1. 课程导论与成像基础

各位同学好，我是这门课的主讲。在图像处理这个行当摸爬滚打了十几年，我见过太多「白天是龙，晚上是虫」的摄像头方案。说实话，低照度场景一直是消费电子和安防领域的硬骨头。今天咱们就从物理根因讲起，把「为什么晚上拍不清楚」这件事彻底聊透。

1.1 低照度成像的物理原理

你想想看，一张照片的本质是什么？是光子撞击感光元件，产生电信号，再被量化成数字。问题就出在这个「光子撞击」的过程上——光线越暗，光子越少，信号就越不稳定。

光子噪声（Shot Noise）

这是最根本的噪声，躲不掉的。光子到达传感器的时间是随机的，服从泊松分布。信号越弱，信噪比越低。我记得有一次调试一个手机夜景模式，发现暗部全是颗粒感，一开始以为是算法问题，后来一算——纯粹是光子不够，物理极限。

读出噪声（Read Noise）

光子转成电压、电压再被放大的过程中，电路本身会引入噪声。这个我深有体会——早年做一款工业相机，换了三版读出电路才把噪声压下去。读出噪声跟曝光时间无关，但跟增益（ISO）强相关。增益一拉高，读出噪声也跟着放大。

暗电流（Dark Current）

传感器本身的热激发也会产生电子，跟光照无关。温度每升高 6-8°C，暗电流翻一倍。我在项目中遇到过夏天户外监控画面全是「热噪点」的情况，后来加了主动制冷才解决。

1.2 HDR合成的基本概念与意义

说白了，HDR（高动态范围）就是解决「亮部过曝、暗部死黑」的问题。单帧图像受限于传感器位深和动态范围，拍不出人眼看到的真实场景。HDR 合成的思路很简单：拍多张不同曝光的图，把亮部、中间调、暗部各自最好的部分拼起来。

我习惯把 HDR 分成两类：

• 多帧 HDR： 拍 2-3 张不同曝光时间的帧，合成一张。优点是画质好，缺点是有运动鬼影。
• 单帧 HDR： 利用传感器原生支持的分区曝光（如索尼的 DOL 模式），一帧内完成长短曝光。速度快，但动态范围略低。

1.3 课程整体项目架构与学习路径

这门课一共 30 章，我把它设计成「从物理到算法，从仿真到落地」的完整闭环。下面这张图能帮你快速建立全局认知：

整个课程分四个阶段：

1. 基础篇（第1-5章）： 成像物理、噪声模型、HDR 基础、图像质量评价。这部分我会带着你手写一个噪声仿真器。
2. 算法篇（第6-15章）： 传统降噪算法（BM3D、NLM）、深度学习降噪（UNet、Transformer）、HDR 融合与色调映射。每个算法都有可运行的代码。
3. 工程篇（第16-25章）： 数据集构建、模型训练技巧、量化部署、端侧优化。这里我会分享实际项目中踩过的坑。
4. 实战篇（第26-30章）： 一个完整的低照度 HDR 降噪系统，从零搭建到手机端运行。