2. RAW域预处理

各位同学，欢迎来到RAW域预处理这一章。说实话，这是整个ISP链路里最「脏」最「累」的活，但也是决定画质下限的关键。你想想看，传感器拿到的原始数据，就像一块刚挖出来的玉石——满是裂痕和杂质。我们预处理要做的，就是把这些瑕疵先处理掉，后面的算法才能好好干活。

我个人习惯把预处理分成四个模块：坏点校正（DPC）、黑电平校正（BLC）、镜头阴影校正（LSC）、绿色平衡（GB）。它们之间没有严格的先后顺序，但通常BLC要最先做，因为后面的算法都依赖正确的黑电平基准。

1. 黑电平校正（BLC）—— 先把基准找对

黑电平校正，说白了就是告诉芯片：「0」到底代表多少。传感器在完全无光的情况下，输出并不是0，而是一个偏置值，通常在几十到几百个DN（数字数）之间。这个偏置就是黑电平。

为什么要做BLC？因为后面的所有处理——坏点检测、去噪、白平衡——都假设黑电平是0。如果黑电平没校正好，暗部细节会偏色，甚至出现「黑不黑」的问题。

BLC的典型做法有两种：

• 全局BLC：整帧减去一个固定值。简单，但无法应对传感器不均匀性。
• 逐行/逐列BLC：每行或每列单独统计暗像素均值。效果好，但需要OB（光学黑）区域支持。

代码实现其实不复杂：

// 全局BLC示例
void black_level_correction(uint16_t *raw, int width, int height, int blc) {
    for (int i = 0; i < width * height; i++) {
        if (raw[i] > blc)
            raw[i] -= blc;
        else
            raw[i] = 0;  // 防止下溢
    }
}

2. 坏点校正（DPC）—— 把「坏像素」揪出来

传感器生产过程中，难免会有一些像素点响应异常。有的是死点（一直亮或一直暗），有的是热点（噪声特别大）。这些坏点如果不处理，会在图像上形成固定的亮点或暗点，非常影响观感。

坏点校正分两步：检测和替换。

检测算法我常用的是「邻域比较法」。以当前像素为中心，取一个3x3或5x5的窗口，计算邻域像素的均值或中值。如果当前像素值与邻域中值的差超过一个阈值，就判定为坏点。

替换策略上，我个人偏好中值滤波。为什么？因为均值滤波会把坏点的「坏」扩散到邻域，而中值滤波能更好地保留边缘。当然，如果坏点恰好位于边缘上，中值也可能出错——这时候可以用方向性插值，沿着边缘方向做替换。

// 简单的坏点检测与替换（3x3窗口）
void dpc_process(uint16_t *raw, int width, int height, int threshold) {
    for (int y = 1; y < height - 1; y++) {
        for (int x = 1; x < width - 1; x++) {
            int idx = y * width + x;
            // 取3x3邻域中值
            uint16_t neighbors[9];
            int n = 0;
            for (int dy = -1; dy <= 1; dy++)
                for (int dx = -1; dx <= 1; dx++)
                    neighbors[n++] = raw[(y+dy)*width + (x+dx)];
            // 排序取中值（这里省略排序实现）
            uint16_t median = quick_select(neighbors, 9, 4);
            // 判断是否为坏点
            if (abs(raw[idx] - median) > threshold) {
                raw[idx] = median;  // 替换为中值
            }
        }
    }
}

3. 镜头阴影校正（LSC）—— 把「暗角」补回来

镜头阴影，也叫暗角或亮度衰减。任何镜头都有这个问题——中心亮、四周暗。原因很简单：镜头的光学路径长度不同，边缘光线到达传感器的角度更大，能量衰减更明显。

LSC的原理就是给每个像素乘上一个增益系数，让四周的亮度补到和中心一致。这个增益系数通常通过标定得到：拍一张均匀白板，然后计算每个像素需要乘多少才能达到中心亮度。

增益系数的存储是个问题。如果每个像素存一个系数，一张1200万像素的图就需要1200万个系数，太占内存。实际工程中，我们通常用网格方式存储：

• 在图像上均匀取NxN个网格点（比如17x17或33x33）
• 每个网格点存一个增益值
• 其他像素的增益通过双线性插值得到

另外，LSC还要考虑色差。不同波长的光衰减程度不同，所以R、G、B通道的增益系数应该分开标定。否则会出现「中心白、四周偏色」的问题——这个我踩过坑，教训深刻。

4. 绿色平衡（GB）—— 让G通道「自洽」

绿色平衡是Bayer RAW特有的一个步骤。Bayer格式中，绿色像素的数量是红色和蓝色的两倍，而且它们分布在不同的行上（RGr和Gb）。理论上，Gr和Gb的响应应该一致，但实际上由于制造工艺的微小差异，Gr和Gb之间会有偏差。

这种偏差如果不校正，会在图像上产生「棋盘格」纹理，尤其是在均匀区域。你想想看，本来应该是纯色的天空，结果出现了周期性的明暗变化，多难受。

绿色平衡的做法很简单：统计Gr和Gb的均值，然后调整其中一个通道，使两者均值相等。

// 绿色平衡示例（全局统计法）
void green_balance(uint16_t *raw, int width, int height) {
    long sum_gr = 0, sum_gb = 0;
    int cnt_gr = 0, cnt_gb = 0;
    
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            if ((y % 2 == 0) && (x % 2 == 1)) {  // Gr位置
                sum_gr += raw[y*width + x];
                cnt_gr++;
            } else if ((y % 2 == 1) && (x % 2 == 0)) {  // Gb位置
                sum_gb += raw[y*width + x];
                cnt_gb++;
            }
        }
    }
    
    float mean_gr = (float)sum_gr / cnt_gr;
    float mean_gb = (float)sum_gb / cnt_gb;
    float gain = mean_gr / mean_gb;  // 以Gr为基准
    
    // 调整Gb通道
    for (int y = 1; y < height; y += 2) {
        for (int x = 0; x < width; x += 2) {
            int idx = y * width + x;
            raw[idx] = (uint16_t)(raw[idx] * gain + 0.5f);
        }
    }
}

还有一种更精细的做法——局部绿色平衡。把图像分成多个小块，每个块独立计算Gr/Gb比例。这样能应对传感器非均匀性，但计算量会大一些。在移动平台上，我通常用全局法加一个简单的低通滤波，效果已经足够。

嗯，这一章的内容就到这里。这些预处理算法看起来简单，但实际工程中坑很多。温度漂移、传感器非均匀性、镜头一致性……每一个都够你调上几天。希望我的经验能帮你少走一些弯路。