1. RAW域基础与3A概述

各位同学好，我是老周。在ISP领域摸爬滚打了十几年，今天咱们来聊聊RAW域和3A的那些事。

说实话，我刚入行那会儿，对RAW域的理解也仅限于“传感器出来的原始数据”。直到有一次调试一个低光场景，发现AWB怎么调都偏色，最后追根溯源，问题出在RAW域的黑电平校正上。从那以后，我养成了一个习惯——任何ISP问题，先查RAW域。

1.1 RAW图像格式详解

RAW图像是什么？说白了，就是图像传感器直接输出的、未经任何处理的原始数据。它记录了每个像素点的光电转换结果，通常以12bit或14bit的精度存储。

你想想看，我们平时看到的JPEG或PNG，都是经过白平衡、去马赛克、伽马校正等一系列处理后的成品。而RAW，就是那个“毛坯房”。

我记得有一次调试一个手机项目，客户抱怨夜景模式噪点太多。我一看JPEG，确实惨不忍睹。但当我拿到RAW数据后，发现很多细节其实还在，只是被后续的降噪和压缩给抹掉了。这就是RAW的价值——它给了你最大的后期处理空间。

1.2 Bayer模式与CFA

图像传感器有个天生的缺陷：它只能感知光的强度，分辨不了颜色。那彩色图像是怎么来的？靠的就是CFA（Color Filter Array，彩色滤光片阵列）。

最常见的CFA模式就是Bayer模式，由Bryce Bayer在1976年发明。它的排列方式很简单：

位置	R	G	B
第1行	R	G	R
第2行	G	B	G
第3行	R	G	R

看到没？绿色像素占了50%，红色和蓝色各占25%。为什么？因为人眼对绿色最敏感，所以传感器也给了绿色更多“投票权”。

每个像素只能记录一种颜色，那完整的RGB图像怎么来？这就需要去马赛克（Demosaic）算法了。简单说，就是通过周围像素插值，把缺失的颜色信息补全。但这是后话，咱们在RAW域阶段，数据还是Bayer格式的。

1.3 3A（AE/AWB/AF）核心概念

3A是ISP流水线的三大支柱：AE（自动曝光）、AWB（自动白平衡）、AF（自动对焦）。它们共同决定了图像的亮暗、色彩和清晰度。

AE（自动曝光）

AE的目标很简单：让图像亮度适中。但实现起来并不容易。它需要根据场景亮度，调整曝光时间、模拟增益、数字增益，甚至光圈大小。

我习惯把AE分成三个阶段：

1. 粗调：根据环境亮度估算初始曝光参数
2. 精调：基于直方图或亮度统计，微调参数
3. 稳定：防止曝光闪烁，加入迟滞和滤波

AWB（自动白平衡）

AWB负责校正色温，让白色物体在任何光源下都呈现白色。它的核心是估计光源色温，然后计算R/G/B增益。

常见的AWB算法有：

• 灰度世界法：假设场景平均色是灰色
• 完美反射法：假设最亮像素是白色
• 色温曲线法：基于色温查找表

说实话，没有一种算法是万能的。我在项目中通常采用多算法融合策略，根据场景置信度动态切换。

AF（自动对焦）

AF让镜头移动到合适位置，使目标清晰成像。在RAW域，AF主要依赖对比度检测（CDAF）或相位检测（PDAF）。

CDAF的原理很简单：移动镜头，找图像对比度最大的位置。但缺点是慢，需要来回搜索。PDAF则通过传感器上的专用相位检测像素，一次计算就能知道对焦方向，快得多。

你想想看，现在的手机为什么对焦那么快？就是因为用了PDAF。但PDAF也有代价——它会占用部分像素，影响图像质量。所以很多方案是PDAF粗调 + CDAF精调的组合。

1.4 ISP流水线中的RAW域位置

ISP流水线通常分为三个阶段：RAW域、RGB域、YUV域。RAW域是第一步，也是最关键的一步。

下面这张图展示了ISP流水线的整体架构，以及RAW域所处的环节：

从图中可以看到，3A统计是在RAW域完成的。为什么？因为RAW数据是线性的，没有经过伽马校正，统计结果更准确。如果放到RGB域或YUV域再做统计，数据已经被非线性变换污染了，精度会大打折扣。