4. 黑电平校正基础：暗场帧的采集与使用
黑电平校正，说白了就是给图像传感器“归零”。
你想想看，传感器在完全无光的环境下，理论上应该输出全0。但实际呢？它总会输出一个非零的底数。这个底数，就是黑电平。如果不把它减掉，你拍出来的暗部就会发灰，而且会严重影响后续的去噪、色彩还原。
我个人习惯把黑电平校正比作“打扫房间”。你总得先把地面扫干净，才能铺地毯、摆家具。图像处理也是一样，黑电平校正是所有后续算法的基础。
4.1 暗场帧（Dark Frame）的采集
暗场帧，就是传感器在完全无光条件下拍摄的一帧图像。它记录了每个像素的暗电流噪声和固定模式噪声（FPN）。
采集暗场帧，有几个关键点：
- 完全遮光：镜头盖必须盖严实，不能漏一丝光。我在项目中遇到过，因为镜头盖没盖好，暗场帧里出现了亮斑，结果校正后图像反而出现了暗斑。
- 相同曝光时间：暗场帧的曝光时间，必须和实际拍摄的帧一致。因为暗电流和曝光时间成正比。
- 相同温度：温度对暗电流影响极大。每升高6-8°C，暗电流翻倍。所以暗场帧最好在相同温度下采集。
- 多帧平均：单帧暗场噪声太大。我建议采集16-64帧，然后取平均，能有效降低随机噪声。
我的经验： 在实际工程中，我通常会在相机开机后，先让传感器稳定运行几分钟，等温度稳定了再采集暗场帧。这样能避免开机初期温度变化带来的误差。
4.2 暗场帧与OB区域的关系
OB区域，全称是Optical Black区域。它是传感器上被金属层遮挡的像素行或列，和暗场帧的作用类似，都是用来估计黑电平的。
但两者有本质区别：
| 对比项 | 暗场帧 | OB区域 |
|---|---|---|
| 采集方式 | 单独拍摄一帧 | 传感器硬件自带 |
| 空间位置 | 全帧图像 | 边缘几行/几列 |
| 时效性 | 需提前采集 | 实时可用 |
| 噪声特性 | 可多帧平均降噪 | 单帧，噪声较大 |
| 适用场景 | 高精度校正 | 实时校正 |
OB区域的好处是实时性。每一帧图像都自带OB像素，可以直接用它们的平均值作为当前帧的黑电平估计。但缺点也很明显——OB像素数量有限，统计稳定性不如暗场帧。
我见过不少方案，是把两者结合起来：用暗场帧做精细校正，用OB区域做实时漂移补偿。嗯，这个后面会细讲。
4.3 暗场帧的局限性
暗场帧虽然好用，但绝不是万能的。我曾经踩过不少坑，这里给你提个醒：
避坑指南：
- 温度漂移：暗场帧是在特定温度下采集的。如果相机工作温度变化，暗电流也会变。我曾经在户外测试时，中午和傍晚的暗场帧差异很大，导致校正后图像出现偏色。
- 老化效应：传感器用久了，暗电流会逐渐增大。半年前采集的暗场帧，半年后可能就不准了。我建议每隔一段时间重新采集一次。
- 增益变化：暗场帧是在特定增益下采集的。如果实际拍摄时用了不同的增益，暗场帧就不能直接用了。需要做增益归一化处理。
- 非线性响应：有些传感器在低光区域存在非线性。暗场帧减完后，可能会出现负值或暗部细节丢失。
说白了，暗场帧是一个“静态”的校正手段。而传感器的工作环境是“动态”的。所以，实际工程中很少单独依赖暗场帧，通常会配合OB区域、温度传感器、增益表等一起使用。
4.4 核心知识结构
下面这张图，帮你理清本章的核心逻辑：
4.5 代码示例：暗场帧采集与校正
下面是一个简单的Python示例，演示如何采集暗场帧并进行校正：
import numpy as np
import cv2
def capture_dark_frame(cap, num_frames=16):
"""
采集暗场帧（多帧平均）
cap: 已打开的摄像头，需盖住镜头
num_frames: 采集帧数
"""
frames = []
for i in range(num_frames):
ret, frame = cap.read()
if ret:
frames.append(frame.astype(np.float32))
dark_frame = np.mean(frames, axis=0)
return dark_frame
def apply_black_level_correction(image, dark_frame):
"""
应用黑电平校正
image: 原始图像
dark_frame: 暗场帧
"""
# 确保数据类型一致
image_float = image.astype(np.float32)
# 减去暗场帧
corrected = image_float - dark_frame
# 裁剪到有效范围
corrected = np.clip(corrected, 0, 255)
return corrected.astype(np.uint8)
# 使用示例
cap = cv2.VideoCapture(0)
# 采集暗场帧（记得盖住镜头）
print("正在采集暗场帧，请确保镜头已盖住...")
dark = capture_dark_frame(cap, num_frames=32)
print("暗场帧采集完成")
# 正常拍摄
print("请打开镜头盖...")
ret, frame = cap.read()
# 校正
result = apply_black_level_correction(frame, dark)
# 显示结果
cv2.imshow('Original', frame)
cv2.imshow('Corrected', result)
cv2.waitKey(0)
cap.release()
cv2.destroyAllWindows()
关键点：
- 暗场帧采集时，一定要确保镜头完全遮光。
- 多帧平均能有效降低随机噪声，建议至少16帧。
- 校正后要裁剪到有效范围，避免出现负值或溢出。
嗯，到这里，暗场帧的基础知识就讲完了。记住，黑电平校正不是一劳永逸的。实际项目中，你需要根据传感器特性、工作环境、精度要求，灵活选择暗场帧、OB区域或两者结合的方式。