3、黑电平校正：黑电平的来源与影响、全局黑电平校正、局部/自适应黑电平校正、实战：Python实现黑电平校正

各位同学，欢迎来到第三章。今天我们来聊聊一个在RAW域处理中非常基础，但又极其关键的环节——黑电平校正。

说实话，我刚入行那会儿，觉得黑电平校正不就是减个固定值嘛，有什么好讲的？直到有一次，我在处理一批夜景照片时，发现暗部区域总是偏绿，怎么调都调不干净。折腾了大半天，最后才发现是黑电平校正没做对。嗯，从那以后，我再也不敢小看这一步了。

3.1 黑电平的来源与影响

先说说黑电平是怎么来的。你想想看，一个理想的图像传感器，在完全没有光线入射时，输出的数字信号应该是0。但现实世界哪有这么完美？

黑电平产生的原因主要有这么几个：

传感器暗电流：即使没有光照，传感器内部的半导体材料也会因为热激发产生少量电子。温度越高，暗电流越明显。我在夏天做户外测试时，经常发现黑电平值比冬天高出一截。
读出电路噪声：从像素点把电荷读出来，经过放大器、模数转换器，这一路下来难免会引入一些固定的偏置。
ADC偏移：模数转换器本身有一个参考电压，这个参考电压的微小偏差会导致整体输出有一个固定的偏移量。

这些因素叠加起来，就导致传感器在“全黑”状态下，输出的RAW值并不是0，而是一个非零的数值。这个数值，就是黑电平。

那黑电平不校正会有什么影响呢？我给大家列一下：

问题	表现	严重程度
暗部偏色	本该是纯黑的区域出现红、绿、蓝的色偏	高
对比度降低	整体画面发灰，动态范围被压缩	中
后续处理误差	白平衡、去马赛克等算法基于错误的数据计算	极高
信噪比下降	暗部噪声被放大，细节丢失	高

注意： 黑电平校正必须在RAW域进行，而且要在其他所有处理步骤之前。一旦数据被插值或变换，黑电平的偏移就会被扩散到相邻像素，那时候再校正就晚了。我曾经在一个项目中看到同事把黑电平校正放在了去马赛克之后，结果暗部出现了奇怪的网格状伪影，排查了好久才发现是顺序搞反了。

3.2 全局黑电平校正

最直接的方法，就是全局黑电平校正。说白了，就是从每个像素的RAW值中减去一个固定的黑电平值。

公式很简单：

校正后的像素值 = max(0, 原始像素值 - 黑电平值)

这里为什么要加一个max(0, ...)？因为减去黑电平后，有些像素值可能会变成负数，但数字图像没有负值，所以我们要截断到0。

全局黑电平值怎么获取呢？通常有两种方式：

OB像素法：传感器边缘有一圈被遮挡的像素（Optical Black），它们接收不到光线，直接读出它们的平均值作为黑电平。我个人比较推荐这种方法，因为它能实时反映当前传感器的状态。
暗场标定法：在完全无光的环境下拍摄一张全黑图像，然后计算整张图的平均值。这种方法更准确，但需要专门的标定环境。

小技巧： 如果你用的是常见的相机传感器，黑电平值通常在512到1024之间（对于14-bit RAW）。但不同厂商、不同ISO下的黑电平值可能不同。我习惯在代码里加一个参数接口，方便根据不同场景调整。

3.3 局部/自适应黑电平校正

全局校正虽然简单，但有个问题——它假设整个传感器的黑电平是均匀的。但实际情况呢？

你想想看，传感器不同区域的温度可能不一样，读出电路的走线长度也不同，这些都会导致黑电平在空间上存在差异。我遇到过最极端的情况，是一块大靶面传感器，左上角和右下角的黑电平差了将近30个DN值。如果用全局校正，一边过曝一边欠曝，画面根本没法看。

这时候就需要局部/自适应黑电平校正了。

常见的做法是：

分块校正：把图像分成M×N个块，每个块独立计算黑电平值，然后逐块校正。块与块之间用双线性插值平滑过渡，避免出现块状效应。
多项式拟合：用OB像素的值拟合一个二维多项式曲面，然后用这个曲面去校正每个像素。这种方法更平滑，但计算量也更大。
查表法：预先标定好不同位置的黑电平值，存成查找表。运行时直接查表校正。速度快，适合嵌入式设备。

下面这张图展示了全局校正和局部校正的核心区别：

3.4 实战：Python实现黑电平校正

好了，理论讲完了，咱们来写点实际的代码。下面我给出一个完整的Python实现，包含全局校正和局部校正两种方法。

import numpy as np
import cv2

def global_black_level_correction(raw_image, black_level):
    """
    全局黑电平校正
    :param raw_image: 输入的RAW图像 (numpy数组)
    :param black_level: 全局黑电平值
    :return: 校正后的图像
    """
    # 确保数据类型为浮点数，避免溢出
    corrected = raw_image.astype(np.float32) - black_level
    # 截断到0
    corrected = np.maximum(corrected, 0)
    return corrected.astype(raw_image.dtype)

def local_black_level_correction(raw_image, block_size=64):
    """
    局部自适应黑电平校正（分块+双线性插值）
    :param raw_image: 输入的RAW图像
    :param block_size: 分块大小
    :return: 校正后的图像
    """
    h, w = raw_image.shape
    # 计算每个块的黑电平（取最小值作为近似）
    blocks_h = h // block_size
    blocks_w = w // block_size
    
    # 存储每个块的黑电平值
    black_level_map = np.zeros((blocks_h, blocks_w), dtype=np.float32)
    
    for i in range(blocks_h):
        for j in range(blocks_w):
            block = raw_image[i*block_size:(i+1)*block_size, 
                              j*block_size:(j+1)*block_size]
            # 取块内最小值作为该块的黑电平估计
            black_level_map[i, j] = np.min(block)
    
    # 双线性插值到原图大小
    black_level_full = cv2.resize(black_level_map, (w, h), 
                                   interpolation=cv2.INTER_LINEAR)
    
    # 校正
    corrected = raw_image.astype(np.float32) - black_level_full
    corrected = np.maximum(corrected, 0)
    return corrected.astype(raw_image.dtype)

# 示例用法
if __name__ == "__main__":
    # 模拟一个RAW图像（14-bit，范围0-16383）
    np.random.seed(42)
    fake_raw = np.random.randint(512, 16000, (1024, 1024), dtype=np.uint16)
    
    # 全局校正
    global_bl = 512  # 假设黑电平为512
    corrected_global = global_black_level_correction(fake_raw, global_bl)
    
    # 局部校正
    corrected_local = local_black_level_correction(fake_raw, block_size=64)
    
    print(f"原始图像最小值: {np.min(fake_raw)}")
    print(f"全局校正后最小值: {np.min(corrected_global)}")
    print(f"局部校正后最小值: {np.min(corrected_local)}")

代码说明：

global_black_level_correction：直接减固定值，简单高效。适合传感器均匀性好的场景。
local_black_level_correction：分块估计黑电平，然后用双线性插值生成平滑的校正曲面。我实际项目中用的就是类似的方法，效果比全局校正好很多。
注意代码中用了np.maximum(corrected, 0)来截断负值，这一步不能省。

避坑指南： 我曾经在局部校正时直接用块内平均值作为黑电平，结果发现暗部被过度校正了。后来改用块内最小值，效果才正常。为什么呢？因为块内如果有亮部细节，平均值会被拉高，导致校正过度。最小值更接近真实的黑电平。

最后提醒一句：黑电平校正看似简单，但它是整个RAW处理流程的基石。这一步做不好，后面所有算法都是在错误的数据上跳舞。我见过太多人花大量时间调白平衡、调降噪，却忽略了最基础的黑电平校正，结果事倍功半。

好了，这一章的内容就到这里。代码我已经给了，建议你找几张真实的RAW图跑一跑，看看全局校正和局部校正的差异。实践出真知嘛。

📚 课程目录

3、黑电平校正：黑电平的来源与影响、全局黑电平校正、局部/自适应黑电平校正、实战：Python实现黑电平校正

3.1 黑电平的来源与影响

3.2 全局黑电平校正

3.3 局部/自适应黑电平校正

3.4 实战：Python实现黑电平校正