2. Sensor数据采集与RAW域处理

各位工程师好，我是老周。今天咱们聊聊ISP Pipeline的起点——Sensor数据采集和RAW域处理。这部分看似基础，但说实话，很多图像问题的根子就出在这里。你想想看，源头数据如果脏了，后面再怎么调也是白费功夫。

2.1 Sensor工作原理——光电转换的“第一公里”

Sensor的核心任务，就是把光信号变成电信号。这个过程我习惯分成三步：

1. 光电转换：光子打到像素点的感光二极管上，产生电子
2. 电荷积累：曝光时间内，电子不断积累，形成电压信号
3. 模数转换：ADC把模拟电压量化为数字值（通常是10bit、12bit或14bit）

我在项目中遇到过一个问题：同一款Sensor，白天效果很好，晚上全是噪点。后来发现是ADC的增益档位没选对。Sensor的模拟增益和数字增益，对信噪比的影响完全不同。模拟增益放大的是信号+噪声，数字增益只放大数字噪声。所以我的建议是：优先用模拟增益，数字增益能不用就不用。

2.2 Bayer Pattern——彩色世界的“马赛克”

单个像素只能感知亮度，那颜色怎么来？答案是Bayer Pattern。Sensor表面覆盖了一层彩色滤光片阵列（CFA），每个像素只允许一种颜色通过。

最常见的Bayer Pattern是RGGB，也就是一个像素点阵里：

• 50%是绿色像素（G）——人眼对绿色最敏感
• 25%是红色像素（R）
• 25%是蓝色像素（B）

为什么绿色多一倍？说白了，人眼对亮度信息最敏感，而绿色通道贡献了大约60%的亮度信息。Sensor厂商这么设计，是为了模拟人眼的视觉特性。

Bayer类型	排列方式	常见应用
RGGB	R G / G B	最主流，安防、手机、相机
RCCC	R C / C C	低照度监控，牺牲色彩换亮度
RCCB	R C / C B	兼顾亮度和色彩，部分安防Sensor在用

下面这张图展示了Bayer Pattern的数据采集流程：

2.3 黑电平校正（BLC）——把“零”找回来

黑电平校正，说白了就是找到Sensor在完全无光情况下的输出值。理想情况下，没光应该输出0。但实际Sensor有暗电流，即使盖上镜头盖，像素也会读出一些数值，比如64（12bit RAW下）。

这个偏移量就是黑电平。校正公式很简单：

// 黑电平校正示例代码
uint16_t blc_value = 64;  // 从Sensor寄存器读取或标定得到
for (int i = 0; i < frame_size; i++) {
    raw_data[i] = (raw_data[i] > blc_value) ? (raw_data[i] - blc_value) : 0;
}

BLC校正不到位，会带来两个问题：

• BLC偏大：暗部被裁切，细节丢失，画面发黑
• BLC偏小：暗部有偏色，整体画面发灰，动态范围被压缩

2.4 镜头阴影校正（LSC）——让画面“亮”得均匀

镜头阴影，也叫亮度衰减。说白了，就是镜头中心比边缘亮。原因有两个：

• 光学原因：镜头边缘的光线入射角大，到达Sensor的光量少
• 像素原因：边缘像素的微透镜收集效率下降

校正方法是用一个增益矩阵去补偿边缘像素。每个像素位置乘以一个对应的增益值：

// 镜头阴影校正示例（简化版）
// gain_table 是预先标定好的增益矩阵
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        float gain = gain_table[y][x];
        raw_data[y * width + x] = raw_data[y * width + x] * gain;
    }
}

LSC标定通常分两步：

1. 采集平场图像：用均匀光源（积分球或灯箱）拍摄一张全白画面
2. 计算增益矩阵：以图像中心为基准，计算每个像素需要补偿的增益

校正维度	描述	典型值
亮度阴影	亮度从中心到边缘的衰减	中心100%，边缘70%~85%
颜色阴影	不同颜色通道衰减不一致导致的偏色	边缘可能偏红或偏蓝

颜色阴影比亮度阴影更棘手。因为不同波长的光在镜头边缘的衰减率不同，导致画面边缘偏色。我遇到过一款镜头，边缘偏红很严重，单独做亮度LSC根本没用，必须分通道做LSC——R、G、B各一张增益表。