3. 移动端ISP算法概览

移动端ISP（Image Signal Processor）并不是单一算法，而是一条按像素流水线组织的处理链。Sensor输出的Bayer RAW数据通常只有单一颜色分量，且伴随黑电平偏移、坏点、噪声、光照色偏等问题。ISP的任务是在有限功耗与延迟预算内，把RAW逐步转换为可显示、可编码的YUV图像。理解各模块的功能与先后关系，是后续算法适配和工程落地的基础。

本节按典型移动端ISP流水线顺序，概览黑电平校正、坏点修复、去马赛克、白平衡、色彩校正、伽马、降噪与锐化等模块。它们并非简单串联，而是存在前后依赖与反馈关系，例如降噪常分RAW域与YUV域两段，锐化需在降噪之后以避免放大噪声。

核心原理：各模块解决什么问题

黑电平校正（BLC）处理的是Sensor在无光条件下仍输出的非零基底值。该值来自暗电流和读出电路偏置，若不扣除，暗部会发灰、对比度下降。工程上通常按通道（R/Gr/Gb/B）分别标定，并随增益和温度做补偿。

坏点修复（DPC）针对Sensor制造缺陷或老化产生的异常像素。静态坏点位置固定，可通过标定表记录；动态坏点随增益和曝光变化，需实时检测。常用方法是用同色邻域中值或梯度加权替代，避免破坏边缘。

去马赛克（Demosaic）把每个像素只有一种颜色的Bayer阵列恢复为RGB三通道。核心是插值：在平坦区平滑插值，在边缘区沿边缘方向插值，否则会出现拉链纹和伪彩。移动端常用方向自适应插值加伪彩抑制。

白平衡（AWB）估计场景光源色温，对R/B通道施加增益，使白色物体在不同光源下仍呈中性。色彩校正（CCM）则通过3×3矩阵修正Sensor光谱响应与目标色彩空间之间的偏差，通常与AWB配合，保证肤色和饱和色准确。

伽马校正把线性光信号映射到人眼感知更均匀的编码域，同时压缩高光、提升暗部。降噪分空域和时域：空域在单帧内平滑相似像素，时域利用多帧对齐融合，移动端常用两者结合。锐化在降噪后增强边缘对比，但需控制过冲与噪声放大。

方法流程：一条可落地的处理顺序

1. RAW域：BLC → 线性化 → 坏点修复 → RAW降噪 → 镜头阴影校正。
2. 去马赛克：方向自适应插值 → 伪彩抑制 → 边缘增强。
3. 色彩域：AWB增益 → CCM → 伽马 → 色彩空间转换。
4. YUV域：时域/空域降噪 → 锐化 → 色调与对比度微调 → 输出。

案例/场景：夜景与逆光下的模块联动

夜景场景中，Sensor增益提高，暗电流和坏点更明显，BLC与DPC参数需随增益调整；同时噪声增大，RAW域降噪强度提高，但过强会抹掉细节，需与锐化联动。逆光场景中，AWB容易受高光区域干扰，CCM需保护肤色，伽马则负责把高光压回可显示范围。

# 典型Tuning参数片段（示意）
BLC:   {r: 64, gr: 64, gb: 64, b: 64, gain_comp: true}
DPC:   {mode: dynamic, threshold: 32, gain_dep: true}
AWB:   {mode: auto, gray_edge: 0.35, skin_protect: true}
CCM:   {matrix: [[1.62,-0.52,-0.10],[-0.28,1.55,-0.27],[0.02,-0.42,1.40]]}
Gamma: {curve: srgb_like, contrast: 0.12}
NR:    {raw_strength: 0.6, yuv_strength: 0.4, temporal: 0.5}
Sharp: {amount: 0.8, radius: 1.2, overshoot: 0.15}

误区与复盘：常见工程陷阱