动态坏点校正（DPC）在低照度环境下的关键作用与实现策略

1. 低照度环境：坏点问题的“放大器”

如果你用过一些老旧的手机或者行车记录仪，在夜晚或者光线很暗的地方拍照，可能会发现照片上总有一些固定的、特别亮或者特别暗的小点，怎么拍都去不掉。这些烦人的小点，就是图像传感器上的“坏点”。而在光线充足的时候，它们可能并不明显，甚至完全看不见。这就是低照度环境给图像处理带来的第一个大挑战——它就像一个“放大器”，把传感器上原本微小的缺陷，成倍地暴露出来。

为什么低照度下坏点问题会如此突出？这得从图像传感器的工作原理说起。当环境光线很暗时，为了获得一张亮度正常的照片，ISP（图像信号处理器）必须做两件事：增加曝光时间和提高传感器增益（ISO）。增加曝光时间就像让传感器“看”得更久，而提高增益则是把传感器接收到的微弱电信号强行放大。问题就出在这个“放大”环节。传感器上的每个像素点，其物理特性并非完全一致。在正常光照下，这点细微差异可以忽略不计。但在高增益下，这些差异会被同步放大。那些对电流稍微敏感一点的像素（可能因为制造时的微小杂质或长期使用后的老化），其输出值就会显著高于周围正常像素，形成“亮点”；反之，一些响应迟钝的像素，其值就会显得特别低，形成“暗点”。这就是所谓的动态坏点，它们的严重程度直接与增益和传感器工作温度相关。

我处理过一个安防摄像头的项目，客户反馈夜间画面有闪烁的星点。一开始我们以为是噪声，但经过分析发现，这些点位置固定，且亮度随环境光变暗而急剧增加。这就是典型的高增益下动态坏点被激活的现象。传感器温度升高（尤其是长时间夜视工作）也会加剧这一过程，因为热量会进一步影响半导体材料的电学特性。所以，在低照度场景中，动态坏点校正（DPC） 不再是锦上添花的功能，而是保证图像可用性的底线。没有有效的DPC，后续的降噪、锐化、色彩校正等所有处理，都建立在有缺陷的原始数据上，效果会大打折扣，甚至产生严重的色彩伪影和纹理失真。

2. 动态坏点的“脾气”：为什么静态校正束手无策

对付坏点，最直接的想法就是“标定”。也就是在出厂前，用设备检测出传感器上所有固定的坏点，记录下它们的坐标，形成一个“坏点表”。在实际使用时，ISP直接查表，把对应坐标的像素值替换掉。这就是静态坏点校正。这个方法简单直接，对于真正的、在任何条件下都“死掉”的像素点（比如完全黑或完全白）非常有效。很多Sensor厂商也会提供这样的坏点表。

但是，这个方法在低照度环境下几乎失灵。原因就在于我们上一节提到的动态坏点是有“脾气”的。它的“坏”不是绝对的，而是条件性的。在白天光线好、增益低的时候，它表现得和正常像素没什么两样；一旦进入黑夜，增益拉高，它就开始“作妖”。这意味着，你在一种光照条件下标定出来的坏点列表，换到另一种光照条件下就不准了。你不可能为每一个可能的增益值和温度点都做一次全标定，那既不现实，存储那么多坏点表也需要巨大的内存空间。

我在早期的一个智能门铃项目上就踩过这个坑。我们采用了静态坏点表，在实验室的灯光下标定，效果很好。结果产品到了用户手里，晚上门廊灯一关，画面里就冒出好几个刺眼的白点，投诉一下就来了。复盘发现，这些点在标定增益下是正常的，但在夜视模式的最大增益下，就全变成了坏点。这就是静态校正的局限性：它无法应对随传感器工作状态（增益、温度）变化的动态缺陷。

更麻烦的是，存储静态坏点表需要占用宝贵的芯片内存或Flash空间。工业级的ISP芯片（比如海思的方案）通常会限制静态坏点的最大校正数量，比如4095个。对于百万甚至千万像素的传感器，这个数量上