LSC校正网格密度：ISP控制原理中的镜头阴影补偿精度优化 - 第2节

2.2 增益矩阵的数学定义与维度约束

增益矩阵 G 在数学上是一个与传感器 Bayer 阵列对齐的二维实数矩阵。设传感器分辨率为 W × H，则 G ∈ ℝ^W×H。对于 Bayer 格式的 RAW 数据，每个像素位置对应一个特定的颜色通道（R、Gr、Gb 或 B），因此增益矩阵实际上包含 四个独立的子矩阵：

2.3 像素级补偿的数学推导

设传感器中心坐标为 (x_c, y_c)，像素 (x, y) 到中心的归一化距离为：

r(x, y) = sqrt( (x - xc)² + (y - yc)² ) / R_max

其中 R_max 为传感器对角线半长。理想的镜头阴影模型通常用 cos⁴(θ) 近似，但在 ISP 工程中，更常用多项式拟合：

G(x, y) = 1 + a₁·r² + a₂·r⁴ + a₃·r⁶ + ...

对于每个颜色通道，系数 a₁, a₂, a₃ 独立标定。最终像素级补偿公式为：

其中 ch ∈ {R, Gr, Gb, B}。该模型假设镜头阴影是径向对称的，但实际镜头可能存在非对称性（如镜头倾斜、传感器位移），此时需要引入 非径向校正项：

G(x, y) = 1 + a₁·r² + a₂·r⁴ + b₁·x' + b₂·y' + c₁·x'·y'

其中 x' = (x - x_c) / W，y' = (y - y_c) / H 为归一化坐标偏移。

2.4 增益矩阵的物理约束与边界条件

增益矩阵并非可以任意取值，它受到以下物理和系统约束：

• 信噪比约束： 增益值越大，噪声放大越严重。边缘区域增益通常限制在 2.0~3.0 以内，超过此范围会导致 SNR 不可接受。
• 饱和约束： 校正后像素值不得超过传感器满阱容量。即 I_out(x, y) ≤ I_sat，否则产生高光截断。
• 平滑性约束： 增益曲面必须连续可导，避免相邻像素增益突变导致带状伪影（banding artifact）。
• 颜色恒常性约束： 四个颜色通道的增益比例必须保持白平衡一致性，否则校正后出现色偏。

2.5 增益矩阵的硬件实现架构

在 ISP 硬件流水线中，增益矩阵的存储和计算通常采用以下架构：