3. 镜头阴影校正（LSC）调优

镜头阴影校正，简称 LSC。说白了，就是解决画面四周偏暗、偏色的问题。你想想看，镜头本身是个物理器件，光线从中心到边缘的路径不一样，衰减自然也不同。8K 传感器像素又密，这个问题会被放大得很明显。

我刚开始接触 ISP 时，觉得 LSC 不就是乘个增益嘛，有什么难的？后来在 8K 项目上被均匀性指标卡了整整两周……嗯，从那以后我再也不敢小看 LSC 了。

3.1 LSC 原理：为什么会有阴影？

镜头阴影主要分两类：

• 亮度阴影（Luma Shading）：边缘亮度比中心低，原因是余弦四次方定律和镜头物理遮挡。
• 颜色阴影（Color Shading）：边缘出现偏色，因为不同波长（R/G/B）的光在镜头不同位置的透过率不一致。

8K 传感器对角线更长，边缘光线入射角更大，阴影效应比 1080P 严重得多。我测过一颗 8K 模组，中心到角落的亮度差能到 40% 以上——不校正根本没法看。

3.2 LUT 生成方法：从标定到查表

LUT 怎么来的？不是拍脑袋写的。标准流程分三步：

1. 采集均匀光源图像：用积分球或均匀面光源，拍一张 RAW 图。
2. 计算增益矩阵：以图像中心为参考，计算每个像素需要的增益值。
3. 压缩与存储：全分辨率增益矩阵太大（8K 下约 33M 个点），需要降采样成网格 LUT。

我个人习惯用 17×13 或 33×25 的网格。网格越密，校正精度越高，但存储和计算开销也越大。8K 实时处理时，我建议用 33×25，配合双线性插值，效果和全分辨率几乎没区别。

3.3 LSC 对均匀性的影响

LSC 做得好不好，直接决定画面均匀性指标。我一般用两个指标衡量：

指标	定义	8K 目标值
亮度均匀性	四角亮度 / 中心亮度	≥ 95%
颜色均匀性	四角 ΔE 相对于中心	≤ 3

如果 LSC 参数不对，会出现：

• 过校正：边缘出现亮环或偏色反转
• 欠校正：阴影残留，四角依然偏暗
• 网格效应：LUT 网格太粗，插值后出现可见的块状过渡

我记得有一次，客户反馈画面边缘有淡淡的粉色条纹。查了半天，发现是 LUT 网格在 Bayer 格式下对齐出了问题——R 通道和 B 通道的增益插值相位错了。

3.4 LSC 调优实战

调优 LSC，我有一套固定的流程：

1. 粗调：用标准光源标定生成初始 LUT，验证均匀性是否在 90% 以上。
2. 精调：针对不同色温（D65、D50、A 光源）分别微调，因为镜头阴影会随光谱变化。
3. 边界检查：在极端场景（强逆光、低照度）下验证，防止 LSC 放大噪声。
4. 硬件适配：确认 LUT 格式与 ISP 硬件匹配，包括位宽、网格坐标、插值方式。

下面是我常用的 LUT 生成代码片段（Python 示意）：

import numpy as np

def generate_lsc_lut(raw_img, grid_size=(33, 25)):
    h, w = raw_img.shape[:2]
    center_val = np.mean(raw_img[h//2-10:h//2+10, w//2-10:w//2+10])
    
    # 计算每个网格点的增益
    grid_h = np.linspace(0, h-1, grid_size[1])
    grid_w = np.linspace(0, w-1, grid_size[0])
    
    lut = np.zeros(grid_size)
    for i, row in enumerate(grid_h):
        for j, col in enumerate(grid_w):
            local_val = np.mean(raw_img[int(row)-2:int(row)+2, 
                                        int(col)-2:int(col)+2])
            lut[i, j] = center_val / max(local_val, 1)
    
    # 限制增益范围，防止过校正
    lut = np.clip(lut, 0.8, 2.0)
    return lut

这段代码的核心是：用中心区域亮度做参考，计算每个网格点的增益。注意我加了 clip 限制——增益不能无限大，否则噪声会被放大到不可接受。

3.5 LSC 调优知识体系

我把 LSC 调优的核心逻辑画成了一张图，方便你理解整体流程：

这张图把 LSC 调优分成了四个阶段：标定、LUT 生成、粗调/精调/边界检查、最终部署。每个阶段都有明确的输入输出，你照着这个流程走，基本不会漏掉关键步骤。