📚 课程目录第3章 Bayer域处理

3、Bayer域处理：Bayer Pattern格式、黑电平校正（BLC）、镜头阴影校正（LSC）、坏点校正（DPC）

各位好，欢迎来到第三章。前面我们聊了传感器和色彩基础，今天要进入真正的ISP处理流水线第一站——Bayer域。

为什么叫Bayer域？说白了，这时候图像数据还是“半成品”。每个像素只记录了红、绿、蓝中的一种颜色，像马赛克一样排列。我们所有后续处理，都得先在这个原始域里把底子打好。

我个人习惯把Bayer域处理比作“打地基”。地基不稳，后面调得再好也白搭。今天我们就来拆解这四个核心模块：Bayer格式、黑电平校正、镜头阴影校正、坏点校正。

  核心观点： Bayer域处理的质量，直接决定了整条ISP pipeline的上限。很多画质问题（偏色、暗角、亮点）追根溯源，都是这步没做好。

3.1 Bayer Pattern格式：传感器的“方言”

先聊聊Bayer阵列。最常见的格式是RGGB，也就是一个2x2单元里，一个红、两个绿、一个蓝。人眼对绿色最敏感，所以绿色通道采样率翻倍。

但注意，不同传感器厂商的Bayer排列可能不一样。我遇到过几次坑：项目拿到一款新传感器，默认用RGGB去解，结果画面偏紫。查了半天，发现人家是BGGR排列。

Bayer排列	第一行	第二行	常见传感器
RGGB	R G R G ...	G B G B ...	Sony IMX系列
BGGR	B G B G ...	G R G R ...	部分OmniVision
GRBG	G R G R ...	B G B G ...	部分三星传感器
GBRG	G B G B ...	R G R G ...	较少见

调试技巧： 拿到新传感器，第一件事就是确认Bayer排列。拍一张均匀白板，看raw数据里哪个通道值最高。如果R通道最高，大概率是RGGB或GRBG；B通道最高则是BGGR或GBRG。再结合行方向规律就能确定。

除了排列，还有位深。常见的是10bit、12bit、14bit。位深决定了动态范围的上限。我个人建议，能选12bit就别用10bit，后期调校空间大很多。

3.2 黑电平校正（BLC）：把“零”找回来

黑电平校正，名字听着玄乎，其实道理很简单。传感器在完全无光的情况下，输出并不是0，而是一个偏置值，比如64（12bit下）。这个偏置就是黑电平。

为什么要校正？你想想看，如果黑电平是64，那么暗部细节就被抬高了，画面会发灰、发雾。更严重的是，它会影响后面的白平衡和色彩校正，导致偏色。

校正公式很简单：

// 伪代码示例
for each pixel:
    corrected_pixel = raw_pixel - black_level
    if corrected_pixel < 0:
        corrected_pixel = 0

但实际项目中，黑电平不是固定值。它会随温度、增益、曝光时间变化。我做过一个项目，手机打游戏发热后，黑电平漂了4个LSB，暗部直接偏绿。

避坑指南： 我曾经在调试一款安防摄像头时，发现夜间画面有奇怪的条纹。查了两天，最后发现是BLC没做动态补偿——增益提高后，黑电平也跟着涨了，但校正值没变。结果暗部被剪裁，出现了伪轮廓。

所以，成熟的ISP方案都会提供多组黑电平校正参数，按增益分段线性插值。调试时，建议至少标定3个增益点：低增益（1x）、中增益（4x）、高增益（16x）。

3.3 镜头阴影校正（LSC）：拯救“暗角”

镜头阴影，也叫暗角或亮度衰减。镜头中心光线直射传感器，亮度高；边缘光线斜射，亮度低。再加上镜头本身的cos⁴衰减，边缘可能比中心暗30%-50%。

LSC的原理就是给边缘像素乘以一个大于1的增益，把亮度补回来。但这里有个陷阱——增益不能太大，否则噪声会被放大。

LSC参数通常以网格形式存储。比如把图像分成16x16的网格，每个网格顶点存一个增益值，中间区域双线性插值。

网格位置	R通道增益	Gr通道增益	Gb通道增益	B通道增益
中心 (8,8)	1.00	1.00	1.00	1.00
左上角 (0,0)	1.45	1.38	1.40	1.50
右下角 (15,15)	1.42	1.36	1.38	1.48

调试技巧： 标定LSC时，用均匀照明的积分球或灯箱。拍一张raw图，计算每个通道的亮度分布。注意，R和B通道的衰减通常比G通道严重，因为波长越长，折射率越低，边缘衰减越明显。所以LSC要分通道做，不能一刀切。

我个人习惯，LSC校正后，边缘亮度要控制在中心亮度的95%以上。低于90%的话，边缘噪声会明显增加。如果镜头本身暗角太严重，建议先换镜头，别指望LSC硬拉。

3.4 坏点校正（DPC）：消灭“星星”和“黑洞”

坏点，就是传感器上那些“不听话”的像素。有的永远亮着（亮点），有的永远黑着（暗点），还有的随机闪烁（噪点）。

坏点校正分两步：检测和替换。检测就是找出坏点，替换就是用周围正常像素的值把它填上。

检测方法主要有两种：

静态坏点检测： 出厂时标定，存一张坏点坐标表。优点是准，缺点是无法应对使用中产生的新坏点。
动态坏点检测： 实时判断。比如当前像素值比周围8个像素都高很多，就认为是亮点。优点是自适应，缺点是可能误判（比如拍星空）。

替换方法也有讲究：

// 中值替换示例（Bayer域）
// 假设当前坏点是R像素，取周围4个同色R像素的中值
uint16_t neighbors[4] = {pixel[-2][0], pixel[2][0], pixel[0][-2], pixel[0][2]};
// 排序取中值
uint16_t median = get_median(neighbors, 4);
corrected_pixel = median;

避坑指南： 我曾经在调试一款车载摄像头时，动态坏点检测把路上的白色车道线误判为坏点，导致车道线被抹掉。后来加了边缘保护逻辑——如果当前像素与周围像素的梯度方向一致，就不做校正。这个坑，做ADAS的朋友一定要留意。

坏点校正的阈值设置很关键。阈值设得太低，好像素被误杀，画面变模糊；阈值设得太高，坏点漏检，画面出现“星星”。我一般建议，亮点阈值设为周围平均值的3-4倍，暗点阈值设为平均值的1/4-1/3。

3.5 知识体系总览

下面这张图，把Bayer域处理的四个模块串起来了。你可以看到，数据从传感器出来，先过BLC去掉偏置，再过LSC补偿亮度，最后DPC清理坏点。每一步都在为后面的Demosaic打基础。