1. HDR成像概述：什么是高动态范围成像、多曝光融合的基本原理、鬼影问题的由来

各位同学好，我是这门课的主讲。今天咱们聊聊HDR成像的底层逻辑。说实话，我最早接触HDR是在2015年做手机相机算法的时候，那时候大家还在拼像素数量，很少有人关注动态范围。直到有一次我在逆光场景下拍了一张照片——天空一片死白，人脸一片死黑——我才意识到，传统成像的短板到底在哪。

1.1 什么是高动态范围成像

先问一个问题：你见过最亮的物体和最暗的物体同时出现在一个画面里吗？比如透过窗户看室外的阳光，室内还有一盏台灯。人眼能同时看清窗外的云和室内的书本，但相机不行。为什么？

因为人眼的动态范围大约在20档左右，而普通相机的传感器只有10-12档。动态范围，说白了就是传感器能同时记录的最亮和最暗区域的比值。比值越大，细节越丰富。

高动态范围成像（HDR Imaging）就是通过技术手段，把有限动态范围的传感器拍出来的多张图片，合成一张动态范围更广的图像。我习惯把它比作「拼图」——每张图只负责一个亮度区间，合在一起就是完整的亮度信息。

成像方式	动态范围	典型场景
单帧LDR	10-12 EV	均匀光照、阴天
多帧HDR	16-20 EV	逆光、夜景、室内外混合
人眼	~20 EV	几乎所有自然场景

1.2 多曝光融合的基本原理

多曝光融合，就是HDR最核心的实现手段。你想想看，既然单张照片拍不全，那就拍多张——一张欠曝保留高光细节，一张正常曝光保留中间调，一张过曝保留暗部细节。然后把这3张（或更多）融合成一张。

具体流程是这样的：

1. 采集多帧：固定相机位置，改变曝光时间或ISO，连续拍摄2-5帧。
2. 对齐：因为手持拍摄会有微小抖动，需要先做图像配准。
3. 权重计算：对每个像素，根据其亮度值分配权重。比如欠曝帧的亮部权重高，过曝帧的暗部权重高。
4. 融合：加权平均，生成HDR结果。

我在项目中遇到过一个问题：如果直接用线性加权，融合后的图像会发灰。后来发现是因为权重函数没调好。常用的权重函数有三种：

权重类型	公式	特点
高斯权重	w(x) = exp(-(x-μ)²/2σ²)	中间调权重高，两端低
三角权重	w(x) = 1 - |x-μ|/L	线性衰减，计算快
饱和权重	w(x) = 1 - (x/255)²	抑制过曝区域

下面这张图展示了多曝光融合的核心流程：

1.3 鬼影问题的由来

好，前面说的都是理想情况。但现实很骨感——你拍多张照片的时候，场景里的物体可能在动。比如风吹树叶、行人走过、汽车驶过。这些运动物体在每帧中的位置不一样，融合之后就会出现半透明的重影，这就是鬼影（Ghosting）。

为什么会这样？我举个例子：

• 第1帧（欠曝）：行人站在左边
• 第2帧（正常）：行人走到中间
• 第3帧（过曝）：行人走到右边

融合之后，行人同时出现在左、中、右三个位置，像鬼一样飘着。这就是鬼影。

鬼影的严重程度取决于三个因素：

因素	影响	典型场景
运动速度	越快越严重	行人、车辆、飞鸟
帧间间隔	间隔越大越严重	长曝光HDR（夜景）
运动区域大小	越大越明显	大面积树叶晃动

所以，去鬼影就成了HDR融合中绕不开的一环。这门课后面会详细讲各种去鬼影方法——从简单的运动检测到深度学习方案。但今天先记住一点：没有去鬼影的HDR，在动态场景下就是废片。