目录
[步骤 1：输入与处理窗口选择](#步骤 1：输入与处理窗口选择)
[步骤 2：邻域差值计算](#步骤 2：邻域差值计算)
[步骤 3：递归更新本颜色通道噪声水平](#步骤 3：递归更新本颜色通道噪声水平)
[步骤 4：局部特征检测器生成本像素新（供下一像素使用）](#步骤 4：局部特征检测器生成本像素新（供下一像素使用）)
[步骤 5：模糊逻辑阈值计算、相似度系数求解](#步骤 5：模糊逻辑阈值计算、相似度系数求解)
[步骤 6：加权计算滤波后输出像素值](#步骤 6：加权计算滤波后输出像素值)
[步骤 7：后续链路](#步骤 7：后续链路)
整体设计总思想
- 不在 RGB 插值后降噪，直接处理传感器输出拜耳原始马赛克数据，避免插值扩散噪声。
- 拜耳阵列各色像素空间排布不同：只使用同颜色邻域像素计算，禁止跨颜色取像素做差值，防止引入色彩伪影。
- 红、绿、蓝维护相互独立的噪声估计状态，根据人眼视觉特性做差异化滤波强度；
- 递归方式逐像素迭代更新噪声水平，复用已滤波像素，硬件资源开销低；
- 结合人眼视觉系统 HVS（基础必选模块），可附加可选 AEC 自动曝光增益做增强；
- 使用模糊逻辑做邻域加权输出，平坦区强降噪，边缘自动降低滤波强度保护细节；
- 图像边界因邻域窗口不完整，直接拷贝原始像素不做滤波。
完整信号处理时序逻辑（逐像素流水线）
重要时序：
存在一拍时延；本像素 NL 更新使用上一个像素算出的旧
步骤 1：输入与处理窗口选择
- 拜耳图像逐行从左至右扫描；
- 判断当前目标像素
- 绿色像素：启用绿色通道专用工作窗口，收集周围 8 个绿色同色邻域像素；
- 红色 / 蓝色像素：启用红‑蓝共用工作窗口；红色目标取 8 个红色邻域，蓝色目标取 8 个蓝色邻域；红、蓝两套窗口硬件结构完全一致，可复用逻辑。
- 边界判定：若像素位于图像最前 / 最后两行、两列，无法凑齐完整 8 个同色邻域，直接复制原始像素，结束本像素处理。
步骤 2：邻域差值计算，得到
- 差值计算器计算目标像素
- 最大 / 最小值模块，从差值集合输出：最大差值
步骤 3：递归更新本颜色通道噪声水平
分别维护三组独立噪声估计变量：(绿)、
(红)、
(蓝)，三者互不干扰。 递归公式：
✔要点： ① HVS、AEC 增益不参与 NL 的递归计算 ，不修改\(NL_G/NL_R/NL_B\)的数值； ② 本像素这里只做更新噪声，还没有生成本像素的新\(K_n\)。
步骤 4：局部特征检测器生成本像素新（供下一像素使用）
输入至局部特征检测器模块：
- 刚刚更新完成的本通道噪声
- HVS 人眼视觉评估输出（基础必选模块） ：依据目标像素亮度查表得到人眼灰度分辨阈值；中等亮度阈值低，极亮 / 极暗阈值高；内部合成得到终点阈值
- 【可选增强】AEC 自动曝光增益模块输出当前增益G、最大增益
根据像素颜色选用不同响应曲线：
- 绿色通道（图 8A） ：
- 红 / 蓝通道（图 8B 基础曲线） ：
红 / 蓝允许在一定局部波动下依旧保持强降噪，压制彩色噪点，匹配人眼对红蓝细节不敏感的特性。
开启可选 AEC 增益增强时： 不在物理上修改NL变量，仅在逻辑上缩放
⚠重要：此处输出的是本像素新
步骤 5：模糊逻辑阈值计算、相似度系数求解
阈值计算模块接收：本像素新，输出模糊逻辑阈值
。 依据三段式规则计算每个邻域像素相似度权重
：
步骤 6：加权计算滤波后输出像素值
逻辑：对 8 个同色邻域做加权平均；把剩余权重分配给原始目标像素
。
步骤 7：后续链路
滤波完成的拜耳格式数据输出，送入 ISP 后续图像处理流水线（白平衡、缺陷校正、色彩插值、伽马校正、压缩存储）。滤波器部署位置灵活，可放在流水线前端，也可以嵌入缺陷校正模块内部。
关键创新点汇总
- 拜耳域同色邻域处理 ：分两套窗口，不跨颜色取像素，规避马赛克带来的伪纹理、色偏；红绿蓝通道独立维护噪声估计
- 颜色差异化滤波策略：绿色通道保守降噪保护细节；红、蓝通道默认更强降噪抑制彩色噪点，匹配人眼视觉感知。
- 递归噪声估计：逐像素迭代更新噪声，硬件友好，可复用已经滤波完成像素，节省内存带宽。
- HVS 为基础必选，AEC 为可选增强 ：HVS 基于亮度调整滤波行为；AEC 增益根据曝光信噪比逻辑调整滤波拐点，不篡改统计噪声 NL 本身。
- 模糊逻辑加权输出：图像平坦区域强降噪；物体边缘自动降低权重，保留边缘细节。
- 边界安全处理：边缘两行两列直接拷贝原图，避免窗口越界异常。