129、空间降噪与边缘保留：双边滤波、非局部均值在ISP中的实战应用

129、空间降噪与边缘保留：双边滤波、非局部均值在ISP中的实战应用从一次夜拍翻车说起去年帮某手机厂调一个IMX766的夜景模式，实验室里看RAW图噪点控制得还行，结果一到真实场景——路灯下的树叶边缘糊成一团，暗部细节像被橡皮擦抹过。PM拿着竞品样机怼我：“人家边缘怎么那么锐？” 我盯着ISP pipeline里那个双边滤波的参数，心里骂了句“又是你干的好事”。双边滤波这东西，理论书上写得漂亮——高斯权重乘上像素值差权重，边缘保留。但实际落地，参数稍微偏一点，要么边缘没保住，要么噪声没压住。更坑的是，非局部均值（NLM）在手机平台上跑，一帧1080P要算几十毫秒，发热量直接让温控降频。今天就把这些年踩过的坑、试过的土办法，掰开了说。双边滤波：不是简单的高斯加个边缘判断很多初学者以为双边滤波就是“高斯滤波 + 边缘检测”，然后调个阈值。这是典型的纸上谈兵。双边滤波的核心是两个高斯核的乘积：空间域核和像素值域核。空间域核决定“多远算邻居”，像素值域核决定“多像算同类”。实战中第一个坑：σ_s和σ_r的耦合关系σ_s（空间标准差）设大了，模糊范围扩大，但σ_r（像素值标准差）如果设得太小，平坦区域噪声压不住，因为像素值稍微波动就被判定为“边缘”而保留。反过来，σ_r设大了，边缘也会被模糊。我常用的经验公式：σ_r = 0.1 × (max_pixel - min_pixel)，对于8bit图像就是25左右。但这不是死的——暗光场景下噪