103、洞察驅(qū)動的實戰(zhàn)標(biāo)題——壞點校正的"漏檢與誤殺"——靜態(tài)表+動態(tài)檢測的互補(bǔ)策略，如何避免星星被當(dāng)壞點抹掉半夜兩點，車載項目組的同事在群里發(fā)了一張圖，夜視模式下天空全是黑點，像被鳥啄過的幕布。我放大看了三秒，心里咯噔一下——星星沒了，全被抹了。不是被云遮了，是被我們的壞點校正算法當(dāng)成了壞點，一鍋端了。這事兒不新鮮，但每次遇到都讓人頭皮發(fā)麻。壞點校正，聽起來是個入門級模塊，sensor廠給個靜態(tài)表，驅(qū)動里load進(jìn)去，做個鄰域替換，完事?？烧嬲狭肆慨a(chǎn)，你會發(fā)現(xiàn)這個"入門級"模塊能把你的圖像質(zhì)量按在地上摩擦。今天不聊那些教科書上的壞點定義和校正公式，就聊聊我在調(diào)試現(xiàn)場踩過的坑，以及最后怎么用"靜態(tài)表+動態(tài)檢測"的互補(bǔ)策略把星星從鬼門關(guān)拉回來的。先說漏檢。靜態(tài)壞點表是sensor出廠時測的，但sensor是會"變心"的。溫度一上來，某些像素的暗電流漂移，原來正常的點開始發(fā)亮；或者受到輻射沖擊，出現(xiàn)瞬態(tài)壞點。靜態(tài)表管不到這些新冒出來的壞點，漏檢的直接后果是圖像上出現(xiàn)固定位置的亮點或暗點，像臉上的痣，怎么都去不掉。更麻煩的是，漏檢的壞點如果恰好落在暗部區(qū)域，那噪點會被放大，整個畫面臟兮兮的。再說誤殺，這才是今晚的主角。動態(tài)壞點檢測，原理很簡單，拿當(dāng)前像素和周圍鄰域比，如果差異超過閾值，就判定為壞點。這個邏輯在平坦區(qū)域沒問題，但到了星空場景，星星本身就是高亮的孤立點，和壞點的特征幾乎一模一樣——亮度高、和周圍差異大、尺寸小。算法一看，這玩意兒太像壞點了，抹了吧。于是，星星沒了，天空變成了一塊黑布，上面偶爾殘留幾顆特別亮的，因為它們的亮度超過了算法設(shè)定的"壞點上限"，反而逃過一劫。這種"幸存者偏差"讓畫面看起來更詭異。我當(dāng)時的第一反應(yīng)是調(diào)閾值。把動