图像传感器调校：增益控制、曝光时间优化、暗电流补偿、坏点校正
各位工程师朋友，咱们直接进入正题。图像传感器调校，说白了就是让传感器「听话」。你想想看，一个没调校好的传感器，拍出来的图像要么噪点满天飞，要么亮度忽明忽暗，甚至还有固定位置的死点——这在内窥镜手术里可是要出大事的。
我个人习惯把传感器调校分成四个模块：增益控制、曝光时间、暗电流补偿、坏点校正。这四个东西不是孤立的，它们互相影响。我画了一张图，帮你快速建立整体认知。
1. 增益控制：别让噪声毁了图像
增益控制，其实就是放大信号。但这里有个坑——增益放大的不只是信号，还有噪声。我在项目中遇到过一位同事，为了拍清楚暗部细节，把增益拉到最大，结果图像全是雪花点，根本没法用。
内窥镜系统里通常有两种增益：模拟增益和数字增益。模拟增益在AD转换之前做，噪声相对小；数字增益在AD之后做，噪声会被一起放大。我的建议是：优先用模拟增益，数字增益只做微调。
经验法则：模拟增益每增加6dB，信噪比下降约3dB。数字增益每增加6dB，信噪比下降约6dB。所以——能用模拟就别碰数字。
实际调校时，我会先固定曝光时间，然后从低到高扫描增益值。记录每个增益下的信噪比和动态范围，画一条曲线。嗯，这里要注意：不同传感器的增益线性区不一样，有的传感器在增益超过24dB后就开始饱和了。
// 增益扫描伪代码示例
for (gain = 0; gain <= 48; gain += 6) { // 单位：dB
set_analog_gain(gain);
capture_frame();
measure_snr();
measure_dynamic_range();
log_data(gain, snr, dr);
}
// 选择SNR > 40dB且DR > 60dB的最大增益值2. 曝光时间优化：找到那个「甜点」
曝光时间，说白了就是传感器收集光子的窗口时长。时间越长，信号越强，但运动模糊也越严重。内窥镜场景下，镜头经常在动，曝光时间太长画面就糊了。
我曾经调试一款腹腔镜，曝光时间设到40ms，静态图像看着挺好。结果一进手术室，镜头稍微一晃，画面就像抹了黄油。后来我改成20ms，配合LED补光，效果立竿见影。
曝光时间优化的核心是帧率与亮度的平衡。我一般遵循三步走：
- 确定目标帧率——内窥镜通常要求30fps以上，对应曝光时间上限约33ms。
- 测量场景亮度——用示波器看传感器输出，找到亮度直方图的主峰位置。
- 调整曝光时间——让主峰落在直方图的中间偏右区域（约60%~70%满量程）。
小技巧：如果场景亮度变化大（比如从口腔进入食道），建议启用自动曝光。但自动曝光的收敛速度要调好——我习惯用PID控制，比例系数设0.3，积分时间设2帧，这样既不会震荡也不会太慢。
3. 暗电流补偿：别让「黑」变成「灰」
暗电流，就是传感器在完全没有光照时依然产生的电荷。温度越高，暗电流越大。你想想看，如果暗电流不补偿，黑色区域会发灰，对比度直接垮掉。
暗电流补偿通常有两种方法：光学黑电平（OB）和温度查表法。OB像素是传感器边缘被遮光的像素，它们的输出就是暗电流的实时样本。我习惯用OB像素的平均值作为补偿基准，逐行减去。
但这里有个坑——OB像素数量太少时，平均值波动很大。我曾经在一个项目里，OB像素只有16个，结果补偿后的图像出现行噪声。后来我把OB像素增加到64个，并且做了中值滤波，问题才解决。
注意：暗电流补偿不是简单的减法。不同像素的暗电流有差异，尤其是长曝光（>100ms）时，建议做逐像素补偿。否则会出现「固定模式噪声」，看着像条纹。
// 暗电流补偿示例（逐行OB校正）
uint16_t ob_level[V_SIZE]; // 每行的OB平均值
for (int row = 0; row < V_SIZE; row++) {
ob_level[row] = get_ob_average(row); // 取该行OB像素均值
for (int col = 0; col < H_SIZE; col++) {
pixel[row][col] = (pixel[row][col] > ob_level[row]) ?
pixel[row][col] - ob_level[row] : 0;
}
}4. 坏点校正：把「死点」变「活」
坏点，就是传感器上那些永远亮或永远暗的像素。内窥镜对坏点容忍度极低——你想，手术画面里突然出现一个白点，医生可能会以为是病灶。
坏点校正分两步：检测和修复。检测通常在产线上做，用均匀光源照射传感器，记录所有偏离正常值超过阈值的像素位置。修复则是在运行时，用周围像素插值替换。
我见过最头疼的情况是「间歇性坏点」——有些像素在低温时正常，温度一高就坏。所以我的产线检测流程里，会分别在25°C和45°C下各跑一遍坏点检测。
插值策略对比：
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 邻域均值 | 计算快，硬件友好 | 边缘模糊 | 孤立坏点 |
| 中值滤波 | 抗噪性强 | 延迟稍大 | 坏点簇 |
| 方向插值 | 保留边缘细节 | 算法复杂 | 高要求场景 |
我个人习惯用方向插值。先判断坏点周围四个方向的梯度，选择梯度最小的方向做插值。这样修复后的坏点几乎看不出痕迹。
// 方向插值核心逻辑
uint16_t fix_bad_pixel(uint16_t *neighbors) {
uint16_t grad_h = abs(neighbors[LEFT] - neighbors[RIGHT]);
uint16_t grad_v = abs(neighbors[UP] - neighbors[DOWN]);
uint16_t grad_d1 = abs(neighbors[UL] - neighbors[DR]);
uint16_t grad_d2 = abs(neighbors[UR] - neighbors[DL]);
// 选择梯度最小的方向做均值
if (grad_h <= grad_v && grad_h <= grad_d1 && grad_h <= grad_d2)
return (neighbors[LEFT] + neighbors[RIGHT]) / 2;
else if (grad_v <= grad_d1 && grad_v <= grad_d2)
return (neighbors[UP] + neighbors[DOWN]) / 2;
else if (grad_d1 <= grad_d2)
return (neighbors[UL] + neighbors[DR]) / 2;
else
return (neighbors[UR] + neighbors[DL]) / 2;
}好了，四个模块都讲完了。增益控制管信号强度，曝光时间管亮度与动态平衡，暗电流补偿管黑电平精度，坏点校正管像素一致性。这四个调好了，传感器的底子就稳了。下一层咱们再聊ISP管线里的其他环节。
公众号:蓝海资料掘金营，微信deep3321