4. LSC校正原理（一）：镜头阴影的数学模型

镜头阴影（Lens Shading Correction, LSC）是ISP Pipeline中消除光学系统亮度不均匀性的关键环节。本章从物理成因出发，建立径向衰减与多项式拟合两种数学模型，并引入增益图（Gain Map）的核心概念，为后续的校正实现奠定理论基础。

4.1 镜头阴影的物理成因与表现

镜头阴影主要由两种物理效应叠加产生：

• 自然衰减（Natural Vignetting）： 镜头边缘光线入射角增大，到达传感器的光通量按cos⁴θ规律衰减。
• 光学渐晕（Optical Vignetting）： 镜头镜筒、光圈等机械结构对边缘光线的遮挡，加剧了边缘亮度下降。

在RAW域中，镜头阴影表现为从图像中心到边缘的亮度平滑下降，且R、G、B三个通道的衰减曲线不同（因波长不同导致折射率差异）。

4.2 径向衰减模型（Radial Attenuation Model）

径向衰减模型假设镜头阴影仅与像素到图像中心的距离有关，是最基础的数学模型。其核心思想是：距离中心越远，衰减越严重。

模型定义：

// 归一化距离计算
dx = (x - cx) / maxRadius
dy = (y - cy) / maxRadius
r = sqrt(dx² + dy²)

// 径向衰减函数（一阶形式）
gain(r) = 1 + k₁ · r² + k₂ · r⁴ + k₃ · r⁶

其中：

• (cx, cy) 为光学中心坐标（通常不等于图像几何中心）
• maxRadius 为图像对角线半长
• k₁, k₂, k₃ 为径向畸变系数，通过标定获得

4.3 多项式拟合模型（Polynomial Fitting Model）

实际镜头阴影并非完美的旋转对称，受镜头装配公差、传感器倾斜等因素影响，存在非对称性。多项式拟合模型通过二维多项式曲面来逼近真实的阴影分布，具有更高的精度。

模型定义：

// 二维多项式拟合（3阶示例）
gain(x, y) = a₀₀ + a₁₀·x + a₀₁·y + a₂₀·x² + a₁₁·x·y + a₀₂·y²
            + a₃₀·x³ + a₂₁·x²·y + a₁₂·x·y² + a₀₃·y³

其中 aᵢⱼ 为多项式系数，通过最小二乘法拟合标定数据获得。

4.4 增益图（Gain Map）的概念

增益图是LSC校正的核心数据结构，它是一个与传感器分辨率相同的二维数组（或降采样后的网格），每个像素位置存储一个增益值，用于补偿该位置的亮度衰减。

增益图生成流程：

1. 标定采集： 拍摄均匀光照下的灰卡或积分球图像
2. 参考值提取： 取图像中心区域（通常为5%×5%区域）的平均亮度作为参考值 I_ref
3. 增益计算： 每个像素的增益 G(x,y) = I_ref / I(x,y)
4. 模型拟合： 用径向模型或多项式模型拟合原始增益数据，得到平滑的增益曲面
5. 增益图存储： 将拟合后的增益值按网格存储（通常为16×16或32×32网格，运行时双线性插值）

4.5 增益图的工程实现要点

在实际ISP系统中，增益图并非以全分辨率存储，而是采用网格+插值策略以降低存储和带宽开销：

• 网格尺寸： 常见为16×16、32×32或64×64（取决于芯片面积和精度要求）
• 插值方式： 双线性插值（Bilinear Interpolation）是主流选择，兼顾精度与硬件友好性
• 通道独立： R、G、B三个通道分别存储独立的增益图，以校正色差
• 定点化： 增益值通常用Q8.8或Q4.12定点数表示，避免浮点运算

4.6 本章小结