RAW域预处理：黑电平校正、镜头阴影校正、坏点校正、绿色不平衡校正

各位好，欢迎来到RAW域预处理这一章。说实话，这是整个ISP流水线里最「脏」也最「累」的活。为什么这么说？因为Sensor送出来的RAW数据，压根儿就不是我们人眼想看到的样子。它带着各种系统性的偏差和随机噪声，你得先把它「洗干净」，后面的处理才有意义。

我个人习惯把RAW域预处理比作「地基工程」。地基没打好，后面盖的楼再漂亮也得塌。这章我们要聊的四个模块——黑电平校正、镜头阴影校正、坏点校正、绿色不平衡校正——就是最基础的四根桩。

黑电平校正（BLC）

黑电平校正，说白了就是告诉系统：「当Sensor完全没接收到光的时候，它输出的数值应该是多少。」

理想情况下，没光就是0。但现实不是这样。Sensor的模拟电路、ADC转换、甚至温度变化都会引入一个固定的偏移量。这个偏移量就是黑电平。我见过有些刚入行的工程师，拿到RAW图发现暗部偏紫，第一反应是去调白平衡——其实根源就是黑电平没校好。

校正公式很简单：

// 黑电平校正核心逻辑
// 假设Sensor输出12-bit RAW，黑电平为64
uint16_t blc_value = 64;
for (int i = 0; i < frame_height * frame_width; i++) {
    raw_data[i] = (raw_data[i] > blc_value) ? (raw_data[i] - blc_value) : 0;
}

但实际项目里没这么简单。我踩过几个坑，分享给大家：

• 黑电平不是全局统一的——不同通道（R/Gr/Gb/B）的黑电平可能不同，甚至同一通道不同列也有差异。我遇到过一款Sensor，左边和右边的黑电平差了8个LSB。
• 黑电平会随温度漂移——相机开机后Sensor温度上升，黑电平会缓慢变化。所以很多方案会做动态黑电平校正，实时更新OB（Optical Black）区域的均值。
• 减完黑电平后要防溢出——如果原始值小于黑电平，直接减会变成负数。必须做clamp到0。

镜头阴影校正（LSC）

镜头阴影，也叫亮度衰减或暗角。你想想看，镜头中心的光线是垂直入射的，边缘的光线是斜着进来的——斜着走的路程更长，能量衰减自然更大。再加上镜头本身的cos⁴定律，边缘亮度可能只有中心的60%甚至更低。

校正思路就是给边缘像素「补光」。具体做法是生成一个增益网格（Gain Grid），每个像素乘以对应的增益系数。

// LSC校正简化示例
// 假设已生成一个32x24的增益网格，需要插值到全分辨率
for (int y = 0; y < frame_height; y++) {
    for (int x = 0; x < frame_width; x++) {
        float gain = interpolate_gain(x, y, gain_grid);
        raw_data[y][x] = (uint16_t)(raw_data[y][x] * gain + 0.5f);
    }
}

这里有几个关键点：

• 增益网格的精度——网格越密，校正越精细，但存储开销也越大。我做过一个项目，用64x48的网格，效果已经很好。但有些高端方案会用到256x192甚至更密。
• 插值方式——双线性插值是最常用的，但要注意边缘的插值方向。我建议用双三次插值，虽然计算量大一点，但能避免网格边界处的「块效应」。
• 增益上限——边缘增益不能无限大。一般限制在2x~4x，否则噪声会被放大到不可接受的程度。

坏点校正（DPC）

坏点，就是Sensor上那些「不听话」的像素。有的永远亮着（亮点），有的永远黑着（暗点），有的忽亮忽暗（闪烁点）。

坏点校正分两步：检测和替换。

检测方法：

• 静态坏点检测——出厂时标定，存储在OTP或EEPROM中。优点是准确，缺点是只能检测出厂时的坏点，使用过程中新产生的坏点就无能为力了。
• 动态坏点检测——运行时实时判断。常用方法是比较当前像素与周围同色通道像素的差异，如果差异超过阈值，就判定为坏点。

// 动态坏点检测简化逻辑
// 以当前像素为中心，取3x3同色通道窗口
bool is_dead_pixel(uint16_t center, uint16_t neighbors[], int threshold) {
    uint16_t median = get_median(neighbors, 8);
    int diff = abs((int)center - (int)median);
    return (diff > threshold);
}

替换方法：

• 中值替换——用周围同色像素的中值替换坏点。效果不错，但计算量大。
• 均值替换——用周围像素的均值。简单快速，但可能模糊细节。
• 梯度导向插值——根据边缘方向选择替换值。效果最好，但实现复杂。

绿色不平衡校正（GIC）

这个问题很有意思。Bayer阵列里有两个绿色通道——Gr（绿色在红色行）和Gb（绿色在蓝色行）。理论上它们应该一样，但实际上因为工艺差异、微透镜偏移等原因，Gr和Gb的响应会有差异。表现出来就是图像上出现「棋盘格」状的纹理，尤其在均匀区域特别明显。

校正方法也很直接：让Gr和Gb的增益对齐。

// GIC校正简化示例
// 计算Gr和Gb的均值，然后调整增益
float mean_gr = calculate_mean(gr_channel);
float mean_gb = calculate_mean(gb_channel);
float gain_gr = mean_gb / mean_gr;  // 以Gb为基准
float gain_gb = 1.0f;

for (int y = 0; y < frame_height; y++) {
    for (int x = 0; x < frame_width; x++) {
        if (is_gr_pixel(y, x)) {
            raw_data[y][x] = (uint16_t)(raw_data[y][x] * gain_gr + 0.5f);
        }
        // Gb像素保持不变
    }
}

但这里有个陷阱：Gr和Gb的差异不是全局一致的。在图像中心区域差异小，边缘区域差异大。所以更好的做法是分区域计算增益，甚至逐像素计算。