图像成像基础：从光子到数字图像
做暗光增强，你得先搞懂图像是怎么来的。说白了，相机就是个「光子计数器」。我刚开始接触图像处理时，总觉得算法万能，后来被一张全黑照片教做人——没有信号，什么算法都白搭。
这一章，我们聊聊数码相机成像的核心原理。重点放在拜耳阵列、ISP管线，以及暗光下那些烦人的噪声。
数码相机成像原理
相机成像，本质上是一个「光电转换」过程。光线进入镜头，经过传感器，最终变成数字信号。这个链条上，有两个关键角色：拜耳阵列和ISP管线。
拜耳阵列：为什么传感器是彩色的？
传感器本身是「色盲」的。它只能感知光的强度，分不清颜色。那彩色照片怎么来的？
答案就是拜耳阵列。它在每个像素上覆盖一层滤色片，只允许特定波长的光通过。最常见的模式是RGGB——一个红色、两个绿色、一个蓝色。
为什么绿色有两个？
人眼对绿色最敏感。多一个绿色像素，能更好地模拟人眼的亮度感知。这也是为什么拜耳阵列看起来「偏绿」。
我做过一个实验：把一张RAW图直接显示，不经过任何插值。结果就是一张马赛克图，每个像素只有一种颜色。嗯，这就是拜耳阵列的原始面貌。
从拜耳阵列到完整彩色图像，需要经过去马赛克（Demosaicing）算法。它会根据相邻像素的颜色值，插值出每个像素缺失的两种颜色。常见的算法有双线性插值、边缘导向插值，以及基于深度学习的插值。
避坑指南
我曾经在暗光场景下用简单的双线性插值，结果出现了大量伪彩色和锯齿。后来换成边缘导向插值，效果好了很多。暗光下，插值算法对噪声的放大效应特别明显，选对算法很重要。
ISP管线：从RAW到JPEG的魔法
ISP（Image Signal Processor）是相机内部的图像处理流水线。它把RAW数据变成我们看到的JPEG。我习惯把ISP管线分成几个关键阶段：
- 黑电平校正：减去传感器暗电流带来的固定偏移
- 去马赛克：从拜耳阵列恢复全彩色
- 白平衡：校正不同光源下的色偏
- 色彩校正矩阵：把传感器色彩空间映射到标准色彩空间
- 伽马校正：调整亮度曲线，适配人眼感知
- 降噪与锐化：减少噪声，增强细节
- 压缩编码：输出JPEG
你想想看，手机拍照瞬间完成，背后其实跑了一整套复杂的流水线。每个环节都会影响最终画质，尤其是在暗光下。
注意
ISP管线中的降噪和锐化是「双刃剑」。降噪太强，细节丢失；锐化太强，噪声被放大。暗光下，这个平衡特别难把握。我见过不少手机夜景模式，降噪后照片像油画一样，细节全没了。
RAW与JPEG的区别
这个问题，我几乎每次培训都会被问到。直接上对比表：
| 特性 | RAW | JPEG |
|---|---|---|
| 位深 | 12-14 bit | 8 bit |
| 色彩空间 | 传感器原生 | sRGB/Adobe RGB |
| 压缩 | 无损或有损（压缩比小） | 有损（压缩比大） |
| 后期空间 | 极大（可调白平衡、曝光等） | 极小（信息已丢失） |
| 文件大小 | 大（约25-50MB/张） | 小（约5-10MB/张） |
| 适用场景 | 专业后期、暗光增强 | 快速分享、存储 |
说白了，RAW是「数字底片」，JPEG是「冲印好的照片」。做暗光增强，我强烈建议用RAW。为什么？
- 位深优势：12bit RAW有4096级亮度，8bit JPEG只有256级。暗光下，JPEG的暗部可能只有几个灰度级，一拉就断层。
- 白平衡可调：RAW的白平衡是「元数据」，可以后期无损调整。JPEG的白平衡是「烧死」在像素里的。
- 噪声更原始：RAW的噪声没有被ISP降噪抹平，保留了更多真实信息。这对暗光增强算法来说，是好事。
我的经验
有一次做夜景增强项目，甲方只给了JPEG。我花了大量时间做去压缩伪影和修复色阶断层。如果当时有RAW，至少能省一半时间。所以，能拿RAW就拿RAW，别给自己找麻烦。
暗光下噪声的主要来源
暗光增强，本质上是「信号放大」和「噪声抑制」的博弈。噪声从哪来？主要有两个源头。
光子噪声（散粒噪声）
光子的到达是随机的，服从泊松分布。暗光下，光子数量少，这种随机性就特别明显。你想想看，同一个场景拍两张照片，暗部像素的亮度值可能差很多——这就是光子噪声。
光子噪声的特点是：与信号强度相关。信号越强，噪声越大（但信噪比反而提高）。暗光下，信号弱，信噪比低，噪声看起来就特别「脏」。
数学上
光子噪声的标准差 = √(信号强度)。如果信号是100个光子，噪声就是10，信噪比10:1。如果信号是1个光子，噪声就是1，信噪比1:1。暗光下，信噪比接近1，图像几乎被噪声淹没。
读出噪声
读出噪声是传感器在读取电荷时引入的电子噪声。它跟信号强度无关，是一个固定底噪。我习惯把它理解为「传感器的本底噪声」。
读出噪声的来源包括：
- 像素复位噪声：每次复位后，像素电压的随机波动
- 放大器噪声：模拟放大器引入的热噪声
- ADC量化噪声：模数转换时的量化误差
- 暗电流噪声：传感器自身热激发产生的电子
暗光下，读出噪声是主要限制因素。因为信号弱，读出噪声的占比就大。我做过一个测试：盖上镜头盖拍一张全黑照片，看到的「噪点」就是读出噪声。
注意区分
光子噪声和读出噪声的抑制策略完全不同。光子噪声需要增加曝光时间或光圈（增加信号量），读出噪声则需要更好的传感器设计或低温环境。做算法时，要分别建模处理。
知识结构图：成像与噪声
下面这张图，把成像流程和噪声来源串起来了。你可以把它当作本章的「思维导图」。
从这张图可以看得很清楚：光线经过镜头到达传感器，传感器通过拜耳阵列捕获颜色信息，然后经过ISP管线输出JPEG。噪声主要来自传感器环节——光子噪声和读出噪声。暗光下，这两个噪声源会严重干扰信号，导致图像质量下降。
小结
这一章，我们聊了成像的基础。拜耳阵列让传感器「看见」颜色，ISP管线把RAW数据变成JPEG。RAW保留了更多信息，适合后期处理。暗光下的噪声主要来自光子噪声和读出噪声，理解它们的特性，是做好暗光增强的第一步。