1. 复杂光照场景概述：逆光、强光、低照度、混合光源场景的定义与挑战

做安防ISP调优这些年，我碰到最多的坑，就是光照。你想想看，摄像头装在大门口、楼道里、停车场，光线条件千奇百怪。有的场景大白天太阳直射，有的半夜只有一丝月光，有的门口亮堂屋里黑——这些统称为复杂光照场景。

说白了，ISP的使命就是把传感器抓到的原始数据，变成人眼看着舒服、算法能识别的图像。但复杂光照一来，这套逻辑就经常失灵。我刚开始调优时，总觉得参数拉满就行，结果逆光场景人脸一片死黑，强光场景高光过曝到发白。嗯，后来才明白——你得先懂对手是谁。

1.1 逆光场景

逆光，就是光源在目标背后。比如门口朝南的摄像头，下午太阳从门外照进来；或者室内窗户前的监控，窗外是白天。这时候前景暗、背景亮，动态范围一下就超了。

我记得有个项目，小区出入口装了枪机，白天逆光严重，业主投诉说人脸根本看不清。我调了WDR（宽动态）参数，从两帧合成改到三帧合成，才勉强把前景人脸细节拉回来。但代价是运动物体有鬼影——这就是逆光场景的典型矛盾。

指标	正常场景	逆光场景
亮度差	30-40dB	80-120dB
前景细节	清晰	丢失或噪声大
WDR需求	低/关	高（3-4帧合成）
运动伪影	无	鬼影风险高

1.2 强光场景

强光，就是光源直接进入视场。比如路灯直射、车灯照射、或者太阳在画面里。这时候问题不是暗，而是太亮——高光区域过曝，细节全丢。

为什么会这样？因为传感器的光电转换曲线是线性的，但人眼对亮度的感知是对数的。强光区域的光子数超过了传感器的满阱容量，直接就饱和了。你调曝光时间、调增益，都救不回来。

我曾经处理过一个停车场项目，晚上车灯一照，车牌区域白花花一片。我试了各种AE策略，最后发现——得用局部测光+高光抑制。把测光权重放在车牌区域，同时压低高光部分的增益，才能勉强读出车牌号码。

1.3 低照度场景

低照度，就是环境光太暗。比如夜间小巷、地下车库、没有补光的室内。这时候信号弱，噪声大，图像要么黑乎乎一片，要么全是噪点。

低照度的本质是信噪比（SNR）太低。传感器在暗光下产生的光子少，但读出噪声、热噪声基本不变。你提高增益，信号放大了，噪声也跟着放大。结果就是——图像亮了，但全是雪花点。

我记得有个仓库项目，晚上照度只有0.01 lux，客户要求看清货架标签。我调了3DNR（三维降噪）参数，把时域降噪强度拉到最大，但运动物体拖尾严重。后来换成多帧融合+自适应降噪，才在清晰度和噪声之间找到平衡。

照度范围	典型场景	主要问题	常用策略
1-10 lux	黄昏、室内灯光	轻度噪声	2DNR + 低增益
0.1-1 lux	夜间街道	明显噪声、细节丢失	3DNR + 多帧融合
0.01-0.1 lux	无补光室内	严重噪声、运动拖尾	多帧融合 + 自适应降噪
<0.01 lux	极暗环境	几乎无信号	红外补光 + 特殊传感器

1.4 混合光源场景

混合光源，就是画面里有多种色温的光源。比如室内有暖色白炽灯、窗外有冷色日光、还有LED显示屏的蓝光。这时候白平衡（AWB）会疯掉——不知道该以哪个光源为准。

你想想看，AWB算法通常假设场景是单一光源。但混合光源下，不同区域的色温差异可能达到3000K以上。算法如果全局校正，就会导致部分区域偏色严重。比如暖色区域被校正成冷色，冷色区域又被校正成暖色——画面看起来像调色盘。

我处理过一个商场项目，入口处有暖色射灯，中庭有冷色天窗，还有各种颜色的广告屏。AWB一直在跳，画面颜色忽冷忽热。最后我用了多区域AWB，把画面分成9个区域，每个区域独立做白平衡统计，再根据场景权重融合。效果好了很多，但计算量也上去了。

1.5 四种场景的关系与知识体系

这四种场景不是孤立的。实际项目中，经常是逆光+混合光源（门口有灯又有太阳）、低照度+强光（夜间车灯照射）等组合。调优时不能只看单一维度，要综合评估。

下面这张图，是我自己总结的复杂光照场景分类框架。每次接到新项目，我都会先对照这张图，判断场景属于哪一类，再制定调优策略。

这张图把四种场景的核心问题和调优原则都串起来了。我每次做项目评估，都会先看场景属于哪个象限，再决定调优方向。比如逆光+混合光源，我会优先处理WDR，再调AWB——顺序很重要。

1.6 本章小结

复杂光照场景是ISP调优的硬骨头。逆光考验动态范围，强光考验高光恢复，低照度考验降噪能力，混合光源考验白平衡策略。实际项目中，这些场景经常叠加出现，需要综合判断。

我个人习惯，接到新项目先做场景光照分析——拍一段原始RAW视频，分析亮度分布、色温分布、动态范围。有了数据，再决定调优策略。不要一上来就调参数，那是碰运气。

嗯，这一章就到这里。记住一句话：先懂场景，再调参数。后面我们会逐个场景深入，讲具体的调优方法和实战案例。