ISP Pipeline核心模块：DPCC、BLC、LSC
好，我们直接进入正题。今天聊的三个模块——DPCC、BLC、LSC——是ISP Pipeline里最靠前的几个处理环节。说白了，它们干的活就是“把RAW数据洗干净”。
你想想看，Sensor送出来的RAW数据，能直接用吗？不能。里面有坏点、有黑电平偏移、有镜头带来的亮度不均匀。如果不处理，后面做去噪、做色彩还原，全都会出问题。
我个人习惯把这三个模块叫做“RAW数据的三道净化关”。咱们一个一个来过。
4.1 DPCC（坏点校正）
DPCC全称是Defective Pixel Correction。坏点，就是Sensor上那些“不听话”的像素点——该亮的时候不亮，该暗的时候不暗。
4.1.1 坏点的类型
| 类型 | 表现 | 成因 |
|---|---|---|
| 亮点（Hot Pixel） | 固定输出高值，画面中始终为白点 | 暗电流过大、像素漏电 |
| 暗点（Dead Pixel） | 固定输出低值，画面中始终为黑点 | 光电二极管损坏、电路断路 |
| 闪烁点（Stuck Pixel） | 输出值固定不变，不随光照变化 | 像素复位失效 |
我在项目中遇到过一种情况：某款Sensor在低温环境下，亮点数量会突然暴增。当时排查了很久，最后发现是温度补偿没做好。嗯，这个坑后面会细说。
4.1.2 DPCC的两种策略
DPCC分两步走：先检测，再校正。
静态坏点校正：依赖Sensor厂商提供的坏点表（Defect Table）。这个表在出厂时标定好，ISP直接查表替换。优点是快，缺点是——如果Sensor老化产生新的坏点，它就无能为力了。
动态坏点校正：实时检测当前帧中的异常像素。常见做法是拿当前像素跟周围8邻域做比较。如果差值超过阈值，就判定为坏点。
核心思路：动态检测通常用中值滤波或均值滤波来替换坏点。我个人更倾向中值滤波——它对边缘的保护更好，不会把细节磨掉。
来看一段简化的动态DPCC伪代码：
// 动态坏点检测与校正（简化版）
for each pixel (x, y) in RAW image:
// 取3x3邻域
neighbors = get_3x3_neighbors(x, y)
median_val = median(neighbors)
diff = abs(pixel_val - median_val)
if diff > threshold:
// 判定为坏点，用中值替换
output[x][y] = median_val
else:
output[x][y] = pixel_val注意：阈值设置很关键。设得太低，会把正常纹理误判为坏点；设得太高，坏点又漏检。我一般建议先做一段统计，取整帧像素差值的均值+3倍标准差作为初始阈值。
4.2 BLC（黑电平校正）
BLC，Black Level Correction。这个模块处理的是Sensor的“零点漂移”问题。
理想情况下，Sensor在全黑环境下的输出应该是0。但实际不是——因为有暗电流、有电路噪声，全黑时输出往往是一个非零值。这个值就是黑电平（Black Level）。
4.2.1 黑电平的来源
- 暗电流：温度越高，暗电流越大，黑电平越高
- ADC偏移：模数转换器本身有固定的偏置
- 电路串扰：电源噪声、时钟耦合等
我记得有一次调试一个低光场景，画面整体偏绿。查了半天，最后发现是BLC没做对——黑电平校正值偏了，导致暗区的R、G、B通道比例失衡。你想想看，暗区的偏移量被放大到整个动态范围，颜色能对吗？
4.2.2 BLC的实现方式
最简单的做法：
// 黑电平校正
output = raw_pixel - black_level
// 如果Sensor有OB（Optical Black）区域
black_level = mean(OB_pixels)这里有个细节：很多Sensor会预留几行或几列被遮挡的像素（OB区域），这些像素收不到光，它们的平均值就是当前帧的黑电平。用OB区域做BLC的好处是——它能跟随温度变化实时调整。
经验之谈：如果Sensor没有OB区域，就得在标定时测一条“黑电平-温度”曲线。运行时查表插值。我曾经在户外监控项目里吃过亏——白天晚上温差大，固定黑电平值导致画面质量忽好忽坏。
4.3 LSC（镜头阴影校正）
LSC，Lens Shading Correction。镜头阴影，也叫暗角——就是画面四周比中心暗的现象。
为什么会这样？两个原因：
- 光强衰减：镜头中心到边缘的光程不同，边缘光强自然弱
- 入射角效应：边缘光线以更大角度入射Sensor，量子效率下降
4.3.1 增益补偿原理
LSC的思路很简单：给边缘像素乘以一个大于1的增益，把亮度拉回来。
// LSC校正
output[x][y] = raw_pixel[x][y] * gain_table[x][y]这个gain_table是一个二维数组，尺寸跟Sensor分辨率一样。中心区域增益接近1.0，越往边缘增益越大。
4.3.2 标定与插值
实际工程中，不会存一整张全分辨率增益表——太费内存了。通常的做法是：
- 在标定时，拍一张均匀亮度的灰卡
- 计算每个像素位置需要的增益值
- 下采样成一张稀疏网格（比如16x16或32x32）
- 运行时用双线性插值算出每个像素的增益
关键点：LSC的增益值不能太大。如果边缘增益超过2.0，会明显放大噪声。我一般控制在1.0~1.8之间。如果暗角太严重，建议从镜头端解决，别全靠ISP硬拉。
4.4 三个模块的处理顺序
这三个模块在Pipeline里的顺序是固定的：DPCC → BLC → LSC。
为什么是这个顺序？
- 先做DPCC：把坏点去掉，避免坏点干扰后续的统计计算
- 再做BLC：把黑电平减掉，让数据回到“真正的0点”
- 最后做LSC：在干净的数据上做增益补偿
顺序错了，效果会打折扣。比如先做LSC再做BLC——增益会把黑电平也放大，导致暗区偏色更严重。
4.5 工程中的常见问题
最后聊几个实际调试中容易踩的坑。
坑1：DPCC阈值与噪声混淆
我曾经在低光场景下，把噪声点误判成了坏点。结果画面被过度平滑，细节全没了。解决办法：动态阈值要跟ISO联动——ISO越高，阈值适当放宽。
坑2：BLC与LSC的耦合
如果BLC没做准，LSC的增益会把黑电平误差放大到整个画面。尤其是暗角严重的镜头，边缘增益大，黑电平误差被放大后会出现明显的“红边”或“绿边”。
调试建议：每次调整BLC值后，务必重新标定LSC增益表。这两个模块是强耦合的，分开标定容易出问题。
好了，这三个模块讲完了。它们虽然基础，但直接影响后面所有模块的输入质量。RAW数据洗得干不干净，就看这三关过得好不好。