4、HDR合成流程概述：多曝光图像序列的获取、对齐与去鬼影、合成算法的选择

好，咱们正式开始聊HDR合成的实操流程。很多教程一上来就讲算法公式，我觉得那样容易把人绕晕。不如先搭个骨架——把整个流程走一遍，你心里有个地图，后面再填细节就轻松多了。

我个人习惯把HDR合成拆成三大步：拍素材 → 预处理 → 合成映射。每一步都有坑，也有对应的解法。咱们一个一个说。

4.1 多曝光图像序列的获取

说白了，HDR的第一步就是拍一组不同亮度的照片。为什么要拍多张？因为单张照片的动态范围有限，亮部过曝、暗部欠曝是家常便饭。多张照片各自记录不同亮度区间的细节，合在一起才能还原真实场景。

拍摄参数怎么定？我一般推荐至少拍3张，但5到7张效果更好。曝光步长用1EV或2EV。举个例子：如果基准曝光是1/125秒，那包围曝光可以设为1/250、1/125、1/60。步长太大，中间亮度区域衔接不好；步长太小，又浪费存储空间。

一个关键点：拍摄时一定要固定光圈。光圈变了，景深和衍射效应都会变，后期对齐会很麻烦。只调快门速度或ISO。我个人习惯优先调快门，ISO尽量保持最低。

4.2 对齐与去鬼影

素材拍完了，下一步就是预处理。这一步最容易被忽视，但恰恰是决定成败的关键。

为什么要对齐？手持拍摄时，哪怕你屏住呼吸，相邻两张照片之间也会有微小的位移。不对齐直接合成，画面边缘会出现重影，像没对上焦一样。我见过不少新手，拍了一组很好的包围曝光，结果因为没对齐，合成出来糊成一片。

对齐算法通常基于特征点匹配。先提取每张图像的特征点（比如SIFT或ORB），然后找对应关系，最后做透视变换或仿射变换把图像对齐。嗯，这里要注意：对齐的参考帧一般选中间曝光的那张，因为它细节最丰富。

去鬼影又是怎么回事？你想想看，包围曝光是连续拍摄的，中间可能有物体在动——行人走过、树叶摇晃、汽车驶过。这些运动物体在不同曝光帧里的位置不一样，直接合成就会产生半透明的鬼影。

去鬼影的核心思路是：检测运动区域，然后只从某一帧里取那个区域的内容，其他帧的对应区域被屏蔽掉。常用的方法有基于中值滤波的、基于光流场的、还有基于深度学习的分割。

我个人比较推荐的做法是：先做全局对齐，然后计算每帧与参考帧的差异图，差异大的区域标记为运动区域。最后生成权重图，运动区域只取参考帧，静止区域做正常融合。

4.3 合成算法的选择

预处理做完，终于到了合成这一步。市面上主流的合成算法有三种：Debevec、Robertson、Mertens。它们各有各的脾气，选对了事半功倍。

4.3.1 Debevec算法

Debevec是HDR合成界的元老，1997年提出的。它的核心思路是：先根据多张曝光图像反推出相机的响应函数，然后利用这个函数把每张图像的像素值映射到辐照度空间，最后加权平均得到HDR图像。

优点：物理模型精确，能还原真实的场景辐照度。适合做科学计算或需要精确亮度信息的场景。

缺点：计算量大，对输入图像的质量要求高。如果某张图过曝或欠曝太严重，响应函数拟合会出问题。

4.3.2 Robertson算法

Robertson算法是Debevec的改进版。它用迭代的方式同时估计响应函数和HDR图像，鲁棒性更强。说白了，它对噪声和曝光不准的容忍度更高。

优点：对噪声和曝光误差不敏感，适合手持拍摄或光线不稳定的场景。

缺点：迭代收敛需要时间，参数调起来有点麻烦。

我记得有一次在户外拍日落，风很大，三脚架都在晃。用Debevec合成出来一堆噪点，换成Robertson就好多了。从那以后，我遇到风大或手持的场景，首选Robertson。

4.3.3 Mertens算法

Mertens算法走的是另一条路——它不重建辐照度，而是直接在图像空间做融合。它根据对比度、饱和度和曝光度三个指标给每张图算权重，然后做多尺度融合。

优点：速度快，不需要相机响应函数，效果很“讨喜”——对比度高、色彩鲜艳。

缺点：不物理精确，不能用于光度测量。

最后说一句：算法没有的好坏，关键看你的需求。如果你追求物理精确，选Debevec或Robertson；如果你追求效率和视觉效果，Mertens就够了。我个人习惯是：正式项目用Debevec，快速验证用Mertens，遇到噪声问题切Robertson。