4. 黑电平校正（BLC）：从源头理解暗电流

黑电平校正，简称 BLC，是 ISP 流水线里非常靠前的一步。说白了，就是让传感器在完全没光的时候，输出值应该是 0，而不是一个正数。

但现实很骨感。你拿手机摄像头对着镜头盖拍一张全黑图，放大看像素值，大概率不是 0，可能是 64、128，甚至更高。这个偏移量，就是黑电平。

我刚开始做 ISP 调试时，就踩过这个坑。当时觉得黑电平嘛，减掉一个固定值不就完了？结果发现不同增益下、不同温度下，黑电平完全不一样。嗯，这里面的门道，咱们今天好好捋一捋。

4.1 黑电平是怎么产生的？

黑电平的根源，是传感器的暗电流。即使没有光子入射，光电二极管里的电子也会因为热激发而跃迁，产生微弱电流。温度越高，暗电流越大。

除了暗电流，还有几个因素也会贡献黑电平：

• 像素复位噪声：每次读出前复位，电荷不完全归零
• 读出电路偏移：模拟前端（AFE）的运放有固有偏置
• ADC 偏移：模数转换器本身有零点漂移

这些因素叠加起来，就形成了我们看到的黑电平。我见过最夸张的一次，某款传感器在 60°C 环境下，黑电平直接飙到了 200 多（12bit 数据）。如果不校正，整张图都是灰蒙蒙的，暗部细节全没了。

4.2 全局 BLC vs 局部 BLC

校正策略分两种：全局 BLC 和局部 BLC。我个人的习惯是，先搞清楚传感器有没有提供 OB（Optical Black）像素，再决定用哪种。

4.2.1 全局 BLC

全局 BLC 就是整张图减去同一个值。适用于黑电平在空间上比较均匀的传感器。

实现方式：

// 全局 BLC 示例（C 风格伪代码）
uint16_t blc_value = 64;  // 从传感器寄存器读取或标定得到
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        pixel[y][x] = (pixel[y][x] > blc_value) ? 
                       (pixel[y][x] - blc_value) : 0;
    }
}

优点：简单、快、硬件友好。缺点：如果传感器有行噪声或列噪声，全局减同一个值会留下条纹。

4.2.2 局部 BLC

局部 BLC 按区域或按行列计算黑电平。常见做法是利用传感器边缘的 OB 像素（被遮挡的像素，不感光）来实时估算黑电平。

按行校正：

// 局部 BLC - 按行校正
for (int y = 0; y < height; y++) {
    // 取该行 OB 像素的平均值
    uint32_t sum_ob = 0;
    for (int x = 0; x < ob_width; x++) {
        sum_ob += pixel_ob[y][x];
    }
    uint16_t blc_row = sum_ob / ob_width;
    
    // 对该行所有像素做校正
    for (int x = 0; x < width; x++) {
        pixel[y][x] = (pixel[y][x] > blc_row) ? 
                       (pixel[y][x] - blc_row) : 0;
    }
}

局部 BLC 能有效消除行噪声和列噪声。代价是多了一行 OB 像素的读取和计算，硬件面积会大一点。

对比项	全局 BLC	局部 BLC
计算量	低	中
硬件开销	小	中等
行噪声抑制	无	好
适用场景	均匀性好的传感器	有行/列噪声的传感器
实时性	高	较高

4.3 动态黑电平校正算法

动态 BLC 是更高级的做法。它不依赖固定的标定值，而是根据当前帧的实际情况，实时估算黑电平。

为什么需要动态？因为黑电平会漂。温度变了、增益变了、曝光时间变了，黑电平都会变。固定值校正，在某个条件下准，换个条件就偏了。

4.3.1 基于 OB 像素的动态校正

这是最常用的方法。传感器会在像素阵列的四周留出几行/几列不感光的像素（OB 像素）。这些像素的输出，就是当前帧的黑电平参考。

算法流程：

1. 读取当前帧所有 OB 像素的值
2. 剔除异常值（比如坏点、受串扰影响的像素）
3. 计算有效 OB 像素的均值或中位数
4. 用这个值作为当前帧的黑电平，做全局或局部校正

// 动态 BLC - 基于 OB 像素
uint16_t calc_dynamic_blc(uint16_t *ob_buffer, int ob_count) {
    // 1. 排序
    sort(ob_buffer, ob_count);
    
    // 2. 剔除头尾 10% 的异常值
    int start = ob_count * 0.1;
    int end = ob_count * 0.9;
    
    // 3. 计算中间部分的中位数
    int mid = (start + end) / 2;
    return ob_buffer[mid];
}

4.3.2 基于直方图的动态校正

有些传感器没有 OB 像素，或者 OB 像素数量不够。这时候可以用直方图法。

思路很简单：统计整帧图像的直方图，找到最低的峰值。这个峰值对应的灰度值，就是黑电平的近似值。

为什么？因为正常图像里，总有一部分区域是接近全黑的（比如镜头盖、暗部）。这些像素的分布会形成一个峰，峰的位置就是黑电平。

// 动态 BLC - 基于直方图
uint16_t calc_blc_from_histogram(uint32_t *hist, int bins) {
    // 找到第一个明显的峰值
    int peak_pos = 0;
    uint32_t peak_val = 0;
    
    for (int i = 0; i < bins; i++) {
        if (hist[i] > peak_val) {
            peak_val = hist[i];
            peak_pos = i;
        }
        // 如果连续几个 bin 的值都接近 0，说明过了峰值区域
        if (peak_val > 0 && hist[i] < peak_val * 0.1) {
            break;
        }
    }
    
    return peak_pos;
}

直方图法的优点是无需 OB 像素，缺点是在过曝或纯色场景下可能不准。我一般把它作为 OB 像素法的备选方案。

4.3.3 温度补偿模型

对于高端应用（比如车载、安防），光靠帧级动态校正还不够。温度变化引起的黑电平漂移，需要建立数学模型来补偿。

一个简化的温度补偿模型：

blc(T) = blc_ref + k * (T - T_ref)

// blc_ref: 参考温度下的黑电平
// T_ref: 参考温度（通常 25°C）
// k: 温度系数（由传感器标定得到）
// T: 当前温度（由传感器内置温度传感器读取）

实际项目中，温度系数 k 不是常数，它本身也会随增益变化。所以更精确的做法是建一个二维查找表：增益 × 温度 → 黑电平偏移量。

4.4 BLC 在 ISP 流水线中的位置

BLC 通常放在 ISP 的最前面，在坏点校正之后、去噪之前。为什么？因为黑电平不校正，后面的增益、白平衡都会把偏移量放大，导致色偏和噪声恶化。

下面这张图展示了 BLC 在 ISP 流水线中的位置和核心逻辑：

4.5 工程实现中的几个坑

最后分享几个我在项目中踩过的坑，希望能帮你少走弯路。

• OB 像素数量要够：至少 16 个以上，否则统计结果受噪声影响太大。我见过只用 4 个 OB 像素的方案，黑电平每帧跳变 10 多个 DN，图像闪烁明显。
• 注意 OB 像素的坏点：OB 区域也会有坏点。如果不剔除，一个坏点就能把整帧的黑电平拉偏。建议在产线标定时同时生成 OB 区域的坏点表。
• 黑电平校正后要防溢出：减完黑电平后，像素值可能变成负数。一定要做 clamp 到 0，否则后面的模块会出问题。
• 增益联动：模拟增益放大后，黑电平也被放大了。所以校正应该在增益之前做，或者在增益之后用等效值校正。顺序搞反了，黑电平会跟着增益一起放大，暗部噪声爆炸。