1.1 HDR 成像基础：从概念到应用价值
高动态范围（High Dynamic Range, HDR）成像技术是 ISP（图像信号处理器）调优工程中的核心模块之一。本章从最基础的动态范围定义出发，逐步拆解 HDR 与 LDR 的本质差异，并分析其在安防监控与手机摄影两大领域的工程落地价值。
1.1.1 动态范围的定义与物理意义
动态范围（Dynamic Range, DR）描述了一个系统或场景中，最大可测量信号与最小可分辨信号之间的比值，通常以分贝（dB）或比特（bit）为单位。在成像领域，动态范围决定了传感器或显示设备能够同时记录的最亮与最暗细节的能力。
| 领域 | 动态范围定义 | 典型单位 |
|---|---|---|
| 场景亮度 | 场景中最亮区域与最暗区域的亮度比值 | dB / 光圈级数 (f-stop) |
| 图像传感器 | 满阱容量（Full Well Capacity）与读出噪声的比值 | dB / 比特 |
| 显示设备 | 最大亮度（nit）与黑电平亮度的比值 | 对比度 (x:1) |
| 人眼视觉 | 人眼在单次适应下能分辨的亮度范围 | 约 10~14 f-stop |
工程经验： 在 ISP 调优中，我们通常用 f-stop（光圈级数）来量化动态范围。每增加 1 f-stop，动态范围翻倍（即 6 dB）。一个 12-bit 传感器的理论动态范围为 12 f-stop（72 dB），但实际受噪声影响通常只能达到 10~11 f-stop。
1.1.2 LDR 与 HDR 的核心对比
低动态范围（LDR）成像通常指 8-bit 图像，每个像素仅能表示 0~255 的亮度等级，对应约 6~8 f-stop 的动态范围。HDR 成像则通过多帧融合或特殊传感器设计，将动态范围扩展至 12~20 f-stop 甚至更高。
下表从多个维度对比 LDR 与 HDR 成像的关键差异：
| 对比维度 | LDR（标准成像） | HDR（高动态范围） |
|---|---|---|
| 位深 | 8-bit（256 级） | 12~20-bit（融合后） |
| 动态范围 | 6~8 f-stop | 12~20 f-stop |
| 亮部细节 | 易过曝（天空、灯光） | 保留高光纹理 |
| 暗部细节 | 易欠曝（阴影、背光面） | 保留暗部层次 |
| 融合方式 | 单帧曝光 | 多帧融合（短/中/长曝光） |
| 数据量 | 低 | 高（需 ISP 带宽支持） |
| 典型应用 | 室内、均匀光照 | 逆光、夜景、强反差场景 |
1.1.3 HDR 在安防监控领域的应用价值
安防监控是 HDR 技术最典型的落地场景之一。监控摄像头常面临以下极端光照条件：
- 逆光场景： 出入口、窗户附近，背景亮度远高于前景人脸。
- 夜间强光： 车灯、路灯与暗部环境同时存在。
- 全天候变化： 从正午强光到深夜微光，动态范围跨度极大。
安防 HDR 核心指标： 在 120 dB 以上的场景动态范围下，仍能同时看清人脸（暗部）和车牌（亮部）。这是传统 LDR 传感器无法完成的任务。
安防 ISP 中 HDR 融合的典型处理流程如下：
1.1.4 HDR 在手机摄影领域的应用价值
手机摄影是 HDR 技术普及度最高的消费级场景。受限于手机传感器尺寸和镜头光圈，手机 CMOS 的单帧动态范围通常只有 8~10 f-stop，远低于人眼和真实场景需求。
- 逆光人像： 人脸与背景天空亮度差可达 10~15 f-stop，HDR 融合使人脸不黑、天空不过曝。
- 夜景模式： 多帧短曝光融合降低噪声，同时保留高光细节（如霓虹灯、车灯）。
- 计算摄影： 结合 AI 语义分割，对不同区域（人脸、天空、建筑）应用差异化融合策略。
手机 HDR 调优挑战： 与安防不同，手机 HDR 对功耗和预览延迟极为敏感。多帧融合必须在 1/30s 内完成，且不能产生明显的鬼影或闪烁。此外，用户对“自然感”的要求远高于安防场景，过度 HDR 会导致画面“假”、“塑料感”。
1.1.5 HDR 技术路线概览
当前主流的 HDR 成像技术路线包括：
| 技术路线 | 原理 | 优势 | 局限 |
|---|---|---|---|
| 多帧融合 HDR | 连续拍摄短/中/长曝光帧，对齐后融合 | 算法成熟、画质好 | 运动鬼影、帧率受限 |
| 交错曝光 HDR | 同一帧内不同行采用不同曝光时间 | 无鬼影、实时性好 | 空间分辨率损失、行噪声 |
| 双/三增益 HDR | 传感器同时输出高/低增益信号 | 单帧 HDR、无对齐问题 | 传感器成本高、动态范围有限 |
| AI 单帧 HDR | 深度学习从单帧 LDR 重建 HDR | 无需多帧、低延迟 | 泛化性差、细节可能不真实 |