1. HDR成像基础：什么是高动态范围、HDR vs SDR对比、相机响应曲线(CRF)原理

1.1 什么是高动态范围？

先问大家一个问题：你站在窗边拍照，窗外阳光明媚，室内光线昏暗。普通手机拍出来，窗外一片死白，室内一团漆黑。但人眼却能同时看清窗外和室内的细节。为什么？

因为人眼的动态范围大约在 1000000:1 左右，而普通显示器和相机传感器只有 1000:1 到 2000:1。这个差距，就是我们要用 HDR 技术来填补的。

动态范围，说白了就是场景中最亮和最暗区域的亮度比值。用公式表示：

DR = L_max / L_min

其中 L_max 是场景最大亮度，L_min 是场景最小亮度。单位通常用 f-stop（档）或 dB 表示。

我在项目中遇到过最极端的场景——逆光下的车牌识别。白天强光直射，车牌反光到 10000 cd/m²，而车底阴影只有 0.1 cd/m²。普通相机根本拍不清车牌号。这就是典型的 HDR 刚需场景。

1.2 HDR vs SDR：差距到底有多大？

直接上对比表，大家感受一下：

对比维度	SDR（标准动态范围）	HDR（高动态范围）
亮度范围	0.1 - 100 cd/m²	0.0005 - 10000 cd/m²
色深	8-bit（256级）	10/12-bit（1024/4096级）
色域	BT.709（约35%可见色域）	BT.2020（约75%可见色域）
典型场景	室内、阴天、均匀光照	逆光、夜景、强光+阴影
存储格式	JPEG（8-bit）	EXR/TIFF（16-bit float）

嗯，这里要注意：SDR 的 8-bit 意味着每个通道只有 256 个灰度级。而 HDR 的 10-bit 有 1024 级，12-bit 有 4096 级。你想想看，在暗部区域，8-bit 可能只有 10 个灰度级来描述从黑到深灰的过渡，而 12-bit 有 160 级。这就是为什么 HDR 画面暗部细节更丰富、过渡更平滑。

1.3 相机响应曲线（CRF）原理

为什么需要 CRF？因为相机传感器是线性器件，但人眼对亮度的感知是非线性的。更麻烦的是，相机内部的 ISP 管线会对原始数据进行各种非线性变换——伽马校正、色调映射、去马赛克等等。

结果就是：像素值和场景亮度之间不是简单的线性关系。这个映射关系，就是 CRF（Camera Response Function）。

用数学表达：

I = f(E * t)

其中：

• I：最终像素值（0-255 或 0-1023）
• E：场景辐照度（场景真实亮度）
• t：曝光时间
• f(·)：CRF 函数（非线性映射）

我曾经踩过一个坑：直接用线性模型做多曝光融合，结果融合出来的图像颜色怪异、对比度失真。后来才意识到，必须先把不同曝光的图像通过 CRF 逆变换映射到辐照度域，在辐照度域做融合，再通过 CRF 正变换映射回像素域。

1.4 CRF 的数学建模与标定

实际工程中，我们常用两种方式处理 CRF：

1. Debevec 方法：基于多曝光图像对，通过最小二乘法拟合 CRF 曲线。精度高，但需要多张不同曝光的图像。
2. Gamma 模型：用 f(x) = x^(1/γ) 近似 CRF。简单快速，但精度有限，γ 通常取 2.2。

Debevec 方法的核心公式：

g(Z_ij) = ln(E_i) + ln(t_j)

其中：
- Z_ij：第 i 个像素在第 j 张曝光图像中的像素值
- g(·)：CRF 的逆函数（我们要拟合的目标）
- E_i：第 i 个像素的辐照度
- t_j：第 j 张图像的曝光时间

我个人习惯用 Debevec 方法做离线标定，Gamma 模型做在线快速处理。在嵌入式平台上，Gamma 模型只需要一个 LUT（查找表），计算量几乎为零。

1.5 本章知识体系

下面这张图总结了 HDR 成像的核心概念和它们之间的关系：

1.6 小结

这一章我们讲了三个核心概念：

• 动态范围：场景最亮和最暗的比值，HDR 的目标是逼近人眼的感知能力。
• HDR vs SDR：亮度范围差两个数量级，色深和色域也全面碾压。嵌入式平台上要优先保证 10-bit 数据通路。
• CRF 原理：相机像素值和场景亮度之间的非线性映射。记住一句话——在辐照度域做融合，再映射回像素域。