130、洞察驱动的实战标题——去马赛克的“伪彩色诅咒“——方向插值/残差插值/深度学习方法的伪色抑制能力对比，以及如何用色度低通滤波兜底

130、洞察驱动的实战标题——去马赛克的"伪彩色诅咒"——方向插值/残差插值/深度学习方法的伪色抑制能力对比，以及如何用色度低通滤波兜底从一台工程机的红蓝噪点说起去年秋天调一台三摄模组的量产机，主摄OV50H，传感器输出RAW10，ISP里跑的是传统双线性去马赛克——就是那种最朴素、每个通道独立插值的方案。实验室里对着色卡拍，一切正常，白平衡、灰阶、解析力都在规格内。结果一上实车路测，问题炸了：路牌白字边缘、远处白色车身的反光高光区，放大到100%看，全是红蓝交替的彩色噪点，像得了荨麻疹。更诡异的是，这些伪彩色只在特定角度出现，稍微动一下相机，颜色就变了，闪烁感极强，人眼盯着看两秒就晕。当时第一反应是去查ISP的降噪参数，把色度降噪强度拉满，伪彩色确实淡了，但代价是画面整体发闷，饱和度下降，红绿灯的红色都变得脏兮兮的。后来用Imatest跑了一下，色彩误差ΔE直接飙到8以上，客户那边当场打回。这个案例让我意识到一个被很多人忽略的事实：去马赛克算法选型，本质上是拿解析力、计算量、伪彩色抑制三者做博弈。而伪彩色——也就是常说的false color——不是靠后级降噪能根治的，它根植于插值算法对高频信息的错误假设。伪彩色的物理根源：不是算法bug，是采样定理的必然先说清楚伪彩色到底怎么来的。拜耳阵列每个像素只记录一种颜色，R、G、B三个通道的空间采样率天生不同——G通道是满分辨率的1/2，R和B是1/4。去马赛克的任务，就是用已知的稀疏采样去重建完整RGB三通道。问题出在高频区域。当场景里有黑白相间的细纹理，比如百叶窗、密集的砖墙、远处