在之前的文章中，介绍了ISP 的基本流程和RAW域中的处理方法。
今天延续之前的内容，讲解中间的部分 -- RGB域的处理。
ISP的流程具体如图所示，我们继续围绕这个图把RGB域中每个部分的处理给大家讲解一下。
通过Demosaic插值后，将sensor的原始RAW图插值为RGB图，再在RGB域中进行Gamma亮度的调整和CCM颜色校正，最后在CSC模块中将RGB转为YUV图，就此RGB域处理完毕，再接下到YUV域处理。
YUV域的处理放到下一次更新中，敬请期待！
在RGB域中主要做了三个部分，处理方法如下。
Demosaic 去马赛克
严格来说，demosaic处理模块不算是RGB域的，更应该属于RAW域的最后一个步骤。
从sensor的构造原理可以知道，我们捕获景物的光信号，通过光电二极管可以获取到光亮的强度信息，图像是黑白的，无法获取色彩信息。
色彩信息是通过CMOS上的R、G、B三色的滤光片，将图像数据分成RGB三种分量而形成的Bayer raw图。这个部分可以参考 完美成像中最重要的环节 - ISP之RAW域处理 中对Bayer格式的介绍。
这样才能包含完整的图像信息，既有光强信息，也有色彩信息。
但是，Bayer的数据是每个像素点只包含了一种色彩信息，呈现了一种“马赛克”的样子，我们需要将RGB数据结合在一个像素点中展现，消除马赛克的样子，也就是这个过程就是 - Demosaic。
对于去马赛克的算法，当前主要有双线性插值算法和自适应插值算法。其核心就是在每个像素中根据周围的颜色信息插值，获取到每个像素的RGB三个分量。
Gamma 曲线校正
由于人眼在黑暗环境下对亮度感知更敏感，比如观察一团火焰在黑暗环境中和光亮环境中的差别不大，是一种非线性的关系。
而sensor获取光信号后显示出来整个过程都是线性的，与人眼的效果不一致。
这是什么意思呢？根据图中曲线，我们假设亮度最大的亮区是1。当在暗区值为0.2的位置，人眼感知亮度是0.5，而sensor感知仍然是0.2，这就是人眼对黑暗环境更敏感，对光亮感知的非线性。
为了得到人眼类似的这种效果，因此引用Gamma曲线校正。
Gamma校正就是对图像的灰度进行非线性处理，这个曲线类似于指数关系，最终处理后图像灰度是类似人眼的非线性效果，这个指数就是Gamma。
一般Gamma校正的值为2.2，这个曲线更接近于人眼的效果。
看上图，在没有Gamma校正的情况下，低灰度区域大范围都被一个值表示，造成信息缺失，高灰度区域却保留过多相似的值，没有合理分配数据空间。经过Gamma校正的后的信息，对于低灰度有了更合理的分配，更接近真实。
从图上可以看出，Gamma值为1.8会增强暗色调，使图像更明亮；Gamma值为2.2更接近于人眼的效果；Gamma值为2.4图像的对比度更加明显。
CCM(Color Correction Matrix) 颜色校正
为何需要做颜色校正CCM，还是因为要还原图像最真实的样子。因为人眼对不同的色彩有不同的响应曲线，用CCM去还原图像色彩。
CCM的原理就是利用一个3*3的校正矩阵对当前的R、G、B三个色彩进行校正，得到一个接近人眼真实的色彩。M是校正矩阵，一般利用标准色卡的对比实验来得到。
CSC(Color Space Convert) 色彩空间转换
这个部分就是将RGB图转为YUV图，以便在YUV域进行最后的处理。
为何会有色彩空间的转换呢？我们图像的采集和处理在RGB空间就已经有很好的效果了，但是显示和信号的处理多数在YUV空间下进行。
显示主要指的是电视，使用YUV格式可以兼容黑白电视和彩色电视，只有Y分量就是黑白图，Y分量和U、V分量都有就可以使用在彩色电视上。
常见的色域标准有BT.601(SDTV，标清电视)，BT.709(HDTV，高清电视)，BT.2020(UHDTV，超高清电视)。
之前文章中，转换公式 - 完美成像中最重要的环节 - ISP之RAW域处理 中YUV域的介绍中：
Y = 0.299 * R + 0.587 * G + 0.114 * B;U = -0.169 * R - 0.331 * G + 0.5 * B;V = 0.5 *R - 0.419 * G - 0.081 * B;
这个是常见的BT.601色域CSC，在不同的色域空间下，转换矩阵是不一样的。
通过以上的介绍，是否了解了ISP在RGB域下的处理流程，后续还需要在YUV域进行最后的处理。
欲知后事如何，且听下回分解！
更多技术文章，全网首发公众号“摸鱼IT”，希望大家关注、转发、点赞！
