多帧HDR原理：曝光互补与Pipeline概览
好，咱们进入第二章。上一章我们聊了HDR是什么，以及为什么单帧搞不定。这一章，我来拆解多帧HDR的核心思想——说白了，就是怎么用几张不同曝光的照片，拼出一张高动态范围的图。
多帧曝光的基本思想
先问个问题：为什么不用一张照片搞定所有亮度？
因为传感器有物理极限。一张照片里，暗部要提亮，亮部要压暗，这本身就是矛盾的。你想想看，曝光时间长了，暗部细节是出来了，但高光区域直接过曝，变成一片死白。曝光时间短了，高光保住了，暗部又黑成一团。
多帧HDR的思路很简单：拍多张，各取所长。
- 短曝光帧：负责高光区域。天空、灯箱、反光面，这些地方细节都在短曝里。
- 中曝光帧：负责中间调。人脸的肤色、建筑物的纹理，这部分通常由中间帧搞定。
- 长曝光帧：负责暗部区域。阴影里的草丛、室内角落，这些细节靠长曝拉出来。
我在项目里遇到过一种情况：拍夜景时，长曝光帧里路灯已经过曝到完全看不出灯罩纹理了。但短曝光帧里，灯罩的金属质感清清楚楚。这就是互补的价值——没有哪一帧是完美的，但合在一起就是完美的。
核心原则：每一帧只负责它擅长的亮度区间。多帧HDR的本质，就是做一次「亮度区间的最优分配」。
短曝光与长曝光的互补关系
咱们具体看看短曝和长曝是怎么互补的。我习惯用一个简单的模型来理解：
| 属性 | 短曝光帧 | 长曝光帧 |
|---|---|---|
| 曝光时间 | 1/1000s 或更短 | 1/30s 或更长 |
| 信噪比（暗部） | 极低，暗部全是噪点 | 高，暗部细节清晰 |
| 高光保留 | 完美，高光细节丰富 | 过曝，高光区域丢失 |
| 运动模糊风险 | 低，能冻结运动 | 高，手持容易糊 |
| 适用场景 | 强光、高反差、运动物体 | 弱光、阴影、静态场景 |
你看，这两者几乎是完全互补的。短曝的弱点（暗部噪点多）正好是长曝的强项；长曝的弱点（高光过曝）正好是短曝的强项。
嗯，这里要注意：互补不是简单的叠加。你不能直接把两张图叠在一起，那样会得到一张模糊的重影。你需要知道每个像素应该从哪一帧取数据——这就是后面要讲的对齐和融合。
我的经验：实际项目中，我通常建议至少拍3帧（-2EV, 0EV, +2EV）。2帧虽然也能做，但中间调的过渡会不够自然。3帧是一个很好的平衡点。
多帧HDR的Pipeline概览
好，理论讲完了，咱们看看实际流程。多帧HDR的Pipeline，我把它拆成5个核心步骤：
- 多帧采集：控制相机或手机，快速连拍不同曝光的帧。注意，这里要保证帧间时间差尽量小，减少运动变化。
- 帧对齐：由于手持或物体运动，帧与帧之间会有偏移。这一步要做图像配准，把像素点对应起来。
- 鬼影检测与去除：运动物体（比如行人、汽车）在不同帧里位置不同，直接融合会出现「鬼影」。这一步要识别并处理这些区域。
- 权重融合：根据每个像素的亮度、信噪比、运动状态，计算一个权重图，然后加权合成。
- 色调映射：融合后的结果是高动态范围的（比如32位浮点），但显示设备只能显示8位。这一步把HDR数据压缩到可显示的范围内。
我曾经在一个手机项目里踩过坑：帧对齐做得不够好，结果拍夜景时，树叶边缘出现了明显的重影。后来我加了一个「局部运动检测」的模块，专门处理这些非刚性运动区域，效果才好了很多。
下面这张图，是我自己画的一个Pipeline概览，你可以直观地看到数据是怎么流动的：
这个Pipeline看起来是线性的，但实际工程中，每一步都可能需要反馈迭代。比如帧对齐做得不好，鬼影检测就会误判；鬼影检测的结果，反过来又可以用来优化对齐参数。我习惯在代码里留一个「调试模式」，把中间结果都dump出来，方便定位问题。
避坑指南：我曾经在一个项目中，为了追求速度，跳过了鬼影检测这一步。结果拍出来的HDR照片里，行人的手臂变成了半透明的「幽灵」。从那以后，我再也不敢省这一步了——鬼影检测虽然耗时，但它是HDR质量的底线。
小结一下
多帧HDR的原理，说白了就是「取长补短」。短曝保高光，长曝拉暗部，中间帧负责过渡。Pipeline的5个步骤环环相扣，每一步都有它的坑和技巧。