023、RAW域处理：BLC、DPC与LSC的算法原理与调优技巧

023、RAW域处理：BLC、DPC与LSC的算法原理与调优技巧

一、从一次产线“翻车”说起

去年夏天，某款旗舰机型的产线突然爆出问题：同一批次模组，在暗场下拍出的照片，左上角明显偏绿，右下角偏紫。产线工程师查了三天，怀疑是LSC校准文件出了问题，重新烧录了十几次，问题依旧。我赶到现场，第一件事不是看LSC，而是先抓了一帧RAW图，用工具扫了一遍BLC值——好家伙，四个通道的BLC偏差超过8个DN，暗电流补偿根本没对齐。这就是典型的“BLC没调好，LSC背锅”的案例。

影像系统里，RAW域处理是“地基”。BLC、DPC、LSC这三个模块，看似基础，但任何一个调不好，后面ISP的AWB、CCM、Gamma全都会跟着跑偏。今天这篇笔记，就聊聊这三个“老伙计”的原理和那些年踩过的坑。

二、BLC（Black Level Correction）：暗电流的“清零”艺术

原理一句话

传感器在无光条件下，像素依然会产生微弱电流，这个“暗电流”导致输出值不为零。BLC就是把这个底数减掉，让纯黑场景的像素值归零。

算法实现

最简单的BLC是全局减一个固定值：

// 别这样写！全局减固定值会出大问题uint16_tblc_value=64;for(inti=0;i<frame_size;i++){raw_data[i]=(raw_data[i]>blc_value)?(raw_data[i]-blc_value):0;}

这里踩过坑：不同通道的暗电流不一样，R、Gr、Gb、B四个通道的BLC值可能差3-5个DN。更坑的是，同一通道在不同行、不同列也有差异——这叫“行噪声”和“列噪声”。所以工业级的BLC必须做“通道独立+行列补偿”。

实战中我常用的方案是“OB（Optical Black）区域动态计算”。传感器通常有被遮挡的像素行/列，这些像素的均值就是当前帧的暗电流水平。但要注意：OB区域本身也有噪声，直接取均值会引入随机抖动。我的做法是取中位数，或者做3sigma剔除后再取均值。

// 推荐写法：动态计算OB区域，通道独立uint16_tblc_r=compute_ob_median(ob_region_r);// 这里用中位数，别用均值uint16_tblc_gr=compute_ob_median(ob_region_gr);uint16_tblc_gb=compute_ob_median(ob_region_gb);uint16_tblc_b=compute_ob_median(ob_region_b);// 逐像素处理，注意溢出保护for(inty=0;y<height;y++){for(intx=0;x<width;x++){uint16_tval=raw_data[y*stride+x];uint16_tblc=get_blc_for_channel(x,y);// 根据Bayer pattern选择对应通道的BLCraw_data[y*stride+x]=(val>blc)?(val-blc):0;}}

调优技巧

1. 温度补偿：暗电流随温度指数级增长。25°C和60°C下，BLC值可能差20个DN。我习惯在模组出厂时做-10°C到60°C的标定，存一个温度-BLC查找表，运行时根据sensor温度实时插值。

2. 增益联动：模拟增益和数字增益放大暗电流，BLC值要跟着增益线性缩放。这个很多人会忘——增益变大后BLC没跟着调，暗场直接偏色。

3. 产线校准：产线上用暗箱拍100帧，取每帧的OB均值，再做时域平均。别用单帧，单帧的随机噪声会让你校准出来的BLC值忽高忽低。

三、DPC（Defect Pixel Correction）：坏点的“美容”手术

坏点分类

• 静态坏点：出厂就有，位置固定。比如死点（永远黑）、亮点（永远白）。
• 动态坏点：随温度、增益变化出现的坏点。温度高了冒出来，温度低了又消失。
• 闪烁坏点：时域上随机闪现，像星星一样一闪一闪。

算法思路

DPC的核心是“检测+替换”。检测方法有很多，我实战中验证过最稳的是“梯度检测法”：

// 这里踩过坑：用固定阈值检测坏点，不同场景下误检率极高// 正确做法：自适应阈值intdetect_defect(uint16_tcenter,uint16_tneighbors[8],floatgain){floatmedian=compute_median(neighbors,8);// 用中位数，别用均值floatdiff=abs((float)center-median);floatthreshold=base_threshold*gain*noise_model(median);// 阈值随增益和亮度变化return(diff>threshold)?1:0;}

替换策略也有讲究。简单替换成邻域均值会模糊细节，我习惯用“中值替换+边缘保护”：

// 推荐写法：边缘保护的中值替换uint16_tcorrect_pixel(uint16_tcenter,uint16_tneighbors[8]){// 先判断中心像素是否在边缘上floath_grad=abs(neighbors[3]-neighbors[4]);// 水平梯度floatv_grad=abs(neighbors[1]-neighbors[6]);// 垂直梯度if(h_grad>v_grad){// 垂直边缘，用垂直方向的两个邻居取中值returnmedian_of_two(neighbors[1],neighbors[6]);}else{// 水平边缘，用水平方向的两个邻居取中值returnmedian_of_two(neighbors[3],neighbors[4]);}}

调优技巧

1. 坏点表管理：产线标定出来的静态坏点表，要存到模组的OTP里。但注意：坏点表会随着时间增长，建议在ISP驱动里留一个“在线学习”接口，用户使用过程中发现的新坏点可以追加进去。

2. 动态坏点检测的“死区”：在低亮度下，噪声本身就很大，容易把正常像素误判为坏点。我习惯在亮度低于某个阈值时，把DPC的检测阈值拉高，或者直接关闭动态检测，只做静态坏点替换。

3. 闪烁坏点的处理：时域上闪现的坏点，单帧检测很难搞定。我的做法是“3帧确认”：连续三帧都在同一位置检测到坏点，才执行替换。这样能过滤掉大部分随机噪声。

四、LSC（Lens Shading Correction）：镜头阴影的“匀光”工程

现象与原理

镜头的光学特性导致边缘亮度低于中心，同时不同波长的光衰减程度不同，造成边缘偏色。LSC就是给边缘像素“补光”，同时做颜色补偿。

校准与插值

产线校准阶段，用均匀光源拍一张灰卡，计算每个像素位置的增益系数。但全像素存储增益表太占空间，通常用“网格+插值”的方式：

// 网格增益表，16x16网格，每个网格存R/Gr/Gb/B四个通道的增益typedefstruct{uint16_tgrid_width;// 网格宽度，单位像素uint16_tgrid_height;// 网格高度，单位像素uint8_tgrid_cols;// 网格列数uint8_tgrid_rows;// 网格行数uint16_t*gain_r;// R通道增益表uint16_t*gain_gr;// Gr通道增益表uint16_t*gain_gb;// Gb通道增益表uint16_t*gain_b;// B通道增益表}lsc_table_t;// 运行时双线性插值floatinterpolate_gain(lsc_table_t*table,floatx,floaty,intchannel){// 计算网格索引intcol=(int)(x/table->grid_width);introw=(int)(y/table->grid_height);floatfrac_x=(x-col*table->grid_width)/table->grid_width;floatfrac_y=(y-row*table->grid_height)/table->grid_height;// 四个网格点的增益floatg00=get_gain(table,col,row,channel);floatg10=get_gain(table,col+1,row,channel);floatg01=get_gain(table,col,row+1,channel);floatg11=get_gain(table,col+1,row+1,channel);// 双线性插值floatg0=g00*(1-frac_x)+g10*frac_x;floatg1=g01*(1-frac_x)+g11*frac_x;returng0*(1-frac_y)+g1*frac_y;}

调优技巧

1. 网格密度选择：网格太密，存储开销大；网格太疏，插值误差大。我的经验是：对于手机镜头，16x16网格足够；对于车载广角镜头（畸变大），建议32x32甚至64x64。

2. 增益上限保护：边缘增益可能达到2.0甚至更高，但增益太大会放大噪声。我习惯设置一个最大增益值（比如2.5），超过的部分截断。如果边缘亮度实在补不回来，说明镜头本身的光学设计有问题，LSC不是万能的。

3. 温度与增益的影响：LSC校准通常在25°C、增益1x下进行。但实际使用中，温度和增益变化会导致镜头阴影特性偏移。高端方案会做“多温度点+多增益点”的LSC表，运行时根据当前状态选择最近的表做插值。

4. 产线校准的“白场”要求：产线拍白场时，光源的均匀性要保证在1%以内。曾经有产线用普通灯箱，边缘亮度比中心低了5%，校准出来的LSC表把边缘增益拉得特别高，结果用户拍出来的照片边缘全是噪点。

五、三个模块的联动调优

BLC、DPC、LSC不是独立工作的，它们的处理顺序和参数耦合直接影响最终效果。

处理顺序

正确的流水线顺序是：BLC → DPC → LSC。为什么？BLC先做，把暗电流底数清掉，DPC检测坏点时用的阈值才准确；DPC做完，坏点被替换，LSC计算增益时不会被坏点干扰。

参数耦合

• BLC不准 → DPC误检率升高（暗电流没清干净，暗场下正常像素被误判为坏点）
• BLC不准 → LSC边缘偏色（暗电流在不同通道的差异，被LSC的增益放大）
• DPC没做好 → LSC校准表里混入坏点数据，导致校准出来的增益表有异常值

实战案例

回到开头的产线问题。最终排查发现：产线更换了sensor批次，新批次的暗电流特性变了，但BLC校准文件没更新。BLC偏差导致DPC在暗场下疯狂误检，把正常像素替换成邻域值，这些被替换过的像素又被LSC的增益放大，最终表现为边缘偏色。

解决方案：重新标定新批次sensor的BLC参数，同时把DPC的检测阈值调松一点（因为新批次sensor的暗电流一致性比旧批次差），再重新跑一遍LSC校准。问题解决。

六、个人经验总结

1. 别迷信“通用算法”：BLC、DPC、LSC的参数高度依赖sensor型号、镜头模组、甚至同一型号不同批次的工艺偏差。每换一次sensor或镜头，必须重新标定。

2. 产线校准是“良心活”：很多公司为了省成本，产线校准只做单帧、单温度点。结果就是：用户拿到手机，冬天拍暗场偏色，夏天拍暗场也偏色。多花点时间做多温度点标定，后期能省大量客诉处理成本。

3. 调试工具要趁手：我习惯在调试阶段，把BLC、DPC、LSC的中间结果都dump出来，用Python脚本可视化。比如BLC补偿后的暗场图像、DPC检测到的坏点位置图、LSC的增益曲面图。肉眼一看就知道问题在哪。

4. 留有余量：BLC的减法、LSC的乘法，都会改变数据的动态范围。设计RAW域处理时，要保证数据位宽足够（比如12bit sensor，内部处理用16bit），避免溢出或截断。

5. 最后一条，也是最重要的一条：永远不要相信“默认参数”。每个模组出厂前，必须用暗场和白场做一次全流程验证。BLC、DPC、LSC这三个模块，任何一个参数不对，后面ISP的AWB、CCM、Gamma全都会跟着跑偏，而且你很难定位到根因——因为症状可能出现在色彩、亮度、噪声等各个方面，但病根往往就在RAW域。