📚 课程目录第3章色差校正基础理论

色差校正基础理论：色差（CA）的成因、类型与数学模型

各位同学，今天我们来聊聊色差校正。说实话，这是ISP pipeline里一个很容易被忽视、但实际效果又非常明显的模块。我最早接触色差是在一个手机双摄项目上，当时拍出来的照片边缘总有一圈紫边，怎么调都调不掉。后来才发现，不是算法不行，是我根本没理解色差到底是怎么来的。

好，咱们今天就把这个基础打牢。你只有理解了色差的物理本质，后面写代码、调参数的时候才不会抓瞎。

色差，英文叫Chromatic Aberration，简称CA。说白了，就是镜头对不同颜色的光“偏折”的程度不一样。

你想想看，可见光从红到紫，波长从760nm一直降到380nm。镜头本质上是一块玻璃，玻璃对不同波长的光，折射率是不同的。蓝光波长短，折射率大，偏折得厉害；红光波长长，折射率小，偏折得轻。结果就是，同一个物点发出的不同颜色的光，经过镜头后没法汇聚到同一个像点上。

这就是色差的物理根源。我在项目中遇到过一种情况：用大光圈镜头拍高反差物体，比如树叶缝隙里的天空，紫边特别明显。当时我以为是传感器的问题，查了半天，最后发现就是镜头色散太大，跟传感器一点关系都没有。

核心结论：色差是镜头的光学属性，不是传感器噪声。你可以在镜头设计阶段尽量抑制，但完全消除几乎不可能。ISP的色差校正，做的就是“事后补救”。

色差分两类：纵向色差和横向色差。这两者的物理机制不同，校正方法也完全不同。我建议你先把它们的区别刻在脑子里。

类型	英文	成因	表现	校正难度
纵向色差	Longitudinal CA / Axial CA	不同波长光在光轴方向上的焦点位置不同	画面中心区域出现色晕，紫边/绿边	相对容易，依赖光圈值
横向色差	Lateral CA / Transverse CA	不同波长光在像平面上的放大率不同	画面边缘区域出现红蓝偏移，越靠边越严重	较难，依赖视场角

纵向色差，也叫轴向色差。它的特点是：不同颜色的光在光轴方向上聚焦的位置不一样。蓝光聚焦得近，红光聚焦得远。结果就是，你在焦平面上看到的不是一个清晰的点，而是一个带颜色的光斑。

这种色差在画面中心区域最明显。为什么？因为中心区域的光线基本沿着光轴传播，纵向色差的影响最大。我见过一些低端镜头，光圈全开的时候，中心紫边能占到好几个像素，缩一档光圈就好很多。嗯，这里要注意：纵向色差跟光圈大小强相关，光圈越大越明显。

横向色差就更有意思了。它不是因为焦点位置不同，而是因为不同波长的光在像平面上的“放大率”不一样。蓝光的放大率比红光略大，所以蓝色通道的图像比红色通道“大”一点点。

这种差异在画面中心几乎看不出来，但到了边缘，一点点放大率的差异就会被放大成明显的像素偏移。你拍一张黑白格子图，边缘的格子会看到一侧偏红、另一侧偏蓝。这就是横向色差的典型表现。

我在一个广角镜头项目里吃过横向色差的亏。当时做标定，中心区域校正得很好，但边缘总是有残留的色边。后来才发现，横向色差是视场角的函数，不能用同一个参数校正全图。必须分区域、分视场做校正。

实战经验：横向色差校正通常需要依赖镜头标定数据。你需要在不同视场角下测量R/G/B通道的偏移量，然后生成一张校正映射表。高通平台上的CA校正模块，核心就是这张表。

聊完了物理成因，咱们来看看怎么用数学描述它。这部分是写代码的基础，我尽量讲得直观一些。

纵向色差可以建模为不同波长在光轴方向上的焦点偏移。假设参考波长（通常是绿色，550nm）的像距为 \( v_0 \)，那么波长 \( \lambda \) 的像距可以写成：

v(λ) = v₀ + Δv(λ)

其中 \( \Delta v(\lambda) \) 是波长相关的偏移量。在像平面上，这个偏移表现为一个模糊圆（Circle of Confusion）的半径变化。说白了，就是不同颜色的点扩散函数（PSF）的尺寸不一样。

实际工程中，我们很少直接去算PSF。更常见的做法是用一个高斯模糊核来近似色散效果。蓝通道的模糊半径比绿通道大一些，红通道比绿通道小一些。校正的时候，对蓝通道做去卷积或者锐化，对红通道做轻微模糊，让三个通道的清晰度对齐。

横向色差的模型更直接。它表现为不同颜色通道之间的几何偏移。假设绿色通道的图像坐标是 \( (x_g, y_g) \)，那么红色和蓝色通道的坐标可以写成：

x_r = x_g + Δx_r(x_g, y_g)
y_r = y_g + Δy_r(x_g, y_g)

x_b = x_g + Δx_b(x_g, y_g)
y_b = y_g + Δy_b(x_g, y_g)

这里的 \( \Delta x \) 和 \( \Delta y \) 就是偏移量。它们通常是视场角的函数，离中心越远，偏移越大。而且偏移方向是径向的——从画面中心指向边缘。

我习惯用一个多项式来拟合这个偏移量：

Δx_r(r) = a₁·r + a₂·r² + a₃·r³
Δy_r(r) = a₁·r + a₂·r² + a₃·r³

其中 \( r \) 是像素到画面中心的归一化距离。系数 \( a_1, a_2, a_3 \) 就是我们需要标定的参数。高通平台的CA标定工具，输出的就是这组系数。

注意：多项式模型在视场角很大的时候（比如超广角镜头，FOV > 120°），拟合精度会下降。我曾经在一个鱼眼镜头项目里试过，三阶多项式根本不够用，最后换成了五阶多项式加分段插值才搞定。如果你的镜头视场角很大，建议提前评估模型阶数。

理解了模型，校正思路就很清晰了：

纵向色差校正：对R/G/B三个通道分别做不同程度的锐化或模糊，让它们的PSF对齐。高通平台通常用Luma Sharpening配合Chroma Blur来实现。
横向色差校正：根据标定得到的偏移映射表，对R/B通道做几何重采样，让它们与G通道对齐。这一步本质上是一个图像warp操作。

下面这张图展示了横向色差校正的完整流程：

色差校正这件事，说难不难，说简单也不简单。核心就三点：