一、运动HDR成像概述

各位同学好。今天咱们开始聊运动场景下的HDR成像。说实话，这个方向我做了快十年，踩过的坑比走过的路还多。但正是这些坑，让我对HDR的理解越来越深。

先问大家一个问题：你拿着手机拍夜景，是不是经常遇到亮的地方过曝、暗的地方死黑？这就是动态范围不够。HDR就是为了解决这个问题。

1.1 什么是运动HDR

运动HDR，说白了就是在场景中有物体在动的情况下，依然要拍出高动态范围的照片。比如街拍行人、车流、风吹树叶，甚至你手抖了一下——这些都算运动场景。

传统HDR拍三张不同曝光的照片，然后合成。但运动场景下，这三张照片里的物体位置不一样了。直接合成，就会出现鬼影、模糊、噪声放大。这就是我们要解决的问题。

1.2 运动场景下的三大挑战

我在项目中遇到过不少翻车案例。总结下来，运动HDR有三大拦路虎：

1. 鬼影（Ghosting）

这是最明显的。拍三张照片，第一张行人还在左边，第三张已经走到右边了。合成后，行人变成半透明的重影。嗯，看着就像灵异照片。

为什么会这样？因为HDR假设场景是静止的。一旦有运动，不同曝光帧之间的像素就不对应了。直接融合，同一个物体出现在不同位置，就产生了鬼影。

2. 运动模糊（Motion Blur）

长曝光帧最容易出现。为了捕捉暗部细节，曝光时间拉长到1/10秒甚至更久。这时候手一抖，或者物体一动，整张图就糊了。

我印象很深的一个项目：拍夜间马拉松。运动员跑得快，长曝光帧里全是拖影。后来我们不得不把长曝光帧的权重降到最低，甚至直接丢弃。

3. 噪声放大（Noise Amplification）

短曝光帧为了冻结运动，ISO会拉得很高。高ISO意味着噪声。合成时，如果运动区域直接取短曝光帧的数据，噪声就会被放大。

你想想看，暗部本来信噪比就低，再一放大，整个画面都是噪点。这就是为什么很多手机HDR在暗光下拍运动物体，效果反而更差。

挑战	产生原因	典型表现	我踩过的坑
鬼影	运动物体在不同曝光帧位置不一致	半透明重影、边缘错位	拍街景时行人变成“分身”
运动模糊	长曝光帧中物体或相机移动	边缘拖尾、细节丢失	夜间马拉松全是拖影
噪声放大	短曝光帧高ISO引入噪声	暗部颗粒感、彩色噪点	暗光运动场景反而更糊

1.3 HDR合成基础流程

先给大家画个流程图，把整体框架理清楚。后面每个环节我们都会深入讲。

流程其实不复杂。核心就几步：

1. 输入多曝光帧：通常是3帧，短曝光、中曝光、长曝光。也有用5帧甚至7帧的，但3帧是主流。
2. 预处理：先做去噪，再做图像对齐。对齐这一步很关键，后面会专门讲。
3. 运动检测：找出哪些区域有运动。这一步决定了后续的融合策略。
4. 分区域融合：运动区域用短曝光帧的数据，避免鬼影；静止区域用多帧融合，保留高动态范围。
5. 自适应权重调整：根据运动强度、噪声水平、边缘信息，动态调整融合权重。
6. 输出最终HDR：得到一张既无鬼影、又无噪声、动态范围还高的图像。

1.4 为什么运动HDR这么难

说白了，HDR和运动检测是矛盾的。HDR需要多帧信息互补，运动检测希望帧间差异越小越好。你想想看，长曝光帧和短曝光帧，亮度差了好几档，像素值完全不在一个量级上。这时候做运动检测，很容易把亮度变化误判为运动。

我曾经在一个项目中，把路灯的闪烁当成了运动物体。结果合成后，路灯周围一圈都是鬼影。后来才发现，是不同曝光帧里路灯的亮度差异太大，运动检测算法误报了。

1.5 本章小结

运动HDR的核心矛盾，就是动态范围提升和运动伪影抑制之间的平衡。后面29章，我们会一步步拆解这个矛盾，从预处理、运动检测、融合策略到后处理，每个环节都有对应的解决方案。

记住一句话：没有完美的HDR算法，只有最适合场景的工程方案。我们的目标，是在运动场景下，把HDR的效果做到极致。