1. HDR成像基础：从一张过曝的照片说起
你有没有遇到过这种情况——大晴天给朋友拍照，人脸黑成一团，背景却白得刺眼？或者晚上拍夜景，路灯亮得像太阳，周围细节全没了？
这就是动态范围不够用。说白了，相机能同时记录的最亮和最暗区域之间的跨度，就是动态范围。现实世界的亮度跨度有多大？从星光下的0.0001 cd/m²，到正午阳光下的100,000 cd/m²，差了整整9个数量级。而我们常见的SDR（标准动态范围）图像，只能覆盖大约6档曝光，约1000:1的对比度。
HDR（高动态范围）要解决的，就是这个根本矛盾。
1.1 什么是HDR？
HDR不是一种滤镜，也不是简单的「提亮暗部、压暗高光」。它是一种完整的成像技术链，目标是让最终图像更接近人眼真实看到的场景。
人眼的动态范围有多强？在适应后，可以同时分辨约10-14档曝光，约10,000:1的对比度。HDR成像试图通过多帧融合、色调映射等手段，把这个范围尽可能还原出来。
核心定义：HDR图像包含远超SDR的亮度信息，通常以浮点数据格式存储（如OpenEXR、Radiance HDR），每个像素的亮度值可以超过1.0或低于0.0，没有固定的上限。
我刚开始接触HDR时，犯过一个低级错误——直接把多帧曝光图像平均叠加，结果运动物体全是鬼影。后来才明白，HDR的核心不是「堆数据」，而是「选数据」。每帧只取它曝光最准确的那部分像素，再融合到一起。
1.2 HDR与SDR的对比
咱们直接看一张对比表，差异一目了然：
| 维度 | SDR（标准动态范围） | HDR（高动态范围） |
|---|---|---|
| 亮度范围 | 0.1 - 100 cd/m²（约6档） | 0.0001 - 10,000 cd/m²（约14档） |
| 位深 | 8-bit（256级） | 10-bit / 12-bit / 16-bit 浮点 |
| 色彩空间 | Rec. 709 / sRGB | Rec. 2020 / DCI-P3 |
| 存储格式 | JPEG / PNG（8-bit） | OpenEXR / TIFF 16-bit / AVIF |
| 显示设备 | 普通显示器 / 手机屏 | HDR显示器 / 杜比视界电视 |
| 典型场景 | 室内、阴天、均匀光照 | 逆光、夜景、大光比场景 |
你想想看，8-bit图像只有256个灰度级，而真实世界的亮度变化是连续的。强行把14档信息压缩进8-bit，结果就是：暗部一片死黑，亮部一片死白，中间过渡生硬。这就是SDR的物理天花板。
我的经验：在安防监控项目中，SDR摄像头在夜间强光下车灯区域完全过曝，车牌根本看不清。换成HDR方案后，车牌细节清晰可辨，暗部区域的行人轮廓也能保留。这不是算法有多神，而是数据基础就不同。
1.3 HDR的应用场景
HDR不是实验室里的玩具。我参与过的项目覆盖了三个主要方向，每个方向对HDR的需求侧重点都不一样。
手机摄影
这是大家最熟悉的场景。手机传感器小，单帧动态范围天生受限。所以手机厂商都在拼多帧HDR。
- 多帧合成：连拍3-5帧不同曝光，对齐后融合。我见过有些方案用7帧，但效果提升有限，反而增加了鬼影风险。
- 实时预览：取景器里就要看到HDR效果，延迟不能超过100ms。这对ISP（图像信号处理器）的算力要求很高。
- 人像模式：逆光下既要保留背景细节，又要保证人脸不过暗。我做过一个项目，人脸区域单独做局部色调映射，效果比全局映射好很多。
避坑指南：我曾经在手机HDR项目里踩过一个坑——多帧对齐时用了全局仿射变换，结果遇到有风的天，树叶在动，对齐失败导致重影。后来改用局部光流+特征点匹配，才解决了这个问题。
安防监控
安防场景对HDR的要求更苛刻。为什么？因为监控摄像头24小时工作，光照条件从正午烈日到深夜微光，跨度极大。
- 宽动态（WDR）：出入口场景，室内暗、室外亮，单帧根本拍不清人脸。HDR WDR技术可以同时保留室内外细节。
- 低照度增强：夜间监控，暗部噪声大。HDR多帧融合可以降噪，但运动目标会模糊。我做过一个方案：先检测运动区域，对静止区域做多帧降噪，运动区域用单帧增强。
- 强光抑制：夜间车灯、路灯等强光源，容易导致传感器饱和。HDR可以通过不同曝光帧的「高光替换」策略，把过曝区域用欠曝帧的数据补上。
我记得有一次在停车场监控项目里，客户反馈夜间车牌总是反光看不清。我们分析后发现，问题出在单帧曝光策略上——车牌反光区域过曝，而周围环境欠曝。改用HDR后，车牌区域用短曝光帧，环境用长曝光帧，问题就解决了。
自动驾驶
这是HDR技术最前沿的应用场景之一。车载摄像头面临的光照挑战，比手机和安防都复杂。
- 隧道进出：从明亮室外突然进入黑暗隧道，人眼需要适应，但自动驾驶系统不能有延迟。HDR摄像头可以在同一帧内同时看到隧道外的天空和隧道内的路面。
- 夜间会车：对向车辆远光灯直射，普通摄像头直接过曝，什么都看不见。HDR方案可以保留高光区域的细节，同时看清暗处的行人或障碍物。
- 多传感器融合：HDR图像通常要输入给深度学习模型做目标检测。我做过测试，HDR图像比SDR图像在夜间行人检测的mAP（平均精度）上提升了约15%。
关键指标：自动驾驶HDR摄像头通常要求动态范围达到120dB以上，帧率30fps，延迟低于50ms。这比手机摄影的要求高了一个数量级。
1.4 HDR成像的核心流程
为了让你对HDR有个整体认识，我画了一张流程图。这张图会贯穿我们整个课程，后面每一章都会围绕其中的某个环节展开。
这个流程看起来简单，但每一步都有大量细节。举个例子，多帧融合这一步，如果直接取每帧的「最佳曝光像素」拼接，会出现亮度不连续的问题。我做过一个方案：用拉普拉斯金字塔分解，在不同频段上分别融合，再重建，效果就自然多了。
1.5 本章小结
HDR不是锦上添花的技术，而是解决「传感器动态范围远小于人眼」这个根本问题的必要手段。从手机摄影到自动驾驶，HDR正在成为成像系统的标配。