1. RAW图基础概念：从传感器到数字图像的“底片”
大家好，我是你们的老朋友。今天咱们正式开始聊RAW图调试。说实话，做了这么多年图像传感器调试，我见过太多工程师一上来就对着BMP/JPG猛调，结果越调越懵。为什么？因为你根本没见过原始数据长什么样。这就像摄影师不懂胶片，直接看冲印好的照片去调色——能调好才怪。
所以，第一节课，咱们先把RAW图这个“底片”彻底搞明白。你想想看，所有图像质量的根基，其实都在这张RAW图里。
1.1 什么是RAW图？
RAW图，说白了就是图像传感器（CMOS/CCD）直接输出的、未经任何处理的原始数据。它记录的是每个像素点感受到的光强度——注意，是光强度，不是颜色。
我习惯把RAW图比作“数字底片”。你拍胶片时，底片记录的是化学反应的灰度信息；而RAW图记录的是每个感光单元上的电子数量。嗯，这里要注意：RAW图不是图像，它是数据。
核心要点：RAW图 = 传感器原始电荷量 → 量化后的数字值。它没有颜色，没有白平衡，没有伽马校正，什么都没有。就是一堆数字。
我记得刚入行时，有个老工程师跟我说：“你什么时候能把RAW图看成是‘电压值’，而不是‘图像’，你就入门了。” 这句话我到现在都觉得是真理。
1.2 RAW图 vs BMP/JPEG：本质区别在哪？
很多新手会问：都是图片，RAW图跟BMP、JPEG到底差在哪？我直接给你列个表，一目了然。
| 对比项 | RAW图 | BMP | JPEG |
|---|---|---|---|
| 数据本质 | 传感器原始电荷量 | RGB三通道像素值 | 压缩后的YUV数据 |
| 位深 | 10bit/12bit/14bit等 | 8bit（通常） | 8bit |
| 颜色空间 | Bayer Pattern（单通道） | RGB（三通道） | YUV（三通道） |
| 是否压缩 | 无损（或轻微压缩） | 无损 | 有损压缩 |
| 可编辑性 | 可调白平衡、去马赛克等 | 基本不可逆调整 | 压缩后信息丢失 |
| 文件大小 | 极大（如12MP约24MB） | 较大（如12MP约36MB） | 小（如12MP约3-5MB） |
你看，RAW图是“原材料”，BMP是“半成品”，JPEG是“成品”。调试ISP时，我们永远只跟RAW图打交道。因为一旦转成BMP或JPEG，很多原始信息就丢了——比如暗部细节、高光过曝区域的真实亮度。
我的经验：曾经有个项目，客户反馈夜景噪点大。我一看他们给的测试图，是JPEG格式。我直接让他们重新抓RAW图。结果发现，JPEG压缩把暗部噪点“抹平”了，但同时也抹掉了细节。最终问题出在去马赛克算法上，跟降噪无关。如果只看JPEG，你永远找不到根因。
1.3 Bayer Pattern详解：为什么传感器不直接输出RGB？
好，接下来是重点中的重点——Bayer Pattern。你可能会问：为什么传感器不直接输出RGB三通道？非要搞个单通道的Bayer格式？
原因很简单：成本。每个像素点如果都要同时感知红绿蓝三种光，那需要三个感光单元叠在一起，工艺复杂、成本翻倍。所以工业界想了个聪明的办法：每个像素只感知一种颜色，然后通过算法猜出另外两种颜色。
这个“猜”的过程，就叫去马赛克（Demosaic）。而Bayer Pattern，就是定义每个像素感知什么颜色的规则。
常见的Bayer Pattern类型
最常见的Bayer Pattern有四种：RGGB、GRBG、BGGR、GBRG。名字怎么来的？看左上角2x2像素块的排列顺序。
| Pattern名称 | 左上角2x2排列 | 常见传感器品牌 |
|---|---|---|
| RGGB | R G G B |
Sony、OmniVision（多数） |
| GRBG | G R B G |
Samsung（部分） |
| BGGR | B G G R |
Onsemi（部分） |
| GBRG | G B R G |
少数特殊传感器 |
你可能会问：为什么绿色像素占一半？因为人眼对绿色最敏感。所以Bayer Pattern里，绿色像素数量是红色和蓝色的两倍。这个设计很巧妙——用更多的绿色像素来模拟人眼的亮度感知。
避坑指南：我曾经在调试一款新传感器时，默认用了RGGB的配置，结果图像偏色严重。查了两天才发现，那个传感器用的是GRBG。记住：拿到新传感器，第一件事就是确认Bayer Pattern。别想当然。
1.4 RAW图的数据存储格式
最后，咱们聊聊RAW图在内存或文件里是怎么存的。这直接关系到你怎么读数据、怎么调试。
1.4.1 位深（Bit Depth）
RAW图最常见的位深是10bit、12bit、14bit。什么意思？每个像素用多少位二进制数来表示它的亮度值。
- 10bit：0-1023，共1024个灰度级。常见于手机传感器。
- 12bit：0-4095，共4096个灰度级。常见于安防、车载传感器。
- 14bit：0-16383，共16384个灰度级。常见于专业相机、工业相机。
位深越高，动态范围越大，但数据量也越大。我习惯说：位深决定了你能看到多暗的细节和多亮的高光。
1.4.2 存储格式：Raw10、Raw12、Raw14
存储时，为了节省空间，通常不会直接用16bit或32bit去存。而是用“打包”的方式。
| 格式名称 | 实际位深 | 存储方式 | 每像素占用bit数 |
|---|---|---|---|
| Raw10 | 10bit | 4个像素打包成5字节（40bit） | 10bit |
| Raw12 | 12bit | 2个像素打包成3字节（24bit） | 12bit |
| Raw14 | 14bit | 4个像素打包成7字节（56bit） | 14bit |
| Raw16 | 16bit（实际用14bit） | 每个像素2字节，高位补0 | 16bit |
举个例子，Raw10的打包方式：4个10bit像素（共40bit）存成5个字节。读取时，你需要按位操作才能还原出每个像素的值。嗯，这里要注意：不同厂商的打包顺序可能不同，有的高位在前，有的低位在前。
实战代码片段：读取Raw10数据（假设小端模式）
// 假设buf是5字节的Raw10数据
// 提取4个10bit像素
uint16_t pixel0 = (buf[0] & 0xFF) | ((buf[1] & 0x03) << 8);
uint16_t pixel1 = ((buf[1] >> 2) & 0xFF) | ((buf[2] & 0x0F) << 6);
uint16_t pixel2 = ((buf[2] >> 4) & 0xFF) | ((buf[3] & 0x3F) << 4);
uint16_t pixel3 = ((buf[3] >> 6) & 0xFF) | ((buf[4] & 0xFF) << 2);你看，这代码看着就头疼。所以我建议：调试时先用工具（如RawViewer、dcraw）把RAW图转成16bit的PGM或TIFF，这样读起来方便。等算法稳定了，再优化成打包格式。
1.4.3 数据排列顺序
RAW图的数据是按行存储的。每一行里，像素按照Bayer Pattern的顺序排列。比如RGGB的传感器，第一行是R、G、R、G...，第二行是G、B、G、B...
所以，当你把RAW图当成一个二维数组时，它的形状是：
行0: R G R G R G ...
行1: G B G B G B ...
行2: R G R G R G ...
行3: G B G B G B ...
...这个排列顺序，决定了你去马赛克算法怎么取邻域像素。我见过有人把行顺序搞反了，结果图像出现“棋盘格”伪影——嗯，那画面太美我不敢看。
我的习惯：拿到RAW图后，第一件事就是画一个2x2的像素块，确认Bayer Pattern。然后检查行顺序是否正确。这一步花不了5分钟，但能省你后面5小时的调试时间。
小结
好了，第一节课的内容就到这里。咱们回顾一下：
- RAW图是传感器的原始电荷数据，不是图像。
- 与BMP/JPEG的区别在于位深、颜色空间、可编辑性。
- Bayer Pattern定义了每个像素感知的颜色，常见RGGB/GRBG等。
- 存储格式涉及位深、打包方式、行排列顺序。
下一节课，咱们会深入讲怎么用工具查看RAW图，以及如何判断一张RAW图的质量好坏。到时候我会分享一个我踩过的坑——关于“坏像素”的误判，保证让你少走弯路。
咱们下节课见。