一、课程导论：镜头阴影校正与去噪滤波

大家好，我是这门课的主讲。在正式开始之前，我想先聊聊一个几乎所有摄像头都会遇到的问题——镜头阴影。说白了，就是你拍出来的照片，四周比中间暗，或者偏色。我最早接触这个问题是在做手机摄像头调试的时候，当时客户反馈说「拍白墙怎么中间亮四周暗？」嗯，那就是典型的镜头阴影。

1.1 什么是镜头阴影？

镜头阴影，也叫亮度衰减或暗角。它指的是图像中心区域和边缘区域之间，亮度或颜色不一致的现象。为什么会这样？

• 光学原因：镜头本身是一个凸透镜，光线从中心通过时路径短、损失小；从边缘通过时路径长、损失大。你想想看，边缘光线还要穿过更厚的镜片材料，衰减自然更明显。
• 传感器原因：CMOS传感器表面有微透镜阵列，边缘像素接收光线的角度偏大，效率下降。我在项目中遇到过一款广角镜头，边缘亮度只有中心的40%，那叫一个惨。

下面这张图可以帮你快速理解镜头阴影在ISP管线中的位置和影响：

1.2 为什么需要校正？

不校正行不行？我直接告诉你——不行。原因有三：

1. 视觉质量差：用户一眼就能看出照片四周发暗，尤其是拍天空、白墙、文档这类均匀场景。我曾经给一个扫描仪项目做调试，不校正的话，扫描出来的文档边缘明显比中间暗，客户直接拒收。
2. 影响后续处理：阴影会导致图像分割、特征提取、目标检测等算法误判。比如做人脸检测，边缘人脸因为亮度低，可能直接被算法忽略。
3. 放大噪声：这一点很多人容易忽略。阴影校正本质上是对边缘像素做增益放大，增益越大，噪声越明显。所以阴影校正和去噪是一对孪生兄弟，必须一起处理。

问题	不校正的后果	校正后的效果
亮度不均匀	四周暗角明显	全画面亮度一致
颜色偏移	边缘偏绿/偏紫	颜色还原准确
噪声放大	边缘噪声严重	配合去噪保持干净
算法误判	检测/识别率下降	算法稳定运行

1.3 去噪滤波在ISP管线中的位置

ISP（Image Signal Processor，图像信号处理器）管线是一套流水线处理流程。我习惯把它想象成一条生产流水线：原始数据从传感器出来，经过一道道工序，最终变成一张漂亮的照片。

去噪滤波在管线中的位置，通常是在镜头阴影校正之后、白平衡之前。为什么这么安排？

• 阴影校正在前：因为阴影校正是对每个像素做增益补偿，这个操作会放大噪声。如果先去噪再校正，校正时又会引入新的噪声，等于白干。
• 去噪紧随其后：校正完立刻去噪，把放大的噪声压下去，后面的白平衡、色彩校正才能稳定工作。
• 保留细节是关键：去噪不是简单模糊。好的去噪算法要能区分「噪声」和「细节」。我见过不少方案，去噪是去干净了，但边缘也糊了，那叫一个得不偿失。

1.4 本章小结

好了，这一章我们聊了三个核心问题：

• 镜头阴影是什么——光学和传感器导致的亮度/颜色不均匀
• 为什么要校正——提升视觉质量、保证后续算法稳定、避免噪声放大
• 去噪滤波的位置——在阴影校正之后、白平衡之前，两者配合使用