ISP图像参数标定与RAW数据质量验证 - 第4节

4.1 RAW 文件格式与 Bayer Pattern 结构

RAW 文件是图像传感器未经任何 ISP 处理的原始数据记录，其核心特征在于每个像素仅记录单一颜色通道的强度值。这种单像素单色的数据组织方式依赖于 Bayer Pattern（拜耳阵列）——一种最常用的 CFA（Color Filter Array，彩色滤光片阵列） 排列方案。

4.1.1 Bayer Pattern 的典型排列

标准 Bayer 阵列以 2×2 为基本单元，包含 1 个红色（R）、2 个绿色（G）和 1 个蓝色（B）像素。人眼对绿色光最敏感，因此绿色通道采样率是红/蓝的两倍。

4.1.2 常见 CFA 变体

除标准 Bayer 外，不同传感器厂商会采用改进型 CFA 排列以优化特定性能：

4.2 RAW 数据位深与动态范围

RAW 数据的 位深（Bit Depth） 决定了每个像素可记录的灰度级数量，直接关联传感器的 动态范围（Dynamic Range） 表现。

4.2.1 位深定义与常见规格

位深表示每个像素用多少比特存储亮度值。n 位深可表示 2ⁿ 个灰度级：

• 8-bit： 256 级（0–255），常见于 JPEG 输出或早期摄像头。
• 10-bit： 1024 级（0–1023），多数手机传感器 RAW 输出标准。
• 12-bit： 4096 级（0–4095），工业相机、微单相机主流 RAW 位深。
• 14-bit： 16384 级（0–16383），高端单反/中画幅相机 RAW 输出。
• 16-bit： 65536 级（0–65535），科学级 sCMOS 或经过线性化处理的 RAW。

4.2.2 动态范围与位深的关系

传感器的 动态范围（DR） 定义为最大不饱和信号与读出噪声之比，通常用 dB 或 stops（档）表示。位深决定了量化噪声的下限，但实际 DR 受限于传感器物理特性：

4.3 RAW 文件存储结构与工程实践

4.3.1 典型 RAW 文件结构

不同厂商的 RAW 文件格式（如 .dng、.raw、.arw、.cr2）在文件头、元数据和像素数据排列上存在差异，但核心结构通常包含以下部分：

1. 文件头（Header）： 标识文件类型、字节序（Little/Big Endian）、文件大小。
2. 元数据（Metadata）： 传感器型号、位深、图像尺寸、Bayer Pattern 偏移、黑电平（Black Level）、白平衡增益、ISO、快门速度等。
3. 像素数据（Pixel Data）： 按 Bayer Pattern 排列的原始像素值，可能经过 Packing（如 12-bit 数据用 16-bit 存储）或压缩。
4. 缩略图/预览图（Optional）： 内嵌 JPEG 预览用于快速浏览。

4.3.2 标定环境中的 RAW 采集工程要点

在标定环境搭建时，RAW 数据采集需遵循以下工程规范：

4.3.3 RAW 数据读取代码示例

以下 Python 代码演示如何读取 12-bit RAW 文件并提取 Bayer 通道数据（假设为 RGGB Pattern）：

import numpy as np
import struct

def read_raw12_bayer(filepath, width, height, bayer_offset=(0,0)):
    """
    读取 12-bit RAW 文件（每个像素 2 字节，低 12 位有效）
    
    Parameters:
        filepath: RAW 文件路径
        width, height: 图像宽高（像素）
        bayer_offset: (x_offset, y_offset) 第一个 R 像素的坐标
    
    Returns:
        raw_image: (height, width) uint16 数组
        bayer_pattern: 'RGGB' 字符串
    """
    # 读取原始二进制数据
    with open(filepath, 'rb') as f:
        raw_data = f.read()
    
    # 转换为 uint16（假设 Little Endian）
    raw_image = np.frombuffer(raw_data, dtype=np.uint16).reshape((height, width))
    
    # 提取低 12 位（高 4 位为 0 或填充）
    raw_image = raw_image & 0x0FFF
    
    # 根据 Bayer 偏移提取各通道
    x_off, y_off = bayer_offset
    R = raw_image[y_off::2, x_off::2]
    G1 = raw_image[y_off::2, x_off+1::2]
    G2 = raw_image[y_off+1::2, x_off::2]
    B = raw_image[y_off+1::2, x_off+1::2]
    
    print(f"RAW 数据统计: 位深=12-bit, 尺寸={width}x{height}")
    print(f"R 通道均值: {R.mean():.1f}, G 通道均值: {(G1.mean()+G2.mean())/2:.1f}, B 通道均值: {B.mean():.1f}")
    
    return raw_image, 'RGGB'

# 使用示例
# raw, pattern = read_raw12_bayer('calibration_frame.raw', 1920, 1080, (0, 0))

4.4 本章知识结构总结