3. 传统ISP Pipeline：黑电平校正、镜头阴影校正、坏点校正

各位同学，今天我们正式进入ISP Pipeline的第一站。很多人觉得这三步是“预处理中的预处理”，没什么技术含量。但我做了这么多年ISP，可以负责任地告诉你——这三步没做好，后面所有模块都在白费力气。

你想想看，Sensor送出来的原始数据，说白了就是一堆电荷转换成的数字信号。但这堆数字里藏着三个“脏东西”：暗电流偏置、镜头的光学衰减、还有那些死活不听话的坏像素。我们的任务，就是在它们污染整个图像之前，把它们清理掉。

3.1 黑电平校正（Black Level Correction, BLC）

3.1.1 为什么要做黑电平校正？

先问大家一个问题：Sensor在完全无光的情况下，输出应该是0吗？

答案是：不是。

因为Sensor的每个像素都存在暗电流，即使没有光子入射，电荷也会慢慢积累。另外，为了不让ADC在低端出现非线性，厂商会故意加一个固定的偏置电压。这个偏置，就是黑电平（Black Level）。

我记得刚入行时，遇到一个项目，拍出来的夜景图像整体发灰，黑色区域根本压不下去。排查了三天，最后发现是黑电平校正参数没更新，用的还是实验室的默认值。嗯，从那以后，我每次拿到新Sensor，第一件事就是看黑电平的寄存器值。

3.1.2 校正原理与实现

黑电平校正其实很简单：

// 经典的黑电平校正公式
pixel_out = pixel_raw - black_level;

// 如果考虑不同通道的差异（Bayer格式）
pixel_out = pixel_raw - black_level[channel];

但实际项目中，黑电平并不是一个固定值。它会随着温度、增益、曝光时间变化。所以成熟的方案会做动态黑电平校正：

• OB（Optical Black）像素法：Sensor边缘有一圈被遮挡的像素，用它们的平均值作为当前帧的黑电平。
• 暗帧法：在完全遮光条件下采集一帧，作为参考。
• 统计法：从图像直方图的最低端估算黑电平。

3.1.3 避坑指南

3.2 镜头阴影校正（Lens Shading Correction, LSC）

3.2.1 阴影从哪里来？

你拿手机拍一张纯白墙壁，看看四角是不是比中心暗？这就是镜头阴影，也叫亮度衰减（Vignetting）。

原因很简单：镜头是个凸透镜，光线从中心通过时路径最短，从边缘通过时路径更长，而且还要经过更多镜片边缘的遮挡。根据余弦四次方定律，边缘亮度大致按cos⁴θ衰减。

但这还没完。不同颜色的光，衰减程度还不一样。这就导致了色彩阴影（Color Shading）——四角不仅暗，还偏色。

3.2.2 校正策略

镜头阴影校正的核心思路是：给每个像素乘一个增益系数，把衰减补回来。

// 基于网格的LSC实现
// 预先标定一个增益网格（例如17x13个网格点）
// 运行时通过双线性插值计算每个像素的增益

float gain = interpolate_gain(gain_grid, pixel_x, pixel_y);
pixel_out = pixel_raw * gain;

实际项目中，我建议把LSC分成两步：

1. 亮度阴影校正：只补偿亮度衰减，用单通道增益。
2. 色彩阴影校正：分别补偿R/G/B通道的衰减差异。

参数	亮度阴影	色彩阴影
校正对象	整体亮度	R/G/B通道比例
网格密度	9x7 或 17x13	17x13 或 33x25
插值方法	双线性	双线性或双三次
标定条件	D65光源，灰卡	多色温光源

3.2.3 实现中的坑

LSC看起来简单，但有几个细节不注意，效果会很难看：

• 增益上限：四角的增益可能达到2倍甚至更高，但增益太大会放大噪声。我一般把增益上限限制在3.0以内，剩下的交给后面的降噪模块。
• 网格对齐：增益网格必须和Bayer格式对齐。如果网格点落在奇数行，插值时要注意通道匹配。
• 边界处理：图像边缘的像素可能落在网格范围外，需要做外推或镜像处理。

3.3 坏点校正（Defect Pixel Correction, DPC）

3.3.1 坏点的三种类型

Sensor生产过程中，总会有一些像素不完美。这些坏点如果不处理，会在图像上形成固定的亮点或暗点。

我根据项目经验，把坏点分成三类：

• 亮点（Hot Pixel）：一直输出高值，像一颗星星。
• 暗点（Dead Pixel）：一直输出低值，像一颗黑洞。
• 闪烁点（Stuck Pixel）：输出值固定不变，不随光照变化。

3.3.2 校正方法

坏点校正分为静态校正和动态校正。

静态校正：

在产线上标定坏点位置，生成一张坏点地图（Defect Map）。运行时直接查表替换。

// 静态坏点校正
if (defect_map[x][y] == 1) {
    pixel_out = median_filter(raw_image, x, y, 3x3);
} else {
    pixel_out = raw_image[x][y];
}

动态校正：

实时检测坏点。常用的方法是比较当前像素和周围8个邻域的统计值。

// 动态坏点检测（简化版）
int neighbors[8] = get_neighbors(raw_image, x, y);
int median = get_median(neighbors, 8);
int diff = abs(raw_image[x][y] - median);

if (diff > threshold) {
    pixel_out = median;  // 判定为坏点，用中值替换
} else {
    pixel_out = raw_image[x][y];
}

3.3.3 避坑指南

3.4 本章知识体系

下面这张图展示了这三个模块在ISP Pipeline中的位置和关系：

3.5 本章小结

这三个模块，说白了就是给Raw数据“洗澡”：

• BLC：洗掉暗电流和偏置的脏东西。
• LSC：把四角被镜头“吃掉”的光线补回来。
• DPC：把Sensor上的“坏点痘痘”修掉。

做完这三步，Raw数据才算“干净”，才能交给后面的去噪、去马赛克、白平衡等模块。我见过不少团队，花大把精力调后面的算法，结果前三级没做好，图像质量始终上不去。嗯，基础不牢，地动山摇啊。