1. 课程导入
在手机摄影、安防监控、车载视觉、无人机航拍以及工业检测等场景中，成像系统常常同时面对两个棘手问题：一是拍摄过程中的抖动，二是环境光照不足。前者会让画面出现模糊、拖影和几何畸变，后者会带来噪声放大、细节丢失、色彩失真与动态范围压缩。防抖处理与低照度增强技术，正是围绕这两类问题形成的一整套从硬件到算法、从采集到后处理的工程方法体系。
一、什么是防抖处理与低照度增强
防抖处理，是指通过机械、光学或电子算法手段，抑制或补偿成像过程中因相机运动、手部抖动、载体振动引起的图像位移与模糊。它通常分为三类：光学防抖（OIS）、电子防抖（EIS）和机械防抖（云台/稳定平台）。光学防抖通过移动镜片或传感器补偿光路偏移；电子防抖通过陀螺仪、加速度计数据估计运动轨迹，再对图像序列进行裁剪、对齐与补偿；机械防抖则通过物理稳定平台直接隔离振动。
低照度增强，是指在光照不足条件下，提升图像可见度、信噪比与细节表现的技术。它既包括硬件层面的增大光圈、延长曝光、提高传感器灵敏度，也包括算法层面的降噪、亮度映射、对比度增强、色彩恢复与多帧合成。典型方法有直方图均衡、Retinex 分解、暗通道先验、多帧时域降噪、基于深度学习的低光增强网络等。
两者并非孤立：低照度下往往需要更长曝光，而长曝光会放大抖动影响；防抖做得好，又允许更长的安全快门时间，从而让更多光线进入传感器。因此，实际系统通常需要联合优化。
二、技术价值：为什么必须同时掌握这两类技术
从用户体验看，防抖与低照度增强直接决定“能不能拍清楚”。在暗光环境下，如果只做降噪而不做防抖，长曝光带来的运动模糊会让细节无法恢复；如果只做防抖而不做低照度增强，画面虽然稳定，但依然昏暗、噪声大、色彩灰暗。从系统指标看，两者共同影响信噪比、有效分辨率、动态范围、色彩还原和实时性。
从工程价值看，掌握这两类技术意味着可以在硬件成本、算法复杂度与成像质量之间做权衡。例如，手机厂商可以用 EIS 配合多帧降噪替代部分 OIS 成本；安防相机可以通过智能曝光策略与 3D 降噪，在低照度下延长有效监控距离；车载系统则需要在颠簸与夜间行驶中同时保证稳定与可识别。
三、典型应用场景
| 场景 | 主要挑战 | 防抖手段 | 低照度手段 |
|---|---|---|---|
| 手机夜景拍摄 | 手持抖动、噪声大、高光溢出 | OIS + EIS + 多帧对齐 | 多帧合成、夜景模式、AI 降噪 |
| 安防监控 | 24 小时低照、雨雾、运动目标 | 电子稳像、云台 | 星光级传感器、3D 降噪、红外补光 |
| 车载夜视 | 颠簸、眩光、快速运动 | 机械/电子稳定 | HDR、局部对比度增强、去雾 |
| 无人机航拍 | 高频振动、弱光返航 | 云台 + EIS | 长曝光合成、时域降噪 |
| 工业检测 | 微光、高精度、固定工位 | 减振平台 | Retinex、暗通道、形态学增强 |
四、核心原理速览与常见误区
防抖的核心是“估计运动—补偿运动”。以 EIS 为例，陀螺仪提供角速度，积分得到角度轨迹，再通过滤波分离有意运动与无意抖动，最后对图像做仿射或透视变换。低照度增强的核心是“提升信噪比—恢复细节—保持自然”。常见做法包括：先做时域多帧对齐与平均降噪，再做亮度映射与局部对比度增强，最后做色彩校正与锐化。
典型低照度处理流水线：
1. 多帧对齐（防抖模块提供运动信息）
2. 时域降噪（3D NR / 多帧平均）
3. 亮度映射（Gamma / 色调曲线）
4. 局部对比度增强（Retinex / CLAHE）
5. 色彩恢复与白平衡
6. 锐化与噪声抑制平衡
五、本课程的整体学习路线
课程将按照“基础建模—算法原理—工程实现—评估调优—场景落地”的主线展开。前段建立运动模型、噪声模型与成像链路认知；中段分别深入 OIS、EIS、多帧降噪、Retinex、暗通道与深度学习增强；后段进入参数调优、流水线集成、主观与客观评估，并结合手机、安防、车载等真实场景做方案复盘。学习者最终应能针对一个具体低照度抖动场景，独立给出硬件选型、算法组合、参数配置与评估方案。
在进入具体算法之前，先建立全局视角：防抖与低照度增强不是两个孤立模块，而是共享曝光时间、运动信息与噪声特性的协同系统。理解这一点，后续每一章的技术选择都会更有依据。