3. ISP Pipeline中的边缘与降噪：流程概览、模块位置与协同策略

好，我们直接进入正题。ISP Pipeline，说白了就是图像信号处理器内部的一条“流水线”。原始数据从Sensor出来，经过这条线，最终变成我们肉眼看着舒服、算法能分析的图像。

边缘增强和降噪，这两个模块在Pipeline里不是孤立存在的。它们的位置、顺序，以及怎么配合，直接决定了最终画质。我调过不少项目，见过太多因为模块顺序搞反，或者参数打架，导致图像要么糊成一片，要么噪点满天飞的案例。

3.1 ISP Pipeline 典型流程

先看一个典型的ISP流程。不同厂商的Pipeline会有差异，但核心模块大同小异。

3.2 边缘增强模块的位置

边缘增强，通常放在YUV域，而且是Y通道上。为什么？因为人眼对亮度细节最敏感。你想想看，我们看一张图，第一眼注意到的肯定是轮廓和纹理，而不是颜色。

具体位置，一般在Gamma校正之后，YUV域降噪之前或之后。我个人习惯放在YUV域降噪之前。为什么？

• 放在降噪前： 边缘增强后，噪声也会被放大。但后续的YUV域降噪可以“擦屁股”，把放大的噪声压下去。这种策略适合细节丰富的场景。
• 放在降噪后： 先降噪，再增强，噪声不会被放大。但缺点是，降噪可能会把一些弱边缘也抹掉，导致增强效果不明显。适合低照度场景。

3.3 降噪模块的位置

降噪不是只做一次。它分布在Pipeline的多个阶段。每个阶段处理不同类型的噪声。

这里有个坑，我踩过。RAW域降噪不能做得太狠，否则会破坏去马赛克需要的原始像素信息。去马赛克算法依赖RAW域像素之间的相关性，过度平滑会导致伪彩色和细节丢失。

3.4 模块协同策略

边缘增强和降噪，就像一对冤家。增强想要细节，降噪想要平滑。怎么让它们和谐共处？

我总结了一套协同策略，核心是“分而治之，动态平衡”。

1. 分频处理： 将图像分解为低频、中频、高频。降噪主要处理高频噪声，边缘增强主要提升中高频细节。两者在频域上错开。
2. 边缘保护降噪： 降噪算法要能识别边缘。在边缘区域，降低降噪强度；在平坦区域，提高降噪强度。这样既平滑了噪声，又保住了边缘。
3. 动态参数调整： 根据噪声水平（ISO值、增益）和场景亮度，动态调整降噪和增强的强度。低照度时，降噪为主，增强为辅；高照度时，增强为主，降噪为辅。
4. 反馈机制： 边缘增强的输出，可以作为降噪模块的输入参考。如果增强后噪声过大，降噪模块自动提高强度。

输出 = 低频 + 中频 × 增强增益 + 高频 × (1 - 降噪强度)

我记得有一次，一个项目在低照度下图像全是噪点，边缘也糊。我调整了策略：先做RAW域降噪（轻度），再做YUV域边缘增强（中等强度），最后做YUV域时域降噪（高强度）。效果立竿见影。说白了，就是让降噪给增强“兜底”。

3.5 实战中的协同配置示例

下面是一个典型的安防监控ISP配置参数示例。注意，这些参数需要根据具体Sensor和场景微调。