第4章色调映射入门

第4章色调映射入门：全局与局部映射

各位好，我是老张。今天咱们聊聊色调映射——这个HDR调试里最核心、也最让人头疼的话题。

说实话，我刚入行那会儿，看到一张高动态范围的raw图，第一反应是「这玩意儿怎么才能正常显示？」。后来才明白，色调映射就是干这个的。它把相机传感器捕捉到的宽动态范围，压缩到显示器能展示的窄范围里，同时尽量保留细节和对比度。

嗯，咱们先从最简单的说起。

4.1 全局色调映射：简单但粗暴

全局色调映射，说白了就是对整张图用同一个映射曲线。不管你是亮部还是暗部，一视同仁。

它的数学表达很简单：

L_d(x,y) = f(L_w(x,y))

其中L_w是原始亮度，L_d是显示亮度，f是同一个映射函数。

常见的全局映射函数有几种：

线性缩放：直接除以最大值。简单，但暗部会死黑。
对数映射：用log函数压缩。能保留暗部细节，但亮部容易过曝。
Gamma校正：L_d = L_w^(1/γ)。这个大家应该熟，但单独用效果一般。

我在项目中遇到过一个问题：用全局映射处理夜景，路灯周围一片惨白，暗部细节全没了。为什么？因为全局映射只考虑整体亮度分布，没法照顾局部。

全局映射的优点：计算快，实现简单，适合实时预览。

全局映射的缺点：亮部和暗部细节难以兼顾，容易丢失局部对比度。

你想想看，一张图里既有阳光直射的窗户，又有阴影里的角落。全局映射只能选一个折中点，结果就是窗户过曝、角落死黑。这显然不是我们想要的。

4.2 局部色调映射：精细但费资源

局部色调映射就聪明多了。它根据每个像素周围的亮度信息，动态调整映射曲线。

核心思想是：亮的地方压暗一点，暗的地方提亮一点，但别让相邻像素差异太大。

局部映射的通用公式：

L_d(x,y) = f(L_w(x,y), L_local(x,y))

这里的L_local是局部亮度估计，通常通过高斯滤波或双边滤波得到。

我记得有一次调试安防摄像头，场景是逆光下的人脸。全局映射把人脸压得死黑，换成局部映射后，人脸细节一下就出来了。但代价是什么？计算量翻了好几倍，帧率从30fps掉到15fps。

注意：局部映射容易出现光晕（halo）伪影。尤其是高对比度边缘，比如窗户和墙壁的交界处。我曾经被这个坑过，调试了整整一周才找到合适的滤波器参数。

局部映射的常见方法：

基于Retinex理论：把图像分解为光照分量和反射分量，只压缩光照。
基于双边滤波：保留边缘的同时平滑细节，避免光晕。
基于导向滤波：比双边滤波更快，效果也更好。

4.3 Reinhard算法详解

好，重点来了。Reinhard算法是2002年提出的，到现在还是很多ISP pipeline的标配。为什么？因为它简单、有效、参数少。

Reinhard算法的核心公式：

L_d = L_w / (1 + L_w)

等等，就这么简单？对，就这么简单。但实际使用时，我们会加一个缩放因子：

L_d = L_w * (1 + L_w / L_white^2) / (1 + L_w)

这里的L_white是用户指定的最大亮度值。超过这个值的像素会被进一步压缩。

我个人的习惯是：先计算场景的平均亮度L_avg，然后用它来归一化：

L_scaled = L_w * (a / L_avg)
L_d = L_scaled / (1 + L_scaled)

其中a是一个关键参数，控制整体亮度。a越大，画面越亮。我一般从0.18开始调，这是Reinhard论文里推荐的值。

实战技巧：

a值在0.1~0.5之间调整。场景暗就调大，场景亮就调小。
L_white设为场景最大亮度的2~4倍，避免高光被过度压缩。
如果画面偏灰，可以加一个后处理Gamma校正，γ取0.45左右。

Reinhard算法的完整流程：

计算场景的平均亮度L_avg（对数域平均）
用a/L_avg缩放原始亮度
应用Reinhard色调映射公式
可选：用L_white控制高光
输出到显示设备

代码实现（C风格伪代码）：

float reinhard_tone_map(float L_w, float L_avg, float a, float L_white) {
    float L_scaled = L_w * (a / L_avg);
    float L_d = L_scaled * (1.0 + L_scaled / (L_white * L_white)) / (1.0 + L_scaled);
    return L_d;
}

我曾经用这个算法处理过一组HDR测试图，效果出奇的好。但要注意，Reinhard算法对极端高动态范围（比如超过100dB）的场景，效果会打折扣。这时候就需要更复杂的算法了，比如基于直方图均衡的映射。

4.4 全局 vs 局部：怎么选？

我整理了一个对比表，方便大家参考：

特性	全局映射	局部映射
计算复杂度	低	高
细节保留	一般	好
光晕伪影	无	可能有
实时性	好	差
适用场景	预览、低功耗设备	高质量输出、专业相机

我的建议是：能全局就别局部。除非你的场景真的需要局部细节，否则全局映射省心省力。我在做手机ISP调试时，默认先用全局映射，如果客户反馈暗部细节不够，再考虑局部映射。

避坑指南：

我曾经在调试一款车载摄像头时，为了追求细节，用了复杂的局部映射算法。结果在高速运动场景下，光晕伪影导致车道线识别错误。后来换回全局映射+自适应Gamma，反而通过了车规测试。所以，稳定比花哨重要。

4.5 小结

色调映射入门就讲到这里。总结几个要点：

全局映射：简单快速，适合大多数场景
局部映射：细节丰富，但要注意光晕和性能
Reinhard算法：经典实用，参数少，适合入门

下一章咱们聊聊更高级的色调映射算法，比如基于视觉感知的映射和基于深度学习的映射。到时候我会分享一些我在AI ISP项目中的踩坑经历。

嗯，今天就到这儿。有问题欢迎交流。

📚 课程目录