4. Bayer阵列与色彩滤波

在绝大多数单传感器数字相机中，图像传感器本身只能感知光的强弱，无法直接分辨颜色。为了让一个像素阵列同时获得红、绿、蓝三通道信息，工程师采用了一种“以空间换颜色”的方案：在每个感光单元上方覆盖不同颜色的滤光片，并按特定规律排列，这就是颜色滤波阵列（Color Filter Array，CFA）。其中最经典、应用最广的排列方式由柯达工程师 Bryce Bayer 于 1976 年提出，因此被称为 Bayer 阵列。

一、CFA 模式：Bayer 阵列的排列规律

Bayer 阵列的核心特征是：每个像素只允许一种颜色通过，且绿色像素数量是红、蓝的两倍。以最常见的 RGGB 模式为例，其 2×2 基本单元排列如下：

R  G  R  G  R  G
G  B  G  B  G  B
R  G  R  G  R  G
G  B  G  B  G  B

可以看到，每一行只有两种颜色交替，每一列同样如此。绿色占 50%，红蓝各占 25%。这种比例并非随意设计：人眼视觉系统对绿光波段最敏感，绿色采样密度最高，能最大程度保留亮度细节，从而在后续插值中减少视觉损失。除 RGGB 外，还有 BGGR、GRBG、GBRG 等变体，它们只是 2×2 单元的起始相位不同，本质结构完全一致。

二、颜色采样原理：从单色到三通道

Bayer 阵列本质上是对红、绿、蓝三个通道进行欠采样。理想情况下，若每个像素都能独立获得 R、G、B，则不存在颜色分辨率损失；但受限于像素面积和成本，CFA 只能让每个像素“专精”一种颜色。因此，颜色分辨率低于亮度分辨率，这是所有单传感器相机的固有特性。

去马赛克算法正是为弥补这一缺陷而存在。以最简单的双线性插值为例，对于某个红色像素位置，其绿色分量可由上下左右四个绿色像素取平均，蓝色分量由对角线四个蓝色像素取平均。更先进的算法会引入边缘方向判断、色差恒定假设、梯度加权等策略，以减少插值带来的伪影。

下面用一段伪代码说明双线性插值的基本逻辑：

for each pixel (x, y):
    if CFA[x][y] == R:
        G = mean(G[x-1][y], G[x+1][y], G[x][y-1], G[x][y+1])
        B = mean(B[x-1][y-1], B[x+1][y-1], B[x-1][y+1], B[x+1][y+1])
    if CFA[x][y] == G:
        R = mean(R[left/right neighbors])
        B = mean(B[up/down neighbors])
    if CFA[x][y] == B:
        G = mean(G[up/down/left/right])
        R = mean(R[diagonal neighbors])

该过程完成后，每个像素才拥有完整的 R、G、B 三通道值，图像从 RAW 域进入 RGB 域，后续才能进行白平衡、色彩校正、伽马变换等处理。

三、摩尔纹与伪彩色：高频细节的“混叠”代价

由于 CFA 是周期性采样结构，当被摄场景中存在与 CFA 周期接近的高频纹理（如细密条纹、织物、栅栏、屏幕像素）时，采样结果会发生混叠（Aliasing），表现为两种典型现象：

• 摩尔纹（Moiré）：规则高频纹理与 CFA 周期相互干涉，形成放大后的波浪状、网格状或彩色条纹。它并非场景中真实存在的图案，而是采样系统产生的低频伪影。
• 伪彩色（False Color）：高频边缘处，R、G、B 三通道的采样相位不一致，导致插值后局部出现本不存在的红、蓝、绿色斑块，常见于头发丝、百叶窗、细密网格等区域。

从信号处理角度看，摩尔纹和伪彩色都是频率混叠的不同表现形式：前者体现为亮度上的低频干涉，后者体现为色度上的错误重建。二者往往同时出现，且越靠近奈奎斯特频率，越难通过后期完全消除。

四、案例与误区复盘

假设拍摄一件细密条纹衬衫，RAW 图中条纹间距接近 2 个像素。此时 CFA 采样无法准确还原条纹相位，去马赛克后画面出现彩色波纹。若直接加大锐化，伪彩色会被进一步放大；若过度降噪，则布料纹理被抹平。正确做法是：先判断伪影来源，再在去马赛克阶段选择带方向判断的算法，必要时降低局部锐化强度。

常见误区包括：把摩尔纹误认为镜头分辨率不足；把伪彩色误认为白平衡漂移；在 RAW 阶段就进行强锐化，导致后续无法挽回。理解 CFA 的采样本质，才能从源头判断问题归属。

综上，Bayer 阵列用最小的硬件代价换取了彩色成像能力，但也引入了颜色欠采样和频率混叠问题。理解 CFA 模式、采样原理以及摩尔纹与伪彩色的产生机理，是掌握 ISP 全流程中 RAW 域处理、去马赛克和画质调优的关键基础。