光与色彩基础：从电磁波到像素

做ISP这行，天天跟光打交道。但说实话，很多人做了好几年，对“光到底是什么”还是模模糊糊的。我刚开始接触图像传感器时也这样——直到有一次调试一个低光场景的AWB，怎么调都偏色，最后发现是没搞懂红外截止滤光片和可见光波段的关系。从那以后，我老老实实把电磁波谱重新学了一遍。

这一节，我们就从最根本的东西讲起。你理解了光，才能理解传感器怎么“看”世界，也才能理解3A算法到底在调什么。

2.1 电磁波谱：传感器能“看见”什么

光，本质上是电磁波。整个电磁波谱范围极宽，从波长极短的伽马射线到长达数公里的无线电波。但人眼能感知的，只有中间窄窄的一小段——380nm到780nm，我们叫它可见光。

我习惯把电磁波谱按波长从短到长分成几段：

• 紫外（UV）：10nm-380nm。大部分被大气层吸收，传感器前通常加UV-cut滤光片。
• 可见光：380nm-780nm。红橙黄绿青蓝紫，波长从长到短。
• 近红外（NIR）：780nm-2500nm。很多CMOS传感器对这段敏感，所以需要IR-cut滤光片。
• 中远红外：2.5μm以上。热成像用的，普通视觉传感器不碰。

你想想看，如果传感器没有IR-cut，白天拍出来的绿色植物会偏亮偏白——因为植物在近红外波段反射率很高。我踩过这个坑，后来在选型时都会确认滤光片的截止波长。

2.2 人眼视觉特性：ISP算法的“上帝视角”

ISP的最终输出是给人看的。所以，不理解人眼怎么感知光，你做的算法就是闭门造车。

人眼有几个关键特性，直接决定了ISP的调优方向：

人眼特性	对ISP的影响	我踩过的坑
亮度适应（从暗到亮能调节约10^10倍）	AE算法需要模拟人眼的适应曲线，不能线性调增益	有一次在隧道出口场景，AE跳变太猛，画面闪了一下
对比度敏感度（对中频细节最敏感）	锐化强度要按频率分带控制，不能无脑拉	早期做边缘增强，把天空噪点也放大了
颜色恒常性（不同光源下看同一物体颜色不变）	AWB算法的核心目标——还原物体本色	白炽灯下拍白纸，AWB没收敛好，偏黄了
马赫带效应（边缘处感知对比度增强）	过度锐化会产生“光晕”，需要做overshoot控制	这个在调试时很容易忽略，但用户一眼就能看出来

2.3 颜色三要素：色相、饱和度、明度

颜色不是物理量，是心理物理量。换句话说，颜色是大脑对光的解释。为了描述这种解释，我们定义了三个维度：

• 色相（Hue）：颜色的种类，比如红、绿、蓝。对应光的波长。
• 饱和度（Saturation）：颜色的纯度。纯光谱色饱和度最高，掺了白光就变淡。
• 明度（Brightness/Value）：颜色的明亮程度。对应光的强度。

这三个维度构成了HSV色彩空间。为什么ISP里常用HSV？因为人眼对色相和饱和度的感知是近似独立的，调整起来很直观。比如做色彩增强时，我只提饱和度，不动色相——否则肤色会偏。

2.4 RGB与CMY色彩模型

这两个模型是ISP的基石。一个用于加色，一个用于减色。

2.4.1 RGB加色模型

显示器、传感器、ISP内部处理——全用RGB。原理很简单：红、绿、蓝三种光按不同强度叠加，产生各种颜色。等量叠加得到白色。

RGB的典型应用场景：

• 传感器Bayer阵列输出：每个像素只采集R、G、B中的一个通道
• 显示设备：每个子像素独立控制亮度
• ISP内部处理：去马赛克、白平衡、色彩校正都在RGB域做

2.4.2 CMY减色模型

CMY（青、品红、黄）用于反射光的场景，比如打印、印刷。原理是颜料吸收（减去）一部分光，反射剩下的光。等量CMY叠加理论上得到黑色，但实际因为颜料不纯，会偏暗棕色——所以打印机会额外加一个黑色通道（CMYK）。

我刚开始做ISP时，一直搞不懂为什么传感器不用CMY滤光片。后来明白了：CMY的量子效率更高（每个通道能吸收更宽波段的光），但颜色分离度差，后期色彩校正难度大。RGB虽然牺牲了一些灵敏度，但颜色还原更准。

特性	RGB	CMY
原理	加色（光叠加）	减色（光吸收）
应用	传感器、显示器	打印、印刷
通道数	3（R/G/B）	3或4（C/M/Y/K）
颜色范围	广（取决于背光和滤光片）	窄（受限于颜料）
ISP处理	直接处理	需转RGB再处理

2.5 知识结构图：光与色彩基础

下面这张图把本章的核心概念串起来了。你可以把它当作一个快速索引——以后遇到色彩相关的问题，先回来看看这张图。

这张图从左到右展示了本章的逻辑：从物理世界（电磁波谱）到生物感知（人眼视觉），再到心理描述（颜色三要素），最后落到工程实现（RGB/CMY模型）。ISP的3A算法，本质上就是在这些概念之间搭桥。