📚 课程目录第2章光学基础

光学基础：镜头的光学特性、渐晕效应与色彩偏移原理

做图像处理这些年，我越来越觉得：不懂光学，ISP 调得再好也是空中楼阁。你想想看，传感器前面那个镜头，才是决定图像质量的第一个关卡。今天我们就来聊聊镜头的光学特性，以及它带来的两个经典问题——渐晕和色彩偏移。

镜头的光学特性

镜头不是完美的。它由多组透镜组成，目的是把光线汇聚到传感器上。但在这个过程中，有几个物理限制是绕不开的。

1. 光圈与进光量

光圈控制进光量，这个大家都懂。但有个细节：光圈越大（F 值越小），边缘光线入射角度越大，渐晕和色彩偏移就越明显。我在项目中遇到过一款手机镜头，F1.6 大光圈，拍出来的照片四角发暗、偏紫，后来不得不把光圈缩到 F2.0 才勉强压住。

2. 焦距与视场角

焦距越短，视场角越大，边缘光线入射角也越大。广角镜头是渐晕和色彩偏移的重灾区。超广角镜头（比如 12mm 等效焦距）的边缘入射角能到 30° 以上，这时候传感器上的微透镜都开始「吃不到」光线了。

3. 镜头镀膜与透过率

不同波长的光在镜头镀膜上的透过率不一样。一般来说，蓝光透过率最低，红光最高。这就导致了色彩偏移——镜头中心到边缘，色温会发生变化。

  核心结论： 镜头的光学特性决定了图像的非均匀性。渐晕是亮度不均匀，色彩偏移是颜色不均匀。两者往往同时出现，互相纠缠。

渐晕效应（Vignetting）

说白了，渐晕就是照片四角比中心暗。原因很简单：边缘光线走的路更长，被镜头遮挡了一部分。

渐晕的三种类型

类型	成因	特点
光学渐晕	镜头镜筒遮挡边缘光线	与光圈大小相关，大光圈更明显
自然渐晕	余弦四次方定律	与入射角相关，广角镜头更严重
像素渐晕	传感器微透镜效率下降	与像素位置相关，边缘像素更暗

我刚开始做 ISP 时，以为渐晕只是亮度问题，用个简单的增益补偿就行。后来发现，渐晕还伴随着色彩偏移——四角不仅暗，还偏色。这时候只做亮度补偿是不够的。

渐晕的数学模型

理想情况下，渐晕可以用一个径向衰减函数来描述：

# 渐晕补偿模型
def vignetting_correction(image, center, coefficients):
    """
    image: 输入图像
    center: 光轴中心坐标 (cx, cy)
    coefficients: 多项式系数 [a0, a1, a2, ...]
    """
    h, w = image.shape[:2]
    cx, cy = center
    result = image.copy()
    
    for y in range(h):
        for x in range(w):
            # 计算径向距离
            r = np.sqrt((x - cx)**2 + (y - cy)**2)
            # 计算增益
            gain = 1.0
            for i, coeff in enumerate(coefficients):
                gain += coeff * (r ** (i+1))
            # 应用增益
            result[y, x] = np.clip(image[y, x] * gain, 0, 255)
    
    return result

这个模型虽然简单，但实际项目中够用了。我一般用 4 阶多项式，系数通过标定板拟合得到。

实战技巧： 标定渐晕时，记得用均匀光照的灰卡。我踩过坑——用白墙标定，结果白墙本身就不均匀，补偿后反而更糟。

色彩偏移原理

色彩偏移，也叫 Color Shading。它和渐晕是「孪生兄弟」。渐晕是亮度问题，色彩偏移是颜色问题。两者都源于镜头的光学特性。

为什么会有色彩偏移？

原因有两个：

镜头镀膜的波长依赖性： 不同波长的光在镜头中的折射率不同。蓝光折射率大，红光折射率小。边缘光线经过更多透镜，蓝光被「甩」得更远。
传感器微透镜的入射角敏感性： 微透镜对不同角度入射光的收集效率不同。大角度入射时，蓝光通道的收集效率下降最快。

我记得有一次，客户反馈某款手机拍出来的照片，四角偏紫红色。我一看就知道是色彩偏移。中心色温 5000K，四角色温能偏到 4500K 以下。这就是典型的「红蓝通道增益不匹配」。

色彩偏移的两种模式

模式	表现	成因
Luma Shading	四角偏暗，色温不变	主要是自然渐晕
Color Shading	四角色温偏移	镀膜 + 微透镜共同作用

实际项目中，两者往往混合出现。我习惯先做 Luma Shading 补偿，再做 Color Shading 补偿。顺序不能乱——先调亮度，再调颜色。

色彩偏移的补偿思路

补偿色彩偏移，本质上是对 R、G、B 三个通道分别做渐晕补偿，但补偿系数不同。比如：

# 色彩偏移补偿
def color_shading_correction(image, center, r_gain, b_gain):
    """
    r_gain, b_gain: 与位置相关的增益矩阵
    """
    # 分离通道
    r, g, b = cv2.split(image)
    
    # 分别补偿
    r_corrected = r * r_gain
    b_corrected = b * b_gain
    # G 通道通常不做补偿，或者做少量补偿
    
    # 合并
    result = cv2.merge([r_corrected, g, b_corrected])
    return result

这里有个坑：R 和 B 的增益矩阵不能独立标定。我试过分别标定，结果补偿后 G 通道反而偏了。后来改用联合标定——同时拍摄灰卡，同时拟合 R、G、B 三个通道的增益。

注意： 色彩偏移补偿不能过度。补偿太多会引入噪声，尤其是暗角区域的蓝色通道。我一般限制最大增益不超过 2.0。

知识结构总览

下面这张图，是我自己总结的镜头阴影与色彩偏移的知识框架。每次做项目前，我都会对照着梳理一遍。

实战中的避坑指南

做镜头阴影校正这些年，我踩过不少坑。挑几个典型的说说：

标定板要均匀： 我曾经用一块不均匀的灰板标定，结果补偿后图像出现「环形伪影」。后来改用积分球光源，问题才解决。
温度影响： 镜头镀膜对温度敏感。冬天和夏天的标定结果不一样。我建议在常温下标定，然后做温度补偿。
不要过度补偿： 四角增益太大，噪声会被放大。我一般限制最大增益 1.5 倍，超过的部分用平滑过渡。
注意镜头模组公差： 同一批镜头，每颗的光学特性都有差异。量产时最好每颗单独标定，或者至少抽检。

我的习惯： 每次拿到新镜头模组，先拍一张均匀灰卡，用 3D 曲面拟合出渐晕和色彩偏移的分布。然后把这个分布存成 LUT，运行时直接查表补偿。效率高，效果也稳定。

好了，光学基础就聊到这儿。记住一句话：镜头阴影和色彩偏移是物理限制，我们只能补偿，不能消除。理解了这个，后面的校正算法才能用得得心应手。