1. 课程导论：HDR成像基础、噪声来源分析、色调映射与噪声抑制的耦合关系
1.1 什么是HDR成像？
HDR成像，说白了就是让照片更接近人眼看到的真实世界。普通相机拍出来的照片，亮的地方容易过曝，暗的地方一片死黑。HDR技术就是为了解决这个问题。
我记得刚入行那会儿，给一个博物馆做文物数字化项目。那些青铜器上的铭文，普通照片根本拍不清楚——高光反射和暗部细节只能二选一。后来用了HDR融合，才把那些几千年前的文字完整还原出来。
HDR成像的核心思路其实很简单：
- 多曝光采集：对同一场景拍多张不同曝光量的照片
- 辐照度重建：从多张低动态范围（LDR）图像恢复出场景的真实辐照度
- 色调映射：将高动态范围数据压缩到显示设备能呈现的范围
关键概念：动态范围 = 场景中最亮区域与最暗区域的亮度比值。人眼能感知约10^5:1的动态范围，而普通显示器只能显示约10^3:1。
1.2 噪声从哪来？
做HDR的人最头疼的问题，就是噪声。你想想看，本来多曝光融合就是为了提升画质，结果噪声反而被放大了。为什么会这样？
噪声来源主要有三个：
| 噪声类型 | 来源 | 特点 | 影响程度 |
|---|---|---|---|
| 光子散粒噪声 | 光子到达传感器的随机性 | 与信号强度平方根成正比 | 中高亮度区域明显 |
| 读出噪声 | 传感器电路和ADC转换 | 与曝光时间无关，固定模式 | 暗部区域最突出 |
| 暗电流噪声 | 传感器热激发产生的电子 | 随温度升高指数增长 | 长曝光时严重 |
我在项目中遇到过最典型的场景：用手机拍夜景HDR。暗部区域读出噪声本来就大，多帧融合时如果权重分配不当，噪声会被放大到肉眼可见的程度。嗯，这里要注意——不是所有噪声都能靠后期降噪解决。
避坑指南：我曾经在一个安防监控项目里，为了追求高动态范围，把曝光时间拉到了2秒。结果暗电流噪声直接把画面毁了，温度一高全是热噪点。后来我学乖了，长曝光帧一定要做温度补偿。
1.3 色调映射与噪声抑制的耦合关系
这是本课程最核心的问题。很多人以为色调映射和噪声抑制是两件独立的事——先降噪，再映射。但实际做下来你会发现，它们之间是深度耦合的。
为什么耦合？我给你拆解一下：
- 色调映射会放大噪声：局部色调映射（比如基于Retinex的方法）在增强暗部细节时，会同步放大暗部噪声
- 降噪会破坏细节：过度平滑噪声的同时，也会模糊边缘和纹理，导致色调映射后出现光晕
- 多曝光融合中的噪声传递：不同曝光帧的噪声特性不同，融合权重如果只考虑亮度，噪声会被不均匀放大
我的经验：别把降噪和色调映射做成流水线。我建议在辐照度重建阶段就引入噪声感知的权重设计，让降噪和映射共享同一个优化目标。具体怎么做？后面几章会详细讲。
1.4 本章知识体系
下面这张图，是我自己梳理的HDR噪声抑制与色调映射协同优化的整体框架。你可以把它当作本课程的导航图。
1.5 课程路线图
整门课我会按这个逻辑展开：
| 阶段 | 章节 | 核心内容 |
|---|---|---|
| 基础篇 | 1-5章 | HDR成像原理、噪声建模、色调映射基础 |
| 方法篇 | 6-15章 | 噪声感知融合、自适应降噪、梯度域映射 |
| 协同篇 | 16-25章 | 联合优化框架、端到端学习、实时处理 |
| 实战篇 | 26-30章 | 移动端部署、特殊场景调优、项目复盘 |
学习建议：如果你已经有图像处理基础，可以直接从第6章开始。但我建议你还是花点时间过一遍前5章——尤其是噪声建模部分，后面所有协同优化的推导都基于它。