📚 课程目录第4章 RAW数据格式

4. RAW数据格式：从传感器到数字世界的第一次握手

各位同学，欢迎来到第四章。前面我们聊了摄像头的光学系统和传感器基础，今天终于要触及ISP流程中最原始、也最核心的数据形态——RAW数据。

说白了，RAW就是传感器“看到”的原始电信号，经过模数转换后得到的数字值。它还没经过任何美化处理，就像一张没修过的底片。我经常跟团队里的新人说：理解RAW，你就理解了ISP的一半。

先说说位深。位深决定了每个像素能记录多少灰度等级。

你可能会问：位深越高越好吗？理论上是的，但代价也很明显——存储和带宽压力成倍增加。10-bit RAW比8-bit数据量多25%，12-bit则多50%。

我的经验：在项目中选位深时，我习惯先看应用场景。安防监控追求低带宽，10-bit够用；手机拍照要后期调色空间，12-bit起步。别盲目追高，成本和性能要平衡。

存储格式上，RAW数据通常以线性或压缩格式保存。常见的存储方式有：

这里有个坑——字节对齐。10-bit数据在内存中如果不做对齐处理，读写效率会很低。我见过一个项目，工程师直接用16-bit存10-bit数据，白白浪费了37.5%的带宽。嗯，后来优化成打包格式，带宽问题就解决了。

传感器上的每个像素只能感知光的强度，不能区分颜色。那彩色图像怎么来的？答案就是Bayer滤色阵列。

Bayer模式的核心思想：在像素上覆盖红、绿、蓝滤色片，按特定排列方式。人眼对绿色最敏感，所以绿色像素占一半，红蓝各占四分之一。

常见的四种Bayer模式：

避坑指南：我曾经在一个项目中，ISP配置写错了Bayer模式，结果出来的图像全是紫色和绿色条纹。排查了两天才发现是Bayer顺序搞反了。记住：Bayer模式必须和传感器物理排列严格对应，否则后续所有处理都是错的。

为什么会有这么多模式？说白了就是传感器厂商的封装习惯不同。但无论哪种模式，本质都是2×2的重复单元。ISP的第一步就是根据Bayer模式，把RAW数据正确解析出来。

下面这张图展示了Bayer阵列的基本结构：

接下来聊一个容易被忽视但极其重要的概念——黑电平。

理想情况下，传感器完全遮光时，输出应该是0。但现实是，即使没有光，传感器也会产生微弱的电流，这就是暗电流。暗电流导致输出不为0，这个偏移量就是黑电平。

黑电平的典型值：

为什么要校正黑电平？我举个例子：假设一个10-bit传感器，黑电平是64。如果某个像素在暗场下读出值是70，那实际信号只有6个LSB。如果不减去64，后续的增益、白平衡都会放大这个偏移，导致暗部发灰、偏色。

  核心公式：

  校正后像素值 = RAW原始值 - 黑电平值

  注意：校正后可能出现负值，需要做截断或钳位处理。

暗电流受温度影响很大。温度每升高6~8°C，暗电流大约翻一倍。这就是为什么手机拍夜景时，暗部噪点会明显增多——传感器温度升高了。

我曾经踩过的坑：在一个车载项目中，我们用了某款传感器，黑电平在常温下是64，但到了夏天车内温度70°C时，黑电平漂移到了120。结果夜间图像全是紫色偏色。后来我们加了动态黑电平校正——实时从光学黑像素（OB像素）中提取当前黑电平值，才彻底解决。

黑电平校正的常见方法：

动态范围，简单说就是传感器能同时记录的最亮和最暗细节的能力。单位是dB或档位（stops）。

计算公式：

动态范围(dB) = 20 × log10(满阱容量 / 读出噪声)

其中：
- 满阱容量：像素能容纳的最大电子数
- 读出噪声：读出电路引入的噪声（均方根值）

举个例子：一个传感器满阱容量为60000个电子，读出噪声为5个电子，那么：

动态范围 = 20 × log10(60000 / 5) = 20 × log10(12000) ≈ 81.6 dB

81.6 dB大约相当于13.6档。这意味着传感器能同时记录从最暗到最亮约13.6档光圈的细节。

影响动态范围的因素：

我的建议：评估传感器时，别只看位深。我见过12-bit传感器动态范围只有60dB，也见过10-bit传感器做到75dB。关键看满阱容量和读出噪声这两个模拟指标。数字位深只是量化精度，模拟端才是瓶颈。

最后，用一张图总结本章的知识体系：