1. 图像质量基础：从光子到数字图像
做图像处理这么多年，我越来越觉得——不懂传感器原理，就别谈图像质量。你想想看，一张照片从光进入镜头到最后显示在屏幕上，中间经历了多少道工序？每一道都在损耗信息，每一道都在引入噪声。
这一章，咱们就从源头开始，把图像传感器、ISP Pipeline 和质量评价指标这三个基础打牢。嗯，都是干货。
1.1 图像传感器原理：光是怎么变成电信号的
图像传感器说白了就是一个光子计数器。每个像素点就是一个微型光电二极管，光子打上去产生电子，电子数量正比于光强。
目前主流传感器就两种：
| 类型 | 工作原理 | 优点 | 缺点 |
|---|---|---|---|
| CCD | 电荷逐行转移读出 | 噪声低、均匀性好 | 功耗高、速度慢 |
| CMOS | 每个像素独立放大+读出 | 功耗低、速度快、集成度高 | 固定模式噪声(FPN)较明显 |
我个人习惯用 CMOS，因为现在手机、安防、车载基本都是它。但要注意——CMOS 的像素结构决定了它的噪声特性。
关键概念：量子效率(QE)与满阱容量(FWC)
- 量子效率：入射光子转化为电子的比例。QE 越高，弱光性能越好。
- 满阱容量：一个像素能容纳的最大电子数。FWC 越大，动态范围越宽。
我在项目中遇到过一款传感器，QE 标称 70%，但实际弱光下只有 40%——后来发现是微透镜工艺偏差。所以，别只看 datasheet，要实测。
1.2 ISP Pipeline 概述：图像质量的"流水线"
传感器出来的原始数据叫 RAW，它还不是一张能看的图。ISP（Image Signal Processor）就是负责把 RAW 变成漂亮 RGB 图像的流水线。
典型的 ISP Pipeline 长这样：
每个模块都有讲究。我重点说几个：
- 黑电平校正：传感器在无光时也有暗电流，得减掉。我曾经调过一款 sensor，黑电平随温度漂移严重，最后加了温度查表补偿才搞定。
- 去马赛克：Bayer 模式每个像素只有 R/G/B 之一，得靠插值补全。插值算法选不好，边缘就出现伪彩色——嗯，这就是"拉链效应"。
- 去噪：这是 ISP 里最"艺术"的一步。去多了糊，去少了噪。我一般先做空域去噪，再做时域去噪，两者配合效果最好。
我的经验：ISP 调优的顺序很重要。先调黑电平，再调白平衡，最后调色彩和锐化。顺序乱了，后面全白费。
1.3 图像质量评价指标：怎么量化"好"与"坏"
图像质量不能光靠"看着舒服"来评价，得有数学指标。常用的三个：
1.3.1 SNR（信噪比）
SNR 是信号与噪声的比值，单位 dB。公式很简单：
SNR = 20 * log10(信号均值 / 噪声标准差)SNR 越高，图像越干净。一般 SNR > 40dB 算不错，> 50dB 算优秀。
注意：SNR 只反映噪声水平，不反映细节保留程度。一张糊图 SNR 可能很高——因为噪声被抹平了。
1.3.2 PSNR（峰值信噪比）
PSNR 是 SNR 的变种，用像素最大值代替信号均值：
PSNR = 20 * log10(255 / RMSE)其中 RMSE 是均方根误差。PSNR 常用于有参考的质量评价——比如压缩前后对比。
| PSNR 范围 | 主观感受 |
|---|---|
| > 40 dB | 几乎看不出差异 |
| 30 - 40 dB | 轻微差异，可接受 |
| 20 - 30 dB | 明显失真 |
| < 20 dB | 不可接受 |
1.3.3 SSIM（结构相似性）
SSIM 比 PSNR 更"聪明"。它从亮度、对比度、结构三个维度比较两幅图像：
SSIM(x, y) = [l(x,y)]^α * [c(x,y)]^β * [s(x,y)]^γSSIM 取值范围 [0, 1]，越接近 1 越相似。0.95 以上人眼基本看不出区别。
实战对比：
- PSNR：对噪声敏感，对模糊不敏感。一张高斯模糊图 PSNR 可能还行，但人眼觉得糊。
- SSIM：对结构变化敏感，更符合人眼感知。我调去噪参数时，主要看 SSIM——PSNR 只做参考。
1.4 本章小结
这一章我们走了三个台阶：
- 传感器原理——光变电，电变数。量子效率和满阱容量决定了底子好坏。
- ISP Pipeline——从 RAW 到 RGB 的流水线，每个模块都在做"修复"和"增强"。
- 质量指标——SNR 看噪声，PSNR 看误差，SSIM 看结构。三个指标配合使用，才能全面评价。
我记得刚入行时，总觉得 ISP 就是调几个参数。后来踩了无数坑才明白——不懂底层原理，调参就是瞎蒙。这一章的内容，后面每一章都会用到。尤其是去噪和锐化，没有 SNR 和 SSIM 的概念，你根本不知道调对了还是调过了。