📚 课程目录第2章黑电平校正算法基础

黑电平校正算法基础

黑电平校正，说白了就是给图像信号找一个干净的起点。传感器在完全没有光照时，像素并不是输出零，而是有一个固定的偏置电压。这个偏置如果不扣掉，暗部就会发灰，动态范围也会被白白浪费掉。

我刚开始做ISP时，觉得黑电平校正不就是减一个数嘛，有什么好讲的？后来在低光照场景下吃了亏，才发现这里面门道不少。今天咱们就把三种主流方法掰开揉碎了聊。

全局减法的原理与实现

全局减法是最直观的方法。假设传感器在全黑环境下输出的平均码值是64，那每一帧图像的所有像素都减去64。就这么简单。

但这里有个坑——减完后的值不能为负。图像数据通常是无符号整数，一旦减成负数，硬件会直接截断成0，或者发生下溢绕回变成65535。嗯，这画面就彻底毁了。

核心公式：

I_corrected(x,y) = max( I_raw(x,y) - B_global, 0 )

其中 B_global 是全局黑电平值，通常由传感器厂商提供或标定得到。

代码实现也很直接：

// C++ 实现：全局黑电平校正
void blackLevelCorrection_global(uint16_t* raw, int width, int height, uint16_t blackLevel) {
    for (int y = 0; y < height; y++) {
        for (int x = 0; x < width; x++) {
            int idx = y * width + x;
            if (raw[idx] > blackLevel) {
                raw[idx] -= blackLevel;
            } else {
                raw[idx] = 0;  // 防下溢
            }
        }
    }
}

注意：全局减法只适用于传感器黑电平在空间上均匀的场景。如果传感器有行间差异或列间差异，全局减法会留下明显的竖条纹或横条纹。我曾经在一个项目里直接用全局减法，结果暗场图像上全是条纹，后来才发现是传感器设计问题。

基于暗行/暗列的校正方法

既然全局减法不够灵活，那我们就用传感器自带的暗行（Optical Black, OB）或暗列来实时估算黑电平。大多数CMOS传感器会在像素阵列的四周预留一些被遮挡的像素，这些像素不感光，输出的就是当前帧的黑电平参考值。

我个人习惯把暗行/暗列校正分成三步：

采集参考值：从暗行或暗列中读取像素值
计算校正量：对参考值做均值或中值滤波，得到当前帧的黑电平估计
逐像素校正：用这个估计值对有效像素区域做减法

为什么不用简单的均值？因为暗行里也可能有坏点。如果某个暗像素坏了，输出值异常高或低，直接取均值会把整个校正量带偏。我建议用中值滤波，或者先剔除异常值再算均值。

工程经验：暗行像素通常有几十行，取中间几行做统计，避开边缘行。边缘行容易受到封装应力或温度梯度影响，数据不稳定。我在一个车规项目中试过取全部暗行，结果温度一上来，边缘行的黑电平漂了十几个码值，校正后图像出现渐变偏色。

暗列校正的原理类似，只是参考像素在列方向。有些传感器同时提供暗行和暗列，这时候可以做一个二维校正：

// 伪代码：暗行+暗列联合校正
float rowOffset = median(obRows);    // 暗行中值
float colOffset = median(obCols);    // 暗列中值
float baseOffset = mean(rowOffset, colOffset);

for each pixel (x, y):
    corrected = raw - baseOffset - (rowOffset[y] - baseOffset) - (colOffset[x] - baseOffset)

你想想看，这样做的好处是什么？它能同时补偿行方向和列方向的黑电平不均匀性。当然，计算量也翻倍了，嵌入式平台上要权衡。

动态黑电平校正

动态黑电平校正，说白了就是让校正量跟着环境走。传感器温度一变，黑电平就漂；增益一变，黑电平也跟着变。如果用一个固定值从头减到尾，暗部细节迟早要出问题。

我记得有一次做安防相机，白天效果很好，到了晚上画面暗部发紫。查了半天，发现是温度升高导致黑电平漂了十几个码值，固定校正量不够用了。从那以后，我对动态校正格外上心。

动态校正的核心思路：每帧都重新估算黑电平。具体做法有两种：

方法	原理	优点	缺点
暗行实时跟踪	每帧从暗行提取黑电平，做IIR滤波平滑	实时性好，能跟踪温度变化	暗行区域可能被光污染（如镜头漏光）
增益查表法	预先标定不同增益下的黑电平，运行时查表插值	不受暗行噪声影响	标定工作量大，无法补偿温度变化
混合法	暗行数据做基础，增益表做辅助修正	兼顾实时性和鲁棒性	实现复杂，需要调参

我个人比较推荐混合法。具体实现时，我会给暗行数据加一个置信度判断：如果暗行均值在正常范围内，就用暗行数据；如果异常（比如镜头漏光导致暗行被照亮），就回退到增益表。

// 动态黑电平校正（混合法伪代码）
float estimateBlackLevel(float currentGain, float* obData, int obLen) {
    // 1. 从暗行数据计算候选值
    float obMean = robustMean(obData, obLen);  // 剔除异常值后求均值
    
    // 2. 从增益表查基准值
    float tableValue = lookupGainTable(currentGain);
    
    // 3. 置信度判断
    if (fabs(obMean - tableValue) < THRESHOLD) {
        // 暗行数据可信，用IIR平滑
        static float filtered = 0;
        filtered = 0.9f * filtered + 0.1f * obMean;
        return filtered;
    } else {
        // 暗行数据异常，回退到增益表
        return tableValue;
    }
}

避坑指南：我曾经在动态校正中遇到过一个问题——IIR滤波的系数设得太小，导致黑电平跟踪速度跟不上温度变化。画面从冷启动到热稳定，暗部颜色慢慢漂移，用户反馈说"相机开机后颜色要等几分钟才正常"。后来我把系数从0.05调到0.15，问题就解决了。系数调参时，建议用温度冲击实验来验证跟踪速度。

三种方法的对比与选型

说了这么多，到底该用哪种？我整理了一个对比表，方便你做技术选型：

方法	适用场景	计算量	校正精度	实现难度
全局减法	传感器黑电平均匀、环境温度稳定	极低	低	低
暗行/暗列校正	有OB区域的中高端传感器	中	中高	中
动态黑电平校正	宽温度范围、多增益场景（安防、车载）	中高	高	高

选型时记住一句话：够用就好，别过度设计。如果产品工作温度范围只有0-40度，全局减法加一个温度补偿表就足够了。非要上动态校正，反而增加调试成本和风险。

这张流程图是我在实际项目中总结出来的决策路径。你顺着走一遍，基本不会选错。记住，黑电平校正只是ISP pipeline的第一步，这一步做扎实了，后面的白平衡、去马赛克才能有好的基础。