📚 课程目录第4章高通色差校正算法原理

4. 高通色差校正算法原理：ACD 机制深度解析

色差校正，说白了就是去掉照片边缘那些紫边、绿边。你拍过逆光的树枝吧？放大一看，树干边缘一圈紫，那就是色差。高通平台处理这个问题的核心算法叫 ACD——Achromatic Color Difference，翻译过来就是「消色差色差校正」。名字有点绕，但机制其实很巧妙。

我刚开始接触高通 ISP 时，以为色差校正就是简单做个颜色滤波。后来在调试一款 48M 传感器时才发现，ACD 的底层逻辑跟我想的完全不一样。它不是直接改颜色，而是先判断「这个地方该不该有色差」，再决定怎么修。嗯，这个判断机制才是精髓。

4.1 色差是怎么产生的？

先简单回顾一下物理原因。镜头本质上是凸透镜，不同波长的光折射率不同——蓝光弯折多，红光弯折少。所以当光线经过镜头边缘时，红绿蓝三个通道的成像位置会错开，形成横向色差（Lateral Chromatic Aberration）。

在 Bayer 域看，就是某个像素本该是纯白，结果 R 通道和 B 通道的响应值出现了偏移。偏移量跟像素到图像中心的距离成正比，离中心越远，色差越明显。

关键指标：色差强度通常用 R/G 和 B/G 的比值偏离 1.0 的程度来衡量。偏离超过 5% 时，人眼就能明显感知到紫边或绿边。

4.2 ACD 算法的核心思想

高通 ACD 跟传统方法最大的区别在于：它不直接做通道减法，而是先建立一个「消色差参考面」。什么意思呢？

传统方法通常是：检测到边缘 → 计算 R-B 差值 → 如果差值过大就削平。这种做法的问题是容易把真实颜色细节也削掉，比如蓝色天空和绿色树叶的交界处，本来就有颜色差异，你一刀切下去，细节就糊了。

ACD 的做法是：

对每个像素，计算一个「无彩色期望值」——也就是如果这里没有色差，R、G、B 应该是什么比例。
比较实际值和期望值的偏差。
只修正超出阈值的偏差部分。

说白了，它知道「什么颜色是镜头带来的假象」，只修假象，不动真颜色。

我的经验：我在调试一款 13M 广角镜头时发现，ACD 对镜头边缘的紫边抑制效果非常好，但前提是镜头标定数据要准确。如果标定时的色差映射表不准，ACD 反而会把边缘搞出伪色。所以，先标定，再调参，顺序不能乱。

4.3 ACD 的算法流程

ACD 的处理流程大致分四步。我画了一张流程图，方便你理解整体脉络。

4.4 梯度检测与边缘方向

ACD 的第一步是判断当前像素是否在边缘上，以及边缘的方向。为什么方向重要？因为色差只在垂直于边缘的方向上才明显。沿着边缘方向，色差几乎为零。

具体做法是计算水平和垂直两个方向的梯度：

// 简化版梯度计算（以 G 通道为例）
Grad_H = |G(x-1,y) - G(x+1,y)|
Grad_V = |G(x,y-1) - G(x,y+1)|

if (Grad_H > Grad_V * 1.5) {
    // 垂直边缘，色差主要出现在水平方向
    edge_direction = VERTICAL;
} else if (Grad_V > Grad_H * 1.5) {
    // 水平边缘，色差主要出现在垂直方向
    edge_direction = HORIZONTAL;
} else {
    // 纹理区域或平坦区域，色差校正强度降低
    edge_direction = FLAT;
}

注意：梯度阈值 1.5 不是固定值。我在项目中遇到过，某些低照度场景下噪声会干扰梯度判断，导致边缘方向误判。建议根据 sensor 的噪声水平动态调整这个阈值，或者在做梯度检测前先做一层轻量级降噪。

4.5 局部色差估计与参考面构建

这一步是 ACD 的核心。算法会在边缘两侧各取一个局部窗口，分别计算 R/G 和 B/G 的比值。然后根据边缘方向，插值出一个「无色差参考面」。

举个例子：假设检测到一条垂直边缘，左边是亮区，右边是暗区。ACD 会在亮区取一个 5x5 窗口，计算平均 R/G 和 B/G；在暗区也取一个 5x5 窗口，计算同样的比值。然后，对边缘上的每个像素，根据它到亮区和暗区的距离，线性插值出它应该有的 R/G 和 B/G 比值。

这个插值出来的比值，就是「消色差参考面」。

区域	R/G 比值	B/G 比值	说明
亮区参考	0.98	1.02	无偏色，接近 1.0
暗区参考	0.95	1.05	轻微偏蓝（常见于镜头边缘）
边缘像素实际值	0.88	1.12	明显色差，R 偏低，B 偏高
边缘像素参考值	0.96	1.04	插值得到的期望值

你看，实际值和参考值之间的偏差，就是需要校正的部分。偏差越大，校正强度越高。

4.6 阈值滤波与校正输出

最后一步，算法会设置一个阈值。只有偏差超过阈值的像素才做校正。为什么要加阈值？因为传感器本身有噪声，R/G 和 B/G 的比值不可能精确到 1.0，总会有 ±1%~2% 的波动。如果没有阈值，ACD 会把噪声也当成色差来修，结果就是平坦区域出现彩色噪点。

阈值通常设置为 3%~5%，具体值取决于镜头质量和 sensor 噪声水平。

// 校正逻辑伪代码
float threshold = 0.04;  // 4% 阈值
float dev_R = actual_RG_ratio - ref_RG_ratio;
float dev_B = actual_BG_ratio - ref_BG_ratio;

if (abs(dev_R) > threshold) {
    correction_R = dev_R * gain;  // gain 通常 0.5~1.0
} else {
    correction_R = 0;
}

// 对 B 通道做同样处理
// 最终输出：R_out = G * (ref_RG_ratio + correction_R)

调参建议：我习惯先把 gain 设到 1.0，threshold 设到 0.03，然后对着色卡拍一张。如果边缘还有紫边，就降低 threshold；如果平坦区域出现伪色，就提高 threshold。gain 一般不动，除非你想做「过校正」来补偿后续的锐化带来的色差放大。

4.7 ACD 的局限性

ACD 不是万能的。我在项目中遇到过两个典型问题：

大光比场景：当边缘两侧亮度差超过 10 档时，暗区的信噪比太低，R/G 和 B/G 的比值波动很大，参考面构建不准确。这时候 ACD 容易把噪声当成色差来修，反而引入伪色。
细纹理区域：比如远处的铁丝网，每个像素都在边缘上，ACD 的窗口统计会失效。这种情况下，我建议降低 ACD 的强度，或者配合边缘增强模块做联合优化。

我曾经在一个项目中，客户反馈说「拍树叶时边缘有绿色溢出」。排查了半天，发现是 ACD 的窗口大小设置得太小（3x3），导致参考面统计不稳定。改成 7x7 后问题就解决了。嗯，窗口大小这个参数，真的得根据实际场景来调。

4.8 小结

ACD 的核心思路就是：先知道「应该是什么颜色」，再决定「要不要修」。它不直接操作颜色值，而是操作比值，这样对光照变化不敏感。理解了这个机制，后面调参和 debug 就会顺手很多。