137、洞察驱动的实战标题——锐化的"overshoot检测"——如何用边缘梯度方向直方图自动识别过度锐化产生的白边/黑边，并自适应抑制上周在调试一款车载前视相机的夜间模式时，客户反馈路牌边缘出现“发毛”现象——白字边缘外侧有一圈亮线，内侧又压出一道暗痕。我盯着屏幕看了十分钟，第一反应是镜头镀膜问题，拆了模组测MTF，全频段正常。后来把ISP里锐化强度从0.8拉到0.3，现象消失。问题不在镜头，在锐化过冲。这类白边/黑边，行话叫overshoot，本质是锐化算法在边缘两侧各补偿了一个过冲脉冲。人眼对亮边尤其敏感，哪怕只有2~3个灰阶的过冲，在文字边缘或高对比物体轮廓上都会被感知为“脏”。更麻烦的是，不同场景对过冲的容忍度完全不同——夜景路牌和白天树叶，同样的锐化参数，一个像描了荧光边，一个几乎看不出。所以固定阈值检测根本不可靠，必须从边缘结构本身找线索。我用的方法是边缘梯度方向直方图，简称EGDH。思路不复杂：正常边缘的梯度方向应该是单峰的，集中在边缘法线附近；而过度锐化产生的overshoot，会在主边缘两侧各形成一个反向梯度峰，方向与主梯度相差接近180度。把这两个反向峰的能量比提取出来，就能量化过冲强度。具体实现分四步。第一步，用Sobel或Scharr算子算梯度幅值和方向，注意这里别用3x3的Sobel，它对斜向边缘响应太弱，我习惯用5x5的Scharr，代价是多了两次加法，但方向精度提升明显。第二步，把梯度方向量化到8个bin，每个bin覆盖45度，同时记录每个bin内的梯度幅值累加值。这里有个坑：直接用atan2算方向再取整，会在0度和360度边界产生抖动，我通常先把方向映射到0~180度（即忽略正负），这样反向梯度就落在同一b