1. HDR成像概述：什么是高动态范围、HDR vs SDR、多帧融合的基本原理、课程目标与项目预览
各位同学好，我是你们这门课的主讲。在正式开始之前，我想先聊聊我自己的一个经历。几年前我接手一个手机相机项目，客户反馈说在逆光下拍人像，人脸要么死黑一片，要么背景过曝成一片白。我折腾了好几个晚上，试了各种单帧算法，效果都不理想。后来我意识到，这不是算法调参的问题，而是传感器本身的物理限制——它一次只能记录有限的光影信息。这就是我们今天要聊的起点：高动态范围。
什么是高动态范围？
说白了，动态范围就是相机能同时记录的最亮和最暗部分的亮度比值。你想想看，人眼能同时看清阳光下的沙滩和阴影里的贝壳，但相机传感器做不到。它就像一个容量有限的桶，装不下那么大的亮度跨度。
我习惯用一个简单的比喻：假设场景中最亮处是10000尼特，最暗处是1尼特，那动态范围就是10000:1。普通手机传感器单帧能记录的，大概在1000:1左右。这就是为什么你拍夕阳时，天空的云彩细节全没了，或者地面建筑成了剪影。
核心概念：高动态范围（HDR）成像，就是通过技术手段，让最终图像能呈现远超传感器单帧能力的亮度范围。目标是把10000:1的场景压缩到显示器能显示的1000:1，同时保留所有细节。
HDR vs SDR：差距到底在哪？
标准动态范围（SDR）图像，比如你电脑上大多数JPEG图片，每个像素用8位数据表示，也就是0-255的亮度等级。这够用吗？日常看看还行，但遇到大光比场景就露馅了。
我整理了一个对比表，方便你直观理解：
| 特性 | SDR（标准动态范围） | HDR（高动态范围） |
|---|---|---|
| 位深 | 8位（0-255） | 10位或更高（0-1023+） |
| 亮度范围 | 约100:1 | 可达10000:1以上 |
| 色彩表现 | sRGB色域，有限 | BT.2020色域，更广 |
| 典型场景 | 室内、阴天、均匀光照 | 逆光、夜景、强光反射 |
| 文件格式 | JPEG、PNG | EXR、HDR、RAW |
嗯，这里要注意：SDR图像不是不能用，而是它的“天花板”太低。我曾经在一个项目中，客户坚持用SDR格式输出，结果在HDR显示器上一看，暗部全是噪点，亮部一片惨白。后来我们改用了10位流水线，效果立竿见影。
多帧融合的基本原理
既然单帧搞不定，那就多拍几张呗。多帧融合HDR的核心思路很简单：用不同曝光时间拍摄同一场景，然后把它们合成一张图。
具体来说，流程是这样的：
- 短曝光帧：捕捉高亮区域的细节，比如天空的云彩、灯光的纹理。暗部会欠曝，但没关系。
- 长曝光帧：捕捉暗部区域的细节，比如阴影里的草丛、人脸。亮部会过曝，但没关系。
- 中间曝光帧：作为参考，提供中灰区域的色彩和纹理。
- 融合：通过算法，从每帧中提取“最好”的部分，合成一张动态范围扩展的图像。
我刚开始做多帧融合时，犯过一个低级错误：直接把三帧图像按像素取平均。结果呢？运动物体出现了鬼影，边缘模糊得一塌糊涂。后来我才明白，融合不是简单的叠加，而是需要做对齐、去鬼影、权重计算等一系列处理。
避坑指南：我曾经在夜景HDR项目中，因为没做运动物体检测，导致行人拖影严重。后来我加了一个基于光流的对齐模块，才解决了这个问题。记住：多帧融合的前提是“场景基本静止”，或者你有足够强的运动补偿算法。
下面这张图展示了多帧融合HDR的核心流程：
课程目标与项目预览
这门课不是讲理论，而是带你从零搭建一个完整的HDR重建流水线。我把它分成三个层次：
- 基础层：理解HDR的数学原理、相机响应曲线、曝光策略。这部分我会用代码演示，而不是只给公式。
- 核心层：实现多帧对齐、去鬼影、权重融合。这是最硬核的部分，我会分享我在项目中踩过的坑。
- 应用层：把HDR结果映射到标准显示器（色调映射），以及如何评估质量。
最终你会完成一个这样的项目：输入3-5张不同曝光的RAW图像，输出一张高质量的HDR图像，并生成可在普通屏幕上观看的SDR版本。我还会教你如何用Python和OpenCV实现整个流程，代码量大概在500行左右。
注意：这门课假设你有基本的图像处理知识（像素操作、卷积、色彩空间），以及Python编程经验。如果你还不熟悉这些，建议先补一下基础。我不会花时间讲“什么是RGB”这种入门内容。
好了，第一章就到这里。记住：HDR不是魔法，它只是用多帧信息来弥补传感器的物理局限。接下来的章节，我们会一步步拆解每个环节。准备好了吗？