2. 车载场景光照分析：隧道出入口、夜间会车、逆光场景、雨雾天气的光照特性
做车载宽动态，第一件事不是调参数，而是搞清楚你的摄像头到底要面对什么样的光。我入行那会儿，总觉得宽动态就是「暗的地方提亮、亮的地方压暗」，结果第一次实车路测就被现实狠狠教育了一顿。
车载场景的光照，跟安防监控完全是两码事。监控摄像头对着一个固定场景，光照变化是缓慢的。车载摄像头呢？上一秒还在隧道里，下一秒就冲进大太阳底下。这种极端动态范围，才是宽动态要啃的硬骨头。
下面我把最常见的四个魔鬼场景拆开来讲。每个场景我都吃过亏，希望你别再踩一遍。
2.1 隧道出入口：最典型的「瞬间过曝」场景
隧道出入口，是车载宽动态的试金石。你想想看，隧道内的照度通常只有 10~50 lux，而隧道外的晴天路面可以达到 100,000 lux。这个跨度，接近 100dB 的动态范围。
我做过一次统计，把不同隧道出入口的实测数据列出来：
| 场景位置 | 典型照度 (lux) | 动态范围需求 (dB) | 主要挑战 |
|---|---|---|---|
| 隧道内部（距出口 50m） | 10~50 | — | 暗部细节丢失 |
| 隧道出口（距洞口 10m） | 50~5,000 | 80~100 | 亮部过曝 + 暗部欠曝并存 |
| 隧道外（出洞后 2s） | 50,000~100,000 | — | 自动曝光来不及收敛 |
| 隧道入口（进洞前 2s） | 100,000→10 | 80~100 | 亮度骤降，暗部噪声放大 |
为什么隧道出口特别难？因为摄像头既要看清洞外的交通灯、行人，又要保留洞内的车道线和前车尾灯。传统单帧曝光根本做不到——你保了亮部，暗部就全黑；你提了暗部，亮部就一片死白。
关键指标：隧道出入口场景要求宽动态能力至少达到 100dB，且曝光切换速度要控制在 1~2 帧以内。超过 3 帧的延迟，驾驶员就会感觉到「闪一下」或者「黑一下」。
我个人习惯在隧道场景里用 自适应长短帧融合 策略。长帧保暗部，短帧保亮部，然后根据场景亮度动态调整融合权重。嗯，这里要注意：融合权重不能突变，否则画面会闪烁。我一般用 IIR 滤波器做平滑，时间常数设在 0.5s 左右。
2.2 夜间会车：局部过曝与全局欠曝的博弈
夜间会车，是另一个让宽动态算法头疼的场景。对面来车的远光灯，照度可以达到 10,000 lux 以上，而周围路面可能只有 1 lux。这个局部动态范围，比隧道出入口还要极端。
我曾经在测试场做过一组对比：
- 无宽动态：对面车灯区域完全过曝，形成一个直径 200 像素的白色光晕，光晕内部的车牌、车型信息全部丢失。
- 传统宽动态：光晕缩小到 80 像素，但周围路面噪声明显增加，暗部信噪比下降 6~8dB。
- 局部自适应宽动态：光晕控制在 30 像素以内，同时路面信噪比保持在 35dB 以上。
为什么会这样？因为传统宽动态是对整帧图像做全局融合，而夜间会车的问题本质上是 局部过曝。你需要的是空间自适应的融合策略——在车灯区域用短帧权重，在周围区域用长帧权重。
我的经验：夜间会车场景，建议把图像分成 16×16 的块，每块独立计算融合权重。块与块之间用高斯滤波做平滑，避免出现块效应。我曾经在项目里试过 8×8 分块，块效应太明显，后来改成 16×16 才解决问题。
还有一个坑：对面车灯的颜色温度通常在 4,000K~5,000K，而路灯可能是 2,700K 的钠灯。这种混合色温会让白平衡算法发疯。我建议在宽动态处理之后，单独做一次局部白平衡校正，只对过曝区域做色温补偿。
2.3 逆光场景：大光比下的细节保留
逆光场景，说白了就是太阳在摄像头正前方或者侧前方。这时候，天空和地面之间的亮度差可以达到 120dB 以上。车载摄像头如果处理不好，就会出现「天上白云朵朵，地面一片漆黑」的效果。
逆光场景跟隧道出口有一个本质区别：隧道出口的亮区和暗区是分界的，而逆光场景的亮度是 渐变 的。从天空到地面，亮度是连续变化的。这就要求宽动态算法不能只用两帧融合，而是需要多帧（3~5 帧）或者像素级曝光控制。
我整理了几种常见逆光场景的亮度分布：
| 逆光类型 | 天空亮度 (cd/m²) | 地面亮度 (cd/m²) | 动态范围 (dB) | 推荐策略 |
|---|---|---|---|---|
| 正面逆光（太阳在正前方） | 10,000~30,000 | 50~200 | 100~110 | 3 帧融合 + 局部色调映射 |
| 侧前方逆光（太阳在 45° 方向） | 8,000~20,000 | 100~500 | 80~95 | 2 帧融合 + 全局色调映射 |
| 低角度逆光（日出/日落） | 5,000~15,000 | 30~100 | 100~120 | 4 帧融合 + 局部自适应 |
我个人在逆光场景里最常用的是 多帧融合 + 局部色调映射 的组合。多帧融合负责扩展动态范围，局部色调映射负责把高动态范围压缩到 8bit 显示设备能呈现的范围。这里有个技巧：色调映射的局部对比度参数不能设得太高，否则会出现光晕伪影。我一般把局部对比度控制在 1.5~2.0 之间。
避坑指南：我曾经在一个项目里把色调映射的局部对比度设到 3.0，结果逆光场景下行人周围出现了一圈明显的白色光晕，被客户直接打回。后来我把参数降到 1.8，光晕消失了，但暗部细节依然保留得很好。
2.4 雨雾天气：低对比度 + 高动态范围的双重挑战
雨雾天气，很多人觉得「不就是画面模糊一点吗？」其实没那么简单。雨雾天气对宽动态的影响，主要体现在两个方面：
- 对比度下降：雾天的大气散射会降低图像的对比度，尤其是远距离物体的边缘信息会严重丢失。这时候宽动态算法如果还按照正常场景去融合，很容易把雾天的「灰蒙蒙」当成正常亮度，导致融合后的画面依然模糊。
- 动态范围反而增大：你没看错，雨雾天气的动态范围可能比晴天还要大。因为雨滴和雾滴会形成无数个微小的反射面，把车灯光源散射成一片光晕。近处的车灯可能过曝，远处的物体可能完全淹没在雾里。
我实测过一组雨雾天气的数据：
- 小雨：动态范围约 70~80dB，主要挑战是雨滴造成的局部过曝和运动模糊。
- 中雨：动态范围约 80~90dB，路面反光严重，车道线检测困难。
- 大雾：动态范围约 90~100dB，能见度低于 50m 时，远距离物体几乎无法识别。
雨雾场景的宽动态处理，我建议在融合之前先做一步 去雾预处理。去雾算法可以恢复一部分对比度，让宽动态融合的输入图像质量更高。常用的去雾方法有暗通道先验（DCP）和基于深度学习的去雾网络。不过要注意，去雾算法不能太耗时，车载平台的计算资源有限。我一般用简化版的 DCP，只对亮度通道做处理，处理时间控制在 5ms 以内。
核心思路：雨雾天气的宽动态，不是单纯地「扩展动态范围」，而是「先恢复对比度，再扩展动态范围」。顺序不能搞反。先融合再去雾，效果远不如先去雾再融合。
嗯，还有一个细节：雨滴在镜头前会形成局部遮挡，造成「水波纹」效应。这种效应会让宽动态融合产生伪影。我建议在融合之前加一个雨滴检测模块，检测到雨滴区域后，用相邻帧的对应区域做插值替换。
2.5 本章知识体系
下面这张图，把四个场景的核心挑战和应对策略串起来了。你可以把它当作一个快速参考框架。
这张图把四个场景的核心挑战和应对策略都列出来了。你可以看到，每个场景的「病因」不同，「药方」也不同。隧道出入口要解决的是曝光切换速度，夜间会车要解决的是局部过曝，逆光场景要解决的是渐变亮度，雨雾天气要解决的是对比度下降。没有一种策略能打天下，必须根据场景动态切换。