HDR图像合成硬件架构与RTL开发实战 - 第2节

多曝光图像序列：HDR的原材料

做HDR合成，第一步就是拿到多曝光图像序列。说白了，就是对着同一个场景，用不同的曝光时间拍好几张照片。你想想看，一张照片的动态范围有限，亮的地方过曝，暗的地方欠曝。但如果我们拍一组——一张欠曝、一张正常、一张过曝——就能把场景里从最亮到最暗的信息都抓全了。

我在项目中遇到过一个问题：图像序列的对齐精度。手持拍摄时，哪怕手抖一点点，像素就错位了。合成出来的HDR图像边缘会有鬼影，特别难看。所以硬件里一定要做运动补偿或者图像配准，这个后面章节会细讲。

曝光级别	曝光时间	保留信息	典型场景
欠曝	短	高亮区域细节	天空、灯光、反光面
正常	中	中间调细节	人物、建筑主体
过曝	长	暗部区域细节	阴影、背光面

嗯，这里要注意：多曝光序列的张数不是越多越好。3到5张是主流，再多的话，硬件处理带宽和存储开销会翻倍，收益却不大。

权重映射函数：给每个像素打分

拿到多张图像后，怎么决定每张图里哪些像素值得信任？这就是权重映射函数干的事。它的核心思想很简单：像素值太暗或太亮，噪声都大，不可靠；中间范围的像素最靠谱。

常见的权重函数有几种：

• 三角权重：线性上升再下降，实现简单，但过渡不够平滑
• 高斯权重：用高斯曲线，中间平坦，两边平滑下降，效果好
• 平台权重：中间一段给满权重，两端快速衰减，硬件实现友好

权重函数的数学形式大概是这样：

// 伪代码：平台权重映射
function weight(pixel_value, threshold_low, threshold_high):
    if pixel_value < threshold_low:
        return pixel_value / threshold_low
    else if pixel_value > threshold_high:
        return (255 - pixel_value) / (255 - threshold_high)
    else:
        return 1.0

我曾经踩过一个坑：权重函数没做归一化。合成出来的图像整体偏暗，查了半天才发现是权重和不为1。后来我在RTL里加了一个归一化除法器，问题就解决了。

合成公式：把多张图揉成一张

有了权重，合成公式就顺理成章了。每个像素位置的最终值，是所有曝光图像在该位置的加权平均。

公式长这样：

HDR(x,y) = Σ( W_i(x,y) * I_i(x,y) ) / Σ( W_i(x,y) )

其中：

• I_i(x,y) 是第i张曝光图像在(x,y)处的像素值
• W_i(x,y) 是对应的权重
• 分母是所有权重的和，保证归一化

你可能会问：为什么不用简单的最大值或者平均值？我试过，效果很差。最大值合成会丢失暗部细节，平均值合成会让亮部发灰。加权平均才是正道。

色调映射简介：把HDR塞进显示器

合成出来的HDR图像，像素值范围很大，可能是0到10000甚至更高。但普通显示器只能显示0到255。怎么办？这就需要色调映射。

色调映射的本质，就是把高动态范围压缩到低动态范围，同时尽量保留视觉细节。它不是简单的线性缩放——那样暗部会全黑，亮部会全白。

常见的色调映射算法分两类：

• 全局映射：整张图用同一个映射曲线。实现简单，但局部对比度会丢失
• 局部映射：根据像素周围区域调整映射参数。效果好，但硬件复杂度高

我记得在做一个监控摄像头项目时，用了全局映射。结果画面里同时有强光和阴影，细节全没了。后来换成局部映射，虽然逻辑多了不少，但效果立竿见影。

本章知识体系

下面这张图，把HDR合成算法的核心流程串起来了：

从图上你能看到，整个流程是串行的：多曝光图像进来，先对齐，再算权重，然后加权合成，最后根据需求决定要不要做色调映射。每个环节都有硬件实现的考量和优化空间。

嗯，这一章的内容就到这里。核心概念就三个：多曝光序列、权重映射、合成公式。色调映射先有个印象，后面会有专门章节深入讲它的硬件实现。