一、课程导论与项目全景：从RAW到成片的暗光增强之旅

大家好，我是这门课的主讲。在图像处理这个行当摸爬滚打了十几年，我见过太多「白天是王者，晚上是青铜」的算法。暗光增强，说白了就是跟「看不见」和「看不清」较劲。今天咱们先聊聊这门课到底要干什么，以及你学完之后能做出什么。

1.1 暗光增强：到底在增强什么？

先别急着上公式。暗光增强不是简单地把照片调亮。我个人的理解是：在信噪比极低的情况下，把「有用信息」从「噪声泥潭」里捞出来，同时把颜色还原成人眼看着舒服的样子。

你想想看，一张在路灯下拍的照片，暗部全是彩色噪点，亮部偏黄偏绿。这时候你单纯拉高亮度，噪点也跟着放大，颜色反而更怪。这就是为什么我们需要一套完整的流程，而不是一个滤镜。

1.2 应用场景：哪里需要暗光增强？

说实话，这个技术现在几乎无处不在。我简单列几个我实际参与过的项目场景：

场景	典型问题	我的经验
安防监控	夜间红外图像细节丢失、人脸模糊	我曾经做过一个小区监控项目，晚上拍到的车牌全是「马赛克」，后来靠多帧融合才勉强看清
手机摄影	手持夜景噪点多、颜色偏紫偏绿	某款旗舰机的夜景模式，里面就有我们团队贡献的降噪算法
自动驾驶	隧道出入口、夜间低照度下的障碍物检测	我记得有一次测试，算法在暗光下把垃圾桶识别成了行人……嗯，后来我们专门优化了暗光下的语义分割
医疗内窥镜	体内光照不足、组织颜色偏暗偏红	这个领域对色彩还原要求极高，差一点都可能误诊

1.3 课程项目总览：从RAW图到最终成片

这门课不是讲理论就完事了。咱们会完整走一遍从RAW图到最终成片的流程。我习惯把这个流程分成四个阶段：

1. RAW图解码与预处理 —— 拿到最原始的传感器数据，做黑电平校正、去马赛克。
2. 暗光增强核心算法 —— 包括亮度提升、噪声抑制、细节恢复。
3. 色彩重建与白平衡 —— 把偏色的暗光图还原成自然色彩。
4. 后处理与输出 —— 色调映射、锐化、格式输出。

下面这张图可以帮你快速建立全局认知：

1.4 你会学到什么？

这门课一共30章，咱们会从最基础的RAW图格式讲起，一直做到最终的成片输出。我整理了一个课程模块清单，你可以先有个底：

模块	章节范围	核心产出
基础与数据	第1-5章	理解RAW格式、搭建数据处理管线
暗光增强算法	第6-15章	实现Retinex、多帧融合、深度学习降噪
色彩重建	第16-22章	白平衡、色彩校正、色域映射
工程化与优化	第23-28章	模型量化、端侧部署、性能调优
综合实战	第29-30章	完整项目：从RAW到成片的全流程实现

1.5 避坑指南：我踩过的那些坑

做暗光增强，有几个坑我几乎每次都会遇到。提前告诉你，省得你走弯路：

• 坑一：直接用RGB图做增强。 我曾经图省事，拿JPEG直接调亮度，结果颜色断层得一塌糊涂。记住：一定要从RAW开始，那里才有完整的传感器信息。
• 坑二：降噪过度。 有一次我把一张夜景照片的噪声去得太干净，结果人脸变成了「塑料质感」。嗯，后来我学会了保留适量纹理。
• 坑三：白平衡只靠自动。 自动白平衡在暗光下经常翻车。我习惯在暗光场景下手动介入，或者用色温估计模型辅助。

1.6 本章小结

这一章咱们把整个课程的蓝图铺开了。你知道了暗光增强到底在解决什么问题，也看到了从RAW到成片的完整流程。接下来的每一章，我都会带着你亲手实现其中的一个模块。

说实话，做暗光增强最有成就感的一刻，就是看到一张原本黑乎乎、全是噪点的照片，经过你的算法处理后变得清晰、自然、色彩舒服。那种感觉，比调参调出SOTA还爽。