第1章运动模糊与拖影的物理原理

运动模糊与拖影的物理原理

大家好，我是你们的老朋友。今天咱们来聊聊运动场景防抖里最基础、也最绕不开的话题——运动模糊和拖影到底是怎么来的。

说实话，我刚入行那会儿，总觉得运动模糊就是个「拍糊了」的问题。后来在项目里被折腾得够呛，才明白这背后藏着不少物理门道。你想想看，一个高速运动的物体，为什么在画面里会拉出一条残影？这其实跟相机怎么「看」这个世界有直接关系。

先问个问题：一张照片是怎么形成的？

简单说，就是快门打开，光线进来，传感器感光，然后快门关上。这个过程中，如果被拍摄的物体在动，那它反射的光就会在传感器上「跑」一段距离。曝光时间越长，物体跑得越远，画面里自然就糊了。

这里有个关键公式：

运动模糊像素数 = (物体速度 × 曝光时间 × 传感器分辨率) / 视场宽度

举个例子你就明白了。假设一个物体以 10 米/秒的速度横向移动，曝光时间是 1/30 秒，传感器水平分辨率是 1920 像素，视场宽度是 10 米。那么：

模糊像素数 = (10 × 1/30 × 1920) / 10 = 64 像素

64 个像素的拖影，在 1080p 的画面里已经非常明显了。我在做无人机航拍项目时，就吃过这个亏。当时拍的是高速飞行的赛车，曝光时间设成了 1/50 秒，结果画面里全是拉丝效果，后期怎么修都救不回来。

核心结论：曝光时间每缩短一半，运动模糊量就减少一半。但代价是进光量也减半，画面会变暗。

这里我要重点说说两种快门——全局快门和卷帘快门。它们对拖影的影响完全不同。

全局快门的工作方式很直接：所有像素同时开始感光，同时结束。就像全班同学一起拍照，快门一响，所有人同时定格。

优点很明显：运动物体不会出现「歪斜」或「扭曲」的变形。缺点嘛，就是成本高，而且高速读取时容易产生噪声。

卷帘快门就有点意思了。它是一行一行扫描曝光的，就像窗帘一样从上往下拉开。第一行开始曝光，过一会儿第二行才开始，依此类推。

这就导致了一个经典问题——果冻效应。你拍一个快速摆动的扇子，扇叶在画面里会变成弯曲的。为什么？因为扇叶在从上往下扫描的过程中，位置一直在变。

注意：卷帘快门在拍摄快速移动的物体时，除了运动模糊，还会叠加几何变形。这是两种不同的失真，处理方式也不一样。

我记得有一次做手机防抖算法，测试时发现画面边缘的建筑物总是歪的。排查了半天，才发现是卷帘快门导致的果冻效应。后来加了行对齐校正，才把问题解决。

聊完了物理现象，咱们来点硬核的——数学模型。搞懂了数学，你才能写出靠谱的防抖算法。

运动模糊在数学上可以看作是一个卷积过程：

g(x, y) = f(x, y) * h(x, y) + n(x, y)

其中：

说白了，模糊图像就是清晰图像被一个「模糊核」卷积后的结果。这个模糊核就是 PSF，它描述了光点在传感器上的扩散方式。

对于匀速直线运动，PSF 可以简化为：

h(x, y) = 1/L, 当 0 ≤ x ≤ L, y = 0
h(x, y) = 0, 其他情况

其中 L 是运动轨迹的长度（像素单位）。这个公式的意思是：在运动方向上，每个位置的能量贡献是均匀的。

实战技巧：在做去模糊算法时，我建议你先估计运动方向和长度。方向可以通过频谱分析得到（模糊图像的频谱会有暗条纹），长度可以通过自相关函数估算。这两个参数准了，后面的反卷积才有意义。

嗯，这里要注意一点。实际场景中的运动往往不是匀速直线，可能是加速、减速或者曲线运动。这时候 PSF 就复杂多了。我在做车载摄像头防抖时，遇到过急刹车导致的非线性运动模糊，用简单的匀速模型根本解不出来。后来换成了分段线性模型，才勉强搞定。

为了让你更直观地理解这一章的内容，我画了一张图：

这张图把本章的核心内容串起来了。从左到右，从物理到数学，再到实际应用。你写代码的时候，可以对照着这张图，看看自己卡在哪一步。

好了，这一章就到这里。运动模糊和拖影的物理原理是后续所有防抖技术的基础。搞懂了这些，后面讲算法的时候你才能跟得上。

公众号:蓝海资料掘金营，微信deep3321