一、人像模式概述：从定义到实战
各位同学好，我是负责这次课程的高通平台影像工程师。人像模式这个功能，说白了就是让手机拍出类似单反大光圈的效果——人物清晰、背景虚化。我入行那会儿，这功能还叫“背景虚化”，后来各家厂商才统一叫“人像模式”。
你可能会问：为什么手机需要专门搞个模式？直接拍不行吗？嗯，这里面的门道不少。咱们先看个对比表格。
| 对比维度 | 普通拍照模式 | 人像模式 |
|---|---|---|
| 核心目标 | 记录场景全貌 | 突出人物主体 |
| 景深控制 | 无（全实焦） | 模拟浅景深 |
| 处理流程 | 单帧ISP直出 | 多帧+深度图+虚化合成 |
| 计算负载 | 低 | 高（需NPU/DSP加速） |
| 适用场景 | 风景、抓拍、文档 | 人物、宠物、静物特写 |
1.1 人像模式到底在做什么？
我习惯把它的工作拆成三步：找人 → 算深度 → 做虚化。听起来简单，但每一步都有坑。
- 找人：人脸检测+人体分割。高通平台上有专门的SNPE（骁龙神经处理引擎）跑模型，我记得最早在骁龙845上就开始推了。
- 算深度：双摄视差、ToF、或者单摄AI深度估计。我在项目中遇到过，单摄方案在头发丝边缘容易翻车。
- 做虚化：根据深度图对背景做模糊，同时保留前景边缘锐利。
关键认知：人像模式不是“拍”出来的，是“算”出来的。每一张好看的人像照片背后，都有一张深度图和一套复杂的融合算法。
1.2 应用场景：不止是拍人
很多人以为人像模式只能拍人。其实不然。我做过一个项目，客户要求用这个模式拍宠物猫——猫的毛发比人脸难处理多了。常见的场景包括：
- 人物肖像：最核心场景，要求肤色自然、边缘无锯齿。
- 宠物/静物：主体非人脸时，需要通用物体分割模型。
- 视频人像：实时虚化，对帧率和功耗要求极高。
- 夜景人像：低光下要同时做降噪和虚化，难度翻倍。
避坑指南：我曾经在调试夜景人像时发现，虚化强度开太高，背景噪点会被放大成“油画感”。后来我们加了一个噪点感知的虚化强度曲线，才解决这个问题。
1.3 与普通拍照的本质区别
普通拍照是“所见即所得”，人像模式是“所见非所得”。你想想看，普通模式按下快门，ISP直接处理RAW数据输出。人像模式呢？它要：
- 同时拍多帧（主摄+副摄，或者多帧合成）
- 跑深度学习模型做分割
- 生成深度图
- 做分层虚化渲染
- 最后再和原图融合
这个流程走下来，延迟至少多出200-500ms。所以为什么人像模式拍照会感觉“慢半拍”？就是这个原因。
1.4 高通平台上的特殊之处
在高通平台上做人像模式，有几个硬件加速器是绕不开的：
| 硬件模块 | 在人像模式中的作用 | 我常用的API/接口 |
|---|---|---|
| ISP（图像信号处理器） | 多帧合成、HDR、降噪 | camx/chromatix |
| DSP（数字信号处理器） | 跑轻量级分割模型 | Hexagon SDK |
| NPU（神经网络处理单元） | 跑高精度深度估计模型 | QNN / SNPE |
| GPU（图形处理器） | 虚化渲染、后处理特效 | OpenGL ES / Vulkan |
我个人习惯把分割模型放在DSP上跑，深度估计放NPU。为什么？因为分割模型对精度要求没那么高，DSP功耗更低；深度估计一旦出错，虚化边缘就穿帮，必须上NPU保精度。
1.5 人像模式的核心知识体系
下面这张图是我自己整理的，把整个章节的知识点串起来。你看一眼就能明白人像模式在系统层面是怎么组织的。
1.6 实战中的几个关键认知
讲完理论，说点实际的。我在调试人像模式时，有几个原则一直贴在工位上：
- 边缘是命根子：虚化效果好不好，不看背景糊得有多柔，看人物头发丝有没有被“吃掉”。
- 深度图要平滑：深度图如果出现“空洞”或者“跳变”，虚化就会一块深一块浅，非常假。
- 虚化强度不是越强越好：f/0.95的模拟光圈看着爽，但边缘瑕疵也会被放大。我一般建议默认f/2.0左右。
注意：千万不要在弱光下开最大虚化强度。我曾经在骁龙平台上踩过这个坑——背景噪点被模糊算法放大成“水波纹”，整个画面像隔着毛玻璃看。后来我们加了一个光照感知的虚化强度限制，低于50 lux自动降一档。
1.7 本章小结
人像模式不是简单的“加个滤镜”，它涉及检测、分割、深度估计、渲染合成等多个环节。在高通平台上，我们要学会利用ISP、DSP、NPU、GPU各自的优势，把计算负载分摊开。记住：好的虚化，是让用户觉得“这手机拍得真像单反”，而不是“这手机P图好假”。