📚 课程目录第4章黑电平校正（BLC）

4、黑电平校正（BLC）：原理、暗电流补偿、动态BLC算法实现

黑电平校正，圈里人常叫BLC。说白了，就是告诉传感器：「你觉得是黑色的地方，到底是不是真的黑？」

我刚入行那会儿，总觉得BLC是个小角色。不就是减个固定值嘛，有什么好调的？直到有一次，一个项目在暗光下拍出来的画面偏紫，怎么调白平衡都救不回来。折腾了两周，最后发现是黑电平没校好，暗电流把整个底色抬上去了。嗯，从那以后，我再也不敢小看BLC了。

4.1 黑电平是怎么来的？

理想情况下，传感器完全遮光时，输出应该是0。但现实不是这样的。即使没有光，像素也会读出一些信号。这个非零的底，就是黑电平。

原因主要有两个：

暗电流：半导体热激发产生的电子，温度越高越严重。夏天和冬天，同一个传感器的暗电流能差好几倍。
读出电路偏移：ADC、放大器这些模拟电路，天生就有直流偏置。不同通道的偏移还不一样。

你想想看，如果黑电平是64，而真实信号只有10，那这10个单位的信号就被淹没了。所以必须先把这64减掉，才能看到真实的信号。

核心公式：

P_校正 = P_原始 - BLC_值

就这么简单？嗯，原理确实简单。但难在「BLC值」怎么取。

4.2 暗电流补偿：温度和时间是两大变量

暗电流不是常数。它随温度指数增长，随曝光时间线性增长。我见过一个项目，在60℃环境下，暗电流比25℃时高了将近8倍。如果只用一组BLC参数，画面直接就废了。

所以，正经的暗电流补偿，至少要考虑两个维度：

变量	影响方式	补偿策略
温度	每升高6-8℃，暗电流翻倍	查表法：预存多组温度-暗电流曲线
曝光时间	暗电流与曝光时间成正比	线性模型：BLC = BLC₀ + k × T_exp
增益	模拟增益放大暗电流	增益归一化：BLC需除以当前增益

我建议，在产品开发阶段，先做一组温度标定实验。把传感器放在温箱里，从-20℃到70℃，每10℃记录一次全黑帧的均值。然后拟合出一条曲线。虽然麻烦，但这是最靠谱的做法。

小技巧： 如果硬件上有温度传感器，可以实时查表补偿。如果没有，那就用曝光时间和增益做粗估计。虽然精度差一些，但比固定值强得多。

4.3 动态BLC算法：别让黑电平「飘」了

固定BLC最大的问题是什么？是它跟不上环境变化。温度变了、增益变了、甚至传感器老化都会让黑电平漂移。所以，现代ISP里都用动态BLC。

动态BLC的核心思路：从每一帧图像里，实时估算当前的黑电平。

怎么估算？传感器通常会在像素阵列边缘留几行/几列「光学黑像素（OB，Optical Black）」。这些像素被金属层遮住了，收不到光。它们的输出，理论上就是当前的黑电平。

算法流程大致如下：

采集OB像素：从传感器读出OB行/列的原始数据。
去噪预处理：去掉OB像素中的坏点和随机噪声。我习惯用中值滤波，简单有效。
计算均值/中值：对处理后的OB数据求统计值。注意，不同颜色通道要分开算。
时间域平滑：当前帧的BLC值，要和历史值做IIR滤波。防止单帧抖动导致画面闪烁。
逐像素校正：用平滑后的BLC值，对整帧图像做减法。

这里有个坑，我曾经踩过：OB像素的数量不能太少。太少的话，统计噪声太大，BLC值跳来跳去。我一般要求至少保留16行OB像素，每行至少64个像素。

注意： OB像素本身也有暗电流，而且边缘像素的暗电流和中心区域可能不一样。所以，直接用OB均值做全图校正，有时会引入新的误差。更精细的做法是：用OB数据拟合一个二维曲面，然后逐像素补偿。

4.4 代码实现：一个轻量级动态BLC模块

下面是我在一个项目里用过的简化版实现。去掉了平台相关的寄存器操作，只保留核心逻辑。

// 动态BLC校正模块
// 假设传感器提供16行OB像素，每行128个像素
#define OB_ROWS     16
#define OB_COLS     128
#define IIR_ALPHA   0.8f   // 时间平滑系数

typedef struct {
    uint16_t blc_r;   // R通道黑电平
    uint16_t blc_gr;  // Gr通道
    uint16_t gb;      // Gb通道
    uint16_t blc_b;   // B通道
    uint8_t  init;    // 初始化标志
} blc_state_t;

static blc_state_t g_blc = {0};

void blc_update(uint16_t ob_data[OB_ROWS][OB_COLS]) {
    uint32_t sum_r = 0, sum_gr = 0, sum_gb = 0, sum_b = 0;
    uint32_t cnt_r = 0, cnt_gr = 0, cnt_gb = 0, cnt_b = 0;

    // 步骤1：按Bayer模式分离OB像素
    for (int r = 0; r < OB_ROWS; r++) {
        for (int c = 0; c < OB_COLS; c++) {
            // 假设Bayer为RGGB
            if (r % 2 == 0 && c % 2 == 0) {       // R
                sum_r += ob_data[r][c]; cnt_r++;
            } else if (r % 2 == 0 && c % 2 == 1) { // Gr
                sum_gr += ob_data[r][c]; cnt_gr++;
            } else if (r % 2 == 1 && c % 2 == 0) { // Gb
                sum_gb += ob_data[r][c]; cnt_gb++;
            } else {                                 // B
                sum_b += ob_data[r][c]; cnt_b++;
            }
        }
    }

    // 步骤2：计算当前帧各通道均值
    uint16_t cur_r  = (uint16_t)(sum_r / cnt_r);
    uint16_t cur_gr = (uint16_t)(sum_gr / cnt_gr);
    uint16_t cur_gb = (uint16_t)(sum_gb / cnt_gb);
    uint16_t cur_b  = (uint16_t)(sum_b / cnt_b);

    // 步骤3：IIR时间平滑
    if (!g_blc.init) {
        g_blc.blc_r  = cur_r;
        g_blc.blc_gr = cur_gr;
        g_blc.blc_gb = cur_gb;
        g_blc.blc_b  = cur_b;
        g_blc.init   = 1;
    } else {
        g_blc.blc_r  = (uint16_t)(IIR_ALPHA * g_blc.blc_r  + (1 - IIR_ALPHA) * cur_r);
        g_blc.blc_gr = (uint16_t)(IIR_ALPHA * g_blc.blc_gr + (1 - IIR_ALPHA) * cur_gr);
        g_blc.blc_gb = (uint16_t)(IIR_ALPHA * g_blc.blc_gb + (1 - IIR_ALPHA) * cur_gb);
        g_blc.blc_b  = (uint16_t)(IIR_ALPHA * g_blc.blc_b  + (1 - IIR_ALPHA) * cur_b);
    }
}

// 对单个像素做BLC校正
uint16_t blc_correct_pixel(uint16_t raw, uint8_t color) {
    int16_t corrected;
    switch (color) {
        case 0: corrected = (int16_t)raw - (int16_t)g_blc.blc_r;  break;
        case 1: corrected = (int16_t)raw - (int16_t)g_blc.blc_gr; break;
        case 2: corrected = (int16_t)raw - (int16_t)g_blc.blc_gb; break;
        case 3: corrected = (int16_t)raw - (int16_t)g_blc.blc_b;  break;
        default: corrected = (int16_t)raw; break;
    }
    // 钳位到有效范围
    if (corrected < 0) corrected = 0;
    return (uint16_t)corrected;
}

关于IIR系数： 我一般把alpha设在0.7到0.9之间。alpha越大，平滑越强，但响应变慢。如果场景切换很快（比如从室内走到室外），alpha太大就会看到黑电平「追不上」画面变化。这时候可以加一个检测逻辑：如果当前帧BLC和历史值偏差超过阈值，就临时降低alpha。

4.5 BLC与3A参数的协同

BLC不是孤立存在的。它和AEC、AGC、AWB都有关系。

BLC vs AEC：如果BLC没校好，AEC统计的亮度均值就会偏大或偏小。我曾经遇到一个case，BLC偏高了10个LSB，结果AEC以为画面太亮，拼命降曝光，导致暗部细节全丢了。
BLC vs AGC：增益会放大BLC误差。比如BLC有5个LSB的残差，增益到16倍时，残差就变成了80个LSB。所以，高增益场景下，BLC精度必须更高。
BLC vs AWB：不同通道的BLC残差，会直接导致色偏。尤其是暗光下，BLC的R/B通道不平衡，AWB怎么调都调不回来。

我的建议是：在3A收敛之前，先把BLC跑稳。BLC不稳，后面的3A全是白费功夫。

4.6 知识结构图：BLC全景

下面这张图，把BLC的原理、变量、算法和协同关系串起来了。你可以把它当作调试时的检查清单。

4.7 调试避坑清单

最后，分享几个我踩过的坑，希望能帮你省点时间：

OB像素被污染：有些传感器的OB区域会漏光。如果发现BLC值随场景亮度变化，先检查OB区域有没有被意外照亮。
BLC和LSC打架：镜头阴影校正（LSC）会改变像素的增益。如果先做LSC再做BLC，BLC的减法效果会被LSC放大。我建议先BLC后LSC。
整数溢出的坑：BLC校正后的像素值可能变成负数。代码里一定要做钳位，否则后续模块会拿到一个巨大的正数（因为无符号整数下溢）。
IIR初始化的瞬态：开机前几帧，IIR滤波器还没收敛。这时候的BLC值可能不准。我一般会跳过前5帧的3A统计，等BLC稳定后再启用。

BLC看起来简单，但它是整个图像质量的基石。地基没打好，上面盖的楼再漂亮也经不起推敲。嗯，希望这一章能帮你把这个地基夯实了。