动态范围的定义在上一篇文章中已经介绍过了。8 位图像的动态范围约 48dB，普通显示器的范围也大致在这一量级。但是真实物理场景的动态范围往往超过 100dB——直视太阳和阴影处的亮度差可达六个数量级以上。用单次曝光去拍摄这样的场景，要么亮部过曝成一片白，要么暗部欠曝成一片黑，无法同时记录两端的信息。
高动态范围成像（High Dynamic Range Imaging，HDRI）就是为这个问题设计的。它的思路很直接：用多张不同曝光量的照片分别记录场景的不同亮度区间，然后合成一张保留全范围信息的辐照度图，最后通过 Tone Mapping 压缩到显示器可呈现的范围。
多曝光图像序列
对同一个静态场景，固定光圈、改变快门速度（或 ND 滤镜），拍摄一组曝光量等差或等比变化的照片：
- 短曝光：保留高亮区域的细节，暗部几乎全黑。
- 长曝光：保留暗部细节，亮部完全过曝。
- 中间曝光：覆盖常规亮度区间。
理想情况下，每张照片中都有一个”有效曝光区间”——像素既不饱和也不欠曝。HDR 合成的目标就是从每张照片中挑出它的有效部分，拼成一张完整的辐照度图。
相机响应函数（CRF）
上述过程无法直接操作，因为相机输出像素值与入射辐照度之间不是线性关系。传感器的光响应是线性的（光子数 电压），但经过伽马校正、白平衡、非线性去噪等一系列 ISP 处理后，最终输出的像素值 与场景辐照度 之间是一个未知的非线性映射。
定义曝光量 （辐照度 × 曝光时间），相机响应函数 将曝光量映射到像素值：
是单调递增的，但我们不知道它的解析形式。反过来，如果我们能从多张曝光照片中恢复出 ，就能将像素值反推出辐照度。
Debevec 算法恢复 CRF
Debevec（1997）提出的方法至今仍是恢复 CRF 的经典方案。对同一场景的 张照片，每张的曝光时间 已知。选取 个空间位置，要求这些位置在 张照片中都能找到对应像素（不过曝也不欠曝）。
对第 个像素点、第 张照片，有：
两边取对数，记 ：
这里 是待求解的函数（定义在离散灰度值 上，共 256 个未知数）， 是每个像素点的未知辐照度（ 个未知数）。Debevec 将求解转化为一个加权最小二乘问题：
第一项确保拟合精度，第二项是平滑约束（惩罚 的二阶差分）。权重函数 在中间灰度值取最大值，在两端（ 或 ）趋近于 0——过曝和欠曝的像素不可靠，不应参与拟合。
这是一个大型稀疏线性系统，通过 SVD 求解后即可得到完整的 CRF 曲线 。
辐照度图合成
有了 CRF，就可以将多张照片融合为一张高动态范围的辐照度图。对每个像素位置 ，用所有照片在该位置的有效像素值加权平均：
权重 同样是中间灰度值权重大、两端权重小。最终得到的是浮点格式的辐照度图（通常是 .hdr 或 .exr），动态范围可达 100dB 以上。这张图不能在普通显示器上直接查看，需要一个压缩步骤。
Tone Mapping
Tone Mapping 将高动态范围辐照度图压缩到低动态范围（8bit/通道）的同时，尽量保留视觉细节和对比度感。
全局 Tone Mapping
最简单的形式是 Gamma 映射和 Reinhard 全局算子：
其中 为归一化辐照度， 为显示亮度。这个 S 形曲线在暗部近似线性（保留对比度），在亮部逐渐饱和（防止过曝），基本思路是”压低亮的、保持暗的”。全局映射的优点是速度快，缺点是局部对比度丢失——相邻区域只要有相近的绝对亮度，映射后就会被压成相近的显示值。
局部 Tone Mapping
局部算子考虑每个像素周围的局部区域亮度。经典方法包括：
- 基于 Retinex 理论：将图像分解为光照层和反射层，只压缩光照层。反射层包含了纹理细节，保留不动。
- 基于引导滤波或双边滤波：用滤波结果做亮度分区，将全局映射改为逐区域自适应。较亮的区域接受更强的压缩，较暗的区域压缩较少甚至不压缩。
局部映射能更好地保持细节，代价是计算量更大，且可能在 Halo 伪影（强边缘附近出现光晕）。
HDR 与 ISP 的关系
在相机 ISP pipeline 中，HDR 通常作为一个可选模块插入在 Demosaicing 之后、Tone Mapping 之前。手机上常见的方式有两种：
- 多帧合成 HDR：连续拍摄多张不同曝光的 RAW 图，在 RAW 域合成 HDR 再走标准 ISP 流程。计算量大，但画质最好。
- 单帧 HDR / DOL-HDR：传感器采用隔行交替曝光（长/短），一次读出两帧合成。适合视频录制。
无论哪种方案，从信号处理的角度看，核心始终是 Debevec 框架或它的硬件加速变体。