MAG160C/docs/android_app/rendering_diff_phone_20261006.md

手机端渲染差异定位（Android SDK ↔ Windows/Linux SDK 交叉验证）2026-10-06

背景：相机改插 root 手机（22041211AC，Android 12 + Magisk）后，按用户要求 "官方 App 拍照 vs 我们的 App 拍照" 做对比，出现差异就同时逆 Android SDK 与 Linux/Win SDK 交叉验证。本轮结论：亮度/对比度差异的根因是"窗口半宽 = 基础窗口 × 对比度修正"，官方手机 App 带对比度偏移，我们的移植只在 c=0 时一致。

1. 对比做法与结果

项	官方 App（cn.com.magnity.magnitycx）	我们的 App
照片存放	/sdcard/magnity/Cx/media/MAG-160CORE<时间>.jpg（+ others/ 里是 DDT）	/sdcard/DCIM/MAG160C/MAG160C_<时间>.jpg
照片内容	纯 JPEG（无任何数据块，EOI 即文件尾）	完整 MDT（INFO0/INFO1/FRAME/NUC/RENDER/EXTREMES）
亮度（同场景）	luma p25=40 p50=49 mean=84	p25=10 p50=19 mean=53
调色板索引分布（按 16 档）	峰值在 2–4 档（10%/40%/12%）	峰值在 0–1 档（15%/39%）

→ 同一静止场景，我们的图整体偏暗约 30 luma：热点位置一致、调色板一致，属于 "灰度映射/窗口"差异（不是色板或数据差异）。

2. 交叉验证：窗口是怎么算的

Android SDK（libcxsdk 反编译，权威）：

CFunctions::GrayEnlarge()                     // 灰度/窗口总入口
  uVar2 = CalContrastOffsetedAutoEnlargeRange()          // 窗口"范围"（不是半宽）
  winLo = min(mean - (uVar2>>1), statMin)                // 注意：向外扩到数据范围
  winHi = max(mean + (uVar2>>1), statMax)
  HistDeRedundance()                                     // 直方图去冗余（我们的 lutRebuild）

CFunctions::CalContrastOffsetedAutoEnlargeRange():
  base  = (dev24 * 1000) >> shift          // dev24=8, shift=3 → 1000
  c     = clamp(contrast, -100, 100)       // ★ 对比度设置
  range = base - base*c / (150 + (c<0 ? -100 : 0))       // c>0：range 变小（窗口更窄→更亮）
  if (brightness 项 dev+0x6c/0x38 有效) range += 亮度修正项
  range = max(range, 0x80)

Windows SDK：MAG_SetAutoEnlargePara / MAG_SetFixedEnlargePara / MAG_SetSubsectionEnlargePara（同一组参数的用户 API）。 Linux SDK：MAG_SetAutoEnlargePara（libmagcore @0x11be50）同名同参 —— 两条 SDK 线吻合。

官方手机 App 侧：ExtPara（设备上报）含 intContrastOffset / intBrightOffset / intAutoEnlargeRange / intDetailRatio / intCurrentEnvTemperature，App 用 DeviceController.getExtParameter() 读取后回写（setExtParameter）。

3. 我们的移植差在哪

RenderPipeline.statsWindow() 的窗口结构与官方完全一致（winLo=min(mean−half,min)、 winHi=max(mean+half,max)），但：

• half = base>>1 只在对比度 c=0 时等于官方（官方 range=base → range>>1）；
• 官方手机 App 带 intContrastOffset（正对比度 → 窗口更窄 → 更亮）→ 这就解释了我们偏暗。

证据链：PC 端（对比度 0）我们的渲染与官方 PC SDK 逐像素差 1.3 级 ✔； 手机端（官方 App 带对比度）差值 ~30 级 ✔ —— 同一实现、不同对比度输入，两个场景都对得上。

4. 顺带确认的两件事

1. 环境温度输入：官方 App 调 setEmissivity(emissivity, ExtPara.intCurrentEnvTemperature) —— 即 PC SDK 的 dev+0xA4（我们温度链里的 ATZeroErrorPoint）就是环境温度 （设备默认 22216 = 22.2 ℃）；App 的发射率设置也走这里（100 = 1.00）。 → 我们 App 的发射率设置应当接进 OfficialTemp.temperature(emissivity=…)（当前固定 0.98）。
2. BasePara2 真机报文（60 B，magic 已由我们的读取层吃掉）： fpaTempFix @+14(short)=1699、ATZeroErrorPoint @+40(int)=22216、ATErrorSlope @+44(float)=−0.02789 —— 已写入单测作为地面真值。注意：PC 上实测的补偿量 v50（=dev+0x5C−dev+0x54，0…89 mC） 不等于 fpaTempFix(1699)，故 App 侧 sensorDeltaMc 暂取 0（误差 ≤0.09 ℃）， 待定位 dev+0x5C 的来源（疑似滤波后的 FPA 温度）后再接入。

5. 下一步（按此顺序）

1. 移植 CalContrastOffsetedAutoEnlargeRange（含亮度项到 statsWindow），并在设置页加 "对比度/亮度"（默认值取官方 App 的默认），重拍对比 → 目标是 luma 直方图与官方吻合。
2. 补 getExtParameter 命令（Android SDK 侧 JNI：DeviceController.getExtParameter）， 把设备的 intContrastOffset/intBrightOffset/intCurrentEnvTemperature 接进来。
3. 温度读数接 App 的发射率设置（OfficialTemp 已支持参数）。
4. 以上在 App 验证无误后，按用户要求同步进 csdk（C 参考实现）与 csdk 测试。

6. 追加实测（同日）：实时画面亮度差已复现，差异区间收敛到"窗口/LUT"

同一静止场景、前后相隔约一分钟分别截取两个 App 的实时画面（官方横屏 3200×1440、 我们竖屏 1440×3200），按行/列亮度自动裁掉黑边后统计：

	p25	p50	p75	mean
官方 App 实时	12–20	26–33	63–124	53–72
我们的实时	2–4	12–25	27	20–25

→ 差异是真实且系统性的（不是拍照时刻/场景差异），并已把差异区间收敛到显示阶段的 "窗口 + 灰度 LUT"两步。

三方交叉验证（Android ↔ Windows ↔ Linux）：

阶段	Android（libcxsdk）	Windows（CoreSDKLib）	Linux（libmagcore）
设置入口	setAutoEnlarge(enlargeRange)（官方 App 传 BasePara2 的 enlargeRange=8）	MAG_SetAutoEnlargePara(chan, range, contrast, brightness)	同名同参（+0x24/+0x30/+0x34）
窗口范围	CalContrastOffsetedAutoEnlargeRange()：range = base − base*c/(150+(c<0?−100:0))，base=(dev24*1000)>>shift；winLo=min(mean−range/2, min)、winHi=max(mean+range/2, max)	同结构（我们的 statsWindow 即此移植）	同结构
灰度 LUT	HistDeRedundance()：1024 桶直方图（0xFFC00000/span、>>20 & 0xffc = 我们的 lutRebuild 公式）＋平滑＋CDF	我们的移植来源	同结构

结论：窗口公式在对比度 c=0 时与我们逐字节一致（且官方 App 只传了 range=8， 未设对比度），直方图/LUT 的骨架也一致 —— 所以剩下的差异只可能出在 ① LUT 的平滑/CDF/pivot 细节（Android 版 HistDeRedundance 的后续段尚未逐行核对）， 或 ② 官方 App 通过 setEX/ExtPara 设置的亮度偏移（intBrightOffset）等参数。 这两处是下一轮的直接目标（继续用同一套"三 SDK 交叉 + 真机截图定量"的方法）。

7. 渲染差异的真正落点：调色板（铁虹表）不同

7.1 先排除的两项（都有反编译证据）

• 窗口：Android GrayEnlarge + CalContrastOffsetedAutoEnlargeRange 与我们 statsWindow 在对比度 c=0 时逐字节一致；官方 App 只调用 setAutoEnlarge(BasePara2.enlargeRange=8)，没有对比度/亮度参数。
• 灰度 LUT/CDF：Android HistDeRedundance 的直方图与双向 CDF 段与我们 lutRebuild 逐行一致（0xFFC00000/span、>>20 & 0xffc、total>>12、iVar3=0x10000/step、 前后向各一张表、+0x100/+0x200 步进）——这段不是差异来源。

7.2 官方默认调色板 = 索引 2（和我们一样），但表不同

• 官方 App：ImageViewer.java:383 / DeviceController.java:91 → setColorPalette(SharedPreferencesManager.getInt("paletteIndex", 2)) → 默认 2（铁虹）。
• 判定方法："亮度 → 颜色"曲线在同一调色板下唯一（与灰度分布/亮度水平无关）， 用它做检验（把像素代入调色板表，取同亮度最近项的色差）：
  • 对照（我们自己的像素 → 我们的表）：中位色差 0.3，83.6% 在 ±10 内；
  • 官方像素 → 我们的表：中位色差 20.3，只有 36% 在 ±10 内；最接近的调色板也不是 2 号；
  • 分亮度段看：亮度 32–96 时官方是橙色（R−B≈+90，R≈97–102/G≈44–77/B≈6）， 我们同一亮度是紫/蓝（R−B≈−33…+20）。
• 原因（已定位到二进制）：我们索引 2 用的是 PC SDK 的表 （OfficialTables.PALETTE256_ARGB，来自 CoreSDKLib dev+0xb18），而官方手机 App 用的是 Android SDK 运行时生成的表 —— CFunctions::SetColorPalette case 2（libcxsdk @0x26c70）。 上一轮把 case 0/1/3…10 的生成式移植成了 VendorPalettes，case 2（铁虹）当时是拿 PC 表 做"锚点校验"、没有移植生成式 → 两表在中间段不同，颜色/亮度观感因此不同。
• "对比度更高"和"条纹更少"都由此解释：不同色带的亮度斜率不同（观感对比度不同）， 且官方色调更亮（暗端被抬起）→ 噪声与 FPN 在暗端不再显眼。

7.3 条纹本身的实测（数据层无差异）

指标	官方	我们
NUC 帧 column-profile HF（PC 抓帧对照）	7.81（0.63% of spread）	7.20（0.63%）
渲染图平坦块列抖动（同刻截图，16×16 块）	0.81–1.44	0.34–0.94
渲染图 HF 能量 mean|dx|/mean|dy|	2.80 / 3.67	2.71 / 3.47

→ 数据与降噪层面我们不差于官方；"条纹更明显"是色调/亮度的感知效应 （官方实时画面 HF 更低 1.27 vs 2.92，也可能有 SDK 时域平滑参与）。

7.4 下一步

1. 移植 SetColorPalette case 2 的生成式（4 段线性，常量 0x75/0xbc/0x25/0xff/0x27/0x3b/0x1c3… 已在反编译中）， 替换 App 索引 2 的表；然后同一分钟内截两 App 实时图做"亮度→颜色"曲线回归（目标：中位色差降到控制组水平）。
2. 顺带核对其余 11 个索引是否也应改用 Android 生成式（本轮 VendorPalettes 已覆盖 10 个）。
3. 之后再按用户要求把验证过的改动同步进 csdk。

8. 定案并修复：灰度 CDF 的 75% pivot（cdfPivot75）

8.1 先纠正 §7 的结论

按"照片"（不经过屏幕显示路径）重做调色板拟合：官方照片与我们的照片都完美拟合 2 号铁虹 （中位色差 0.67 / 1.00）→ 调色板不是差异来源；§7 里"官方颜色对不上"是当时裁剪/对话框 污染造成的误判（已用照片复核推翻）。VendorPalettes 头注释也记录上一轮已验证 SetColorPalette case 2 与我们的铁虹表 256/256 逐项一致。

8.2 决定性测量（同刻截图 + 调色板反解灰度）

关闭两边所有对话框后前后约一分钟各截一张实时画面，图像区用调色板反解出灰度值 （消除显示路径/色域影响；99%+ 像素能唯一反解）：

	p5	p25	p50	p75	p95	mean
官方 App	0	48	61	129	202	82.2
我们（cdfPivot75=true，原状）	11	23	33	82	189	60.2
我们（cdfPivot75=false）	15–17	31–34	50–54	132–135	200–202	79.8–81.2

→ 我们的灰度整体偏低约 1 档半（"偏暗、对比度低"），把 pivot 关掉后与官方分布重合。

8.3 根因与修复

• SDK 里这段 CDF 有一个由参数控制的支路（Android 反编译 HistDeRedundance： if (*(int *)(this + 0x60) != 0) { ...把 lres 抬到 75% 分位... }）；
• 我们的移植（来自 PC SDK 版语义）把它固定为 开（RenderPipeline.cdfPivot75 = true， 也是 C 参考实现的默认）；
• 但官方手机 App 实际是不启用它的 → 灰度被压低、观感偏暗、低对比，噪声/FPN 在暗端更显眼 （这同时解释了用户说的"对比度更高""条纹更少"）。

修复：IrSession 构造实时管线时显式传 cdfPivot75 = false（类默认与 C 参考保持 true，matchesCReferencePixelExact 等黄金测试不受影响）。已装机验证（上图对比）， 同刻灰度分布与官方一致。

8.4 待办

1. 同一步骤同步进 csdk（C 参考实现把该参数作为配置项/默认关闭，并更新其测试与文档）。
2. 其它 11 个调色板索引与 Android 生成式的逐表核对（本轮已确认索引 2 一致）。
3. 若要进一步逼近官方观感，可继续量：ExtPara 的亮度/对比度偏移（intBrightOffset） 与官方 SDK 的时域平滑（实时画面 HF 更低）——目前主项已对齐。

9. 用户追问"官方还是更细腻"→ 找到遗漏的阶段：时域累积器（CAccumulator）

9.1 逐个排除

候选	结论
imageEX	官方 setEX(imageEX, w/2, h/2) 的 imageEX 是电子变倍（UI 1×/2×/4×/8×，默认 0=1×），不是细节增强 ✗
细节增强 DDE	官方 App 从不调 setDetailEnhancement；PC 参考里该字段（dev+0x30）= 0；我们 App 默认也是 0。实测把我们 DDE 开到 2 级后灰度空间噪声反而更大（0.76→0.82） ✗ 不是差异来源
时域累积	✅ 命中：libcxsdk 有 CAccumulator（Reset/PushFrame/Restart），mode 2 为 buf = (buf + new) >> 1（逐帧 IIR）；官方 App 的 startProcess(...) 里就传了 baseLineAcc 参数

9.2 实测（灰度域，已用调色板反解消除"色带斜率"干扰）

同一静止场景，各自连拍 3 张（间隔 1.5 s），图像区反解成灰度后统计：

	灰度空间 HF mean|dx| / mean|dy|	灰度帧间噪声 1→2 / 2→3
官方 App	0.34 / 0.26	4.12 / 1.80（在收敛 ↓）
我们（pivot 已修）	0.76 / 0.80	4.02 / 3.95（不收敛）
我们 + DDE 2 级	0.82 / 0.87（更差）	4.35 / 4.52

两点结论：

1. 官方的灰度画面比我们平滑约 2.3 倍（0.34 vs 0.76）——这不是调色板/亮度能解释的；
2. 官方的帧间噪声在收敛（4.12→1.80：IIR 累加的特征），我们是平的（无时域累积）→ 正是 CAccumulator 那种"新老帧加权平均"的效果；这也同时解释了"条纹看起来更少" （残留 FPN 被时域平均压低）。

9.3 实施与实测：不是显示侧平滑，而是参考帧（baseline）更干净

我把 CAccumulator 的显示侧累积按两种权重都实现并装机实测（代码已留在 RenderPipeline， 默认关闭）：

配置	灰度空间 HF mean|dx|/|dy|	灰度帧间噪声 1→2 / 2→3
官方 App（参考）	0.34 / 0.26	4.12 / 1.80
我们，累积关	0.76 / 0.80	4.02 / 3.95
我们，显示侧累积 >>2（mode 4）	0.18 / 0.20（过平滑 ✗）	0.14 / 0.14（几乎冻结 ✗）
我们，显示侧累积 >>1（mode 2）	0.77 / 0.85	3.69 / 5.67

判定：显示侧平滑会同时压低空间噪声和帧间噪声（我们 mode 4 的结果就是如此， 而且强累积把静态横条纹暴露得更明显——噪声原本在掩盖它，截图可见）。 但官方的实测是"空间噪声低 2.3×、帧间噪声与我们相同"——这个组合只有一种解释： 官方的参考帧（FFC baseline）比我们的干净，NUC 后残余 FPN 更小 → 条纹更少、画面更细腻， 而逐帧传感器噪声不变 ✔✔。

机制（已定位到代码）：官方用 CFunctions::PushBaselineRaw 把整个 FFC 窗口内的 raw 帧逐个推进 CAccumulator（Reset(pixels, baseLineAcc=4, 0)，mode 4 = >>2 的 IIR， 每次 FFC Restart）→ 参考帧是"长窗口指数平均"；而我们 refPush 只做4 帧等权平均 → 参考帧噪声显著更大 → 残余条纹更多 ✗。

9.4 参考帧窗口的实测与教训（已参数化，默认仍 4 帧）

把参考窗口从 4 帧延长到 8 帧（RenderPipeline.baselineFrames）后实测：

配置	灰度空间 HF	灰度帧间噪声
官方 App	0.34 / 0.26	4.12 / 1.80
我们 baseline=4（原状）	0.76 / 0.80	4.02 / 3.95
我们 baseline=8	0.77 / 0.84	9.91 / 8.83（变差 ✗）

→ 不能盲目延长窗口：设备和我们的 FFC 时序里，快门窗口比"6…13 帧"短， 多收的帧实际是开快门帧，把参考污染了（输出不稳定）。参考帧收集必须 感知快门状态（例如按帧统计判断快门是否关闭），而不是按固定帧号取。

9.5 下一步（精确）

1. 参考帧收集改成快门感知：在 FFC(0) 之后逐帧判断"是否仍为闭合快门帧" （可用帧统计/与前一帧的差异判断），把所有闭合帧都累积进参考（对齐官方 PushBaselineRaw 的语义），FFC(1) 之后重置；
2. 用同一套灰度指标回归：目标空间 HF ≈0.34、帧间噪声 ≤4；
3. 之后同步 csdk（pivot + 温度链 + 参考累积）。

10. 定案（真机 libcxsdk 反汇编 + 官方照片定量）：显示 LUT 才是差异，§9 的机制被推翻

数据源换成手机上的官方库本体：adb 从官方 App 的 APK 目录取 lib/arm/libcxsdk.so（arm32，本 App 只用 arm），IDB 里按 vtable 指针 （0x5a7xx 段）解析出真实函数体，逐条指令核对（Hex-Rays 会吞掉隐式除数， 必须看反汇编）。以下结论全部以该反汇编为准。

10.1 先纠正前两轮的错误结论

前结论	反汇编事实
§8「官方不启用 CDF 75% pivot，所以我们要关掉」	错。pivot 支路由 theFunc._96_4_ 控制，Controller::Controller() 把它设为 1，全库无第二处写入 → 官方是开着的；而且它的写法不是 75% 分位，而是 max(center_index, (meanBelow + meanAbove) >> 1)。当时"关掉更接近"是因为用的 LUT 本身是 PC 版（结构与 Android 版不同），两点误差互相抵消。
§9.3「官方参考帧是长窗口 IIR 指数平均，比我们干净」	错。CAccumulator::PushFrame 的 mode≥4 分支是恰好 mode 帧的块平均（sum>>log2(mode)，计满清零），mode=2 才是 (buf+new)>>1。Controller::PushFrame 的快门状态机对 A+1..A+E 共 E=baseLineAcc=4 帧各推一次 → 官方参考 = 4 帧块平均 = 和我们完全一样。
§9.2「官方画面空间噪声比我们低 2.3×」	测量有分辨率偏差：官方 App 显示的是 SDK 原生的 160×120 输出（照片 640×480 = 4×），我们的实时画面是 320×240（SDK 2× 后再 ×3 = 960×720 照片）。逐屏像素 HF 随放大倍数变化，两个 App 的放大倍数不同 → 该数字不可比。

10.2 官方每帧链路的完整配置（都已定位到 App 自己的调用）

Controller::StartProcess(cb, fpaW, fpaH, sn, devType, shutterCloseSpeed, shutterOpenSpeed, ffcTriggerFrame, ffcTriggerTemperature, palette, baseLineAcc, caliPath) —— 对应 App 侧 UsbCommunication.startTransfer() 的实参；真机 BasePara2 实测： shutterCloseSpeed=5, shutterOpenSpeed=4, ffcTriggerFrame=1800, ffcTriggerTemperature=250, enlargeRange=8, baseLineAcc=4, fpaTempFix=1699。

阶段	官方取值	我们
FFC 相位 A/E/B	5 / 4（=baseLineAcc）/ 4 帧	5 / 4 / 4 ✔（ffcStep）
参考帧	4 帧块平均（CAccumulator mode=4）	4 帧等权平均 ✔ 等价
曲线插值温度	帧尾 FPA + fpaTempFix(1699)（App 加，SDK 的 SelectCaliCurve/GenerateVolatileLens 用它）	帧尾 FPA（少了 1699）✗ 本轮修复
窗口	winLo=min(mean−range/2, statMin)、winHi=max(mean+range/2, statMax)，range=(enlargeRange*1000)>>3=1000（对比度 0；this+0x6c 全库未写 → 亮度项恒不生效）	一致 ✔（DDT 头 +20 读到的正是 8）
灰度 LUT	Android 版 HistDeRedundance（见 10.3）	PC 版结构 ✗ 本轮修复
时域平滑 CSmoother	关（this+0x380c = IntrinsicPara[0x20]，构造默认 1，需 >1 才生效）	未实现 ✔
显示侧累积 CAccumulator(+0x37a4)	关（this+0x3808 = 1 → Raw2Temperature 直通）	默认关 ✔
setEX 电子变倍	关（imageEX 默认 0 → SetEX(0) → 0x3814=0）	无此功能 ✔
7×7 细节增强	关：MapTemperature 确实把门槛 0x3864 置 1（所以 PushFrame 每帧都会调 FilterDetailEnhancement_Simple），但强度来自 CFunctions+0x28 << 3，而该字段全库从未被写入（CFunctions 构造只 memclr，Controller 构造设了 0x1C/0x2C/0x30 等但没设 0x28）→ 传 0 → 函数首行 if (param_1 != 0) 直接返回 = 空操作	默认 0 ✔ 一致（我们的用户开关是超集，官方 Android 侧根本没有入口）
翻转	App 侧 dwFlip 只是存进全局 0x6b90c 结构，本库无人消费（翻在 App/显示层做）	我们在显示/保存层做 ✔

10.3 真正的差异：灰度 LUT（Android 版 vs PC 版）

拿我们自己照片里存的 NUC 计数块与官方照片做像素级对齐（官方照片 = 官方实时渲染，两者同场景同机位）：

• 垂直翻转后相关性 r = 0.99 → 计数本身几乎一致，差异只在"计数→调色板索引"的映射；
• 官方映射 ≈ 0.84 × 我们的LUT + 21（被"压缩并抬升"）：官方平坦背景落在索引 45–55 的一段平台上，我们的旧 LUT 把它压到 0–20（暗端被压死）→ 这就是"官方对比度更高 / 更细腻 / 条纹更少"观感的来源；
• 逐条核对反汇编后确认 Android 版 HistDeRedundance 与 PC 版（我们原来移植的）结构不同： 固定基值 16*(448+447*brightness/200)（PC 版是"自动居中 + 时域平滑"的二分搜索）、 步进上限 max(1,(0x1800+4j)·k>>13)（k=min(0x200,16·span/range)）、 反向 CDF 从 hist[pivot] 起（PC 版从 pivot+1）、平滑后 hist[1023]=hist[1022]、 pivot 用"两段均值的平均"。

已落地：RenderPipeline.androidLutOf() = 逐指令移植（含 golden 向量单测 AndroidLutTest），实时会话 androidLut = true；PC 版路径保留，C 参考黄金测试不受影响。

10.4 在线拟合与遗留项

用官方照片做目标（同一 NUC 帧、逐像素比对，均方误差以索引计）：

配置	平均误差	低端 p5/p25
我们旧 LUT（PC 版 + pivot 开，= 09-12 照片）	≈35	8 / 17
我们旧 LUT（PC 版 + pivot 关，= round-30 实时）	≈14	15 / 29
Android 版移植（k 按公式 = 21）	12.5	24 / 36
Android 版移植，k=16（拟合最优）	5.9	45 / 54
官方照片实测	—	45 / 52

→ 移植已在正确轨道上；遗留一处常数：反汇编算出 k = 16·span/range = 21， 数据偏好 ≈16。两个可能来源，都需要真机同刻 A/B 才能定： ① 计数统计仍有细微差别（最可能就是 §10.2 的 +fpaTempFix，它改变插值曲线→改变计数分布）； ② 该 build 的 v45 常数与反汇编读出的 16 不同（已在反汇编里逐位核对过 LSLS R6,R0,#4 + uidiv，倾向排除）。 在真机上先验证 +fpaTempFix 是否让计数分布与官方一致，再看 k。

10.5 本轮已改代码

1. RenderPipeline.androidLutOf()：Android HistDeRedundance 逐指令移植（新增，含测试）；
2. IrSession 实时管线改用 androidLut = true，删除 round-30 的 cdfPivot75 = false 临时开关；
3. RenderPipeline.fpaTempFix（构造参数）+ ffcStep/frameRemote 调 rebuildTables(shutter + fpaTempFix)， IrSession 从 BasePara2 传入（官方 UsbCommunication 同款语义）。

10.6 待办

1. 真机 A/B（手机当前被 PIN 锁屏，需机主解锁）：同一静止场景，官方实时 vs 我们实时，用"调色板反解灰度 + 逐像素对齐"复核 10.4 的 k／计数假设；
2. 7×7 细节增强按官方默认打开 —— 已排除：强度源 CFunctions+0x28 全库未写 = 0， 官方那一步是空操作（这也解释了为什么离线拟合"打开反而略差"）；我们的实现保持用户可选、 默认关。顺带：我们的 DetailEnhance 与反汇编有一处细节差（LocalMap7x7_Simple 的 min/max 还要多采每行的第 1 列，共 5 列；我们只采了求和用的 4 列），会让门槛略偏严， 属可选功能的精度问题，不影响默认路径；
3. 同步 csdk（Android 版 LUT + fpaTempFix + 温度链）。

11. 真机验证（2026-10-06 下午，手机解锁后）

11.1 先修掉一个"实时全黑"的 bug（并补上会拦住它的测试）

Android LUT 落地时把 IntArray 的 LUT 用 System.arraycopy 拷进 ByteArray 的 lut ——每帧抛 ArrayStoreException，实时画面整块全黑（SurfaceView 仍在刷，logcat 无异常）。 黄金向量测试只覆盖纯函数 androidLutOf()，没覆盖实例路径，所以没拦住。已改为逐元素拷贝， 并新增 AndroidLutPipelineTest（4 个端到端用例：androidLut=true 能渲染出非全黑/单色画面、 两种 LUT 结果必须不同、fpaTempFix 必须改变插值表、手动 FFC 之后仍能渲染）。 单测 113 → 117 全绿。

11.2 同场景 A/B：映射已经对齐

手机（22041211AC，官方 App 与我们的 App 前后 2 分钟各拍一张，同一静止场景）， 用调色板索引空间在同一 160×120 网格上比对（避开两个 App 不同的放大倍数）：

指标	官方	我们
索引分位 p5/p25/p50/p75/p95	82 / 89 / 96 / 117 / 133	85 / 92 / 98 / 114 / 134
逐计数中位索引（9490→10330 共 21 档）差值	—	中位 2.0（最大 4.5）
全图平均 |Δ索引|	—	4.47 / 255，中位 3.6，85.1% ≤8，99.2% ≤16

对比上一轮的旧 LUT：低端被压死（我们 p5/p25 = 8/17，官方 45/52，等效系统偏差 ≈35 级） → "官方对比度更高、更细腻"的映射差异已消除。

11.3 复核那个遗留常数 k：反汇编公式是对的

用我们照片里存的 NUC 计数逐像素对官方照片做模型比对（新的一对照片， 计数窗 [9142,10383]，span=1241，公式 k=19）：

步进常数	平均 |Δ索引|	中位	≤8 占比
k = 16·span/range（反汇编公式，=19）	4.64	3.9	82.9%
k = 16（上一轮"拟合最优"）	5.76	5.1	73.6%
k = 12	9.16	8.1	49.2%
k = 24	4.92	4.1	80.8%

→ 按反汇编公式实现即为最优；上一轮"数据偏好 ≈16"是当时那对照片（曝光/窗宽都不同）的产物， 结论作废，代码不动（§10.4 的遗留项关闭）。

11.4 遗留并已定位到域：我们的"计数"噪声偏大

同一个 LUT 作用在我们的 NUC 计数上得到的 HF（传感器网格）明显高于官方成品：

数据	HF |dx| / |dy|
官方照片（其渲染输出）	2.46 / 2.22
官方实时截图（1.2 s ×3）	1.61 / 1.51，帧间 1.83/1.77
我们的实时截图	2.35 / 2.39，帧间 2.34/2.40
我们的 NUC → 同一个 LUT（模型）	4.65 / 4.25

即：映射一致、噪声不一致，且证据指向"我们的计数本身比官方毛"（同 LUT 下模型 HF 高 1.9×）。 排除项：FFC 之后立刻截图（新鲜参考）几乎不改善（帧间 2.44→2.34）→ 不是参考老化； 我们的实时帧率实测 15.0 fps、单帧绘制 6-9 ms（与第 22 轮记录一致，无回归）。 下一步方向：把实时 FFC 参考采集与已验证逐字节一致的离线/PC 路径对齐（同一个参考下 PC 端 NUC 是逐字节相同的，所以嫌疑在"实时状态机采到的参考帧"）。

11.5 运维笔记（真机调试踩坑）

1. 正在推流时 force-stop App 会把相机卡死（命令端点 halt、GetCaliInfo 超时、此后无流数据）。 恢复：su -c 'echo 0 > /sys/bus/usb/devices/2-1/authorized; sleep 2; echo 1 > ...' 重新枚举； 切换 App 时先按 HOME 让 App 正常停流。
2. MIUI 的 USB 授权在每次重装/重新枚举后都要重新授权；要勾"一律打开 MAG160C" 必须点复选框本体（x≈186），点标签中部（x≈718）不会勾上；授权后 App 需要重启进程才生效。
3. 相机被卡住时 App 的统计会显示 reads=0 frames=0 timeouts=N，UI 以 ~3.3 fps 空转刷新 （不是渲染帧率）。

12. 追查"计数噪声偏大"（2026-10-06 傍晚，真机分阶段实测）

用户："把'计数'噪声偏大修一下"。做法：在管线里临时插桩（DebugLog 打开、逐级打印 raw/参考/差值/NUC 的 mean/std/HF），真机跑一遍，把噪声预算算清楚，再看 A/B 差在哪里。

12.1 真机实测的噪声预算（设备 160043865，同一静止场景）

[diag] ffcRefFrame mean=15084 std=3625 hfdx=1172   ×4 帧（快门帧）
[diag] refFrameSpread sigma=30.2 / 27.5 / 27.2      ← 逐帧像素噪声（快门帧间差）
[diag] stage.raw   mean=11442 std=3466 hfdx=1168    ← 场景帧原始响应
[diag] stage.ref   mean=15083 std=3624 hfdx=1172    ← 4 帧快门平均
[diag] stage.diff  mean=-1821 std=326  hfdx=29.1    ← (raw-ref)>>1
[diag] stage.nuc   mean=9731  std=245  hfdx=24.2    ← 波段映射输出

• 快门帧是真快门：参考帧均值 15084 与场景帧 11442 相差 3600 counts，且 4 帧之间 mean/std 一致到 0.1% → 快门在参考窗口内确实闭合、且是同一位置。
• 逐像素时域噪声 σ_n ≈ 21–24 counts（由 refFrameSpread 的 √(1+1/k) 反解）。
• 我们的差值噪声 = 0.559·σ_n = 12.3 counts（= 0.5·√(1+1/4)，4 帧平均参考的理论值）， 由实测 hfdx=29.1/1.128 推得的白噪声部分 ≈ 25.8 里含场景结构（NUC 的 24.2 同量级）→ 与理论预算一致，没有额外噪声源 ✓。
• FPN 抵消到 2.4%（1168 → 29.1）✓。

结论：我们的参考采集与 NUC 链路的噪声与时域表现完全符合物理预算，"计数噪声偏大" 在数据链路上不成立（上轮凭跨 App 指标推断的"我们的计数更毛"没有证据支持）。

12.2 那 1.2–1.5× 的跨 App 差是什么

同场景 A/B 复测（官方 16:10 / 我们 16:08，16:08 那张同时给了 raw+NUC 块）：

指标	官方	我们	比
索引 HF |dx|（照片）	1.98	2.84	1.43
索引 HF |dx|（实时截图）	1.61	2.35	1.46
实时帧间 |Δ|（重采样到 160×120）	1.83/1.77	2.34/2.40	1.31
HF 随亮度分档比（40→200 级）	—	—	1.18–1.35（近似加性，不是乘性）

已知的测量混淆项（不足以解释全部，但都在同一方向）：

1. 我方形如 960×720（=6× 传感器，JPEG q≈95 → 0.29 B/px），官方 640×480（=4× → 0.42 B/px） → 我们每像素压得更狠，JPEG 振铃/块效应加性抬 HF（与"近似加性"的观察一致）；
2. 官方 App 的 ImageViewer 用 new Paint(1)（只有抗锯齿、没有 FILTER_BITMAP）并且先画进 640×480 离屏位图 → 它的放大链是最近邻，我们的是 160→320→屏幕两级双线性； 我的"重采样回 160×120"这一步对两种链路的近 Nyquist 衰减不同，会系统性地把 双线性那一侧测得更"平滑"。
3. 我们 18-1 的实时帧间指标此前受 UI 元素（OSD 文本/色条）污染，本轮已用遮罩排除到 99%。

12.3 本轮据此真正修掉的两件事

1. MDT 照片的 raw/NUC 配对（数据完整性 bug）：照片里的 FRAME 块原本写 session.lastRawFrame（每帧都更新，包括 FFC 窗口内的快门帧），而 NUC 块是 场景帧的渲染结果 → 拍在 FFC 之后的那张照片，两块不是同一次曝光（离线再渲染/ 分析界面正是消费这一对）。现在由管线交付 copyLastRenderRaw()：渲染该帧时 把 raw 载荷存下来，照片两块必然同源。新增回归测试 MdtRawNucPairTest（对低通后的两块做相关性，>0.8；raw 的方差 99% 是 FPN， 逐像素相关性即使配对正确也接近 0，这个坑在测试里写明了）。
2. LUT 的 32 位语义对齐厂商：cdf*denom 的乘法与 >>14 改为 32 位无符号 （Kotlin 侧 u32(...) + 逻辑右移）；对真实数据结果不变（golden 向量仍全绿）， 但退化场景（几乎全空的直方图）下与反汇编一致。

12.4 留给下一轮的（不盲改）

• 若要严格分清"我们比官方毛 1.3×"是渲染还是测量：需要受控采集——同一帧数据 过两条链（官方 App 只有 JPEG 输出、没有 raw 服务），或用一次 PNG/无损导出对比。
• 官方实时画面更平滑的可复现线索：其显示链是"离屏 640×480 + 最近邻放大"。 我们若要更接近，可以（a）把保存的照片改成 4×（640×480）或提高 JPEG 质量， （b）实时预览改单级放大。两者都是表现层改动，不影响已对齐的映射，风险低。

13. 用户复现："低温区条纹更多"——定位到大负差值处的噪声放大（未修完，留了下一步）

用户："我换了个场景，背景的低温区域在我们的 app 里面明显条纹更多"。手机仍在，做同刻 A/B （同一场景：我们 16:35 拍、官方 16:37 拍；另有 12 s 间隔的漂移标定）。

13.1 先标定漂移（12 s 内、同一 App 两张）

官方 App 相隔 12 s 两张：分位 [9,17,44,73,229] → [10,18,45,74,229]，逐像素 |Δ| 均值 1.20（中位 1.0）。 → 12 s 的漂移约 1 级，不足以解释跨 App 的分位差，所以下面的对比是有效的。

13.2 冷区（最冷 25% 像素）量化

指标（照片，160×120 网格）	官方	我们	比
逐计数中位索引（冷区 9830→10000 counts）	—	—	最大 1.7 级 ✔ 映射一致
列条纹幅度（去 9 宽趋势后的列剖面 std）	2.12	2.28	1.08 ✔ 基本一致
细纹理 HF |dx|	1.71	2.17	1.27 ✗
实时截图冷区 HF（无 JPEG 干扰）	1.06	1.01	0.95 ✔

结论：冷区的映射和列条纹（FPN）都与官方一致，差的是细纹理/像素噪声（1.27×）。 JPEG 只能解释一部分：把我们那张（960×720 q95，202 KB）按 640×480/q98 重压后冷区 HF 从 2.17 只降到 1.96（官方 1.71）→ 仍差 1.15×。所以我们确实在冷区多出约 1.2–1.3× 的计数噪声。

13.3 哪来的：整帧预算吻合，冷区超预算 1.65×

• 整帧（中等场景）实测：σ_n≈21–24 counts → 差值噪声 0.559σ_n=12.3 ✔ 与实测吻合（§12.1）；
• 冷区（大负 d；d=(raw-ref)>>1）实测计数 HF = 20.4 counts，而按同一预算应为 12.3 → 1.65× ✗ —— 与"冷区更毛"的用户观察方向一致，且只在大负 d 处出现。

已逐条排除：阈值/增益的 16 位解析（与厂商一致，且厂商侧也是有符号比较）、band 选择 （映射一致说明段选择一致）、快门参考（4 帧快门平均 ✔）、JPEG（只占约 1/3）、 显示链（实时冷区 HF 反而更低）。

13.4 下一步（精确定位，需一次带插桩的实机）

在大负 d 的像素上分层打印：d 的分布、命中的 band、该 band 的 gain/off（插值后）与 σ_n，对 DDT 里 band0 的原始 gain/off 核一遍。最可疑的两条（都可控）：

1. fpaTempFix 是否也该作用在图像链：我们按官方 App 的代码给插值温度加了 1699 （§10.5），如果该设备上图像链实际用的是帧尾原值，则 band0 的 gain 会被插值偏， 表现为"映射总体还对、但低端噪声被放大"——正好是现象； 验证：临时把 fpaTempFix = 0 出两版，量冷区 HF（同样一张场景、同样流程）。
2. band0 的 gain 插值本身与 PC 参考路径的差异（PC 端 NUC 逐字节一致，说明差异在 Android 的 GenerateVolatileLens 重生成路径，而非表本身）。

14. 定案并修复："低温区条纹更多"= 我们自造的 2× 交错图案（反汇编依据 + 实测验证）

14.1 依据（官方安卓路径没有插值级）

ImageViewer（官方 App，jadx 源码）：

• this.bmpIr_ = Bitmap.createBitmap(fpaWidth, fpaHeight, ARGB_8888)（160×120，即 SDK 直接给原生尺寸）；
• this.paint_ = new Paint(1) —— 只有 ANTI_ALIAS，没有 FILTER_BITMAP；离屏 cachedbmp_ = Bitmap.createBitmap(640, 480) 就用这些 paint 画进去（= 最近邻）。

而我们的 upscale2x（移植自 PC SDK）是双线性：偶列取原样本、奇列取邻均值 → 在传感器 Nyquist 上人为造出一层"全幅/半幅"交错的细竖条纹，且只在色带最陡的暗/低温区最扎眼。

14.2 实测验证（同场景 A/B，冷区=最冷 25% 像素）

冷区指标（照片，160×120 网格）	修复前（双线性 2×）	修复后（最近邻 2×）
细尺度列条纹（去趋势宽 5）之比	1.16 ✗	1.00 ✔
细尺度列条纹（去趋势宽 9）之比	1.29 ✗	0.93 ✔
宽尺度列条纹（21 / 41）之比	0.90 / 0.87 ✔	0.82 / 0.72 ✔
列剖面相关性（同一 FPN 图案）	+0.815	+0.832 ✔
|dx| HF 之比	1.27	1.67（见 14.3）

→ 用户报的"细条纹"就是这层自造交错：去掉后细尺度条纹与官方一致（1.00/0.93）， 而真实 FPN（宽尺度）我们本来就比官方更轻。

14.3 顺带说明：HF 比值反而变大不是变差

重建后的 |dx| HF 从 1.27 升到 1.67，是因为旧的交错本身就是一次列方向的平滑 （奇列被平均掉一半），它把这个指标"压低"了——去掉假平滑后露出的是真实逐像素噪声。 即旧值 1.27 是"假图案 + 被平滑的噪声"的合成，新值是纯噪声。逐像素噪声的差异 （同一场景、同一映射下）仍待查，方向已收窄到"照片路径的 JPEG/缩放"与"设备帧噪声"两者， 方法学与数据见 §12/§13。

14.4 落地

• RenderPipeline.upscaleNearest（构造参数，实时会话 = true；默认 false 保持 C 参考字节不变）；
• csdk：mag160c_render.h/.c 增加 upscale_nearest（两个 demo 默认 1），同一段注释说明依据；
• 单测新增 UpscaleParityTest（两种模式必须不同 + 最近邻必须逐行复制），共 119 全绿。

15. 用户复核："我们颗粒更大，尤其高低温分界边沿"——是我上一轮 14 节的最近邻改错了

用户："我们的app图片看起来像素颗粒更大啊，特别是高低温分界的边沿，是不是啥滤波没开"。

15.1 眼睛 + 数据都指向同一个原因

17:51 同尺寸对照（左=我们 17:06 版，右=官方）：我们的边沿是 2 个传感器像素一级的台阶， 官方是单像素的平滑过渡——即 14 节里"最近邻 2×"把有效分辨率砍半了（相邻两个传感器像素被复制成同一个值）。 定量复核：冷区 |dx| 比值 1.27（我们更毛）。

反汇编/源码再核对：官方 ImageViewer 除 new Paint(1) 外还有 PaintFlagsDrawFilter pfd_ （会加上 FILTER_BITMAP）→ 它的显示/保存链其实是从 160×120 单级滤波放大 （cachedbmp_ 640×480），既没有交错也没有块状复制。

15.2 修法（照片改为单级放大；实时缓冲回退到插值）

• 照片：PhotoSaver.SENSOR_W/H 改为 160×120（原生传感器网格，与探针/NUC 同一空间）， RENDER_SCALE = 6（输出仍是 960×720）；调用方交入的帧改为精确取样 320×240 缓冲的偶数像素 （o[2x]=src[x]，所以偶数采样就是原始像素，无重采样误差）。→ 单级 6× 双线性， 传感器像素级颗粒、无交错、无块状。
• 实时缓冲：upscaleNearest 回退为 false（插值 2×）：最近邻会把颗粒变成 2 传感器像素、 边沿出现粗台阶，是可见的退化。csdk 的两个 demo 同步回退为 0，选项保留并写明测得的教训。

15.3 实测（同场景：我们 17:54 / 官方 17:56，翻转对齐 r=0.994）

指标	官方	我们（新）
索引分位 p5/25/50/75/95	21 / 48 / 76 / 90 / 224	18 / 47 / 78 / 92 / 224
冷区 |dx|	4.32	3.29（比值 0.76）

→ 修好后我们比官方更平滑（官方因最近邻 4× 反而有 4 像素大块，见 x8 放大对照图）。 单测 119 全绿（PhotoNucMappingTest 更新为 160×120→960×720 的新策略）。

16. 「官方背景条纹更不明显」——逆向排除全部候选后，定位为我们独有的逐行固定偏移（2026-10-06 深夜，交接轮）

用户发了同场景双截图（官方 vs 我们，均为竖屏、12 px/传感器像素、同一调色板铁虹）并要求 "看逆向出来的代码是不是还漏了什么"。本轮做了两件事：把官方每帧链路逐条再对一遍（IDA 批量 反编译），并对两台 App 的显示结果做调色板弧长反演的定量对比。结论：每帧算法没有遗漏； 差异是一个官方没有、我们有的"逐传感器行固定偏移"（残余行 FPN，显示上就是水平条纹）。

16.1 逆向再核对（libcxsdk = 普通版 MAG-Cx 的 SDK，全部读反编译原文）

• 内参来源定案：Controller::StartProcess(cb, w,h,sn,devType, close,open, ffcFrame,ffcTemp, palette, baseLineAcc, cali) 只写 Controller+0x28(w)/+0x2c(h)/+0x18(palette)/+0x40(baseLineAcc)，其余字段保持 Controller::Controller() 的默认：+0x44=1、+0x48=1、+0x4c=5。 映射到 CFunctions：0x3804=baseLineAcc=4、0x3808=1（温度累积器旁路）、 0x380c=1（CSmoother 关）、0x3810=5。→ 官方手机链路没有平滑器/累积器， 之前 §8/§9/§10 的结论不用改。
• 每帧链路 = Calibration（DDT 有效时走 CalibrationMain_RTV： d=(raw−base)>>1 → 按段阈值选 (gain,off) → (d*gain>>12)+off，clamp 0..0xffff）
  • BlindCompensation（盲元按 3..8 邻域均值替换，DDT 盲元表） + Mirror(关) + TempRangeStat + GrayEnlarge(内含 HistDeRedundance)。E2X/E4X 仅当 EX≠0 （App imageEX=0），FilterDetailEnhancement(_Simple) 仅当 CFunctions+0x28≠0 （从未被写=0）。→ 与我们的实现一一对应，没有缺的阶段。
• 标定表只在 FFC 窗口重建：DoSomething(param_1==0)→SelectCaliCurve+ GenerateVolatileLens；param_1≥1 时在窗口各帧分块 InterpolateShort/UShort （块大小按 (13+总字节+尾-2)/(13-1)+7&~7，完成后置 0x2d24=1）。不在每帧跑 → 我们"FFC 时 rebuildTables"一致。
• FFC 时序逐帧一致：触发→cb(0) 关快门 →帧 1..5→帧 6..9 逐帧 PushBaselineRaw （首帧 Restart，4 帧块平均）→第 9 帧回调 cb(1) 开快门→帧 10..13 DoSomething→帧 14 起正常。 我们的状态机（idx 1..5 / 6..9 / idx==9 onFfc(1) / 10..13）完全同相。
• 设备配置命令：setFrameRate（P2D_SetFrameRate=0x6BB6B679，载荷 interFrame/interLine 两个 u32；fpsMode 0→9/12，否则 105/105）只在 devType 1/2 时发；我们 devType=3 → 官方也不发。P2D_SetParameter1/2 官方 USB 路径只发 Get。→ 原始流配置两边相同。
• 工具链记录：普通版 APK=app/【普通版】MAG-Cx.apk（libcxsdk.so 372KB armeabi， md5 4d8d98bb…，与 analysis/sdk_re/android_app/bin 相同；JNI 层是 libcxx2java.so 67KB）。 analysis/ida/libcoresdk_arm64.so 是专业版 MAG-Mx 的库，别拿它推普通版 （它的 0x439d80/88 内参在 .bss，文件里读不到）。IDA Pro 9.4 批量反编译命令： idat.exe -A -S"<script.idc>" -L"<log>" <so>（脚本按 get_next_func 遍历； 对 __imp__ 导入 thunk 会异常中断，注意跳过；Ghidra headless 兜底）。
• test_frames.bin 夹具是合成/重复帧（60 帧 mean/std 完全相同），不能用于噪声分析。

16.2 定量对比（调色板弧长反演，脚本在 %TEMP%\mag160c_re\analyzer.py，临时件）

方法：ironbow 256 色表（VendorPalettes）→ RGB 弧长参数化（消除调色板斜率影响）→ 12 px/传感器像素块中值采样到 160×120 → 3×3 高通。数据：用户双截图（竖屏）+ 真机连拍 3 帧（官方横屏 crop、我们竖屏，均 PNG 截屏无 JPEG 伪影）。

指标（弧长单位 ×1e-2）	官方	我们	比值
整图低频 σ（对比度/音调曲线）	20.2	21.2	1.05（一致）
scene(>8px) σ（真实场景对比度）	—	—	0.95~0.97（一致）
高频 σ（单帧 1~8px 频带）	1.16~1.21	2.10~2.51	~2×
时间分量（连拍差分/√2）	0.52	0.75	1.44×
沿显示水平线均值的 std（=逐传感器行固定偏移）	0.106~0.15（max 0.57）	1.20~1.84（max 12.1）	8~17×

分块统计（背景块）：scene 比 0.95、1-8px 频带比 1.58、时间比 2.0 —— 我们多出来的 能量集中在 1~8px 频带且逐帧可复现（固定）。

16.3 结论与交接（下一步）

• 缺陷：我们的渲染里有一个官方没有的逐传感器行固定偏移（残余行 FPN）。 显示旋转 90° 后，传感器行=屏幕水平线 → 就是用户看到的"背景条纹"。 它是固定的（连拍均值里都在），所以不是每帧算法、也不是显示插值（两边显示链等价： 都是 160×120 数据 → 12 px/px 双线性上屏）。
• 候选（按嫌疑排序）：
  1. FFC 参考帧被污染/时序错位：官方与我们都"关 5 帧→采 4 帧→第 9 帧开"，但我们的 帧计数从自己的处理循环来；USB 抖动/丢帧会让采集窗错相（§9.4 曾测得 "延到 8 帧反而变差"——设备实际快门相与我们假设的错位的旁证）。 参考≠纯快门帧 → 减出的残差里留下行结构。
  2. DDT 段表 (gain,off) 的布局/插值在当前 FPA 温度下与我们不一致 （我们 rebuildTables(shutterAtFfc + fpaTempFix)；官方 SelectCaliCurve 的温度 来源、端点选择、Interpolate 的语义需要逐字段比对）。
  3. 盲元处理差异（我们已实现 nucAndBlind，但要和官方 BlindCompensation 的 邻域定义逐条对——它用 10 int/条 的记录、邻居偏移含 ±1 与 ±行距）。
• 验证路径（下一个模型从这里接）：
  1. App 加"原始帧录制"开关（IrSession 读线程帧入口处写 files/，含一次完整 FFC 的 60+ 帧与帧头）；真机录一段。
  2. 离线重放：raw → 参考 → NUC → 表插值 → LUT，每一级都算"沿行均值 std"， 找出引入行偏移的那一级；再用录到的数据做 A/B（改窗口/改表温度/改盲元）复现官方数值。
  3. 真机 A/B 验收指标就用 16.2 的表：目标"逐行固定偏移 std ≤ 0.2"。

17. 第三十八轮：原始帧录制 + 逐级重放全链路定案 + 显示链修复（2026-10-07 凌晨）

按 §16.3 清单执行。工具：IrSession.rawFrameSink + RawFrameRecorder（调试开关， files/rawcap.enable 标志文件触发，录 raw+NUC dump 到 files/rawcap/run_*.bin， 带 FFC 触发，300 帧自动停）；离线重放脚本在 %TEMP%\mag160c_re\（临时件）。

17.1 逐级重放（整数语义复刻，与真机 NUC dump 互锁）

录制 300 帧（含 3 次完整 FFC 窗口）。Python 逐级复刻（i32/算术移位/向零截断与 Kotlin 一致），与 App 自己 copyNuc 的 dump 对拍：corr=0.9996，仅盲元像素大差异 ——复刻可信。各级行交替（alt = 行均值相邻二阶差，固定分量）：

级	行交替 std（counts）
raw（场景帧固定行剖面）	596.9
ref（4 帧快门平均）	596.7（与 raw 图样相关 0.999）
d2 = (raw−ref)>>1	5.20
NUC（查表后，App dump）	4.25

结论 1：参考减除消掉 98.4% 的行 FPN，表再消一半，残差 4.25 counts 就是 显示条纹的直接来源（换算到显示域 ≈ §16.2 的我们 1.2–1.84）。

17.2 排除清单（都做了 A/B）

• 参考窗相位（±2 帧移动）：4.01–4.33，不敏感。
• 参考平均长度（1/4/6/8 帧）：4.14–4.51，不敏感（时间噪声早已被平均压低）。
• 表插值温度（33637…47664 扫描）：4.06–4.57，不敏感。
• 残差时间结构：FFC 后 1–10.3 s 固定分量 5.14–5.34，完全平坦 → 不是参考老化。
• 跨 FFC 窗口：d2 残差图样相关 +0.986 → 不是每次 FFC 的随机量。
• 残差与 raw/ref 图样相关 ≈ 0.02/0.03 → 白状固定残差，即"快门态与开放态的 行 offset FPN 图样差"（≈1.7%），设备固有。
• GenerateVolatileLens（0x18314）：11 段温度响应折线，只进温度链（this+3163 默认 1 时直通），与图像链无关 → "官方把参考融合进表"的假设不成立。
• 官方 SDK 全函数核对（本轮新读）：CalibrationMain_RTV（段选择/(d*gain>>12)+off/ 布局与步进逐字段一致）、PushBaselineRaw（双累积器 +14212/+14244）、 CAccumulator::Reset/PushFrame/Restart（mode=baseLineAcc=4 恰好 4 帧块平均）、 Raw2Temperature/CFunctions::PushFrame（0x3808=1 旁路、每帧渲染、FFC 条件同相）、 TempRangeStat（纯 min/max/mean）、BlindCompensation（typ 3..8 邻域 switch）、 InterpolateShort/UShort（Q12 端点插值同式）、SelectCaliCurve、DoSomething、 Controller::PushFrame/StartProcess（A=5/E=4/C=4 同相；PushBaselineRaw 收 JNI 原样 帧，Java ThreadImgProcess 不做预处理）。官方每帧链路与我们逐字段一致，没有 任何"额外处理"能解释残差差。

17.3 显示域 A/B（同场景同铁虹，§16.2 口径：12px 中值网格 + 弧长 + hf3 行/列剖面）

测量	ROW-dir	COL-dir
官方截图（横屏）	0.12	0.31
我们修复前截图	1.41	0.46
我们修复后截图	1.32	0.59
我们修复后截图（mask 掉 UI 覆盖层后）	0.76	0.67

重要测量教训：我们的竖屏 UI 把中心温度/MAX 标注/色标条画在热像区内，它们对 行剖面的贡献与真实 FPN 同量级——对比测量必须 mask（官方 UI 覆盖为 0）。 §16.2 的"8–17×"里含此混淆 + 几何错位（37 轮连拍的官方横屏 crop 与我们竖屏 行/列方向不一致）；本轮修正后真实 NUC 域差距约 1.6×（同一份我们的数据走 官方显示链复刻 = 0.19，走我们链 = 0.32，官方截图实测 0.12）。

17.4 定案与修复（初版，17.6 有修正）

1. 官方显示链的两级结构（jadx ImageViewer + 本轮重核）：SDK 输出 160×120 bitmap → PaintFlagsDrawFilter + FILTER_BITMAP 画入 640×480 离屏（4× 双线性） → SurfaceView 再放大到屏。中间 4× 双线性对逐行 FPN 图样有 ~0.6× 的低通—— 同一份我们的 NUC 数据：走官方两级链复刻 = 0.12，走我们单级 12× 复刻 = 0.32。 "官方背景条纹更不明显"的主导机制是显示链，不是 NUC 域。
2. 修复 A（nativeOut）：RenderPipeline 去掉 PC 版遗留的内部 2× 插值级 （官方安卓没有），输出原生 160×120 调色板图；LiveRenderer/录像/拍照全链 适配。复刻证明它对行交替数值无影响，但消除了自造的"全幅/半幅"行调制 （§35 的竖列交错在行方向的同类项），显示等价性更完整。
3. 修复 B（640×480 中间级）：LiveRenderer 按官方 viewer 补上 640×480 离屏 位图（FILTER_BITMAP 4×）再上屏，显示链与官方逐级等价。
4. 遗留（诚实记录）：UI mask 后我们 0.76 vs 官方 0.12 仍有差距，其中 a) NUC 域残差 2.87 vs 官方等效 ~1.3–1.8 counts（1.6×，同显示链对比）—— 与"快门态/开放态行 offset FPN 图样差"相关，设备固有，官方同算法也应承担， 差异来源未定位（疑似两 App 会话时设备状态不同）； b) 真机 GPU 显示链与 PIL 复刻间仍有 ~2× 未解释差（复刻 0.34 vs 真机 0.76）， 需下一轮用"真机截图 vs 同帧 NUC dump 的逐像素对照"收敛。 §16.3 的验收目标"逐行 std ≤ 0.2"未达成；下一轮从 b) 项入手（它是纯测量 差异还是真机显示链仍有未建模环节）。

17.6 追加测量（同日，同帧对照把差距收敛到真实量级）

17.4 的"遗留 b"用严格同帧对照（run3/run4 录制 + 录制结束秒级截屏，App 自己 的 NUC dump 走我们显示链的 RGB 域复刻 vs 真机截图）解决：

• 真机截图网格与同帧 NUC 弧长网格的空间相关 = 0.994——真机显示链上没有任何 未建模环节，17.4-b 的"2×"是三件事叠加的假象。

• 假象一（测量方法）：PIL 的 F-mode resize 在本机对 float32 有严重失真 （round-trip 后剖面 corr≈0.0002），此前所有"F 域模拟显示链"的数字作废； 改 RGB uint8 域模拟后，所有几何变体（单级 12×、640 中间级 2.25×、官方 3×） 的行/列交替全部落在 0.07–0.11 / 0.24–0.28——显示链几何不产生交替。

• 假象二（UI 覆盖层）：我们竖屏 UI 画在热像区内的中心温度/MAX 标注/色标条 对剖面贡献与 FPN 同量级，且 mask 边界会留下异常行。改用鲁棒剖面 （逐行 median + 2.5·MAD 剔除）后三方对照：

  同口径（鲁棒，×1e-2 弧长）	ROW-dir	COL-dir
  官方截图	0.10	0.28
  我们（修复前截图，320×240 内插）	0.22	0.33
  我们（640 中间级版截图）	0.24	0.55

• 修复 B 回退：640×480 中间级在竖屏 fitRect 下第二级是 2.25× 非整数 （官方横屏是 3× 整数），真机 GPU 渲染它使 COL 交替 0.33→0.55（RGB 域复刻 预测 0.28，未复现该伪影）→ 已回退，保留 nativeOut 单级（160×120→ 1440×1920 = 9×/16× 整数，无伪影）。

• 最终状态：COL 方向我们 0.33 vs 官方 0.28（1.2×，达标）；ROW 方向 0.22 vs 0.10（2.2×）。ROW 的 2.2× = NUC 域 ~1.6× + 显示/反演细节。 NUC 域残差与"快门态 vs 开放态行 offset FPN 图样差"相关（设备固有，官方同 算法同承担），同链对比下我们 2.87 counts vs 官方等效 ~1.3–1.8 counts 的 来源仍未定位——下一轮可用"反复重连 × 交替连接两个 App × 每次连接量 NUC 行交替"的统计实验判定是设备状态随机性还是系统性差异。

• §16.3 验收目标修正：以本轮建立的鲁棒同口径为准，COL 已达标（0.33 vs 0.28），ROW 2.2× 是下一轮的目标（0.22 → ≤0.2 需把 NUC 域残差压到官方 等效水平，先判定 1.6× 的来源）。

• COL 波动的待验证项：回退 640 级后的复测截图 COL=0.56 未回到 0.33，且 NUC 域 COL 本身跨会话波动（run2 6.91 → run3 8.0 counts）——COL 交替可能 随连接/温度状态漂移，判定需要"同一连接内录+截"的同帧对照（run4/run5 两次 尝试因屏幕保活与热像仪被拔中断，工具链已就绪：rawcap.enable + 保活 keyevent 循环 + /data/local/tmp 中转拉取 + RGB 域旋转正确的复刻脚本 sync4.py， 注意 sample_grid 前必须 np.rot90(rgb, k=-1) 对齐竖屏几何，PIL 的 F-mode resize 在本机失真不可用）。

17.5 工具与现场

• RawFrameRecorder/rawFrameSink/flag 轮询已合入（调试工具，默认不活动）。
• DebugLog.enabled 本轮临时 true，提交前已改回 false。
• 现场状态：rotation 锁竖屏（原值 1，待用户恢复）；我们 App 前台出流； MIUI 的 App 自动启动会在授权后把焦点拉回我们 App，切官方测前先 force-stop 我们，用 TAB×2+ENTER 过 USB 弹窗（横屏时 input tap 坐标不可靠）。