1. RK平台图像调优概述
大家好，我是负责这堂课的工程师。做RK平台的图像调优，说实话，一开始我也觉得挺懵的——Pipeline那么长，参数几百个，到底从哪下手？后来摸爬滚打几年，慢慢理出了头绪。今天咱们先把全景图铺开，看看整个调优工作到底在做什么。
1.1 RK ISP Pipeline 简介
RK的ISP（图像信号处理器）Pipeline，说白了就是把Sensor送来的原始数据，一步步加工成人眼看着舒服、算法能识别的图像。我习惯把它分成三大段：前端处理、中间处理、后端输出。
核心思路：Pipeline的每个模块都在做“补偿”和“增强”。Sensor有缺陷，ISP来补；环境不理想，ISP来调。理解了这个，你就能明白为什么参数调不好，效果就崩。
下面这张图是我自己整理的RK ISP Pipeline简化流程，你看一眼就能明白数据是怎么流动的：
每个模块都有对应的参数文件，比如 iq_tuning.xml 里就包含了AWB、CCM、Gamma等所有配置。我在项目里见过有人上来就调Sharpen，结果发现暗部噪点全炸了——因为前面的NR根本没动。Pipeline的顺序，决定了调优的优先级。
1.2 图像质量评估指标
调优之前，你得知道“好”的标准是什么。图像质量评估，我把它分成两类：客观指标和主观评价。客观指标用数据说话，主观评价靠人眼看。
| 指标类别 | 具体指标 | 说明 |
|---|---|---|
| 客观指标 | SNR（信噪比） | 信号与噪声的比值，越高越好。暗光下SNR通常低于30dB就要注意了。 |
| MTF（调制传递函数） | 衡量清晰度，常用MTF50。我习惯用SFR测试卡跑一遍。 | |
| Color Error（ΔE） | 色彩偏差，ΔE < 3 算不错，< 1 就是顶级了。 | |
| Dynamic Range | 动态范围，单位dB。高动态场景下，这个指标很关键。 | |
| 主观评价 | 噪点水平 | 看暗部、纯色区域是否干净。我一般用ISO 12233图卡配合实景。 |
| 色彩还原 | 肤色、蓝天、草地是否自然。这个主观性很强，需要和客户对齐。 | |
| 边缘振铃 | Sharpen调过头会出现白边，人眼很敏感。 |
我的经验：客观指标是门槛，主观评价是天花板。SNR做到40dB以上，MTF50超过0.5，基本就及格了。但最终客户满不满意，还得看人眼感受。我曾经有个项目，客观指标全优，客户却说“看着假”——后来发现是Gamma曲线太硬，少了点胶片感。
1.3 调优工作流全景
调优不是一锤子买卖。我总结了一套工作流，大概分五个阶段。你想想看，如果跳过其中一步，后面返工的成本会翻倍。
- 准备阶段：选Sensor、搭硬件、拍RAW图。这一步我建议多拍几组不同光照的raw图，白天、夜晚、室内、室外，至少各一组。
- 基础校正：BLC、LSC、坏点校正。这些是“地基”，地基歪了，后面怎么调都别扭。
- 核心调优：AWB、AEC、CCM、Gamma。这是最耗时的部分，我一般先调AWB，再调CCM，最后动Gamma。
- 细节增强：Sharpen、NR、HDR。注意Sharpen和NR是“跷跷板”，调高Sharpen就得压NR，反之亦然。
- 验收与迭代：跑客观测试、做主观评审、出报告。如果客户反馈有问题，回到第三步或第四步微调。
避坑指南：我曾经跳过基础校正直接调AWB，结果发现不同Sensor之间有明显的亮度差异——后来查出来是LSC参数没对齐。从那以后，我每次都会先跑一遍基础校正的验证脚本，确保每个模块的raw图都“干净”了再往下走。
下面这张流程图，把整个工作流串起来了：
嗯，这里要注意：验收阶段不是终点。客户说“颜色偏黄”，你可能得回到AWB重新标定白点；客户说“暗部太糊”，你得回去调NR的强度。所以工作流画成闭环，是有道理的。