1. RAW域基础：从传感器到数字图像的起点
做图像处理这么多年，我越来越觉得——RAW域才是真正的“第一手现场”。你想想看，我们平时看到的JPEG、PNG，其实都是经过相机内部大量“加工”后的成品。而RAW图像，才是传感器最原始、最诚实的记录。
这一章，我们就从RAW的根儿上聊起。
1.1 什么是RAW图像
RAW图像，说白了就是相机传感器直接输出的、未经任何处理的原始数据。它记录的是每个像素点上的光强信息——注意，是光强，不是颜色。
我记得刚入行时，有个同事问我：“RAW是不是一种文件格式？”我当时笑了笑，告诉他：RAW更像是一卷“数字底片”。就像胶片时代的底片一样，它保留了最完整的信息，但需要经过“冲洗”才能变成我们看到的照片。
核心理解：RAW ≠ 图片。RAW是传感器输出的原始电压值量化结果，每个值代表该像素点接收到的光子数量。
常见的RAW文件后缀有：.CR2（佳能）、.NEF（尼康）、.ARW（索尼）、.DNG（Adobe通用格式）等。虽然后缀不同，但底层逻辑是一样的——都是Bayer阵列数据加上元数据（Metadata）。
1.2 Bayer阵列：RAW数据的“骨架”
为什么RAW数据不是彩色的？这得从传感器的物理结构说起。
单个像素只能感知光的强度，无法区分颜色。那怎么拍出彩色照片呢？答案就是在传感器表面覆盖一层彩色滤光片阵列（CFA），最经典的就是Bayer阵列。
Bayer阵列的排列模式是：
| R | G | R | G |
|---|---|---|---|
| G | B | G | B |
| R | G | R | G |
| G | B | G | B |
你看，绿色像素占了总数的一半，红色和蓝色各占四分之一。为什么？因为人眼对绿色最敏感。这个设计很巧妙——用更多的绿色像素来模拟人眼的视觉特性。
每个像素只记录一种颜色分量，所以RAW数据本质上是一个单通道的马赛克图像。要得到完整的RGB三通道图像，必须经过去马赛克（Demosaicing）过程。
我的经验：在项目中做RAW处理时，我习惯先把Bayer数据可视化出来看看。你猜怎么着？第一次看到那个绿油油的马赛克图，我还以为传感器坏了。后来才明白——这就是RAW的本来面目。
1.3 RAW与RGB的区别
这个区别，我建议你从数据维度和信息完整性两个角度去理解。
- 数据维度：RAW是单通道（每个像素一个值），RGB是三通道（每个像素三个值）
- 位深：RAW通常是12bit或14bit，RGB图像通常是8bit
- 色彩空间：RAW没有固定的色彩空间，RGB图像有sRGB、Adobe RGB等
- 白平衡：RAW未应用白平衡，RGB已应用
- 伽马校正：RAW是线性数据，RGB已做伽马校正
| 对比项 | RAW | RGB（如JPEG） |
|---|---|---|
| 通道数 | 1（Bayer模式） | 3（R/G/B） |
| 位深 | 12-14 bit | 8 bit |
| 动态范围 | 高（约12-14档） | 低（约8档） |
| 白平衡 | 未应用 | 已应用 |
| 色彩空间 | 传感器原生 | sRGB/Adobe RGB |
| 文件大小 | 大（无损） | 小（有损压缩） |
说白了，RAW是“原材料”，RGB是“成品菜”。你拿着原材料可以自己决定怎么做——清蒸、红烧、还是刺身。但成品菜端上来，你再想改口味就难了。
避坑指南：我曾经在一个项目中，直接拿JPEG图像做去噪处理，结果发现暗部噪声根本去不掉，还损失了大量细节。后来换成RAW数据，同样的算法效果提升了至少一个档次。记住——后期处理能做的事，尽量在RAW域做。
1.4 RAW域处理的优势
为什么我们要费劲去处理RAW数据？直接处理RGB图像不香吗？
嗯，这里有几个硬核理由：
- 更高的位深：12bit RAW有4096个灰度级，8bit RGB只有256个。这意味着RAW能记录更细腻的明暗变化。
- 线性响应：RAW数据与场景亮度呈线性关系，而RGB图像已经做了伽马校正。线性数据在做数学运算时更“干净”。
- 避免信息丢失：相机内部的ISP流水线会做大量不可逆处理（如白平衡、颜色校正、去马赛克、降噪等）。在RAW域处理，你可以控制每一步。
- 更好的降噪效果：噪声在RAW域是独立同分布的，更容易建模和去除。一旦经过去马赛克，噪声会变得空间相关，处理难度大增。
- 神经网络友好：线性、高动态范围的RAW数据，对深度学习模型来说更容易学习底层映射关系。
一句话总结：RAW域处理 = 在信息最完整、噪声最干净、响应最线性的阶段做处理。这是所有高级图像处理算法的“黄金起点”。
1.5 知识体系总览
下面这张图，是我自己梳理的RAW域基础知识框架。你可以把它当作本章的“地图”。
这张图把本章的核心知识点串起来了。你看，从RAW这个中心节点出发，四个方向分别对应四个核心问题：是什么、怎么存、和谁比、为什么好。每个分支下面还有更具体的子概念。
我个人习惯在开始一个新项目前，先画这样一张知识地图。它能帮你快速定位自己当前在学什么、接下来要往哪个方向走。
一个小建议：如果你刚开始接触RAW域，别急着上手写代码。先把Bayer阵列的排列规律记熟，把RAW和RGB的差异刻在脑子里。这些基础打牢了，后面学去马赛克、降噪、HDR融合才会事半功倍。
好了，RAW域的基础就聊到这儿。记住一句话：RAW是传感器的“真心话”，RGB是经过修饰的“场面话”。做图像处理，能听真心话的时候，千万别只听场面话。