HDR¶

HDR 模块当前提供一个静态 Linear RGB 的传统融合 baseline，用作 Open-AISP 管线中的“Oracle Baseline”。它不包含深度学习、噪声建模或运动对齐，只验证在完美静态条件下，多曝光物理信息能否被正确融合。

这一版默认使用 MIT-Adobe FiveK / MIT5K 的 DNG 图像作为静态输入源。Expert A-E 的 TIFF 是 Lightroom 调色后的输出，不用于当前 HDR baseline。DeepHDR 的运动 burst 数据暂不用于当前传统 baseline，后续留给 AI-HDR 模块。

功能¶

读取 MIT5K DNG 图像，用 rawpy 解码为 linear RGB，并按中值亮度归一化到稳定模拟空间。
根据输入图像的亮度分布动态估计 over、norm、under 三帧曝光系数。
使用估计出的曝光系数模拟三帧包围曝光，并以 1.0 为白点进行满阱截断。
使用高斯曝光置信度权重，并默认屏蔽硬截断像素。
将三帧图像除以曝光系数，拉回统一线性辐射空间。
在构建拉普拉斯金字塔前，用 direct oracle 估计填补各帧截断区域，避免错误辐射值被金字塔扩散。
使用权重高斯金字塔和图像拉普拉斯金字塔完成多尺度融合。
输出融合结果、GT、三帧模拟曝光的 .hdr 文件和直接 linear RGB PNG 预览图。

运行¶

以下命令从仓库根目录运行。

pip install -r HDR-fusion/requirements.txt

python HDR-fusion/scripts/download_mit5k.py \
  --ids 3

PYTHONPATH=HDR-fusion python -m hdr_fusion.cli \
  --input HDR-fusion/datasets/MIT5K/dng/a0003.dng \
  --output HDR-fusion/outputs/a0003_fused.hdr \
  --metrics HDR-fusion/outputs/a0003_metrics.json

上述命令会在 HDR-fusion/outputs/ 中保存：

a0003_fused.hdr：融合后的 Linear HDR。
a0003_fused.png：融合 HDR 结果的 Reinhard tone-mapped 可视化 PNG。
a0003_gt.png：归一化 GT 的直接 linear RGB 可视化 PNG。
a0003_over.hdr/png：模拟过曝帧及其可视化。
a0003_norm.hdr/png：模拟正常曝光帧及其可视化。
a0003_under.hdr/png：模拟欠曝帧及其可视化。
a0003_weight_over.png：过曝帧融合权重图。
a0003_weight_norm.png：正常曝光帧融合权重图。
a0003_weight_under.png：欠曝帧融合权重图。
a0003_weight_argmax.png：主导曝光来源彩色图。
a0003_luminance_hist.png：over/norm/under/fused 四条亮度分布叠加直方图。
a0003_metrics.json：误差指标。

常用参数：

--exposures 4.0 1.0 0.25：可选的固定三帧曝光补偿系数；省略时会根据亮度分位数自动估计。
--input-color-space auto|srgb|linear：非 DNG 图像的色彩空间处理方式。
--sigma 0.2：高斯曝光置信度宽度。
--levels 6：金字塔层数。

验证¶

PYTHONPATH=HDR-fusion pytest HDR-fusion/tests

CLI 会输出：

l1：融合结果与归一化 GT 的全图平均绝对误差。
recoverable_l1：排除连欠曝帧都会截断的不可恢复区域后的平均绝对误差。
recoverable_ratio：可恢复像素占比。
exposure_mode 和 exposure_factors：曝光挡位来自自动估计还是手动固定，以及实际使用的曝光系数。

融合 HDR 的预览图会先做 Reinhard tone mapping，再用 sRGB transfer 写入 PNG。模拟曝光帧的预览图不做 tone mapping，会直接把 linear RGB 截断到 [0, 1]，再用 sRGB transfer 写入 8-bit PNG，所以高光截断区域会保持白色，欠曝预览也会明显偏暗。