1. 课程导论：RAW域基础概念、ISP管线简介、降噪与增强的行业痛点
1.1 为什么我们要谈RAW域？
做图像处理这么多年，我越来越觉得，很多问题的根子其实在RAW域。
你想想看，我们平时看到的JPEG或者PNG图片，都是经过手机或者相机内部一系列处理之后的结果。这些处理，我们叫它ISP管线（Image Signal Processing Pipeline）。它把传感器捕捉到的原始数据，变成了人眼看着舒服的彩色图像。
但问题来了——一旦图像被ISP处理成sRGB或者YUV格式，很多原始信息就丢了。比如暗部的微弱信号、传感器的噪声分布特性、甚至某些像素的真实响应值。我在项目中遇到过好几次，拿着8bit的sRGB图像去做降噪，效果怎么调都不理想。后来换成RAW数据，同样的算法，信噪比直接提升了3-5dB。
说白了，RAW域才是图像质量的“第一现场”。
核心观点：RAW域保留了传感器最原始的线性响应、完整的位深（通常12-14bit）以及未经过颜色插值和白平衡调整的原始像素值。这些信息对于低照度下的信号恢复和噪声建模至关重要。
1.2 RAW数据长什么样？
RAW数据不是一张“完整的彩色图”。它其实是一个单通道的灰度图，每个像素只记录了红、绿、蓝其中一种颜色的光强。这就是我们常说的Bayer阵列。
最常见的Bayer模式是RGGB，也就是一个2x2的像素块里，有1个红色、2个绿色、1个蓝色。为什么绿色多一个？因为人眼对绿色最敏感，传感器厂商就顺着这个生理特性来设计。
| 概念 | 说明 | 我的一点经验 |
|---|---|---|
| Bayer阵列 | 单通道马赛克排列，每个像素只感光一种颜色 | 处理时一定要知道Bayer模式，否则解出来的颜色全错 |
| 位深 | 通常12-14bit，比8bit的sRGB多16-64倍灰度级 | 暗部提亮时，高位深能避免条带效应 |
| 线性响应 | 像素值与光强成正比，没有Gamma校正 | 做噪声建模时，线性域才是准确的 |
| 黑电平 | 传感器在无光照时的输出值，通常不为0 | 忘记减黑电平，暗部噪声会偏大 |
小技巧：拿到一个RAW文件，我习惯先看它的黑电平值。不同传感器、不同ISO下的黑电平可能不一样。减掉黑电平再做后续处理，能避免很多暗部偏色问题。
1.3 ISP管线：从RAW到人眼
ISP管线就是把RAW数据变成一张“好看”的图片的流水线。我画了一张图，帮你快速理解它的核心流程。
嗯，这里要注意。ISP管线里的降噪模块，通常放在去马赛克之后、Gamma校正之前。但如果你做的是RAW域降噪，那降噪应该放在去马赛克之前。我见过不少团队把降噪放在Gamma之后，结果暗部噪声被压住了，但细节也糊了。
1.4 行业痛点：为什么降噪和增强这么难？
低照度图像增强，说白了就是“从噪声里捞信号”。但现实情况比想象中复杂得多。
- 痛点一：噪声类型复杂。传感器噪声包括光子散粒噪声、读出噪声、固定模式噪声等。它们在不同ISO、不同温度、不同曝光时间下的表现都不一样。我曾经调试一个安防摄像头项目，白天效果很好，一到晚上全是条纹噪声。查了三天，发现是电源纹波耦合进了传感器。
- 痛点二：信号太弱。低照度下，信号可能只比噪声高几个灰度级。传统空域滤波很容易把信号一起滤掉。我建议用多帧融合或者基于噪声模型的深度学习方案。
- 痛点三：实时性要求。手机拍照、视频监控都要求毫秒级处理。复杂的降噪模型跑不动，简单的模型效果又不好。这是个典型的“既要又要”问题。
- 痛点四：色彩失真。低照度下，Bayer阵列的彩色信息本身就不完整。强行提亮，容易出现偏色、色斑。我记得有一次，一个夜景样张的红色区域变成了品红色，查到最后是白平衡增益太大，把蓝色通道的噪声放大了。
避坑指南：我曾经在低照度增强项目里，直接对sRGB图像做直方图均衡化。结果暗部噪声被放大，图像看起来像“雪花电视”。后来我改成在RAW域先降噪、再提亮，效果好了很多。记住：不要在噪声上做增强，要先降噪再增强。
1.5 本章小结
这一章我们聊了三个核心问题：
- RAW域是什么——它是传感器的原始输出，保留了最完整的信号和噪声信息。
- ISP管线怎么工作——从RAW到sRGB，每一步都可能影响最终画质。
- 行业痛点在哪里——噪声复杂、信号弱、实时性高、色彩易失真。
我个人觉得，理解RAW域是做好降噪和增强的第一步。后面的章节，我们会深入具体的算法和工程实现。嗯，先把基础打牢，后面才不容易跑偏。