📚 课程目录第4章色调映射入门

4、色调映射入门：为什么需要色调映射、Tone Mapping Pipeline、全局vs局部映射、视觉感知基础

各位好，欢迎来到第四章。从这章开始，我们正式进入色调映射的世界。

说实话，我第一次接触HDR图像时，心里就一个想法：这玩意儿怎么在普通显示器上看？明明相机拍出来的RAW数据里藏着那么丰富的亮度信息，一转到8位图就全丢了。后来我才明白，这个从「高动态范围」到「低动态范围」的转换过程，就是色调映射要干的事。

4.1 为什么需要色调映射？

先想一个问题：人眼能同时看清的亮度范围大概是多少？

答案是10个数量级左右——从星光下的0.0001 cd/m²，到正午阳光下的100,000 cd/m²。但普通显示器的亮度范围呢？大概只有0.1到300 cd/m²，也就是3个数量级出头。

这就尴尬了。你拍了一张窗外阳光明媚、室内细节丰富的照片，显示器却只能显示其中一小部分。要么窗外过曝成一片白，要么室内暗部死黑。说白了，显示器的动态范围根本装不下真实世界的亮度信息。

核心矛盾： 真实场景的动态范围 ≈ 10^10 : 1，显示设备的动态范围 ≈ 10^3 : 1。色调映射就是在这两者之间搭一座桥。

色调映射的目标很明确：

保留视觉感知上的对比度——让亮的地方看起来亮，暗的地方看起来暗
保持细节可见——亮部和暗部的纹理都不能丢
避免伪影——不能出现光晕、色偏、梯度断层
符合人眼视觉习惯——看起来「自然」

我在项目中遇到过一种情况：用最简单的线性压缩把HDR图像硬拉到8位，结果整张图灰蒙蒙的，像蒙了一层雾。为什么？因为线性压缩把高亮区域的对比度压没了，人眼对亮部的细节感知本来就弱，这一压更是什么都看不到了。

4.2 Tone Mapping Pipeline

色调映射不是一步到位的。它有一套标准的处理流程，我习惯把它分成四个阶段：

预处理——去噪、对齐、亮度统计
全局映射——用一条曲线压缩整体亮度范围
局部调整——增强局部对比度，恢复细节
后处理——颜色校正、伽马编码、输出

下面这张图能帮你快速建立整体印象：

嗯，这里要注意：预处理阶段经常被新手忽略。我见过有人直接把HDR数据扔进映射函数，结果因为噪声被放大，整张图全是颗粒。所以第一步一定要做亮度统计——算一下场景的最大亮度、平均亮度、关键亮度（比如中灰点），这些参数直接决定了后面映射曲线的形状。

4.3 全局映射 vs 局部映射

这是色调映射里最核心的分水岭。两种思路，各有各的脾气。

对比维度	全局映射	局部映射
核心思想	整张图用同一套映射函数	每个像素根据邻域信息单独处理
计算速度	快（O(n)）	慢（O(n·k)，k为邻域大小）
对比度保留	全局对比度好，局部细节可能丢失	局部细节保留好，但可能产生光晕
典型算法	Reinhard、Drago、ACES	Durand（双边滤波）、Fattal（梯度域）
适用场景	实时渲染、视频、移动端	静态图像、高精度后期

全局映射说白了就是一条曲线走天下。比如经典的Reinhard算子：

// Reinhard 全局色调映射
float3 ReinhardToneMapping(float3 hdrColor, float keyValue) {
    // keyValue 是场景关键亮度，通常取平均亮度的某个比例
    float luminance = dot(hdrColor, float3(0.2126, 0.7152, 0.0722));
    float scaledLum = luminance * keyValue;
    float mappedLum = scaledLum / (1.0 + scaledLum);
    return hdrColor * (mappedLum / luminance);
}

这段代码看起来简单，但实际用起来有讲究。keyValue怎么取？我习惯的做法是先统计场景的平均亮度，然后乘以一个0.18的系数——这是摄影里的18%中灰标准。但如果你拍的是夜景，平均亮度很低，直接套用这个系数会让画面偏亮。所以我会加一个自适应逻辑：根据场景的动态范围动态调整keyValue。

局部映射就复杂多了。它的核心思路是：每个像素的映射方式取决于它周围的像素。比如双边滤波的做法：

// 基于双边滤波的局部色调映射（简化版）
float3 LocalToneMapping(float3 hdrColor, float2 uv, Texture2D hdrTex) {
    // 1. 计算亮度
    float luminance = dot(hdrColor, float3(0.2126, 0.7152, 0.0722));
    
    // 2. 用双边滤波分离基底层和细节层
    float baseLum = BilateralFilter(hdrTex, uv, luminance);
    float detailLum = luminance / baseLum;
    
    // 3. 只压缩基底层，保留细节层
    float compressedBase = baseLum / (1.0 + baseLum);
    float outputLum = compressedBase * detailLum;
    
    return hdrColor * (outputLum / luminance);
}

我曾经在一个项目里用局部映射处理一张逆光人像。背景是太阳，人脸在阴影里。全局映射的结果是：人脸倒是亮了，但背景的云彩细节全没了。换成局部映射后，人脸和背景的细节都保住了——但代价是处理一张4K图像花了将近3秒。所以你看，没有银弹，只有取舍。

避坑指南： 局部映射最容易出现的问题是光晕伪影（halo artifact）。我曾经在处理高对比边缘时，因为双边滤波的半径设得太大，结果在物体边缘出现了一圈亮边，看起来像PS没抠干净。解决办法是：滤波半径不要超过图像中最大细节的尺寸，或者改用引导滤波（guided filter）。

4.4 视觉感知基础

为什么色调映射要参考人眼视觉？因为最终看图像的是人，不是机器。

人眼有几个特性，直接决定了色调映射算法的设计方向：

韦伯-费希纳定律：人眼对亮度的感知是对数级的。也就是说，亮度从10到20的变化，和从100到200的变化，人眼感觉到的「亮度差」是一样的。所以大多数色调映射曲线都带对数成分。
局部对比度敏感：人眼对局部对比度比对全局对比度更敏感。这就是为什么局部映射虽然慢，但效果往往更「自然」。
亮度适应：人眼会根据环境亮度自动调整灵敏度。你在暗处待久了，瞳孔放大，感光细胞灵敏度提高。色调映射里的「key value」本质上就是在模拟这个适应过程。

一个小技巧： 如果你不确定映射后的图像是否「自然」，可以试试这个办法——把图像缩成小图，眯着眼睛看。如果整体明暗关系还清晰，说明映射方向是对的。如果整张图灰成一片，或者亮部暗部都糊了，那就得调整映射参数了。

我记得有一次调试一个HDR视频的实时色调映射，画面里有一个从室内走到室外的镜头。室内亮度低，室外亮度高。如果用固定参数的全局映射，室内部分会偏暗，室外部分会过曝。后来我加了一个基于帧间亮度统计的自适应key value，效果才稳定下来。说白了，色调映射不只是数学问题，更是感知工程问题。