📚 课程目录第3章黑电平校正（BLC）与线性化

3. 黑电平校正（BLC）与线性化

黑电平校正，圈内人常叫它BLC。这活儿看着不起眼，却是ISP Pipeline里第一个真正意义上的“校正”环节。说白了，传感器在完全无光环境下输出的像素值不应该是0，而是一个偏高的底数——这个底数就是黑电平。如果不把它减掉，后面所有算法都会带着一个固定的直流偏置在算，暗部细节直接废掉。

我早年调过一颗安森美的传感器，黑电平居然有64个码值。当时年轻，没仔细做BLC就直接跑AWB，结果白平衡怎么调都偏蓝。后来才发现，暗电流把R通道抬高了整整一截。嗯，从那以后，我拿到任何新Sensor的第一件事，就是先看它的OB（Optical Black）区域数据。

3.1 黑电平是怎么来的

黑电平的成因主要有三个：

暗电流：半导体热激发产生的电子，温度越高越严重。我实测过，温度每升高10°C，暗电流差不多翻一倍。
ADC偏移：模数转换器本身有个固定的输出偏置，不同通道可能还不一样。
像素复位噪声：CMOS传感器复位电平的不确定性，这个在全局快门传感器上尤其明显。

关键认知：黑电平不是噪声，是偏置。噪声可以靠降噪滤掉，偏置必须靠BLC减掉。减不干净，暗部细节就永远埋在底数里。

3.2 全局BLC vs 局部BLC

实现方式上，BLC分两种：全局BLC和局部BLC。我列个表，方便你对比选型。

对比项	全局BLC	局部BLC
原理	整帧减去同一个固定值	按区域/行/列分别计算减除值
计算量	极低，一次减法	中等，需统计OB区域均值
适用场景	暗电流均匀、温度稳定的Sensor	大靶面Sensor、长曝光、温度变化大
缺点	无法处理行间/列间差异	需预留OB像素区域，占用有效像素

全局BLC的实现非常简单，就是一行代码的事：

// 全局BLC：整帧减去固定黑电平值
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        pixel[y][x] = max(0, pixel[y][x] - black_level);
    }
}

但实际项目中，我很少用全局BLC。为什么？因为暗电流在空间上不是均匀的。传感器边缘的暗电流往往比中心高，尤其是大靶面传感器。我曾经调过一个1英寸的Sensor，左上角和右下角的黑电平差了12个码值。用全局BLC，左上角减干净了，右下角还留着底数；右下角减到位了，左上角就变负值被截断了。

局部BLC的做法是：利用传感器周边的光学黑区（Optical Black，OB）像素，实时统计每行或每列的黑电平均值，然后逐行或逐列减去。

// 局部BLC：逐行统计OB区域均值并减去
for (int y = 0; y < height; y++) {
    // 统计该行OB区域（假设前16列为OB像素）的均值
    int sum = 0;
    for (int x = 0; x < OB_WIDTH; x++) {
        sum += pixel[y][x];
    }
    int row_black = sum / OB_WIDTH;
    
    // 用该行的黑电平值校正整行
    for (int x = OB_WIDTH; x < width; x++) {
        pixel[y][x] = max(0, pixel[y][x] - row_black);
    }
}

我的经验：局部BLC的OB区域宽度建议取16~32个像素。太窄了统计噪声大，太宽了占用有效像素太多。另外，OB区域要避开传感器边缘的暗角区域，否则统计值会偏低。

3.3 线性化校正——BLC的“好搭档”

线性化校正，很多人把它和BLC混为一谈。其实它们是两件事，但通常放在一起做。

BLC解决的是“零点偏移”，线性化解决的是“响应曲线弯曲”。

传感器的光电响应在理想情况下是线性的：光强翻倍，输出码值翻倍。但实际传感器在低照度段和高照度段都有非线性区。低照度段尤其严重，因为暗电流和读出噪声会压缩动态范围。

线性化校正的典型做法是分段线性拟合：

// 线性化校正：分段线性查找表
// lut[input] = output，由标定数据生成
for (int y = 0; y < height; y++) {
    for (int x = 0; x < width; x++) {
        pixel[y][x] = lut[pixel[y][x]];
    }
}

这个LUT怎么来的？需要在实验室用积分球做标定。我一般取10~15个光强点，记录传感器输出，然后做分段线性插值。注意，线性化一定要在BLC之后做，因为BLC减掉的偏置会改变曲线的截距，先做线性化再减BLC，校正就不准了。

重要提醒：线性化校正必须在Lens Shading Correction之前做。因为LSC的增益是乘性的，如果输入数据本身非线性，乘性增益会把非线性误差放大。我曾经见过一个项目，LSC之后暗角是补平了，但画面出现奇怪的条纹——查了两天才发现是线性化没做好，LSC把非线性失真放大了。

3.4 调试参数与效果评估

BLC和线性化的调试参数不多，但每个都很关键：

参数	说明	典型范围
Black Level Target	校正后的目标黑电平值，通常设为0或16	0 ~ 64
OB Region Start	OB像素的起始列/行位置	0 ~ 32
OB Region Width	OB像素的宽度	8 ~ 64
Linearization LUT	分段线性校正表，通常256或4096点	由标定生成

效果评估，我一般看三个指标：

暗场均值：盖上镜头盖拍一张全黑图，统计全图均值。理想值应该接近0（或你设定的Target）。偏差超过2个码值就要检查了。
暗场行间波动：逐行统计均值，看行与行之间的波动。波动超过1个码值，说明局部BLC没做好，或者OB区域统计噪声太大。
线性度残差：用积分球拍不同光强下的灰阶图，拟合响应曲线，看残差。残差超过1%就需要重新标定LUT。

一句话总结：BLC做不好，暗部偏色、细节丢失；线性化做不好，LSC和CCM都会跟着出错。这两个环节是ISP Pipeline的基石，值得花时间调透。

3.5 BLC与线性化在Pipeline中的位置

下面这张图展示了BLC和线性化在整个ISP Pipeline中的位置关系。注意，它们必须在去马赛克（Demosaic）之前完成，因为Bayer域的数据一旦被插值成RGB，黑电平信息就混在一起分不开了。

这张图我画了很多遍，每次给团队新人讲Pipeline都会拿出来。你注意看那个顺序约束框——BLC、线性化、LSC这三个模块的顺序是锁死的。我见过不止一个项目，因为赶进度把线性化和LSC的顺序搞反了，结果画面边缘出现奇怪的色偏，怎么调LSC都调不回来。后来发现是线性化没做，LSC的乘性增益把非线性失真放大了。