一文詳解ISP的工作原理、內部架構設計

什么是ISP？

ISP是Image Signal Processor 的簡稱，也就是圖像信號處理器。主要用來對前端圖像傳感器輸出信號處理的單元，以匹配不同廠商的圖象傳感器。

DSP是Digital Signal Processor 的縮寫，也就是數字信號處理器。

ISP一般用來處理Image Sensor（圖像傳感器）的輸出數據，如做AEC（自動曝光控制）、AGC（自動增益控制）、AWB（自動白平衡）、色彩校正、Lens Shading、Gamma 校正、祛除壞點、Auto Black Level、Auto White Level等等功能的處理。

而DSP功能就比較多了，它可以做些拍照以及回顯（JPEG的編解碼）、錄像以及回放（Video 的編解碼）、H.264的編解碼、還有很多其他方面的處理，總之是處理數字信號了。

關于DSP的知識點，可以參考我們之前的文章：科普：什么是DSP？。本文就不展開了，主要聊一聊ISP。

ISP 的主要功能包括 AE（自動曝光）、AF（自動對焦）、AWB（自動白平衡）、去除圖像噪聲、LSC(Lens Shading Correction)、BPC(Bad PixelCorrection)，最后把 Raw Data 保存起來，傳給 videocodec 或 CV 等。通過 ISP 可以得到更好的圖像效果，因此在智能手機特別是在高端手機上對 ISP 的要求很高，比如開始集成雙通道甚至三通道的 ISP。

一般來說 ISP 是集成在 AP 里面（對很多 AP 芯片廠商來說，這是差異化競爭的關鍵部分），但是隨著需求的變化也出現了獨立的 ISP，主要原因是可以更靈活的配置，同時彌補及配合 AP 芯片內 ISP 功能的不足。

ISP的主要內部構成

如下圖所示，ISP內部包含 CPU、SUP IP、IF 等設備，事實上，可以認為 ISP 是一個 SoC（system of chip），可以運行各種算法程序，實時處理圖像信號。

CPU：CPU 即中央處理器，可以運行 AF、LSC 等各種圖像處理算法，控制外圍設備。現代的 ISP 內部的 CPU 一般都是 ARM Cortex-A 系列的，例如 Cortex-A5、Cortex-A7。

SUB IP：SUB IP 是各種功能模塊的通稱，對圖像進行各自專業的處理。常見的 SUB IP 如 DIS、CSC、VRA 等。

圖像傳輸接口：圖像傳輸接口主要分兩種，并口 ITU 和串口 CSI。CSI 是 MIPI CSI 的簡稱，鑒于 MIPI CSI 的諸多優點，在手機相機領域，已經廣泛使用 MIPI-CSI 接口傳輸圖像數據和各種自定義數據。外置 ISP 一般包含 MIPI-CSIS 和 MIPI-CSIM 兩個接口。內置 ISP 一般只需要 MIPI-CSIS 接口。

通用外圍設備：通用外圍設備指 I2C、SPI、PWM、UART、WATCHDOG 等。ISP 中包含 I2C 控制器，用于讀取 OTP 信息，控制 VCM 等。對于外置 ISP，ISP 本身還是 I2C 從設備。AP 可以通過 I2C 控制 ISP 的工作模式，獲取其工作狀態等。

ISP的控制結構

ISP包括：

1、ISP邏輯

2、運行在其上的firmware

如圖所示，lens 將光信號投射到sensor 的感光區域后，sensor 經過光電轉換，將Bayer 格式的原始圖像送給ISP，ISP 經過算法處理，輸出RGB空間域的圖像給后端的視頻采集單元。在這個過程中，ISP通過運行在其上的firmware（固件）對ISP邏輯，從而對lens 和sensor 進行相應控制，進而完成自動光圈、自動曝光、自動白平衡等功能。其中，firmware的運轉靠視頻采集單元的中斷驅動。PQ Tools 工具通過網口或者串口完成對ISP 的在線圖像質量調節。

ISP 由ISP邏輯及運行在其上的firmware組成，邏輯單元除了完成一部分算法處理外，還可以統計出當前圖像的實時信息。firmware 通過獲取ISP 邏輯的圖像統計信息，重新計算，反饋控制lens、sensor 和ISP 邏輯，以達到自動調節圖像質量的目的。

ISP上的firmware包含三部分

ISP 的firmware包含三部分，一部分是ISP 控制單元和基礎算法庫，一部分是AE/AWB/AF 算法庫，一部分是sensor 庫。firmware 設計的基本思想是單獨提供3A算法庫，由ISP控制單元調度基礎算法庫和3A 算法庫，同時sensor 庫分別向ISP 基礎算法庫和3A 算法庫注冊函數回調，以實現差異化的sensor 適配。ISP firmware 架構如圖所示。

不同的sensor 都以回調函數的形式，向ISP 算法庫注冊控制函數。ISP 控制單元調度基礎算法庫和3A 算法庫時，將通過這些回調函數獲取初始化參數，并控制sensor，如調節曝光時間、模擬增益、數字增益，控制lens 步進聚焦或旋轉光圈等。

ISP架構方案

外置 ISP 架構

外置 ISP 架構是指在 AP 外部單獨布置 ISP 芯片用于圖像信號處理。外置 ISP 的架構圖一般如下所示：

外置 ISP 架構的優點主要有：

能夠提供更優秀的圖像質量：在激烈的市場競爭下，能夠存活到現在的外置 ISP 生產廠商在此領域一般都有很深的造詣，積累了豐富的影像質量調試經驗，能夠提供比內置 ISP 更優秀的性能和效果。因此，選用優質的外置 ISP 能提供專業而且優秀的圖像質量。

能夠支援更豐富的設計規劃：外置 ISP 的選型基本不受 AP 的影響，因此魅族可以從各個優秀 ISP 芯片供應商的眾多產品中甄選最合適的器件，從而設計出更多優秀的產品。

能夠實現產品的差異化：內置 ISP 是封裝在 AP 內部的，是和 AP 緊密的聯系在一起，如果 AP 相同，那么 ISP 也就是一樣的。因此基于同樣 AP 生產出來的手機，其 ISP 的性能也是一樣的，可供調教的條件也是固定的，這樣就不利于實現產品的差異化。而如果選擇外置 ISP，那么同一顆 AP，可以搭配不同型號的 ISP，這樣可以實現產品的差異化，為給用戶提供更豐富和優質的產品。

外置 ISP 架構的缺點主要有：

成本價格高：外置 ISP 需要單獨購買，其售價往往不菲，而且某些特殊功能還需要額外支付費用。使用外置 ISP，需要進行額外的原理圖設計和 LAYOUT，需要使用額外的元器件。

開發周期長：外置 ISP 驅動的設計需要多費精力和時間。使用外置 ISP 時，AP 供應商提供的 ISP 驅動就無法使用，需要額外設計編寫外置 ISP 驅動。另外，為了和 AP 進行完美的搭配，將效果最大化，也往往需要付出更多的調試精力。上文也提到，使用外置 ISP，需要進行額外的原理圖設計和 LAYOUT，需要使用額外的元器件，這也是需要花費時間進行處理的。

內置 ISP 架構

內置 ISP 架構是指在 AP 內部嵌入了 ISP IP，直接使用 AP 內部的 ISP 進行圖像信號處理。內置 ISP 的架構圖一般如下所示：

內置 ISP 架構的優點主要有：

能降低成本價格：內置 ISP 內嵌在 AP 內部，因此無需像外置 ISP 一樣需要額外購買，且不占 PCB 空間，無需單獨為其設計外圍電路，這樣就能節省 BOM，降低成本。鑒于大多數用戶在選購手機時會將價格因素放在重要的位置，因此降低成本能有效的降低終端成品價格，有利于占領市場。

能提高產品的上市速度：內置 ISP 和 AP 緊密結合，無需進行原理圖設計和 LAYOUT 設計，因此可以減小開發周期，加快產品上市的速度。

能降低開發難度：如果使用內置 ISP，那么 AP 供應商能在前期提供相關資料，驅動開發人員可以有充足的時間熟悉相關資料，而且不會存在軟件版本適配問題，也不存在平臺架構兼容性問題。但是，如果使用外置 ISP，那么 ISP 供應商往往都不能提供針對某個平臺的代碼/資料，而且一般都存在軟件版本兼容問題，這就需要驅動開發人員付出額的經歷和時間。

使用內置 ISP 當然也有相應的不足之處，具體見上文的分析，這里就不贅述了。

事實上，鑒于 ISP 的重要性，為了推廣其 AP，提高其 AP 競爭力，現在 AP 內置的 ISP 也越來越強大，其性能足以滿足手機市場的需求。再加上其一系列優點，現在使用內置 ISP 方案的手機越來越多。

ISP 處理流程

ISP pipeline流程圖

圖像產生過程：景物通過 Lens 生成的光學圖像投射到 sensor 表面上，經過光電轉換為模擬電信號，消噪聲后經過 A/D 轉換后變為數字圖像信號，再送到數字信號處理芯片（ DSP）中加工處理。

所以，從 sensor 端過來的圖像是 Bayer 圖像，經過黑電平補償（black level compensation）、鏡頭矯正（lens shading correction）、壞像素矯正（bad pixel correction）、顏色插值（demosaic）、Bayer 噪聲去除、白平衡（awb）矯正、色彩矯正（color correction）、gamma 矯正、色彩空間轉換（RGB 轉換為 YUV）、在YUV 色彩空間上彩噪去除與邊緣加強、色彩與對比度加強，中間還要進行自動曝光控制等，然后輸出 YUV（或者RGB）格式的數據，再通過 I/O 接口傳輸到 CPU 中處理。

各個模塊功能簡述如下：

1. Bayer pattern

通常把圖像傳感器表面覆蓋的濾波稱為彩色濾波陣列（ Color Filter Arrays， CFA）。目前最常用的濾鏡陣列是棋盤格式的，已經有很多種類的，其中絕大多數的攝像產品采用的是原色貝爾模板彩色濾波陣列（ Bayer Pattern CFA） R、 G、 B 分別表示紅色、綠色和藍色的濾鏡陣列單元，比較形象地展示了此過程。由于人的視覺對綠色最為敏感，所以在 Bayer CFA 中 G 分量是 R 和 B 的二倍，在每個像素點上只能獲取一種色彩分量的信息，然后根據該色彩分量的信息通過插值算法得到全色彩圖像。

2. BLC(Black level Correction)（黑電平補償）

物理器件不可能是理想的，由于雜質、受熱等其他原因的影響，即使沒有光照射到pixel，像素單元也會產生電荷，這些電荷產生了暗電流。而且，暗電流與光照產生的電荷很難進行區分。Black Level 是用來定義圖像數據為 0 時對應的信號電平。由于暗電流的影響，傳感器出來的實際原始數據并不是我們需要的黑平衡（數據不為0）。所以，為減少暗電流對圖像信號的影響，可以采用的有效的方法是從已獲得的圖像信號中減去參考暗電流信號。一般情況下，在傳感器中，實際像素要比有效像素多，像素區頭幾行作為不感光區，實際上這部分區域也做了 RGB 的 color filter ，用于自動黑電平校正，其平均值作為校正值，然后在下面區域的像素都減去此矯正值，那么就可以將黑電平矯正過來了。做了black level 矯正與沒做black level 矯正對比，沒做black level矯正的圖片會比較亮。

3. LSC(Lens Shading Correction)（鏡頭矯正）

由于鏡頭本身的物理性質，造成圖像四周亮度相對中心亮度逐漸降低，圖像光照在透過鏡頭照射到 pixel 上時，邊角處的焦點夾角大于中心焦點夾角，造成邊角失光。表現在圖像上的效果就是亮度從圖像中心到四周逐漸衰減，且離圖像中心越遠亮度越暗。為了補償四周的亮度，需要進行 Lens Shading 的矯正。Lens Shading 的矯正的方法是根據一定的算法計算每個像素對應的亮度矯正值，從而補償周邊衰減的亮度。

4. BPC(Bad Pixel Correction)（壞點矯正）

一般情況下， RGB 信號應與景物亮度呈線性響應關系，但由于 Senor 部分 pixel 不良導致輸出的信號不正常，出現白點或黑點。壞點為全黑環境下輸出圖像中的白點，高亮環境下輸出圖像中的黑點。壞點修復方法通常有兩種：一種是自動檢測壞點并自動修復，另一種是建立壞點像素鏈表進行固定位置的壞像素點修復，這種方式是 OTP 的方式。其實壞點有時候是故意放進去的，為的就是作為一個參考標尺。

5. DNS

使用 cmos sensor獲取圖像，光照程度和傳感器問題是生成圖像中大量噪聲的主要因素。同時，當信號經過ADC 時，又會引入其他一些噪聲。這些噪聲會使圖像整體變得模糊，而且丟失很多細節，所以需要對圖像進行去噪處理，空間去噪傳統的方法有均值濾波、高斯濾波等。但是，一般的高斯濾波在進行采樣時主要考慮了像素間的空間距離關系，并沒有考慮像素值之間的相似程度，因此這樣得到的模糊結果通常是整張圖片一團模糊。所以，一般采用非線性去噪算法，例如雙邊濾波器，在采樣時不僅考慮像素在空間距離上的關系，同時加入了像素間的相似程度考慮，因而可以保持原始圖像的大體分塊，進而保持邊緣。

在實際的應用中，小波去噪比較合適，而且在整個pipeline中的各個分段，都會或多或少的應用到DNS的操作，在ISP的整個過程中特別重要，幾乎存在于其各個部分。

6. 顏色插值

當光線通過 Bayer型 CFA（Color Filter Arrays）陣列之后，光線打在傳感器上，分別得到了BGR數據，在這里，BGR的數據采樣比為11，是因為人眼對綠色光（550nm）更為敏感，其中G也稱作亮度信息，BR為色度信息。可以看出，在上面的Bayer圖中，每一個pixel都只有BGR數據中的一個，所以就需要利用CIP插值來補充其他兩個通道的顏色信息。才能形成一幅正常的全彩色image。

7. AWB(Automatic White Balance)（自動白平衡）

自動白平衡的基本原理是在任意環境下，把白色物體還原成白色物體，也就是通過找到圖像中的白塊，然后調整R/G/B 的比例，如下關系：R’= R * R_Gain，G’ = G * G_Gain，B’ = B * B_Gain，R’ = G’= B’

AWB 算法通常包括的步驟如下：(1)色溫統計：根據圖像統計出色溫；(2)計算通道增益：計算出R 和B 通道的增益；(3)進行偏色的矯正：根據給出的增益，算出偏色圖像的矯正。

其中，灰度世界法和完美反射法等都是比較常用且有效的方法。

8. Gamma Correction（伽馬矯正）

人眼對外界光源的感光值與輸入光強不是呈線性關系的，而是呈指數型關系的。在低照度下，人眼更容易分辨出亮度的變化，隨著照度的增加，人眼不易分辨出亮度的變化。而攝像機感光與輸入光強呈線性關系，為方便人眼辨識圖像，需要將攝像機采集的圖像進行gamma 矯正。Gamma 矯正是對輸入圖像灰度值進行的非線性操作，使輸出圖像灰度值與輸入圖像灰度值呈指數關系，這個指數就是 Gamma，橫坐標是輸入灰度值，縱坐標是輸出灰度值，藍色曲線是 gamma 值小于 1 時的輸入輸出關系，紅色曲線是 gamma 值大于 1 時的輸入輸出關系。可以觀察到，當 gamma 值小于 1 時(藍色曲線)，圖像的整體亮度值得到提升，同時低灰度處的對比度得到增加，更利于分辯低灰度值時的圖像細節。

現在常用的伽馬校正是利用查表法來實現的，即首先根據一個伽馬值，將不同亮度范圍的理想輸出值在查找表中設定好，在處理圖像的時候，只需要根據輸入的亮度，既可以得到其理想的輸出值。在進行伽馬校正的同時，可以一定范圍的抑制圖像較暗部分的噪聲值，并提高圖像的對比度。還可以實現圖像現顯示精度的調整，比如從l0bit精度至8bit精度的調整。上圖分別是未做Gamma校正的，下圖是做了Gamma校正的。

9. Color Correction（顏色矯正）

由于人類眼睛可見光的頻譜響應度和半導體傳感器頻譜響應度之間存在差別，還有透鏡等的影響，得到的RGB 值顏色會存在偏差，因此必須對顏色進行校正，通常的做法是通過一個3x3 的顏色變化矩陣來進行顏色矯正。

10. 色彩空間轉換

YUV 是一種基本色彩空間，人眼對亮度改變的敏感性遠比對色彩變化大很多，因此，對于人眼而言，亮度分量Y 要比色度分量U、V 重要得多。所以，可以適當地拋棄部分U、V分量，達到壓縮數據的目的。

YCbCr 其實是YUV 經過縮放和偏移的改動版，Y 表示亮度，Cr、Cb 表示色彩的色差，RGB信號亮度值之間的差異，分別是紅色和藍色的分量。在YUV 家族中，YCbCr 是在計算機系統中應用最多的成員，其應用領域很廣泛，JPEG、MPEG 均采用此格式。一般人們所講的YUV 大多是指YCbCr。YCbCr有許多取樣格式，如 4∶4∶4，4∶2∶2， 4∶1∶1和 4∶2∶0。

Cb：反映的是RGB輸入信號藍色部分與RGB信號亮度值之間的差異。

Cr：反映了RGB輸入信號紅色部分與RGB信號亮度值之間的差異。

在以下兩個公式中RGB和YCbCr各分量的值的范圍均為0-255。

RGB轉換為Ycbcr公式：

Y = 0.257*R+0.564*G+0.098*B+16

Cb = -0.148*R-0.291*G+0.439*B+128

Cr = 0.439*R-0.368*G-0.071*B+128

YCbCr轉換為RGB公式：

R = 1.164*(Y-16)+1.596*(Cr-128)

G = 1.164*(Y-16)-0.392*(Cb-128)-0.813*(Cr-128)

B =1.164*(Y-16)+2.017*(Cb-128)

色彩空間轉換這個模塊，是將RGB 轉換為 YUV444，然后在YUV 色彩空間上進行后續的彩色噪聲去除、邊緣增強等，也為后續輸出轉換為jpeg 圖片提供方便。