第一章 暗光场景概述

什么是暗光场景

暗光场景，说白了就是环境亮度低到让传感器「抓瞎」的情况。我个人习惯把照度低于 10 lux 的场景都归为暗光——你想想看，月圆之夜的地面照度也就 0.1-0.3 lux，路灯下的街道大概 5-10 lux。在这种条件下，普通相机拍出来的东西，基本就是一团黑加上满屏噪点。

但问题来了：什么叫「暗」？这其实是个相对概念。我在项目中遇到过客户拿着手机在烛光下拍照，说「这不算暗吧？」——嗯，对于人眼来说确实还能看清，但对于 CMOS 传感器，这已经是极限挑战了。暗光场景的核心特征就是：信噪比极低，动态范围被压缩，色彩信息严重衰减。

暗光场景的三大挑战

1. 噪声——最头疼的问题

暗光下噪声为什么严重？因为信号弱啊。你想想，光子数量本来就少，传感器还得把模拟信号放大几十倍甚至上百倍。放大信号的同时，噪声也被放大了。这就是所谓的「噪声放大器」效应。

我记得有一次调试安防摄像头的夜视模式，画面暗部全是彩色噪点，像下雪一样。客户说「这画面没法看」。我花了整整两周调降噪参数，最后发现是模拟增益和数字增益的分配出了问题——模拟增益给太多，噪声就炸了；数字增益给太多，细节就糊了。这个平衡点，就是 ISP 调参的核心。

暗光噪声主要有三类：

• 光子散粒噪声——物理极限，没法完全消除，只能靠多帧融合来平滑
• 读出噪声——传感器电路带来的，跟芯片工艺强相关
• 热噪声——温度越高越严重，所以夜视相机通常需要散热设计

2. 细节丢失——暗部一片死黑

暗光下细节丢失是必然的。为什么？因为传感器的动态范围有限。亮的地方可能还能看清，暗的地方直接就「沉底」了——像素值接近 0，啥信息都没有。

我做过一个手机夜景项目，用户拍了一张星空照片，结果地面建筑全黑，星星也看不清。后来我调整了 tone mapping 曲线，把暗部提亮了 3 档，但代价是天空部分过曝了。这就是典型的动态范围不足问题。

解决思路其实就两条：

1. 多帧 HDR——拍多张不同曝光的照片合成，但暗光下长曝光容易手抖
2. 局部 tone mapping——只提亮暗部，保持亮部不变，但容易产生光晕

3. 偏色——颜色不准，看着就假

暗光下的偏色问题，说白了就是颜色信息不够。人眼在暗光下对颜色的感知也会下降，但相机更惨——它没有大脑帮你「脑补」颜色。

偏色的根源在于：暗光下 R/G/B 通道的信噪比不一致。通常蓝色通道最弱，红色通道次之，绿色通道最强。所以暗光照片经常偏绿或偏紫。我调试过一个车载夜视系统，晚上拍出来的路面是紫色的，后来发现是 AWB（自动白平衡）算法在低照度下完全失效了。

解决偏色，我个人的经验是：

• 先保证 AWB 的稳定性——暗光下不要用复杂的色温估计，用简单的灰度世界法反而更稳
• 限制色温范围——暗光下把色温锁定在 3000K-5000K 之间，别让算法乱跳
• 饱和度不要拉太高——暗光下颜色本来就弱，强行拉饱和度只会放大噪声

暗光场景的典型应用

安防监控——24小时不能掉链子

安防监控是暗光 ISP 最大的应用场景之一。你想想，摄像头得 24 小时工作，晚上要是拍不清，那还监控个啥？我做过一个小区监控项目，要求 0.01 lux 下还能识别车牌。当时用了大靶面传感器加红外补光，ISP 里把降噪和锐化做了精细的亮度自适应——暗部降噪拉满，亮部锐度保持。

安防监控的核心指标：

• 最低照度——能看清的最低亮度，通常要求 0.01-0.1 lux
• 信噪比——暗部 SNR 至少要 30dB 以上
• 运动拖影——监控场景经常有运动目标，降噪不能太狠

手机夜景——用户只看「好不好看」

手机夜景是消费级市场的主战场。用户不会管你用了什么算法，他们只看「亮不亮、清不清、颜色好不好看」。我参与过一款旗舰机的夜景模式，核心思路就是多帧合成 + AI 降噪。拍 6-8 张短曝光照片，对齐后融合，再用神经网络做降噪和细节增强。

手机夜景的难点在于：

• 手持拍摄——不能上三脚架，多帧对齐必须稳
• 处理速度——用户按完快门就想看结果，不能等太久
• 功耗控制——ISP 跑太猛，手机发烫，用户会骂人

车载夜视——安全第一，不能出错

车载夜视是近几年增长最快的应用。自动驾驶的感知系统在夜间全靠摄像头和雷达。我调试过一套车载夜视系统，要求 0.1 lux 下能检测到 100 米外的行人。这个场景下，延迟和可靠性比画质更重要——你画面再好看，如果延迟 100ms，车都撞上了。

车载夜视的特殊要求：

• 低延迟——ISP 处理延迟必须控制在 30ms 以内
• 高动态范围——车灯和暗部同时存在，不能过曝也不能死黑
• 抗闪烁——LED 车灯和交通信号灯有频闪，ISP 得能处理