4. HDR融合算法核心：权重映射、金字塔融合与运动鬼影消除
多帧HDR融合的核心在于如何从不同曝光的输入帧中提取最优信息，并合成一张无鬼影、细节丰富、色调自然的输出图像。本章深入剖析权重映射、金字塔融合以及运动鬼影检测与消除三大核心技术，并给出ISP调优中的实战参数建议。
核心要点： HDR融合不是简单的像素加权平均，而是基于空间频率的多尺度融合。权重映射决定“选谁”，金字塔融合决定“怎么平滑过渡”，鬼影消除决定“如何剔除错误信息”。
4.1 权重映射：基于亮度、对比度与饱和度的像素选择
权重映射为每个像素分配一个融合权重，决定其在最终图像中的贡献比例。高质量的权重映射需同时考虑三个维度：
| 权重分量 | 计算依据 | 作用 | 典型曲线 |
|---|---|---|---|
| 亮度权重 (WL) | 像素亮度与中间灰阶(0.5)的距离 | 抑制过曝/欠曝区域，保留中间调细节 | 高斯钟形曲线，峰值在0.5 |
| 对比度权重 (WC) | 局部梯度幅值（Sobel/Laplacian响应） | 优先选择纹理丰富、边缘清晰的区域 | 线性或Sigmoid映射 |
| 饱和度权重 (WS) | RGB通道间的标准差或色度分量模长 | 保留色彩鲜艳区域，避免颜色漂移 | 线性映射，截断高饱和 |
最终权重为三者的乘积：W = WL × WC × WS，并做归一化处理。
调优经验： 亮度权重曲线的高斯标准差σ控制曝光融合的宽容度。σ=0.2时融合结果偏保守，σ=0.4时能保留更多高动态范围细节，但可能引入噪声。建议在低照度场景使用σ=0.25~0.3。
4.2 金字塔融合：Laplacian与Gaussian的多尺度分解
直接对权重图和输入帧做逐像素加权平均会产生明显的拼接痕迹和光晕。金字塔融合通过多尺度分解，将融合操作分散到不同频段，实现空间平滑过渡。
4.2.1 高斯金字塔与拉普拉斯金字塔
- 高斯金字塔 (Gaussian Pyramid)： 对图像逐层做高斯低通滤波 + 下采样，得到一系列分辨率递减的模糊图像。用于存储权重图的平滑版本。
- 拉普拉斯金字塔 (Laplacian Pyramid)： 由高斯金字塔相邻层相减得到，每层包含该尺度下的带通细节信息（边缘、纹理）。用于存储输入帧的细节。
| 金字塔层级 | 分辨率 | 包含信息 | 融合策略 |
|---|---|---|---|
| Level 0 (最底层) | 原始尺寸 | 高频细节（纹理、边缘） | 权重图高斯模糊后加权 |
| Level 1 | 1/2 原始尺寸 | 中频信息 | 权重图高斯模糊后加权 |
| Level 2 | 1/4 原始尺寸 | 低频信息 | 权重图高斯模糊后加权 |
| Level N (顶层) | 最小尺寸 | 整体亮度/色调（残差） | 直接加权平均 |
4.2.2 融合重建过程
- 对每帧输入图像构建拉普拉斯金字塔
Li，对对应权重图构建高斯金字塔Gi。 - 在每个金字塔层级
l，执行加权融合：Fl = Σ (Gi,l × Li,l)。 - 从顶层到底层逐层上采样并叠加，重建最终融合图像。
常见陷阱： 金字塔层数不足会导致融合边界出现光晕（halo artifact）。建议层数 = floor(log2(min(图像宽, 高))) - 2。例如1080p图像建议5~6层。层数过多则增加计算开销且可能引入低频噪声。
4.3 运动鬼影检测与消除
多帧HDR融合中，场景中的运动物体（行人、车辆、树叶）在不同曝光帧中位置不同，直接融合会产生半透明鬼影。鬼影消除是HDR算法中最具挑战性的环节。
4.3.1 鬼影检测方法
| 检测方法 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 帧差法 | 计算参考帧与待融合帧的像素差 | 实现简单，速度快 | 对亮度变化敏感，易误检 |
| 梯度一致性检测 | 比较局部梯度方向与幅值的一致性 | 对光照变化鲁棒 | 计算量较大 |
| 光流法 | 估计像素运动矢量，检测运动区域 | 检测准确，可补偿运动 | 计算复杂，实时性差 |
| 深度学习法 | CNN/Transformer端到端检测运动区域 | 精度最高，泛化性好 | 需要训练数据，硬件要求高 |
4.3.2 运动区域权重抑制策略
检测到运动区域后，不直接丢弃该像素，而是通过权重抑制来消除鬼影：
- 参考帧选择： 通常选择中间曝光帧作为参考帧，因其细节最丰富。
- 运动掩码生成： 对每个非参考帧，生成二值或连续值运动掩码
M(x,y) ∈ [0,1]，1表示静态，0表示运动。 - 权重修正： 将运动掩码乘入权重图：
W' = W × M。运动区域的权重被压低，静态区域权重保持不变。 - 归一化重算： 修正后的权重图重新归一化，确保权重和为1。
实战参数建议： 运动掩码的阈值设置直接影响鬼影消除效果。阈值过低会丢失运动物体的细节（如行人边缘被削平），阈值过高则鬼影残留。建议初始阈值设为0.15~0.25，并根据场景动态调整。对于快速运动物体（如汽车），可适当降低阈值至0.1。
4.4 实战调优参数速查表
以下参数基于高通骁龙8 Gen2 ISP平台实测，适用于12MP三帧HDR（EV-2, EV0, EV+2）场景：
| 调优项 | 参数 | 推荐值 | 调优方向 |
|---|---|---|---|
| 亮度权重σ | 高斯曲线标准差 | 0.28 | ↑提高宽容度，↓减少噪声 |
| 对比度权重增益 | 梯度幅值映射斜率 | 1.5 | ↑增强纹理保留，↓平滑区域更均匀 |
| 饱和度权重截断 | 饱和度上限阈值 | 0.8 | ↑保留高饱和色彩，↓防止颜色过艳 |
| 金字塔层数 | 分解层数 | 5 | ↑减少光晕，↓降低计算量 |
| 运动掩码阈值 | 判定为运动的像素差阈值 | 0.2 | ↑减少鬼影残留，↓保留运动细节 |
| 运动掩码平滑σ | 高斯模糊标准差 | 4.0 | ↑过渡更自然，↓边缘更锐利 |
工程提示： 上述参数需在ISP tuning工具中反复迭代验证。建议先固定金字塔层数和运动掩码阈值，再微调权重映射参数。每次修改后，在典型场景（室内、室外、逆光、夜景）拍摄raw图序列，用离线工具分析融合质量。