053、坏点校正的"漏检与误杀"——静态坏点表+动态检测的互补策略在极限高ISO下的失效case与修复方案去年冬天，某旗舰机项目在实验室里卡了一个月。客户反馈夜景模式拍出来的星空，放大看全是密密麻麻的彩色噪点，但又不是普通噪点——它们固定在同一位置，像一群顽固的蚂蚁趴在传感器上。我们第一反应是坏点表没刷进去，结果查了产线数据，静态坏点表覆盖了所有出厂检测出的坏点，数量比上一代还多了15%。问题出在哪儿？后来用同一台机器，把ISO从3200拉到6400、12800，坏点数量肉眼可见地"增长"，而且增长的坏点位置和静态表里的完全不重合。那一刻我意识到，我们撞上了坏点校正里最经典的"漏检与误杀"死结——静态表管得了出厂时的"死坏点"，管不了高ISO下才现形的"活坏点"。先把这个case的根因拆开揉碎。传感器坏点分两类：一类是物理性坏点，出厂就固定，暗电流异常，温度越高越明显，这类靠产线标定写入OTP，属于静态表范畴；另一类是动态坏点，平时工作正常，但在高增益、长曝光、高温条件下，个别像素的暗电流噪声会突然飙升，超过正常水平几个数量级，表现为随机出现的亮点或彩点。这类坏点无法提前预知，只能靠ISP里的动态检测算法实时抓。问题就出在动态检测的阈值设定上——我们当时为了压住正常噪点，把动态检测的灵敏度调得偏低，结果高ISO下那些"半坏不坏"的像素，其噪声幅度刚好卡在阈值之下，漏检了。而静态表那边，因为产线标定是在常温、低增益下做的，那些在高ISO下才暴露的像素，在标定时表现完全正常，自然进不了表。两头都没抓住，坏点就漏成了筛子。但更打脸的是"误杀"部分。动态检测算法在极限高ISO下，会把大量正常像素的随机噪声误判为坏点，尤其是绿色像素——因为拜耳阵列里G像素数量是R/B的两