第一章：镜头阴影校正(LSC)实战——亮度与色度阴影的成因、校正网格调试、边缘一致性优化

1.1 阴影现象：你拍的照片为什么中间亮、四周暗？

做ISP调试这么多年，我见过太多新人一上来就问：“为什么我拍的纯色画面，中间和四周颜色不一样？”

说白了，这就是镜头阴影。它分两种：

• 亮度阴影（Luma Shading）：画面中间亮、四周暗。像手电筒的光斑，中心最亮，边缘逐渐变暗。
• 色度阴影（Color Shading）：画面中间和四周颜色不一致。比如中间偏绿、四周偏红。这个更隐蔽，也更让人头疼。

为什么会这样？我简单解释一下：

镜头本身是个凸透镜，光线从中心通过时路径短、衰减少；从边缘通过时路径长、衰减多。再加上镜头模组的机械结构遮挡，边缘进光量自然就少了。这就是亮度阴影的根源。

色度阴影呢？更复杂一些。不同波长的光（红、绿、蓝）在镜头中的折射率不同。红光波长长，折射率小；蓝光波长短，折射率大。结果就是：蓝光更容易被边缘“吃掉”，导致画面四周偏红。我在项目中遇到过一款模组，边缘色差大到肉眼可见，用户直接投诉“照片像戴了有色眼镜”。

1.2 校正网格：LSC的核心武器

LSC校正，说白了就是给每个像素“补光”和“调色”。怎么补？靠一张校正网格（Gain Grid）。

网格是什么？你可以想象成一张覆盖在图像上的表格。每个格子对应一个区域，里面存着两个值：

• 亮度增益（Luma Gain）：用来补偿亮度衰减
• 色度增益（Chroma Gain）：用来补偿颜色偏移

网格的密度很关键。网格太稀疏，校正精度不够，画面会出现“块状”不均匀；网格太密，计算量大，而且容易过拟合。我个人习惯用 16x16 或 32x32 的网格，具体看 sensor 分辨率和镜头特性。

举个例子，假设你有一个 4000x3000 的 sensor，用 16x16 网格，每个格子覆盖 250x187.5 像素。校正时，ISP 会读取每个像素所在格子的增益值，然后做插值计算。

// 伪代码：LSC校正核心逻辑
for each pixel (x, y) in image:
    // 计算像素在网格中的位置
    grid_x = x / grid_width
    grid_y = y / grid_height
    
    // 双线性插值获取增益
    luma_gain = bilinear_interp(luma_grid, grid_x, grid_y)
    chroma_gain = bilinear_interp(chroma_grid, grid_x, grid_y)
    
    // 应用增益
    pixel.r = pixel.r * luma_gain * chroma_gain.r
    pixel.g = pixel.g * luma_gain * chroma_gain.g
    pixel.b = pixel.b * luma_gain * chroma_gain.b

嗯，这里要注意：插值算法选不好，校正后会出现“网格纹”。我踩过这个坑，后来改用双三次插值才解决。

1.3 调试流程：从采集到验证

调试LSC，我一般分四步走：

1. 采集原始数据：用均匀光源拍灰卡或白墙。注意光源要均匀，色温要稳定。我建议用 D65 和 D50 两种光源分别采集，因为不同色温下色度阴影表现不同。
2. 计算增益矩阵：把采集到的图像分成网格，计算每个网格的平均亮度值和 RGB 比值。然后和目标值（比如中心区域的亮度）对比，算出增益。
3. 生成校正参数：把增益矩阵写入 ISP 的寄存器或 tuning 文件。不同平台格式不同，高通是 .xml，MTK 是 .bin，但原理一样。
4. 验证效果：拍实景，看边缘和中心是否一致。我习惯用“十字线”和“纯色块”两种图卡来验证。

1.4 边缘一致性优化：最难啃的骨头

校正完亮度阴影，你会发现色度阴影还在。或者校正完中心区域，边缘又过曝了。这就是边缘一致性优化的难点。

为什么难？因为镜头的光学特性不是线性的。边缘的衰减曲线和中心不同，而且不同波长光的衰减曲线也不同。你想想看，一个简单的增益矩阵怎么可能完美拟合这么复杂的曲线？

我的做法是：

• 分段校正：把图像分成中心区、过渡区、边缘区，分别用不同的增益曲线。中心区用低增益，边缘区用高增益。
• 色温自适应：不同色温下，色度阴影的表现不同。我建议在 AWB 模块中增加一个 LSC 参数切换逻辑，根据色温选择不同的校正网格。
• 边缘平滑：校正后的边缘不能有“台阶感”。我会对增益矩阵做高斯平滑，让增益变化更自然。

1.5 实战案例：一个典型的调试过程

我记得有一次，客户反馈一款前置摄像头拍人像时，人脸边缘发红。我拿到样机一看，典型的色度阴影问题。

排查过程：

1. 先确认是镜头问题还是 sensor 问题。换一颗镜头，问题依旧，排除 sensor。
2. 采集灰卡数据，发现 R/G 比值在边缘比中心高了 15%。
3. 调整色度增益网格，把边缘的 R 通道增益降低 15%。
4. 重新拍人像，边缘发红消失。

但问题没完。调整后，边缘亮度又偏暗了。原来色度增益和亮度增益是耦合的。我只好重新优化亮度网格，把边缘亮度增益提高 8%。

最终效果：边缘和中心的亮度差小于 3%，色差 ΔE 小于 2。客户满意了，我也松了口气。

1.6 知识体系图

下面这张图总结了 LSC 校正的核心逻辑，我画了很久，希望能帮你理清思路。

1.7 总结与建议

LSC 校正，说白了就是和镜头的光学缺陷做斗争。你永远无法完全消除阴影，但可以让它变得人眼不可见。

最后给几点建议：

• 不要追求完美：边缘亮度比中心低 5% 以内，人眼基本看不出来。强行拉平反而会引入噪点。
• 多光源验证：D65、D50、A 光源都要测。不同色温下色度阴影表现差异很大。
• 关注实拍效果：实验室数据再漂亮，实拍翻车也是白搭。我每次调完 LSC，都会拿出去拍人、拍风景、拍夜景。

---

公众号:蓝海资料掘金营，微信deep3321