1. 课程导论与项目背景
1.1 ISP Pipeline 全景：LSC 与 DPC 的坐标
在典型的移动端或安防摄像头 ISP（Image Signal Processor）流水线中，原始 RAW 数据从 Sensor 输出后，需要经过一系列校正与增强模块才能生成最终可视的 YUV/RGB 图像。LSC（Lens Shading Correction，镜头阴影校正）与 DPC（Defect Pixel Correction，坏点校正）是位于 Pipeline 最前端的两个关键模块，直接决定了后续去噪、白平衡、色彩校正等模块的输入质量。
核心认知： LSC 与 DPC 是 ISP 调优的“地基工程”。地基不稳，后续所有模块的调优效果都会大打折扣，甚至出现不可逆的偏色与纹理伪影。
1.2 LSC（镜头阴影校正）原理与重要性
由于镜头的光学特性，Sensor 靶面中心区域接收到的光强通常高于边缘区域，这种现象称为 Lens Shading 或 Vignetting。LSC 通过为每个像素位置施加一个增益系数来补偿亮度衰减，使整幅画面亮度均匀。
| 阴影类型 | 成因 | 校正策略 | 典型影响 |
|---|---|---|---|
| 亮度阴影 | 镜头边缘进光量减少 | 径向增益曲面拟合 | 边缘偏暗，中心过曝风险 |
| 色彩阴影 | 不同波长光线折射率差异 | R/G/B 通道独立增益 | 边缘偏色（通常偏绿或偏紫） |
| 微透镜阴影 | Sensor 微透镜阵列与主光线角度不匹配 | 网格化增益表 + 插值 | 四角亮度骤降，高动态场景尤为明显 |
调优要点： LSC 增益不宜过大（通常限制在 4x 以内），否则会放大边缘噪声和坏点。实际项目中常采用“分色温标定”策略，针对不同光源色温生成多套 LSC 参数。
1.3 DPC（坏点校正）原理与重要性
Sensor 制造过程中不可避免地会产生缺陷像素（Defect Pixel），表现为始终偏亮（Hot Pixel）或始终偏暗（Dead Pixel）。DPC 模块负责检测并修复这些异常像素，防止它们在图像中形成固定噪声。
- 静态坏点： 出厂标定阶段通过全黑/全白图像检测，生成静态坏点映射表（Static Defect Table）。
- 动态坏点： 运行过程中因温度、增益变化新出现的坏点，需实时检测与插值修复。
- 坏点修复算法： 主流方法包括中值滤波、梯度方向插值、自适应加权平均等。
1.4 LSC 与 DPC 的耦合关系
在 ISP 调优实践中，LSC 与 DPC 并非独立模块，它们之间存在强耦合：
- 增益放大效应： LSC 在边缘区域施加高增益（如 2x~4x），会将原本不明显的坏点信号放大到可见水平。
- 检测干扰： 未校正的 Lens Shading 会导致边缘区域像素值偏低，DPC 动态检测算法可能将正常边缘像素误判为坏点。
- 标定顺序： 推荐先完成 DPC 静态标定，再进行 LSC 标定，最后联合调优动态 DPC 阈值。
常见陷阱： 部分工程师先调 LSC 再调 DPC，导致边缘坏点被增益放大后难以修复，最终只能通过降低增益或牺牲边缘细节来妥协。正确的调优顺序是“先 DPC 后 LSC，再联合微调”。
1.5 本实战项目的目标与预期成果
本课程以一个真实的 8MP 手机摄像头模组为实战载体，带领学员完成从标定、调优到验证的全流程工程实践。
| 维度 | 目标 | 预期成果 |
|---|---|---|
| LSC 校正 | 掌握网格化 LSC 标定流程，实现中心-边缘亮度偏差 < 5% | 生成分色温 LSC 增益表，校正后图像均匀度达标 |
| DPC 修复 | 建立静态坏点映射表，动态坏点检测准确率 > 95% | 坏点修复后 PSNR 提升 > 3dB，无可见残留坏点 |
| 联合调优 | 解决高增益场景下的坏点放大问题 | 联合调优方案，在 4x 增益下仍保持图像干净 |
| 工程交付 | 输出可落地的 ISP 配置文件与调优报告 | 完整的调优文档、参数集、测试数据与对比图 |
项目特色： 本课程不局限于理论讲解，而是提供真实的 RAW 数据、ISP 调试工具链（含模拟器与硬件平台）、以及完整的调优脚本。学员将亲手完成从标定图像采集到最终参数交付的每一个环节。
1.6 适合人群与前置知识
- ISP 调优工程师： 希望系统掌握 LSC 与 DPC 调优方法，提升实战能力。
- 嵌入式视觉开发者： 需要理解 ISP 底层算法原理，优化驱动与固件。
- 算法研究人员： 关注 RAW 域图像处理，希望了解工业级实现细节。
- 前置知识： 了解基本图像处理概念（像素、增益、滤波），熟悉 C/Python 基础语法即可。