3、镜头阴影校正(LSC)：成因分析、增益矩阵计算、参数调优策略

镜头阴影校正，圈里人常叫它LSC。这玩意儿说白了，就是解决照片四周发暗、发偏色的问题。你想想看，一张好好的照片，中间亮堂堂，四个角却黑乎乎的，多难看。我刚开始做ISP的时候，就吃过这个亏——客户拿着一张纯灰卡的照片，指着四个角问我：“这是你们家传感器的暗角，还是镜头的问题？”嗯，从那以后，我就把LSC当成了ISP流水线上必须认真对待的一环。

3.1 成因分析：为什么四周会变暗？

镜头阴影的成因，其实就两个核心因素。一个是物理光学层面的，另一个是传感器层面的。

先说物理光学层面。镜头本身是个凸透镜，光线从中心通过和从边缘通过，路径长度不一样。边缘的光线要走更远的路，而且入射角度更斜。根据余弦四次方定律，像面照度与入射角余弦的四次方成正比。说白了，边缘的光能量天然就比中心少。这个衰减，我们叫它“亮度阴影”。

再说传感器层面。现在的CMOS传感器，每个像素上面都有微透镜，用来把光线汇聚到感光区域。但边缘的光线角度太斜了，微透镜的聚光效率就会下降。更麻烦的是，不同颜色的像素（R、G、B）对入射角度的敏感度不一样。这就导致了——不光是亮度变暗，颜色也跟着偏了。这个叫“色度阴影”。

我在项目中遇到过一种极端情况：某款手机镜头，边缘的红色通道衰减比蓝色通道多了将近15%。拍出来的照片，四周明显偏青。这就是典型的色度阴影问题，光靠调增益矩阵是搞不定的，还得配合镜头选型。

3.2 增益矩阵计算：怎么把暗角拉回来？

LSC的原理其实很简单——给每个像素乘上一个增益系数，把衰减掉的光信号补回来。但这个系数怎么算，就有讲究了。

标准的做法是：拍一张均匀光照下的灰卡照片，然后分析每个像素位置的亮度值。理想情况下，整张图应该是一个均匀的平面。但实际上，中心亮、四周暗。我们把中心区域的亮度值作为参考值，四周的像素值除以这个参考值，就得到了一个衰减系数矩阵。增益系数就是衰减系数的倒数。

用公式表示就是：

Gain(x, y) = L_center / L(x, y)

其中L_center是中心区域的亮度均值，L(x,y)是某个像素的实际亮度值。

但这里有个坑——直接逐像素计算增益，数据量太大了。一个2000万像素的传感器，就要存2000万个增益系数，这显然不现实。所以实际工程中，我们用的是“网格化”的方法。

具体做法是：

• 把图像分成M×N个网格（比如16×16或32×32）
• 在每个网格内，计算一个平均增益系数
• 存储这些网格点的增益值
• 运行时，通过双线性插值计算出每个像素的增益

我个人的习惯是，网格密度选16×16。太密了浪费存储，太疏了校正精度不够。当然，如果你用的是高端芯片，网格可以密一些。

3.3 参数调优策略：别让校正变成破坏

LSC的参数调优，说白了就是找一组增益系数，让校正后的图像既均匀又自然。但这里有个矛盾——增益系数太大，会放大噪声；增益系数太小，暗角又去不掉。

我总结了一套调优流程，分三步走：

1. 粗调：用灰卡拍一张图，自动计算增益矩阵。这一步得到的是一个数学上的最优解。
2. 细调：用实景图验证。因为灰卡是理想场景，实景图才能暴露问题。比如天空、白墙这些大面积均匀区域，最容易看出校正效果。
3. 限幅：设置增益上限。我一般把最大增益限制在2.0倍以内。超过这个值，噪声会变得不可接受。

我曾经犯过一个错误：为了追求极致的均匀性，把边缘增益调到了2.5倍。结果暗角是没了，但边缘的噪声像雪花一样。后来我学乖了，在增益和噪声之间找平衡点。

另外，色度阴影的校正要单独处理。我的做法是：对R、G、B三个通道分别计算增益矩阵。但要注意，G通道的增益通常最小，因为G像素对光的敏感度最高。如果发现某个通道的增益异常大（比如超过3.0），那多半是镜头本身的问题，光靠LSC是救不回来的。

3.4 实战中的避坑指南

做LSC调优，有几个坑是新人最容易踩的。我一个个说：

• 坑一：用错标定图。灰卡必须是无光泽的，而且表面要均匀。我曾经用了一张有细微纹理的灰卡，结果校正出来的照片，纹理被放大了，看起来像水波纹。
• 坑二：忽略温度影响。传感器在不同温度下，暗电流不一样，会影响LSC的精度。我建议在常温（25°C）和高温（60°C）下各做一次标定，然后取平均。
• 坑三：网格边界不连续。如果网格之间的增益跳变太大，校正后的图像会出现网格状的条纹。解决办法是：在计算增益时，对相邻网格做平滑处理。

嗯，这里还要提一句——LSC不是万能的。如果镜头的阴影太严重（比如边缘亮度只有中心的30%），那就算把增益调到最大，也救不回来。这时候，你得回头去找镜头供应商，让他们优化镜头设计。

3.5 知识体系总览

下面这张图，是我自己总结的LSC知识体系。你可以把它当成一个思维导图来看：

这张图把LSC的四个核心模块串起来了。你从成因分析入手，理解问题本质；然后学会增益矩阵的计算方法；接着掌握调优策略，知道怎么在实际项目中落地；最后记住那些避坑指南，少走弯路。

我个人觉得，LSC是ISP里最“物理”的一个模块。它不像3A那样需要复杂的控制逻辑，也不像去噪那样依赖算法。它就是老老实实地补偿光路损失。但正因为简单，才更容易出问题——你想想看，一个增益系数没算对，整张照片的颜色就全偏了。

好了，关于LSC的内容就讲到这里。下一节我们会聊另一个有趣的话题——坏点校正。那个模块，说白了就是跟传感器上的“坏像素”做斗争。到时候我再分享一些实战经验。