镜头阴影校正与坏点校正调试实战 - 第3节

亮度阴影校正原理：增益补偿模型

亮度阴影，说白了就是镜头中心亮、四周暗的现象。你拿手机对着白墙拍一张，如果四角发暗，那就是典型的亮度阴影。我刚开始做ISP调试时，第一件事就是先看raw图的四角亮度——这个习惯一直保留到现在。

校正的原理其实很简单：给暗的区域多补点增益，亮的区域少补或不补。这就是增益补偿模型的核心思想。

增益补偿模型

假设镜头中心亮度为1.0，四角亮度只有0.6。那校正时，中心增益设为1.0，四角增益设为1/0.6 ≈ 1.667。这样乘上去，整张图就均匀了。

数学表达就是：

I_corrected(x, y) = I_raw(x, y) × Gain(x, y)

其中 Gain(x, y) 是每个像素位置的补偿系数。这个系数怎么来？靠标定。

标定流程

标定增益系数，通常分三步：

1. 拍灰卡：用均匀光源照射灰卡，拍一张raw图
2. 计算增益：以图像中心为基准，计算每个像素位置的补偿系数
3. 生成LUT：把增益系数存成查找表，供ISP运行时调用

嗯，这里要注意：灰卡必须均匀，光源不能有暗区。我见过有人用手机闪光灯当光源，结果校正出来反而更不均匀——因为光源本身就不均匀。

网格（Mesh）校正原理

如果每个像素都存一个增益值，那LUT会非常大。比如200万像素的图像，每个像素存一个16位增益，光LUT就要4MB。这在嵌入式系统里根本扛不住。

所以实际工程中，我们不会逐像素存增益，而是用网格的方式。

什么是网格？

把图像分成M×N个网格，每个网格顶点存一个增益值。比如17×13的网格，总共221个顶点。存储量从4MB降到442字节，差了将近一万倍。

我习惯用17×13的网格，水平17个点，垂直13个点。为什么是这个数？因为大部分sensor的分辨率是4:3或16:9，17×13刚好能覆盖，而且网格密度够用。

网格规格	顶点数	存储量（16bit）	适用场景
9×7	63	126字节	低端芯片，性能受限
17×13	221	442字节	主流方案，平衡性能与精度
33×25	825	1650字节	高精度需求，如医疗影像

插值算法：双线性与双三次

网格只存了顶点的增益值，那网格内部的像素怎么办？插值。说白了就是根据周围四个顶点的值，算出当前像素的增益。

双线性插值

这是最常用的方法。原理很简单：

1. 找到当前像素所在的网格
2. 取四个顶点的增益值
3. 按距离做两次线性插值（先水平，再垂直）

数学公式长这样：

G(x, y) = (1-Δx)(1-Δy)·G00 + Δx(1-Δy)·G10 + (1-Δx)Δy·G01 + Δx·Δy·G11

其中Δx、Δy是像素在网格内的归一化坐标，范围0~1。

双线性插值的优点是计算量小，硬件实现简单。大部分ISP芯片都硬支持这个算法。缺点呢？增益曲线不够平滑，在网格边界处可能会有肉眼可见的跳变。

双三次插值

双三次插值用4×4=16个顶点来计算，而不是双线性的2×2=4个。它用三次多项式拟合增益曲面，结果更平滑。

优点很明显：

• 增益曲线连续且一阶导数连续
• 网格边界处没有跳变
• 校正效果更自然

缺点也很明显：

• 计算量是双线性的4倍以上
• 硬件实现复杂，很多芯片不支持
• 对噪声更敏感

我个人建议：除非你的芯片算力足够，或者对画质要求极高（比如专业相机），否则用双线性就够了。双三次带来的提升，在普通场景下肉眼几乎看不出来。

两种算法对比

对比项	双线性插值	双三次插值
计算量	低（4次乘加）	高（16次乘加+多项式）
平滑度	C0连续	C1连续
硬件支持	几乎所有ISP	仅高端ISP
适用场景	手机、安防、车载	专业相机、医疗影像

知识结构图

下面这张图把亮度阴影校正的完整流程串起来了：

从图上你能看到，整个流程就是：先标定出增益系数，然后用网格压缩存储，最后通过插值还原到每个像素。每一步都有取舍，没有银弹。