3、镜头阴影校正：LSC原理、网格标定方法、参数优化策略
镜头阴影校正，英文叫Lens Shading Correction，简称LSC。说白了，就是解决照片四周发暗、发偏色的问题。
你想想看，用手机拍一张纯白墙壁的照片，放大看中间是白的，但四个角可能变暗了，甚至带点绿或者带点紫。这就是镜头阴影。我刚开始做ISP调试时，第一次看到这个现象还以为是传感器坏了，后来才知道——这是物理规律，每个镜头都有。
3.1 阴影是怎么来的？
镜头阴影主要分两种：亮度阴影和颜色阴影。
亮度阴影，也叫Luma Shading。原因是镜头是个凸透镜，光线从中心到边缘的路径不一样。中心光线直来直去，边缘光线要斜着走，光能量自然就衰减了。再加上镜头本身有机械结构，边缘可能被遮挡一部分。结果就是：中心亮，四周暗。
颜色阴影，也叫Color Shading。这个更麻烦。不同波长的光通过镜头时，折射角度不一样。红光和蓝光在传感器边缘的落点位置有偏差，导致边缘的颜色比例失衡。我在项目中遇到过一款广角镜头，拍出来的照片四角偏紫红色，怎么调白平衡都没用——后来发现是Color Shading在作怪。
核心结论：亮度阴影影响亮度均匀性，颜色阴影影响色彩一致性。两者都需要校正。
3.2 LSC的原理：乘一个增益就完事？
校正原理其实不复杂。既然边缘暗了，那就在边缘区域把像素值乘上一个大于1的系数，把亮度拉回来。中心区域保持不变，或者乘一个接近1的系数。
数学表达很简单：
I_corrected(x, y) = I_raw(x, y) × Gain(x, y)其中Gain(x, y)就是每个像素位置对应的增益值。这个增益值不是随便给的，需要根据实际测量结果来算。
嗯，这里要注意：增益不能太大。如果边缘增益超过4倍，噪声会被放大到不可接受的程度。我曾经调试过一颗低成本镜头，边缘亮度掉到只有中心的20%，强行拉回来之后，边缘的噪点简直没法看。所以LSC不是万能的，镜头本身的光学设计也很重要。
3.3 网格标定方法：怎么拿到增益数据？
要得到准确的增益值，需要做标定。常用的方法是拍一张均匀亮度的灰卡或者用积分球光源。我个人习惯用DNP灯箱，亮度均匀性要求至少98%以上。
标定流程大致如下：
- 准备均匀光源：积分球或者灯箱，保证整个画面亮度一致
- 拍摄RAW图：关闭所有ISP处理，直接输出RAW数据
- 分块统计：把图像分成M×N个网格，比如16×16或者32×32
- 计算每个网格的平均值：以中心网格为参考，计算其他网格的增益
- 生成LUT：把增益值存成查找表，供ISP运行时使用
举个例子，假设图像分成16×16网格：
// 伪代码示意
for each grid (i, j):
avg_val = average_pixel(grid[i][j])
ref_val = average_pixel(center_grid)
gain[i][j] = ref_val / avg_val
// 保存为LUT
LUT[i][j] = gain[i][j]这里有个坑：网格数量不能太少，否则校正后会出现明显的块状效应。也不能太多，否则存储和计算开销太大。我一般建议用16×16或者32×32，具体看芯片能力。
我的经验：标定时最好拍三张不同亮度的灰卡（比如18%灰、50%灰、90%灰），取平均值。这样可以减少随机噪声的影响。我曾经只拍一张就拿来用，结果校正后的照片有轻微的条纹噪声，排查了半天才发现是标定数据不够稳定。
3.4 参数优化策略：让校正更自然
拿到标定数据后，直接套用往往效果不好。需要做一些优化。
策略一：平滑处理
标定出来的增益值可能有噪声，直接使用会导致校正后的图像出现纹理异常。我习惯对增益矩阵做一次高斯平滑，或者用双线性插值把离散的网格点变成连续的曲面。
// 双线性插值示例
function interpolate_gain(x, y, gain_grid):
// 找到最近的四个网格点
// 按距离加权平均
return weighted_average策略二：分通道处理
R、G、B三个通道的阴影特性不同，需要分别标定和校正。特别是Color Shading，需要单独计算R/G和B/G的比例。
| 通道 | 典型阴影特性 | 校正方式 |
|---|---|---|
| R | 边缘衰减较快 | 增益较大 |
| G | 居中 | 增益适中 |
| B | 边缘衰减较慢 | 增益较小 |
策略三：亮度自适应
不同亮度场景下，阴影的表现不一样。暗光下阴影更明显，因为噪声占比大。我建议做多组LUT，根据环境亮度切换。比如分三档：低照度、正常照度、高照度。
避坑指南：我曾经在调试一款安防摄像头时，发现LSC在白天效果很好，但到了晚上画面边缘全是噪点。原因是暗光下增益被放大了，噪声也跟着放大。后来加了亮度自适应策略，暗光时降低增益上限，配合降噪算法一起处理，问题才解决。
策略四：温度补偿
这个容易被忽略。镜头和传感器的特性会随温度变化，阴影曲线也会漂移。我建议在-20°C、25°C、60°C三个温度点分别做标定，然后做线性插值。虽然工作量大了点，但效果确实好。
3.5 调试中的常见问题
- 校正过度：边缘出现亮斑。原因是增益给大了，或者标定用的光源不均匀。检查光源均匀性，重新标定。
- 校正不足：边缘还是暗。可能是网格太粗，或者增益上限设得太低。适当增加网格密度，提高增益上限。
- 颜色不一致：校正后边缘偏色。检查Color Shading的R/G、B/G比例是否准确，可能需要单独做颜色阴影标定。
- 实时性能问题：LSC计算量太大，帧率下降。优化插值算法，或者用查表法代替实时计算。
嗯，最后说一句。LSC调试是个细致活，没有捷径。我见过有人想偷懒，直接用默认参数，结果拍出来的照片总是不对劲。老老实实做标定、调参数，效果才能上去。你想想看，用户拿到手机拍第一张照片，如果发现四角发暗，第一印象就差了。所以这块值得花时间。