076、ISP Pipeline架构设计：从RAW到YUV的模块化流水线去年在调试一款车规级环视摄像头时，遇到一个让人头疼的问题：夜间泊车场景下，画面边缘出现明显的彩色条纹，像彩虹一样从四周向中心蔓延。产线测试时没发现，因为测试环境是均匀光照的暗室。客户反馈后，我们花了整整两周才定位到——问题出在ISP Pipeline中Demosaic和LSC（镜头阴影校正）的模块顺序上。默认的流水线是先做LSC再做Demosaic，但这款传感器的微透镜阵列对边缘入射角敏感，LSC校正后的残留误差被Demosaic的插值算法放大，最终在边缘区域形成了伪色。这个教训让我深刻意识到：ISP Pipeline的模块化设计不只是功能堆叠，模块间的数据依赖、精度传递、时序约束才是真正的架构难点。RAW域：传感器原始数据的“第一道关”ISP Pipeline的起点是RAW图，也就是传感器每个像素点输出的原始电压值，经过ADC量化后通常为10bit、12bit或14bit。RAW图的特点是每个像素只记录一种颜色——R、G或B，按照Bayer模式排列。这个阶段的数据最“纯净”，也最脆弱，任何噪声都会在后续处理中被放大。黑电平校正（BLC）是第一个模块。传感器在完全无光条件下仍然有暗电流输出，这个偏移量必须减去。别小看这一步，不同传感器的BLC值可能随温度、增益变化，甚至同一颗芯片不同区域的暗电流都不一致。我见过一个案例：某安防摄像头在低温环境下画面偏紫，查了两天才发现是BLC参数表只覆盖了-10°C到50°C，而客户在哈尔滨冬天室外使用，温度降到-30°C，BLC偏移了8个LS
076、ISP Pipeline架构设计：从RAW到YUV的模块化流水线去年在调试一款车规级环视摄像头时，遇到一个让人头疼的问题：夜间泊车场景下，画面边缘出现明显的彩色条纹，像彩虹一样从四周向中心蔓延。产线测试时没发现，因为测试环境是均匀光照的暗室。客户反馈后，我们花了整整两周才定位到——问题出在ISP Pipeline中Demosaic和LSC（镜头阴影校正）的模块顺序上。默认的流水线是先做LSC再做Demosaic，但这款传感器的微透镜阵列对边缘入射角敏感，LSC校正后的残留误差被Demosaic的插值算法放大，最终在边缘区域形成了伪色。这个教训让我深刻意识到：ISP Pipeline的模块化设计不只是功能堆叠，模块间的数据依赖、精度传递、时序约束才是真正的架构难点。RAW域：传感器原始数据的“第一道关”ISP Pipeline的起点是RAW图，也就是传感器每个像素点输出的原始电压值，经过ADC量化后通常为10bit、12bit或14bit。RAW图的特点是每个像素只记录一种颜色——R、G或B，按照Bayer模式排列。这个阶段的数据最“纯净”，也最脆弱，任何噪声都会在后续处理中被放大。黑电平校正（BLC）是第一个模块。传感器在完全无光条件下仍然有暗电流输出，这个偏移量必须减去。别小看这一步，不同传感器的BLC值可能随温度、增益变化，甚至同一颗芯片不同区域的暗电流都不一致。我见过一个案例：某安防摄像头在低温环境下画面偏紫，查了两天才发现是BLC参数表只覆盖了-10°C到50°C，而客户在哈尔滨冬天室外使用，温度降到-30°C，BLC偏移了8个LS
