RAW图格式与传感器特性：从光子到数字的第一次握手

说实话，做ISP这么多年，我见过太多人一上来就调颜色、调锐度，结果发现图像底子就不对。为什么？因为RAW图阶段的信息，决定了整个pipeline的天花板。你想想看，传感器采集到的原始数据，就像做菜的原材料——食材不新鲜，再好的厨艺也白搭。

这一章，我们就来聊聊RAW图格式和传感器那些“脾气”。搞懂了这些，你才算真正入了ISP的门。

Bayer阵列详解：为什么是RGGB？

人眼对绿色最敏感，这是生物进化的结果。传感器厂商也学了这个套路——Bayer阵列里，绿色像素的数量是红蓝的两倍。典型的排列就是RGGB：

R  G
G  B

我在项目中遇到过一种情况：客户拿了一颗非标准Bayer排列的传感器，比如RCCB（红-清-清-蓝）或者RYYB（黄黄蓝）。当时团队里有人直接套用标准Demosaic算法，结果颜色全乱套了。嗯，这里要注意——Bayer模式一旦搞错，后面的颜色校正全是白费功夫。

常见的Bayer变种有这些：

你拿到一颗新传感器，第一件事就是确认它的Bayer起始相位。我习惯写一个小工具，直接读RAW文件的前几个像素，通过统计平均值来判断——红色通道均值最高的位置，就是R像素的起点。

RAW数据格式：10bit、12bit、14bit到底差在哪？

说白了，bit数决定了传感器的“听力”有多好。10bit能分辨1024级灰度，12bit是4096级，14bit是16384级。数字越大，暗部细节越丰富，但数据量也越大。

我举个例子你就明白了：

• 10bit RAW：一个像素占10位，但存储时通常按16位对齐（2字节）。适合高速连拍，但暗部容易有断层。
• 12bit RAW：目前手机的主流选择。4096级灰度，配合好的降噪算法，暗部表现已经相当不错。
• 14bit RAW：专业相机和工业检测常用。16384级，后期拉阴影时几乎看不到banding。

RAW数据的存储格式也值得注意。常见的packing方式有：

// 10bit packed 格式示例（5个像素占5字节）
Pixel 0: [9:2] [1:0]
Pixel 1: [9:2] [1:0]
...
// 实际存储时，每4个像素打包成5字节

我曾经踩过一个坑：读RAW文件时没注意字节序（Endian），结果图像全是雪花。后来加了个字节序检测逻辑，才搞定。

黑电平与动态范围：传感器的“零点”在哪？

黑电平（Black Level）就是传感器在完全无光情况下的输出值。理论上应该是0，但实际因为暗电流、电路偏置等原因，会有一个固定的偏移量。

比如一个12bit传感器，黑电平可能是64，白电平是4095。那么有效动态范围就是：

动态范围(dB) = 20 * log10((白电平 - 黑电平) / 噪声均方根)

我习惯在ISP pipeline的第一步就做黑电平校正：

// 黑电平校正伪代码
for each pixel:
    corrected = raw_pixel - black_level
    if corrected < 0: corrected = 0

动态范围决定了传感器能同时记录亮部和暗部细节的能力。高动态范围的传感器，在逆光场景下优势明显。但要注意，动态范围不是越大越好——如果噪声控制不好，高动态范围反而会暴露更多噪点。

传感器噪声模型：三大“捣乱分子”

传感器噪声，说白了就是光子到电子的转换过程中，那些“不听话”的随机波动。我把它分成三类：

1. 光子噪声（Shot Noise）

这是物理极限——光子到达传感器的时间是随机的，服从泊松分布。信号越强，噪声也越大（标准差 = √信号）。

你想想看，在暗光环境下，光子数量少，信噪比自然就低。这就是为什么夜景照片总是噪点多。

// 光子噪声模型
signal = 1000 个光子
noise_std = sqrt(1000) ≈ 31.6
SNR = 20 * log10(1000 / 31.6) ≈ 30 dB

2. 读出噪声（Read Noise）

这是传感器电路在读取电荷时引入的噪声。它和信号强度无关，是一个固定底噪。高端传感器的读出噪声可以做到1-2个电子，低端的可能有10个电子以上。

我在项目中测试过一颗工业相机，读出噪声高达15个电子。结果在暗部，画面全是“胡椒盐”噪点。后来换了传感器型号，读出噪声降到3个电子，暗部干净多了。

3. 固定模式噪声（Fixed Pattern Noise, FPN）

这是传感器制造工艺不一致导致的。每个像素的增益、暗电流都有细微差异，表现为图像上的固定条纹或网格。

FPN的特点是：位置固定，不随时间变化。所以可以用标定法去除——拍一张均匀光照的灰卡，记录每个像素的偏移量，然后实时校正。

我曾经在一条产线上发现，同一批次的传感器，FPN模式居然不一样。后来才知道，是晶圆不同位置导致的差异。从那以后，我坚持每颗传感器单独标定，绝不共用校正参数。

知识结构总览

下面这张图，帮你把本章的核心逻辑串起来：