4. 去马赛克（Demosaic）算法与调优：Bayer格式与色彩插值

好，我们进入第四章。去马赛克，简称Demosaic。说白了，就是把Bayer格式的RAW图，变成一张完整的彩色图像。这是ISP Pipeline里非常关键的一步，直接决定了画面的细节和色彩。

我见过不少工程师，觉得Demosaic就是简单的插值，随便调调参数就行。其实不然。你想想看，一个像素点只有一种颜色信息，要猜出另外两种颜色，这本身就是个“猜谜”游戏。猜得好，画面细腻；猜得不好，伪彩、摩尔纹全来了。

4.1 Bayer格式与色彩插值基础

先说说Bayer格式。它是最常见的单传感器色彩滤波阵列。每个像素只采集红、绿、蓝中的一种光。典型的Bayer模式是RGGB，也就是一个2x2的单元里，有1个R、2个G、1个B。

为什么要两个G？因为人眼对绿色最敏感。所以传感器把更多的资源给了绿色通道。这个设计很巧妙，但也给Demosaic带来了挑战——绿色通道的采样率是红蓝的两倍。

插值的基本思路很简单：比如一个红色像素点，它缺了G和B。那就找它周围的G和B像素，算个平均值填进去。但直接平均会出问题——边缘会糊，伪彩会冒出来。

4.2 经典算法对比

我按复杂度从低到高，给你梳理三种经典算法。每种我都踩过坑，你听听看。

算法	核心思路	优点	缺点	适用场景
双线性插值	对每个缺失通道，取周围同色像素的加权平均	计算量极小，硬件友好	边缘模糊，伪彩严重，摩尔纹明显	低端摄像头、预览模式、对画质无要求的场景
边缘导向插值	先检测边缘方向（水平/垂直），再沿边缘方向插值	边缘保留较好，伪彩减少	对纹理复杂区域仍会出错，计算量翻倍	中端手机、安防监控、一般消费级相机
自适应插值	结合梯度、色差、纹理复杂度，动态选择插值策略	画质最优，伪彩和摩尔纹控制最好	计算量大，调参复杂，需要大量tuning	旗舰手机、专业相机、医疗/工业视觉

双线性插值，我建议你只在做prototype时用。它就是个基准线。边缘导向呢，我早期在安防项目里用过，效果比双线性好不少，但一到密集纹理（比如草地、布料）就露馅了。

自适应插值，是目前的主流。它内部通常会结合色差恒定假设和方向梯度计算。嗯，这里要注意，自适应算法对参数非常敏感，调不好反而比边缘导向还差。

4.3 Demosaic参数对伪彩和摩尔纹的影响

伪彩和摩尔纹，是Demosaic的两大天敌。我一个个说。

4.3.1 伪彩（False Color）

伪彩，就是不该有颜色的地方出现了颜色。比如黑白条纹的边缘，突然冒出了红边或蓝边。为什么会这样？因为插值算法在边缘处“猜错了”。

举个例子：一个黑白交界的边缘，红色通道和蓝色通道的插值方向不一致，导致边缘一侧红色偏多，另一侧蓝色偏多。人眼一看，就是彩色条纹。

影响伪彩的关键参数：

• 色差抑制强度：值越大，伪彩越少，但细节损失也越大。
• 边缘检测阈值：阈值越低，越容易触发边缘保护，伪彩减少，但平坦区域可能被误判为边缘，产生噪声。
• 插值方向权重：水平/垂直方向的权重分配，直接影响边缘处的色彩一致性。

4.3.2 摩尔纹（Moiré Pattern）

摩尔纹，是当场景中的高频纹理（比如西装条纹、百叶窗）与Bayer阵列的采样频率接近时，产生的干涉条纹。它看起来像水波纹，非常碍眼。

摩尔纹的本质是混叠。Bayer阵列的采样率不够高，无法正确还原高频信息，于是产生了假的低频信号。

影响摩尔纹的关键参数：

• 高频抑制强度：值越大，摩尔纹越少，但细节损失也越大。
• 自适应滤波窗口：窗口越大，抑制效果越好，但计算量也越大。
• 梯度阈值：用于区分纹理和噪声，阈值设置不当会导致纹理被误杀。

4.4 知识结构图：Demosaic核心逻辑

下面这张图，帮你理清Demosaic的决策流程。我画了很多次，每次给新人培训都用它。

4.5 调优实战建议

最后，给你几条我在项目里摸爬滚打出来的调优建议：

1. 先看RAW图，再调参。很多伪彩其实是传感器噪声引起的，不是Demosaic的问题。先确认RAW图干净，再动手。
2. 用标准测试图卡。我习惯用ISO 12233图卡和ColorChecker。前者看解析力和摩尔纹，后者看色彩还原和伪彩。
3. 参数要分场景。室内人像和户外风景，Demosaic的参数应该不同。我一般在ISP的3A统计里加入场景分类，然后动态切换参数集。
4. 不要追求极致。伪彩和细节是一对矛盾。你压死了伪彩，细节就没了。找到平衡点，才是高手。