4、黑电平校正算法实现：全局减除与局部校正、动态黑电平跟踪算法、基于统计的OB值计算

黑电平校正，说白了就是把传感器在无光环境下产生的暗电流给扣掉。这个暗电流不是固定的，它会随着温度、增益、曝光时间变化。我刚开始调ISP时，觉得这步很简单——减一个固定值不就完了？后来发现，没那么简单。

今天咱们就把黑电平校正的几种实现方式掰开揉碎了讲。从最简单的全局减除，到更精细的局部校正，再到动态跟踪和统计计算，一层层深入。

4.1 全局减除：最直接的做法

全局减除是最基础的黑电平校正方式。做法就是：从每个像素值里减去一个固定的OB值。

// 全局减除示例
uint16_t global_ob = 64;  // 假设OB值为64
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        pixel[y][x] = (pixel[y][x] > global_ob) ? 
                       (pixel[y][x] - global_ob) : 0;
    }
}

这个做法简单，但有个问题：暗电流在传感器不同位置是不一样的。我遇到过一款传感器，左上角OB值只有60，右下角却到了72。用全局减除，左上角扣多了，右下角扣少了，画面就会出现亮度不均匀。

4.2 局部校正：按区域精细处理

既然暗电流分布不均匀，那就按区域来处理。局部校正的思路是：把图像分成若干块，每块单独计算OB值，然后逐块减除。

我习惯把图像分成16x16或32x32的网格。每个网格的OB值从对应的OB行（光学黑行）中统计得到。

// 局部校正示例：按行校正
uint16_t ob_per_row[height];  // 每行的OB值
// 从OB行中统计每行的OB值
for (int y = 0; y < height; y++) {
    ob_per_row[y] = calculate_ob_from_ob_rows(y);
}
// 逐行减除
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        pixel[y][x] = (pixel[y][x] > ob_per_row[y]) ?
                       (pixel[y][x] - ob_per_row[y]) : 0;
    }
}

4.3 动态黑电平跟踪算法

暗电流不是一成不变的。温度升高，暗电流增大；增益提高，暗电流也增大。如果用一个固定的OB值，画面会随着环境变化出现偏色或亮度漂移。

动态黑电平跟踪，就是实时监测OB行的变化，动态调整减除值。我常用的做法是：

1. 实时统计OB行均值：每帧从OB行中采样，计算当前帧的OB值。
2. 低通滤波平滑：防止单帧噪声导致OB值跳变。
3. 分通道独立跟踪：R、Gr、Gb、B四个通道的暗电流不同，要分开统计。

// 动态黑电平跟踪示例
typedef struct {
    float ob_r, ob_gr, ob_gb, ob_b;
    float alpha;  // 滤波系数，0.1~0.3
} DynamicOB;

void update_ob(DynamicOB *ob, uint16_t *ob_row_data, int ob_length) {
    // 从OB行数据中统计各通道均值
    float cur_ob_r = 0, cur_ob_gr = 0, cur_ob_gb = 0, cur_ob_b = 0;
    // ... 统计逻辑 ...
    
    // 一阶低通滤波
    ob->ob_r = ob->ob_r * (1 - ob->alpha) + cur_ob_r * ob->alpha;
    ob->ob_gr = ob->ob_gr * (1 - ob->alpha) + cur_ob_gr * ob->alpha;
    ob->ob_gb = ob->ob_gb * (1 - ob->alpha) + cur_ob_gb * ob->alpha;
    ob->ob_b = ob->ob_b * (1 - ob->alpha) + cur_ob_b * ob->alpha;
}

4.4 基于统计的OB值计算

有些传感器没有OB行，或者OB行被遮挡了。这时候怎么办？那就得从有效像素区域中统计OB值。

思路是：在画面中找“最暗”的区域。比如镜头盖盖上时，整个画面都是暗的，这时候统计出来的均值就是OB值。但实际场景中，画面里总有亮部，所以不能用简单的均值。

我常用的方法是直方图统计法：

1. 统计整帧图像的直方图。
2. 找到直方图中像素数量最多的暗部峰值。
3. 以该峰值为基准，计算OB值。

// 基于直方图的OB值计算
uint16_t calculate_ob_from_histogram(uint32_t *hist, int bins) {
    int peak_bin = 0;
    uint32_t max_count = 0;
    
    // 在暗部区域（前20%的bin）找峰值
    for (int i = 0; i < bins / 5; i++) {
        if (hist[i] > max_count) {
            max_count = hist[i];
            peak_bin = i;
        }
    }
    
    // 以峰值bin为中心，计算加权均值
    uint32_t sum = 0, count = 0;
    int start = max(0, peak_bin - 2);
    int end = min(bins - 1, peak_bin + 2);
    for (int i = start; i <= end; i++) {
        sum += i * hist[i];
        count += hist[i];
    }
    
    return (count > 0) ? (uint16_t)(sum / count) : 0;
}

4.5 知识结构图

下面这张图总结了黑电平校正的几种实现方式及其关系：

4.6 避坑指南

做黑电平校正这么多年，我踩过不少坑。分享几个典型的：

• OB行被遮挡：有一次客户反馈画面偏色，查了半天发现是镜头模组装配时把OB行遮住了。OB行读出来的全是0，动态跟踪直接崩了。后来我加了一个OB行有效性检测，如果OB行值异常，就回退到基于统计的方法。
• 温度突变导致OB跳变：手机从空调房拿到室外，温度骤升，暗电流瞬间增大。如果滤波系数太小，OB值跟不上，画面会先偏色再慢慢恢复。我后来加了一个温度传感器联动，温度变化大时自动增大滤波系数。
• 分通道OB差异：R通道和B通道的暗电流差异最大，Gr和Gb也有细微差别。如果不分开统计，画面会出现固定的色偏。尤其是低照度下，这个色偏特别明显。