第一章 图像质量基础：从光子到画质评价
做摄像头调试这些年，我最大的感受是：不懂图像质量评价，就没法谈ISP调优。就像你不会看心电图，就别想当医生。这一章，咱们先把基础打牢。
1.1 摄像头成像原理：光是怎么变成数字信号的？
说白了，摄像头就是个光电转换器。光线穿过镜头，经过传感器，最后变成你屏幕上看到的图像。这个过程分三步：
- 光学成像：镜头把外界景物聚焦到传感器表面
- 光电转换：传感器上的每个像素把光信号转成电压
- 模数转换：ADC把模拟电压转成数字值（RAW数据）
嗯，这里有个坑——传感器只能感知亮度，不认颜色。那彩色图像怎么来的？靠的是Bayer滤色阵列（RGGB）。每个像素只记录红、绿、蓝其中一种颜色，剩下的靠插值算法猜出来。我在项目中遇到过，有些低端传感器插值算法太差，边缘全是锯齿，那就是ISP里Demosaic模块没调好。
核心概念：RAW数据是ISP调试的起点。你调的所有参数，最终都是在处理RAW→RGB→YUV这条流水线。
1.2 图像质量评价指标：拿什么衡量一张图好不好？
你想想看，一张照片好不好看，不能光靠感觉。行业里有一套客观指标，我按重要性排个序：
1.2.1 MTF（调制传递函数）——清晰度的硬指标
MTF衡量的是镜头+传感器系统能分辨多细的线条。数值越高，细节越丰富。我习惯看两个点：
- MTF50：对比度降到50%时的空间频率，代表感知清晰度
- MTF30：对比度降到30%时的频率，代表极限分辨率
举个例子，一颗1300万像素的传感器，如果MTF50只有0.3，那拍出来的照片看着就是糊的，哪怕像素再高也没用。
1.2.2 SNR（信噪比）——画面干不干净
信号和噪声的比值，单位是dB。SNR越高，画面越干净。一般经验：
| SNR范围 | 画质表现 | 典型场景 |
|---|---|---|
| > 40 dB | 极好，几乎无噪点 | 户外晴天 |
| 30-40 dB | 良好，轻微噪点 | 室内灯光 |
| 20-30 dB | 可用，噪点明显 | 黄昏 |
| < 20 dB | 较差，噪声严重 | 暗光 |
我曾经调过一款夜视摄像头，SNR只有18dB，画面全是雪花点。后来通过调整模拟增益和数字增益的分配比例，硬是提到了25dB。说白了，增益分配是ISP调优的核心技巧之一。
1.2.3 动态范围——亮部和暗部能不能同时看清
动态范围是传感器能同时记录的最亮和最暗区域的比值，单位是dB或档位（stop）。1 stop = 6 dB。
人眼的动态范围大约20档（120dB），而普通手机传感器只有10-12档（60-72dB）。这就是为什么你拍逆光照片时，天空一片白、人脸一片黑——传感器动态范围不够。
个人经验：调试HDR（高动态范围）模式时，我习惯先测传感器的原生动态范围，再决定用多少帧合成。帧数太多会引入运动鬼影，帧数太少又拉不回暗部细节。
1.2.4 色彩还原——颜色准不准
色彩还原用ΔE（色差）来衡量。ΔE越小，颜色越准。一般要求：
- ΔE < 3：专业级，肉眼几乎看不出差别
- ΔE 3-6：消费级，可以接受
- ΔE > 6：明显偏色，需要重新标定
我记得有一次，客户投诉某款摄像头拍红色物体偏紫。查了半天，发现是AWB（自动白平衡）在低色温下把R增益拉太高了。最后在ISP的AWB模块里加了一个色温置信度权重，问题才解决。
1.2.5 噪点——画面里的“沙子”
噪点分几种：
- 光子散粒噪声：物理极限，无法消除
- 读出噪声：传感器电路引入
- 暗电流噪声：温度越高越严重
- 固定模式噪声（FPN）：每个像素的固定偏差
ISP里降噪是一把双刃剑。降噪太强，细节全没了；降噪太弱，画面没法看。我一般先测噪点水平，再决定降噪强度。测噪点的方法很简单：拍一张均匀灰卡，看标准差。
1.2.6 畸变——直线变弯了
畸变是镜头的光学缺陷，分桶形畸变和枕形畸变。广角镜头尤其严重。ISP里通过畸变校正模块来修正，但校正会损失边缘画质。
避坑指南：我曾经在畸变校正时把校正强度拉满，结果边缘分辨率掉了30%。后来学乖了，畸变校正和边缘锐化要配合着调，不能只盯着一个指标。
1.3 主观与客观评价方法
客观指标是数据，主观评价是感受。两者缺一不可。
1.3.1 客观评价——用数据说话
常用的客观测试包括：
- 分辨率测试卡：ISO 12233标准，测MTF
- 灰阶卡：测动态范围和信噪比
- 色卡：X-Rite ColorChecker，测色彩还原
- 均匀光源：测暗电流和固定模式噪声
测试环境要严格控制。我见过有人用手拿着测试卡测MTF，结果手抖一下，MTF掉了0.1。所以，测试夹具和光源稳定性是第一位的。
1.3.2 主观评价——人眼说了算
客观指标再漂亮，最终还是要给人看。主观评价通常用双盲测试：
- 准备多组图像（不同参数设置）
- 让评价者不知道哪张是哪个参数
- 按画质打分（1-5分）
- 统计平均分和置信区间
我个人的习惯是：先跑客观测试，再做人眼确认。客观测试能快速发现问题，人眼确认能发现客观测试覆盖不到的细节。比如，有些噪点模式客观指标不高，但人眼看着就是不舒服。
1.4 本章知识体系
下面这张图总结了图像质量评价的核心框架，我建议你存下来，后面每章都会用到：
这张图你看懂了吗？从成像原理出发，到六大指标，再到主客观评价方法，最后汇聚到ISP调优决策。这就是咱们这门课的核心逻辑。
给新人的建议：刚开始学图像质量评价，别急着记公式。先拿一台手机或摄像头，拍几张不同场景的照片，用肉眼看看哪些地方好、哪些地方差。然后再对照客观指标去验证。这样学起来快得多。