103、洞察驱动的实战标题——坏点校正的"漏检与误杀"——静态表+动态检测的互补策略，如何避免星星被当坏点抹掉半夜两点，车载项目组的同事在群里发了一张图，夜视模式下天空全是黑点，像被鸟啄过的幕布。我放大看了三秒，心里咯噔一下——星星没了，全被抹了。不是被云遮了，是被我们的坏点校正算法当成了坏点，一锅端了。这事儿不新鲜，但每次遇到都让人头皮发麻。坏点校正，听起来是个入门级模块，sensor厂给个静态表，驱动里load进去，做个邻域替换，完事。可真正上了量产，你会发现这个"入门级"模块能把你的图像质量按在地上摩擦。今天不聊那些教科书上的坏点定义和校正公式，就聊聊我在调试现场踩过的坑，以及最后怎么用"静态表+动态检测"的互补策略把星星从鬼门关拉回来的。先说漏检。静态坏点表是sensor出厂时测的，但sensor是会"变心"的。温度一上来，某些像素的暗电流漂移，原来正常的点开始发亮；或者受到辐射冲击，出现瞬态坏点。静态表管不到这些新冒出来的坏点，漏检的直接后果是图像上出现固定位置的亮点或暗点，像脸上的痣，怎么都去不掉。更麻烦的是，漏检的坏点如果恰好落在暗部区域，那噪点会被放大，整个画面脏兮兮的。再说误杀，这才是今晚的主角。动态坏点检测，原理很简单，拿当前像素和周围邻域比，如果差异超过阈值，就判定为坏点。这个逻辑在平坦区域没问题，但到了星空场景，星星本身就是高亮的孤立点，和坏点的特征几乎一模一样——亮度高、和周围差异大、尺寸小。算法一看，这玩意儿太像坏点了，抹了吧。于是，星星没了，天空变成了一块黑布，上面偶尔残留几颗特别亮的，因为它们的亮度超过了算法设定的"坏点上限"，反而逃过一劫。这种"幸存者偏差"让画面看起来更诡异。我当时的第一反应是调阈值。把动