187、影像系统调优方法论：从指标优化到用户体验的平衡艺术去年夏天，我接手了一个车载环视系统的调优项目。客户反馈说，倒车影像在傍晚时分“看着不对劲”——画面噪点明显，但边缘又锐利得刺眼，像是被PS过度了一样。我打开测试日志，发现ISP的SNR（信噪比）指标从白天的42dB降到了傍晚的28dB，而锐化强度却从0.8被自动拉到了1.5。这就是典型的“指标打架”案例：降噪模块和锐化模块各自为政，一个拼命抹平细节，一个疯狂强化边缘，最终用户看到的是塑料感十足的伪影。这个场景，几乎每天都在影像系统的调优战场上重演。指标不是敌人，但指标会撒谎很多工程师喜欢盯着MTF、SNR、动态范围这些客观指标做调优。我见过最极端的情况，有人为了把MTF50从0.6推到0.65，把锐化kernel从3x3改到5x5，结果画面出现了明显的振铃效应——用户看人脸时，额头和鼻梁交界处多了一圈光晕。指标确实涨了，但体验崩了。调优的第一课：学会区分“实验室指标”和“真实场景指标”。实验室里用标准图卡测出的MTF，和你在夕阳下拍人脸时的主观清晰度，中间隔着十万八千里。我自己的经验是，建立一套“场景权重体系”——比如手机拍照，人像场景权重占40%，夜景占30%，日常风景占30%。调优时，不是让每个场景的指标都冲到极致，而是让加权总分最高。车载影像更极端，安全场景（比如倒车、盲区检测）的权重必须压倒一切，哪怕牺牲一些画质美感。降噪与锐化的“夫妻吵架”问题这是影像调优里最经典的矛盾。降噪算法本质是低通滤波，它会模糊边缘；锐化算法本
