7、高动态范围（HDR）基础：HDR原理、线性与非线性传感器、多帧合成与单帧HDR

各位好，今天我们来聊聊车载Camera系统里一个绕不开的话题——HDR。说实话，HDR这个词在消费电子领域已经被说烂了，但在车载领域，它的意义完全不同。你手机拍夜景HDR，拍糊了可以重来。但在车上，前方一个隧道出口，阳光刺眼，如果HDR没做好，那一帧图像可能就直接导致感知系统漏掉一个行人。嗯，责任重大。

7.1 为什么车载摄像头需要HDR？

我们先想一个问题：一个普通的8-bit sensor，动态范围大概在60-70dB左右。这是什么概念？我举个例子，你在一个晴朗的下午开车，隧道入口处的亮度可能只有10 lux，而隧道外的阳光直射区域可能高达100,000 lux。这中间的跨度超过80dB。普通sensor根本hold不住，要么暗部一片死黑，要么亮部过曝成一片白。

我当年在做一个ADAS项目时，第一次拿到路测数据，发现车辆刚出隧道的那几帧，前方几乎全是白茫茫一片。算法团队直接炸了，说这数据没法用。后来我们才意识到，不是算法不行，是图像数据本身就已经丢失了信息。所以，HDR在车载领域不是锦上添花，而是刚需。

7.2 HDR的基本原理

说白了，HDR就是让摄像头能「看」到更亮和更暗的东西。传统sensor的响应是线性的，每个像素的电荷量与入射光强成正比。但线性响应有个问题——它只能在一个有限的亮度范围内保持线性。超出这个范围，就饱和了。

HDR的核心思路其实很简单：用不同的曝光参数去捕捉同一场景，然后把它们合成在一起。短曝光捕捉亮部细节，长曝光捕捉暗部细节，中间曝光负责过渡区域。最后通过融合算法，把三张图里「最好」的部分拼成一张图。

你可能会问：这不就是多帧合成吗？没错，但车载场景下，多帧合成面临一个巨大的挑战——运动。车辆在高速行驶，场景中的物体也在快速移动。如果帧与帧之间有运动，合成出来的图像就会出现鬼影（ghosting）。所以，车载HDR的难点不在于「怎么合成」，而在于「怎么在运动场景下合成得又快又好」。

7.3 线性传感器 vs 非线性传感器

这里我要讲一个很多初学者容易混淆的概念。我们常说的「线性传感器」，指的是光电转换特性是线性的——入射光强增加一倍，输出电压也增加一倍。这种传感器在低动态范围场景下表现很好，但遇到高对比度场景就捉襟见肘了。

那非线性传感器呢？它的响应曲线不是一条直线，而是一条对数曲线或者分段线性曲线。什么意思？就是它对暗部区域的增益高，对亮部区域的增益低。这样一来，同样的8-bit数据，它能覆盖更宽的亮度范围。

我个人的习惯是，在选型时先看sensor的响应曲线。如果是线性sensor，那基本只能靠多帧合成来做HDR。如果是非线性sensor（比如LFM、Split Pixel这类），那单帧就能实现不错的HDR效果。

7.4 多帧合成HDR

多帧合成HDR，也叫DOL（Digital Overlap）模式。它的工作流程是这样的：sensor在同一个曝光周期内，连续输出多帧不同曝光时间的图像。比如一帧短曝光（1ms）、一帧中曝光（4ms）、一帧长曝光（16ms）。然后ISP把这些帧对齐、融合，输出一张HDR图像。

这里有个关键参数——帧间间隔。如果三帧之间的时间差太大，运动物体就会在帧间发生位移，导致合成后出现鬼影。所以，DOL模式要求帧间间隔尽可能短，最好在1ms以内。

我记得有一次调试一个DOL方案，发现鬼影总是消不掉。查了半天，发现是sensor的帧间间隔配置错了，实际间隔是3ms而不是我们以为的0.5ms。改回来之后，效果立竿见影。所以，做多帧HDR，一定要确认sensor的时序配置。

// DOL模式下的曝光时序配置示例（伪代码）
// 假设使用三帧合成：T1=1ms, T2=4ms, T3=16ms
// 帧间间隔要求 < 1ms

sensor_config_t cfg;
cfg.hdr_mode = HDR_MODE_DOL;
cfg.num_exposures = 3;
cfg.exposure_times[0] = 1000;   // 1ms (短曝光)
cfg.exposure_times[1] = 4000;   // 4ms (中曝光)
cfg.exposure_times[2] = 16000;  // 16ms (长曝光)
cfg.frame_interval = 500;       // 0.5ms 帧间间隔

// 注意：不同sensor的寄存器配置方式不同
// 务必参考datasheet中的时序图
sensor_apply_config(&cfg);

7.5 单帧HDR

单帧HDR，顾名思义，就是只用一帧曝光就实现高动态范围。这听起来有点反直觉——一帧怎么能同时覆盖亮部和暗部呢？答案是：利用sensor像素本身的设计。

目前主流的单帧HDR技术有两种：

• LFM（Large Full Well）：每个像素有两个电荷存储节点，一个容量大（用于亮部），一个容量小（用于暗部）。曝光结束后，两个节点的电荷分别读出，然后合成。
• Split Pixel：每个像素被分成两个子像素，一个子像素的感光面积大（灵敏度高，用于暗部），另一个感光面积小（灵敏度低，用于亮部）。两个子像素的信号合并，得到HDR图像。

这两种方案的好处是：没有帧间间隔，所以没有鬼影。你想想看，车辆在高速上跑，前方突然出现一个逆光的行人，单帧HDR能在一帧内同时保留行人的轮廓和背景的细节。而多帧HDR如果帧间间隔没控制好，可能就出现鬼影了。

不过，单帧HDR也有代价。LFM方案需要更大的像素面积，所以分辨率会受限。Split Pixel方案则对工艺要求高，成本也更高。我个人的建议是：前视、环视这类对运动伪影敏感的场景，优先考虑单帧HDR；倒车、侧视这类低速场景，多帧HDR也够用。

7.6 知识体系总览

下面这张图是我自己整理的HDR知识体系，涵盖了从原理到实现的完整链路。你可以把它当作一个快速索引，遇到具体问题时回来对照着看。

7.7 小结

好了，这一章的内容就到这里。我们聊了HDR的基本原理，对比了线性传感器和非线性传感器的差异，也深入分析了多帧合成和单帧HDR各自的优缺点。说实话，HDR这个领域水很深，不同场景、不同成本约束下，选择完全不一样。但有一点是确定的：在车载领域，HDR不是可选项，而是必选项。没有HDR，你的感知系统在强光、逆光、隧道出入口这些场景下，基本就是瞎子。

下一章我们会深入HDR的工程实现细节，包括ISP pipeline中的HDR融合算法、鬼影消除技术，以及如何在Android HAL层配置HDR模式。到时候我会分享一些我在项目中踩过的坑，希望能帮你少走弯路。

公众号:蓝海资料掘金营，微信deep3321