127、HDR+与计算HDR：从多帧曝光到深度学习融合的实战解析一、一个让我失眠三天的bug去年夏天，某款旗舰机型的夜景HDR模式在实验室测了2000多张样张，一切正常。结果到了量产前夜，产线反馈：暗光场景下，用户拍路灯时，灯罩边缘会出现一圈诡异的紫色光晕，像极了老式胶片相机漏光。我盯着那组raw图看了整整两天，最后发现是短帧和长帧的融合权重在边缘区域出了问题——短帧的过曝区域被错误地赋予了高权重，而长帧的暗部细节又被过度压制。这个bug让我意识到，HDR从来不是简单的“多帧叠加”，而是一场关于信噪比、动态范围和运动伪影的三角博弈。二、多帧曝光HDR的底层逻辑传统HDR的核心思路很简单：用不同曝光时间捕获同一场景，短帧保高光，长帧提暗部，然后合成一张高动态范围图。但真正落地时，有三个坑你必须提前知道。曝光帧数的选择：3帧（欠曝、正常、过曝）是业界最低配置，但实战中我倾向于5帧甚至7帧。为什么？因为手机传感器在单帧内的动态范围通常只有60-70dB，而真实场景（比如逆光人像）的动态范围可能超过120dB。3帧的步长如果拉得太开，中间过渡区域会出现明显的断层噪声。我踩过最深的坑是某次为了省功耗，把5帧砍成3帧，结果在黄昏的云层里出现了肉眼可见的亮度阶梯。帧间对齐的精度：这是HDR的命门。手持拍摄时，人体微颤会导致帧间像素偏移。传统做法是用光流法或块匹配做全局对齐，但实战中你会发现：运动物体（比如飘动的树叶、行人）的边缘
