3. 细节层次：高频、中频、低频信息在HDR中的表现

咱们做HDR色调映射，说白了就是在跟三个“频段”打交道：高频、中频、低频。这三个家伙在画面里各司其职，处理不好就会出问题。我刚开始接触HDR时，总以为把细节全保留就是好的，结果画面又脏又乱。后来才明白——分频段处理才是关键。

3.1 三个频段分别是什么？

先给个直观的理解。你想想看，一张照片里：

• 高频信息：像素值剧烈变化的地方。比如头发丝、树叶边缘、布料纹理。说白了就是“细碎的东西”。
• 中频信息：物体本身的质感。比如皮肤毛孔、木纹、墙面颗粒感。它不像高频那么刺眼，但没了它画面就假。
• 低频信息：大范围的亮度变化。比如天空从亮到暗的渐变、阴影区域、整体光照。它决定了画面的“基调”。

我在项目中遇到过最典型的例子：一张夜景HDR照片，路灯周围的高光区域，高频细节全被压缩没了，结果灯罩边缘糊成一团；而低频的暗部又被提得太亮，整个画面发灰。这就是没分频段处理的后果。

3.2 频段在HDR中的“矛盾”

HDR色调映射的核心矛盾是什么？动态范围压缩必然导致细节损失。但不同频段的损失，表现完全不一样。

频段	压缩后的典型问题	我的处理经验
高频	边缘模糊、纹理丢失、画面变“肉”	单独做边缘增强，但别过头，否则噪声也跟着放大
中频	质感消失、画面像塑料、不自然	保留中频的方差，别用太强的平滑滤波
低频	对比度下降、画面发灰、层次感丢失	用局部自适应方法恢复对比度，别全局拉曲线

嗯，这里要注意：高频最容易受噪声污染。因为噪声本身也是高频信号。你增强高频细节时，噪声也跟着被放大了。我曾经在一个暗光HDR项目里，为了保留树叶纹理，把高频增益调高了0.3，结果画面全是噪点，最后不得不重做。

3.3 频段分离的常用方法

实际工程中，我们怎么把这三个频段分开？我常用的方法有几种：

3.3.1 高斯滤波 + 减法（最简单）

这是最基础的做法。用高斯模糊提取低频，然后用原图减去低频得到高频。中频嘛，可以用两个不同尺度的高斯模糊相减得到。

// 伪代码示例
low = gaussian_blur(image, sigma=10)      // 低频
high = image - gaussian_blur(image, sigma=1)  // 高频
mid = gaussian_blur(image, sigma=1) - gaussian_blur(image, sigma=10) // 中频

但这个方法有个坑：高斯滤波会模糊边缘，导致高频分量里包含边缘“振铃”。我建议改用双边滤波或导向滤波来提取低频，边缘保持更好。

3.3.2 拉普拉斯金字塔（更精细）

我个人习惯用拉普拉斯金字塔做频段分解。它把图像分成多个尺度层，每一层对应一个频段范围。比如：

• 底层（大尺寸）：低频
• 中间层：中频
• 顶层（小尺寸）：高频

这样做的好处是，你可以对每个频段独立做色调映射，最后再合成回去。我在一个8K HDR视频项目里就用过这个方法，效果比单尺度好很多。

3.4 频段与噪声的“纠缠”

做HDR的人都知道，噪声主要集中在中高频。尤其是高频，噪声和细节几乎混在一起，分不开。

为什么会这样？因为噪声的像素值变化也是剧烈的、局部的，和纹理细节在频域上高度重叠。你没法用一个简单的频率阈值把它们分开。

我曾经试过用维纳滤波去噪，结果细节也跟着没了。后来改用非局部均值去噪（Non-Local Means），在保留纹理方面好一些，但计算量太大，实时处理扛不住。

3.5 频段处理的核心流程

下面这张图是我在实际项目中总结的频段处理流程，你可以参考：

3.6 实际项目中的取舍

说实话，理论很完美，但工程上总要取舍。我总结了几条经验：

1. 高频不要过度处理。保留一些原始细节，比强行增强更自然。我一般把高频增益控制在0.8~1.2之间。
2. 中频是“画质担当”。中频处理坏了，画面就假。我建议中频层用导向滤波做平滑，边缘保持最好。
3. 低频决定“氛围”。低频的对比度恢复，用局部直方图均衡化（CLAHE）比全局曲线好得多。