与验收 | 整机/画质团队 | 各场景主观评分、客观指标报告 |
本课程聚焦的是中间两列的交叉地带：传感器侧哪些参数会"喂"给 ISP，ISP 侧哪些参数又必须反过来约束传感器。例如，传感器的黑电平若设置偏高，ISP 的暗部降噪就会把有效信号也一并压掉；传感器的 LSC 若未校准，ISP 的 AWB 就会在不同视场角出现色偏。这些都不是单侧能解决的问题。
典型应用场景与交付物
onsemi 摄像头模组在不同产品中的调优重点差异很大。车载前视更关注高动态范围与 LED 频闪抑制，因为要同时看清隧道口和仪表灯；安防监控更关注低照度下的信噪比与红外切换一致性；消费类手机则更关注肤色还原与逆光人像。这些场景对传感器和 ISP 的联合要求可以归纳为一张关系图：
从图中可以看到，RAW 数据是传感器与 ISP 的交汇点，也是协同调优真正的作用对象。传感器侧改变 RAW 的统计特性，ISP 侧则基于这些统计特性做映射和增强，同时 3A 统计又会反向回写传感器曝光与增益，形成闭环。理解这个闭环，是后续所有章节的基础。
交付物：调优成果长什么样
一个完整的协同调优项目，最终交付的通常不是"一张好看的图"，而是一组可复现、可验收的文件。以车载前视模组为例，典型交付物包括：
- RAW 基线数据包：在标准光源箱（D65、TL84、A 光源）下抓取的 RAW 帧，附带传感器寄存器配置快照；
- ISP 参数集：AWB 增益表、CCM 矩阵、Gamma 曲线、NR/Sharpen 强度表，按场景或 ISO 分档；
- 客观指标报告：信噪比（SNR）、动态范围（DR）、色彩误差（ΔE）、解析力（MTF）等；
- 主观评分表：由画质工程师按场景打分，记录问题点与调整记录；
- 调优日志：每次参数变更的原因、变更内容、观察到的变化，便于回溯。