人眼对亮度的感知不是线性的_我们说的 HDR 也许不是一个东西

HDR = High Dynamic Range，高动态范围。在现在的语境下，经常与高清、高画质联系在一起。但很多时候人们对这个词是不求甚解的，甚至把他作为 4k 高清的等价代名词，又或者把他与摄影上的 HDR 风格混为一谈。这篇文章，我希望把 HDR 这个概念彻底解释清楚。

思考：为什么要有 HDR？

目前我们对图像和视频的存储，基本上都是 8bit/channel 的，也就是用 8bit 的数据，存储一个通道的灰度值。8bit 数据可以表示 256 个不同的灰度值。如果场景亮度变化超过了 256 个灰度值能表示的范围，那么现在的图像格式就不能记录下场景里所有的信息。如果我们用更多的比特数来记录灰度值，那么就可以记录更大范围的场景信息，这就是 HDR。

上面这就是通常大家对「为什么要有 HDR」这个问题的解释。然而这是不完全正确的。我们在多媒体处理这个领域里做专业的事情，应该要看得更深刻。

什么叫「场景亮度变化超过了 256 个灰度值能表示的范围」呢？如果场景亮度是 0~255，那正好和 8bit 整数 0~255 一一对应；如果场景亮度是 0~65535 呢？我们一定要用 16bit 来记录吗？难道不可以做一个缩放，用 255 来对应 65535 吗？这是完全可以的，无论一个场景的亮度范围是多少，我们永远可以做一个缩放，用 8bit 的数据来记录。所以，「因为场景亮度范围大于 256 个灰度值，所以要用 HDR」这样的解释，其实是站不住脚的。

那么为什么不这么做？直接在数值上做缩放有什么问题？

题图就是一个具体例子，这个例子的场景中亮度范围远远超过了 8bit 整数能表达的范围。我们拍摄多张不同曝光量的图像，来记录整个场景。这里把图再贴一遍

图1. 一个高动态范围的多曝光实拍照片

我们从左到右、从上到下依次给这些图片编号 1~12，那么如果直接缩放，用 8bit 数据记录所有的亮度范围，就会和右下角12号或者11号图一样，整个画面暗得看不清。

这很好理解，因为在这里其实是用「缩短相机曝光时间」这样的「物理手段」对传感器上接收到的「真实亮度」进行了缩放，相机的曝光时间就相当于缩放系数，对整个场景，不论亮的还是暗的，进行同样倍数的亮度缩放。让传感器的最大值对应场景中的亮度最大值，那么场景中的亮度小的部分，在画面上就会很暗很暗。这样的话，虽然传感器能够「记录下」整个场景，但这个记录的结果与人眼的感知是天差地别的。

根源：人类对亮度感知是非线性的

为什么会这样呢？最根本的理由就是非线性。在人类感知亮度的这个过程里，有太多的非线性因素了。在研究和讨论 HDR 的过程中，我们需要时刻牢记，我们做的所有措施，都是为了处理这些非线性因素。

人眼对亮度的感知范围极其巨大

这一点许多人往往没有意识到，但这一点确实非常重要。就如一开头举例的这个场景，晴朗的白天，从室内透过窗户向外看，在这个场景中最亮的部分和最暗的部分亮度相差多少？一百倍？一千倍？不，远远超过。

根据相机的测光记录，最亮的部分和最暗的部分亮度变化超过了 14EV，也就是 2^14 ≈ 16,000 倍，一万六千倍（EV = Exposure Value，曝光值，摄影中用 EV 表示亮度变化，1EV 意味着 2 倍的亮度变化）。然而在这个场景中，人眼可以毫不费力同时看清楚窗外的白墙，和室内椅子底下地砖的纹理。

更极端一些，在我自己经历过的日全食的场景中，人眼可以看清挡在太阳前面的月球表面的纹理，以及周围太阳散发出来的日冕的纹理。在这样的极端场景中，亮度变化甚至可达 20EV，也就是 2^20 ≈ 1,000,000 倍，一百万倍。这个场景是极其震撼的，难以用语言来形容，也无法用照片准确记录。

图2. 由王乐天拍摄，我处理的 2017 北美日全食的照片，用了几十张照片进行合成，图中最亮和最暗处亮度差别可达数万倍至数十万倍

上图的部分处理过程参见以前的专栏文章，在这张照片记录的瞬间亮度差最大有14~15EV，在前后时刻有更大的亮度差，可达 20EV。

章佳杰：完美记录惊人的细节！这张日全食照片是怎样诞生的？【01】​zhuanlan.zhihu.com

人眼亮度响应是非线性的

人眼对亮度的响应本身就是非线性的，这也是大众往往没有意识到的（但是摄影师对此非常熟悉）。打个比方࿰