1. ISP Pipeline 全景概览：从 Sensor 到显示器的图像信号处理全流程

各位同学，咱们今天聊点实在的。ISP Pipeline，说白了就是一张照片从 Sensor 感光到最终显示在屏幕上的完整旅程。我刚开始接触 ISP 时，总觉得这玩意儿就是个黑盒子——数据进去，好图出来。后来踩的坑多了，才明白每个模块都有它的脾气。

你想想看，Sensor 捕捉到的原始数据，跟人眼看到的场景，差距有多大？嗯，这就是 ISP 要解决的问题。咱们先搭个框架，把整个流程串起来。

1.1 三大数据域：Bayer、RGB、YUV

我个人习惯把 ISP 分成三个“地盘”。每个地盘干不同的活，用的数据格式也不一样。

数据域	数据格式	核心任务	典型模块
Bayer 域	Bayer Pattern (RGGB/GRBG等)	原始数据修复、噪声抑制	黑电平校正、去噪、坏点校正
RGB 域	RGB 三通道	色彩重建、白平衡、颜色校正	Demosaic、AWB、CCM
YUV 域	Y (亮度) + UV (色度)	亮度/色度增强、压缩、显示适配	Gamma、锐化、色彩增强

为什么要有这三个域？我在项目中遇到过不少新人问这个问题。简单说：Bayer 域保留最原始的 Sensor 信息，做底层修复效率最高；RGB 域是人眼感知色彩的基础，适合做颜色相关的校正；YUV 域把亮度和色度分开，方便做压缩和显示适配。

1.2 数据流走向：从 Sensor 到显示器的完整路径

咱们跟着数据走一遍。Sensor 输出的是 RAW 数据，每个像素只记录一种颜色分量（R、G、B 之一）。这就是 Bayer 域的起点。

1. Sensor RAW 输入 → 黑电平校正 (BLC) → 去噪 (NR) → 坏点校正 (DPC)
2. Bayer 域处理完成 → Demosaic (去马赛克) → 进入 RGB 域
3. RGB 域 → 白平衡 (AWB) → 颜色校正矩阵 (CCM) → Gamma 校正
4. RGB 转 YUV → 进入 YUV 域
5. YUV 域 → 亮度/对比度调整 → 锐化 → 色彩增强 → 输出显示

你可能会问：为什么不在 RGB 域直接做锐化？我记得有一次调试，在 RGB 域做锐化，结果彩色边缘出现了诡异的伪色。后来才明白，YUV 域里 Y 通道只包含亮度信息，锐化只动亮度，不会引入彩色噪声。这就是分域处理的好处。

1.3 各模块的功能定位与数据流关系

咱们用一张图把整个 Pipeline 串起来。这张图我画了很多遍，每次给团队新人讲 ISP 时都会拿出来。

这张图我建议你保存下来。每次调试时，问自己三个问题：我现在在哪个域？这个域的核心目标是什么？数据从哪来、到哪去？想清楚这三点，调试思路就清晰了。

1.4 各模块的依赖关系与调试顺序

模块之间不是孤立的。我见过最典型的错误，就是先调了 YUV 域的锐化，回头发现 Bayer 域的去噪没调好，结果噪声被锐化放大了。嗯，这就是顺序问题。

我个人建议的调试顺序：

• 第一步：Bayer 域打基础 — 黑电平、去噪、坏点校正。这些是“地基”，地基不稳，后面全白搭。
• 第二步：RGB 域建色彩 — 白平衡、CCM、Gamma。色彩准确了，画面才有“灵魂”。
• 第三步：YUV 域做美化 — 锐化、色彩增强、对比度。这是“化妆”，别化太浓。

1.5 常见误区与避坑指南

最后聊几个我踩过的坑，希望能帮你少走弯路。

• 误区一：跳过 Bayer 域直接调颜色。 我曾经为了赶进度，在 Bayer 域去噪没调好的情况下直接调 CCM。结果画面颜色是准了，但噪声也“准”了——全被放大了。
• 误区二：在 RGB 域做锐化。 前面提过，RGB 域锐化容易引入彩色伪影。YUV 域只锐化 Y 通道，安全得多。
• 误区三：Gamma 校正放在最后。 Gamma 会影响亮度分布，如果放在最后调，前面调的对比度和亮度可能全白费。我建议 Gamma 放在 RGB 域末尾、转 YUV 之前。

好了，这一章的内容就到这里。Pipeline 的框架搭起来了，后面咱们会逐个模块深入。记住一句话：ISP 调试，先修底子，再谈美化。顺序对了，事半功倍。