📚 课程目录第3章 RAW域预处理

3、RAW域预处理：黑电平校正、镜头阴影校正、坏点校正、增益与白平衡

各位同学，欢迎来到RAW域预处理这一章。说实话，这是整个ISP流水线里最“脏”最“累”的活，但也是最能体现功力的地方。你想想看，传感器拿到的原始数据，说白了就是一堆带着各种噪声和偏差的电压值。如果不把这些“底子”清理干净，后面做再多 fancy 的增强算法都是白搭。

我个人习惯把预处理比作“打地基”。地基没打好，楼盖得再高也得塌。今天我们就来聊聊这四个最关键的预处理步骤：黑电平校正、镜头阴影校正、坏点校正，还有增益与白平衡。

  核心观点： RAW域预处理的目标只有一个——让传感器输出的原始数字信号，尽可能真实地反映场景中的物理光强分布。每一步校正都是在消除一个特定的“系统误差”。

3.1 黑电平校正（Black Level Correction）

先说说黑电平。什么是黑电平？说白了，就是传感器在全黑环境下（比如盖上镜头盖），理论上应该输出0，但实际上它会输出一个非零的数值。这个数值就是黑电平。

为什么会这样？因为传感器电路本身有暗电流，ADC也有一个偏置。我记得在项目中遇到过一款老式的CCD传感器，它的黑电平居然有64个DN（Digital Number）之多。如果不减掉这个偏移量，你拍出来的黑色物体就会发灰，暗部细节全被淹没了。

校正方法其实很简单：

全局减固定值： 从每个像素值中减去一个全局的黑电平值。比如传感器标定黑电平为64，那就每个像素减64。
行/列自适应： 有些传感器不同行或不同列的黑电平不一样。这时候需要逐行或逐列减去对应的黑电平值。
OB（Optical Black）像素法： 传感器边缘有一圈被遮挡的像素，它们永远接收不到光。直接用这些像素的平均值作为当前帧的黑电平。

我的经验： 千万别小看黑电平校正。有一次我在调试夜景模式，发现暗部总是偏紫。查了半天，原来是黑电平没校正好，导致暗部R通道和B通道的偏移量不一致。减掉正确的黑电平后，颜色一下就正了。

3.2 镜头阴影校正（Lens Shading Correction）

接下来是镜头阴影。你想想看，镜头是一个凸透镜，光线从中心到边缘的路径长度不一样，而且边缘的光线入射角更大，所以边缘的进光量天然就比中心少。这就导致了照片中心亮、边缘暗的现象，也就是“暗角”。

校正方法通常是这样的：

标定增益图： 在均匀光照下（比如对着一个均匀亮度的白板）拍一张RAW图。然后计算每个像素位置相对于中心亮度的增益系数。
存储增益矩阵： 把增益系数存成一个查找表（LUT），通常是一个二维数组。
逐像素乘增益： 对每个像素，根据它的坐标查表得到增益值，然后乘上去。

这里有个坑要注意——增益不能太大。我曾经在调试一个超广角镜头时，边缘的增益系数达到了4.0以上。结果边缘的噪声被放大了4倍，暗角是没了，但噪点惨不忍睹。所以实际工程中，我们通常会设置一个最大增益限制，比如2.0，剩下的暗角留给后面的算法去处理。

避坑指南： 镜头阴影校正的增益图一定要在多个色温下标定。因为不同波长的光在镜头中的折射率不同，导致R、G、B三个通道的阴影分布不一样。只用D65光源标定，到了白炽灯下颜色就会偏。

3.3 坏点校正（Bad Pixel Correction）

坏点，就是传感器上那些“不听话”的像素。它们要么永远亮着（亮点），要么永远暗着（暗点），要么响应不正常。每个传感器出厂时都会有一张坏点列表，但使用过程中还会产生新的坏点。

校正策略分两种：

类型	检测方法	校正方法
静态坏点	出厂标定，存储在OTP中	直接替换为相邻像素均值
动态坏点	实时检测：当前像素与邻域像素差异超过阈值	中值滤波或插值替换

动态坏点检测是我觉得最有意思的部分。算法逻辑大概是这样的：

// 伪代码：动态坏点检测
for each pixel (x, y):
    // 计算周围8邻域的均值
    mean = average(neighbors)
    // 计算当前像素与均值的差异
    diff = abs(pixel - mean)
    // 如果差异超过阈值，判定为坏点
    if diff > threshold:
        pixel = mean  // 替换为邻域均值

阈值怎么设？这就有讲究了。设得太小，会把正常的纹理细节当成坏点给抹掉；设得太大，坏点又检测不出来。我一般会根据传感器的噪声水平来动态调整阈值——噪声大的区域阈值放宽，噪声小的区域阈值收紧。

我的习惯： 在做坏点校正时，我会把R、G、B三个通道分开处理。因为不同通道的坏点特性不一样，B通道的坏点通常比R通道多。分开处理能更精准地保留细节。

3.4 增益与白平衡（Gain & White Balance）

最后一步是增益和白平衡。这两个东西经常放在一起做，因为它们的数学形式是一样的——都是对每个通道乘一个系数。

增益是用来调整整体亮度的。比如在暗光环境下，传感器信号太弱，我们就需要放大信号。但放大信号的同时也会放大噪声，所以增益不能乱用。

白平衡则是为了消除不同光源色温带来的颜色偏差。你想想看，在日光灯下拍的白纸，和在白炽灯下拍的白纸，颜色肯定不一样。白平衡的目的就是让白色在任何光源下都看起来是白色。

白平衡的数学表达很简单：

R_out = R_in * gain_R
G_out = G_in * gain_G
B_out = B_in * gain_B

其中gain_R、gain_G、gain_B就是白平衡增益。通常我们会固定G通道的增益为1.0，然后调整R和B的增益。比如在日光下，gain_R和gain_B可能都在1.0附近；在钨丝灯下，gain_R会变大（因为红光少），gain_B会变小（因为蓝光多）。

这里有一个关键点——增益的顺序。是先做白平衡还是先做增益？我个人建议先做白平衡，再做增益。因为白平衡调整的是颜色比例，增益调整的是整体亮度。先调颜色再调亮度，逻辑上更清晰，也更容易调试。

注意： 增益和白平衡的系数不能太大。如果某个通道的增益超过了4.0，说明当前场景的光照条件已经超出了传感器的设计范围。这时候强行提亮只会得到一张满是噪点的废片。该补光就补光，该换传感器就换传感器，别跟物理规律较劲。

3.5 预处理流程总览

好了，四个步骤都讲完了。我们来画一张图，把整个预处理流程串起来。

这张图把整个流程串起来了。你注意看，顺序是固定的——先做黑电平，再做镜头阴影，然后是坏点，最后才是增益和白平衡。为什么是这个顺序？因为每一步都在为下一步做准备。黑电平校正让数据归零，镜头阴影校正让亮度均匀，坏点校正去掉异常值，最后再做颜色和亮度的调整。顺序乱了，结果就会出问题。

好了，RAW域预处理的四个核心步骤就讲到这里。这些内容看起来简单，但每一个步骤都有很多工程细节。我在项目中踩过的坑，今天都分享给你们了。希望大家在实际工作中能少走一些弯路。