3、RAW图预处理流程：黑电平校正、Lens Shading校正、坏点校正、去噪预处理
各位，咱们直接进入正题。RAW图从传感器出来，说白了就是一堆「带噪声的原始电压值」。你不能直接拿它做颜色处理，必须先过一遍预处理流水线。我习惯把这四个步骤叫做「RAW图的四道安检」——黑电平校正、Lens Shading校正、坏点校正、去噪预处理。顺序基本固定，但每家芯片厂商的微调策略不太一样。
核心观点：预处理做不好，后面所有调优都是白费功夫。你想想看，一个坏点没修掉，后面插值完就是一块彩色污渍，再好的AWB也救不回来。
3.1 黑电平校正（Black Level Correction）
先说黑电平。传感器在没有光照时，像素并不是输出0，而是有一个固定的偏置电压。这个偏置就是黑电平。我见过不少新手直接忽略这步，结果暗部偏色严重，怎么调都调不回来。
校正公式很简单：
// 黑电平校正
pixel_out = pixel_raw - black_level;
if (pixel_out < 0) pixel_out = 0;但实际项目里没这么简单。不同传感器、不同增益下的黑电平不一样。我做过一个项目，传感器在低增益下黑电平是64，高增益下漂到了72。你如果只用一个固定值，高ISO下暗部就发紫。
我的经验：建议在产线标定时，至少采集3个不同增益下的黑电平值，做线性插值。有些高端传感器还会逐行变化，那就得做逐行校正。
| 增益档位 | 黑电平值（12bit） | 备注 |
|---|---|---|
| ISO 100 | 64 | 基准值 |
| ISO 400 | 68 | 线性插值 |
| ISO 1600 | 72 | 高增益漂移 |
避坑指南：我曾经在一个项目中，黑电平校正后忘了做clip，导致暗部出现负值，后面插值直接溢出成白色噪点。查了两天才找到原因——从此我养成了校正后立即clip的习惯。
3.2 Lens Shading校正（Lens Shading Correction）
镜头边缘进光量天生比中心少，这就是Lens Shading。说白了就是「中心亮、四周暗」。另外还有颜色shading——边缘偏色。这两个问题必须一起修。
校正原理：预先存一张增益网格图（Gain Map），每个像素位置乘一个对应的增益系数。
// Lens Shading校正
pixel_out = pixel_in * gain_table[row][col];
// 注意：R、Gr、Gb、B四个通道的增益表不同我个人习惯用 9x13 或 17x25 的网格，然后双线性插值到全分辨率。网格太密浪费内存，太疏校正不平滑。嗯，这里要注意——网格的边界处理，我踩过坑。
关键参数对比：
| 网格密度 | 内存占用（12MP） | 校正精度 | 适用场景 |
|---|---|---|---|
| 9x13 | ~4KB | 中等 | 手机摄像头 |
| 17x25 | ~16KB | 良好 | 车载/安防 |
| 33x49 | ~64KB | 优秀 | 专业相机 |
我的建议：颜色shading校正最好在Bayer域做，等插值成RGB后再做，边缘的色差已经被放大，校正效果会打折扣。
3.3 坏点校正（Bad Pixel Correction）
传感器生产过程中难免有坏点。坏点分两种：静态坏点（永远亮或永远暗）和动态坏点（只在特定条件下出现）。
静态坏点校正：产线标定时生成一张坏点坐标表，运行时直接替换。
// 静态坏点替换
if (is_bad_pixel[row][col]) {
pixel_out = median_filter(raw, row, col, 3x3);
} else {
pixel_out = raw[row][col];
}动态坏点检测：实时判断当前像素是否异常。我常用的方法是——比较当前像素与周围8个像素的差值，如果超过阈值，就标记为坏点。
避坑指南：我曾经在一个项目中，动态坏点检测阈值设得太低，结果把正常的纹理细节当成了坏点，画面变得像磨皮过度一样。后来我改用自适应阈值——根据局部方差动态调整检测门限，效果好了很多。
你想想看，坏点校正放在Lens Shading之后是有道理的——因为Lens Shading会放大边缘的噪声和坏点，先校正亮度不均，再做坏点检测，准确率更高。
3.4 去噪预处理（Denoising Preprocessing）
最后一步是去噪。为什么叫「预处理」？因为这里只做轻度去噪，保留细节，后面还有专门的降噪模块做精细处理。
常用的Bayer域去噪方法：
- 空域滤波：双边滤波、非局部均值（NLM）——效果好但计算量大
- 时域滤波：多帧叠加、运动补偿——适合视频，静态场景效果极佳
- 变换域滤波：小波阈值、BM3D——质量最高，但实时性差
我个人在手机项目里最常用的是「自适应双边滤波」。为什么？因为它在边缘保持和噪声抑制之间平衡得最好。而且可以在Bayer域直接操作，不用先插值成RGB，省掉一步开销。
// 自适应双边滤波（简化版）
for each pixel (i, j) {
weight_sum = 0;
value_sum = 0;
for each neighbor (m, n) {
w_spatial = exp(-((i-m)^2 + (j-n)^2) / (2 * sigma_s^2));
w_range = exp(-(I(i,j) - I(m,n))^2 / (2 * sigma_r^2));
weight = w_spatial * w_range;
value_sum += I(m,n) * weight;
weight_sum += weight;
}
I_out(i,j) = value_sum / weight_sum;
}去噪参数调优口诀：
- sigma_s（空间域）：越大越模糊，一般取 1.5~3.0
- sigma_r（值域）：越大越保留细节，一般取 10~30（12bit数据）
- 迭代次数：1次足够，多了细节全丢
我的经验：去噪预处理不要做得太狠。我见过有人把sigma_r设到5，结果暗部噪声是没了，但头发丝纹理也糊了。记住——预处理的目标是「让后面的插值和颜色处理不放大噪声」，不是一步到位降干净。
好了，这四个步骤走完，RAW图才算「干净」了。接下来才能放心地做白平衡、去马赛克、颜色校正。每一步都有坑，但只要你理解了原理，加上项目经验积累，这些都不是问题。