4. ISP核心模块解析（下）：YUV域处理

上一讲我们把RAW域的几个关键模块聊透了。今天咱们进入YUV域，说白了就是人眼真正能感知到的色彩世界。YUV域处理的好坏，直接决定你拍出来的照片是「养眼」还是「辣眼睛」。

我个人习惯把YUV域处理分成三大块：边缘增强、色彩增强、亮度/对比度调整。这三兄弟配合好了，照片质感就上来了。配合不好嘛……嗯，我见过不少翻车案例。

4.1 边缘增强：让细节「跳」出来

边缘增强，也叫锐化。它的本质是提升图像中高频分量的幅度。但这里有个坑——噪声也是高频。你想想看，锐化过头了，人脸会变成「砂纸脸」。

4.1.1 基本原理

经典的边缘增强流程是这样的：

1. 从原图中提取高频分量（通过高通滤波器）
2. 对高频分量做增益处理
3. 把处理后的高频加回原图

数学表达很简单：

Output = Input + Gain × (Input - LowPass)

其中 Input - LowPass 就是高频分量。LowPass 可以用高斯滤波或均值滤波得到。

4.1.2 我在项目中踩过的坑

我曾经在一个旗舰机项目里，锐化参数调得特别激进。实验室看测试图，边缘锐利得像刀切一样。结果到了户外拍树叶，整个画面都在「抖」——因为树叶边缘的微小抖动被放大了，看起来像水波纹。

后来我学乖了，加了两个保护机制：

• 边缘阈值控制：只有梯度超过某个阈值的区域才做锐化
• 亮度自适应：暗区锐化强度自动降低，因为暗区信噪比低

4.1.3 非锐化掩模的变体

实际工程里，没人用最原始的USM。我常用的改进版是：

// 带噪声门的USM
float usm_with_gate(float input, float lowpass, float gain, float gate) {
    float high = input - lowpass;
    // 小于gate的分量认为是噪声，直接丢弃
    if (abs(high) < gate) {
        high = 0;
    }
    return input + gain * high;
}

这个 gate 参数很关键。设小了，噪声压不住；设大了，弱边缘也被干掉了。我一般建议gate取图像噪声标准差的两倍。

4.2 色彩增强：让世界更「真实」

色彩增强不是简单地把饱和度拉满。那样做出来的照片，看着像廉价的滤镜。真正的色彩增强，是在保持自然感的前提下，让颜色更讨喜。

4.2.1 YUV色彩空间的特点

YUV域做色彩增强有个天然优势——Y和UV是分离的。调整色彩不会影响亮度细节。这一点比RGB域舒服多了。

YUV的色彩增强主要操作在UV通道上：

• U通道：蓝色色差，控制蓝/黄倾向
• V通道：红色色差，控制红/青倾向

4.2.2 饱和度调整

最简单的饱和度调整就是给UV乘一个系数：

U_out = (U_in - 128) * sat_gain + 128
V_out = (V_in - 128) * sat_gain + 128

但这样做有个问题——所有颜色的饱和度被等比例拉伸。实际场景里，肤色、天空、草地需要的饱和度增益是不一样的。

4.2.3 色调保护

饱和度调高了，颜色会偏移。比如红色会偏紫，蓝色会偏青。这是因为UV通道的比值发生了变化。

我常用的色调保护方法是：

// 色调保持的饱和度增强
float hue_protect_sat(float u, float v, float gain) {
    float u_centered = u - 128;
    float v_centered = v - 128;
    float hue = atan2(v_centered, u_centered);  // 计算色调角
    float sat = sqrt(u_centered*u_centered + v_centered*v_centered);
    float new_sat = sat * gain;
    // 保持色调角不变，只改变饱和度
    float u_out = new_sat * cos(hue) + 128;
    float v_out = new_sat * sin(hue) + 128;
    return (u_out, v_out);
}

这个方法计算量稍大，但效果确实好。在高端机型上，我建议用这个方案。

4.3 亮度/对比度调整

亮度和对比度，这两个参数经常被混为一谈。其实它们干的事不一样：

• 亮度：整体平移直方图，让画面更亮或更暗
• 对比度：拉伸直方图的动态范围，让亮的地方更亮，暗的地方更暗

4.3.1 亮度调整的陷阱

直接给Y通道加一个偏移量，是最粗暴的做法。但你会发现问题——暗区提亮后，噪声也跟着出来了。

我曾经在一个夜景项目里，为了让人脸更亮，把Y通道整体加了20。结果人脸是亮了，但背景的噪点也亮得刺眼。后来我改用亮度自适应映射：

// 亮度自适应调整
float adaptive_brightness(float y, float target_brightness) {
    // 暗区提亮幅度大，亮区提亮幅度小
    float boost = target_brightness * (1.0 - y / 255.0);
    return y + boost;
}

这样暗区提亮多一些，亮区基本不动，既提升了整体亮度，又不会把亮区过曝。

4.3.2 对比度与细节的平衡

对比度调整的核心是S曲线。但S曲线拉得太狠，中间调会丢失细节。

我建议的对比度调整流程：

1. 先做直方图统计，找到图像的实际动态范围
2. 根据动态范围计算S曲线的拐点
3. 在拐点附近做平滑过渡，避免出现断层

4.4 YUV域处理流程总览

下面这张图是我在实际项目中总结的YUV域处理流程。每个模块的先后顺序，都是经过反复验证的。

4.5 实战中的协同调优

YUV域的三个模块不是独立工作的。它们之间有很多耦合关系。我举几个例子：

• 边缘增强 vs 色彩增强：锐化会放大色差，所以色彩增强的增益要适当降低
• 亮度调整 vs 边缘增强：提亮暗区后，噪声会被放大，这时候边缘增强的噪声门要跟着调高
• 对比度 vs 色彩饱和度：对比度拉高后，色彩看起来会更浓郁，所以饱和度可以适当降低

好了，YUV域的三个核心模块就讲到这里。这些内容都是我这些年踩坑踩出来的经验。你下次调ISP的时候，可以试试我说的这些方法，尤其是那个色调保护的饱和度算法，效果真的不一样。