4. 网格密度定义：水平/垂直方向的网格点数量与间距

镜头阴影校正（LSC）的精度与效率，在很大程度上取决于校正网格的密度定义。网格密度直接决定了 ISP 能够以多高的空间分辨率对镜头阴影进行建模与补偿。本章将深入剖析水平/垂直方向的网格点数量与间距的数学定义、硬件约束及工程权衡。

4.1 网格密度的核心参数

LSC 校正网格通常定义在传感器像素阵列之上，由一组等距或非等距的采样点构成。每个网格点存储一个增益值，用于校正该点所在区域的亮度衰减。网格密度由以下两个关键参数决定：

• 网格点数量（Grid Point Count）：水平方向（H）与垂直方向（V）上的采样点个数，通常表示为 (M × N)。
• 网格间距（Grid Pitch）：相邻网格点之间的像素距离，单位为 pixel。

4.2 网格间距的计算公式

网格间距由传感器有效像素区域与网格点数量共同决定。假设传感器有效像素宽度为 W，高度为 H，水平网格点数为 M，垂直网格点数为 N，则水平间距 Pitch_H 与垂直间距 Pitch_V 的计算方式如下：

// 网格间距计算（单位：pixel）
Pitch_H = W / (M - 1)
Pitch_V = H / (N - 1)

// 示例：1920×1080 传感器，17×13 网格
Pitch_H = 1920 / (17 - 1) = 1920 / 16 = 120 pixel
Pitch_V = 1080 / (13 - 1) = 1080 / 12 = 90 pixel

网格点坐标可通过以下公式映射到像素坐标系：

// 网格点 (i, j) 对应的像素坐标
x(i) = i * Pitch_H,  其中 i = 0, 1, 2, ..., M-1
y(j) = j * Pitch_V,  其中 j = 0, 1, 2, ..., N-1

4.3 网格密度对校正精度的影响

网格密度与校正精度之间存在直接的正相关关系，但同时也受到硬件存储与计算带宽的制约。下表总结了不同密度下的性能特征：

4.4 网格密度与 ISP 硬件架构

在 ISP 硬件实现中，网格密度直接决定了 LSC 模块的寄存器配置与数据流设计。下图展示了一个典型的 ISP 内部 LSC 校正模块的网格参数传递架构：

4.5 网格密度选择策略

在实际 ISP 开发中，网格密度的选择需要遵循以下步骤：

1. 分析镜头阴影曲线：通过拍摄均匀灰卡，提取从图像中心到边缘的亮度衰减曲线，确定阴影变化的剧烈程度。
2. 确定最小网格间距：根据奈奎斯特采样定理，网格间距应小于阴影变化周期的一半。对于典型的手机镜头，建议间距不超过 150 pixel。
3. 评估硬件资源：计算所需增益表大小（M × N × 增益位宽），确保不超过 ISP 内部 SRAM 容量。
4. 仿真验证：使用不同密度进行 LSC 校正仿真，对比校正后的亮度均匀性（通常以 ΔL 或 U% 指标衡量）。
5. 迭代优化：在边缘区域局部加密网格点，或采用非均匀网格布局，以在保持总点数不变的前提下提升边缘校正精度。

4.6 网格密度与插值误差的关系

网格密度直接影响双线性插值的逼近误差。假设镜头阴影函数为 f(x, y)，网格间距为 Δ，则插值误差的上界与 Δ² 成正比：

// 插值误差估计（二阶泰勒展开）
|f(x,y) - f_interp(x,y)| ≤ (1/8) * Δ² * max|∇²f|

其中：
  Δ = max(Pitch_H, Pitch_V)
  ∇²f 为阴影函数的拉普拉斯算子（曲率）

这意味着，当网格间距减半时，插值误差理论上可降低至原来的 1/4。但实际中还需考虑增益值的量化误差与传感器噪声，因此并非无限加密就能无限提升精度。