1. RAW 域基础概念：什么是 RAW 图像、Bayer 阵列模式、RAW 与 RGB/YUV 的区别

做图像处理这些年，我经常被刚入行的同事问一个问题：「老师傅，RAW 到底是个啥？跟 JPEG 有啥不一样？」

嗯，这个问题问得好。说白了，RAW 就是相机传感器最原始的「底片」，是未经任何加工的原始数据。今天咱们就把这个基础打牢。

1.1 什么是 RAW 图像

RAW 图像，你可以把它理解成传感器「看到」的原始电信号。每个像素点只记录一个颜色通道的亮度值——要么是红，要么是绿，要么是蓝。它不像你手机相册里的 JPEG，已经经过了白平衡、去马赛克、伽马校正等一系列处理。

我最早接触 RAW 是在做一款安防相机的时候。当时客户抱怨夜间图像噪点太多，我一看 JPEG 输出，根本没法分析噪声来源。后来我直接抓了 RAW 数据，才发现问题出在模拟增益上——这就是 RAW 的价值：它保留了最原始的信息，让你能追根溯源。

1.2 Bayer 阵列模式

为什么传感器不直接记录 RGB 三个通道？你想想看，如果每个像素都要记录三个颜色，那传感器面积得翻三倍，成本根本扛不住。所以拜耳（Bayer）在 1976 年提出了一个巧妙的方案：用 2×2 的滤色器阵列，让每个像素只感光一种颜色。

最常见的模式是 RGGB，也就是左上角是 R（红），右上角和左下角是 G（绿），右下角是 B（蓝）。为什么绿色有两个？因为人眼对绿色最敏感，多给绿色一些采样，视觉上更自然。

模式名称	2×2 排列	常见应用
RGGB	R G / G B	Sony、OmniVision 多数传感器
GRBG	G R / B G	部分 Samsung 传感器
BGGR	B G / G R	部分安森美传感器
GBRG	G B / R G	部分老款 CCD 传感器

你可能会问：「这四种模式有啥本质区别？」其实没有。它们只是起始相位不同。只要 ISP 里的去马赛克算法知道当前是什么模式，就能正确还原颜色。但如果你搞错了，那画面就会像打翻了调色盘。

1.3 RAW 与 RGB/YUV 的区别

这个区别，我习惯用一个比喻来解释：

• RAW 是「未加工的食材」—— 一块生牛肉，你可以煎、烤、炖，自由度最高。
• RGB 是「切好配好的菜」—— 已经处理过，可以直接下锅，但选择少了。
• YUV 是「半成品菜」—— 不仅切好了，还按人眼喜好调了味，直接吃也行。

从数据量上看，同样分辨率下，RAW 占用的空间最小（每个像素 1 个值），RGB 最大（每个像素 3 个值），YUV 介于中间（Y 分量全分辨率，UV 分量通常降采样）。

特性	RAW	RGB	YUV
数据来源	传感器直接输出	去马赛克后	RGB 转换后
位深	10-14bit	8-12bit	8-10bit
颜色空间	传感器原生	sRGB/Adobe RGB	BT.601/BT.709
数据量	1 通道/像素	3 通道/像素	1.5-2 通道/像素
可编辑性	极高	中等	低

说到 YUV，我记得有一次做视频编码优化，发现编码器对 YUV 420 格式处理效率特别高。为什么？因为 UV 分量只有 Y 的四分之一，数据量直接减半。但代价是色彩分辨率降低了——不过人眼对亮度敏感、对色彩不敏感，所以这个取舍很划算。

1.4 知识结构总览

下面这张图，是我自己整理的知识框架。每次带新人，我都会先让他们看这张图，搞清楚 RAW 在整个图像处理链路中的位置。

这张图把本章的三个核心概念串起来了。你从左上角开始看：RAW 图像是源头，它通过 Bayer 阵列采样得到原始数据；然后经过 ISP 处理，可以变成 RGB 或 YUV。搞清楚这三者的关系，后面的课程你就不会迷路。