070、HDR+与计算HDR：Google计算摄影的架构解析

070、HDR+与计算HDR：Google计算摄影的架构解析

一、从一次产线“翻车”说起

去年帮一家手机厂商做影像调试，遇到一个诡异问题：夜景模式下，用户拍路灯时，灯罩边缘总是出现一圈“鬼影”般的紫色光晕。团队排查了三天，从镜头镀膜到ISP参数，甚至怀疑是模组装配公差。最后我让他们把HDR+的帧合成策略从“多帧平均”改成“基于运动权重的自适应融合”，问题立刻消失。

这个案例让我意识到：很多人把HDR+当成一个“开箱即用”的算法包，却不知道它的核心是一套计算摄影架构，而非简单的多帧合成。Google从Nexus 6P到Pixel 8，HDR+迭代了整整三代，每一代都在解决一个根本矛盾：如何在有限硬件资源下，用计算换取动态范围与信噪比的平衡。

二、HDR+的“反直觉”设计哲学

传统HDR的思路是“拍三张不同曝光的照片，然后拼在一起”。但Google的工程师发现：手机传感器在低ISO下读出噪声远低于高ISO，与其拍三张不同曝光的图，不如连续拍多张欠曝帧，然后用计算去“救”回暗部细节。

这个决策背后有个关键数据点：IMX363传感器在ISO 100下的读出噪声约为2.5e⁻，而在ISO 1600下会飙升到15e⁻以上。多张欠曝帧平均后，噪声降低速度是√N（N为帧数），而单张长曝光帧的噪声是线性增长的。所以HDR+的底层逻辑是：用时间换信噪比，用计算换动态范围。