HDR的本意是高动态范围图像压缩。 我们知道一般CMOS sensor拍摄到的照片动态范围较人眼小很多，所以通过不同曝光时间拍摄同一场景的多张照片，实现动态范围扩展。前文提过曝光时间和图像亮度成正比，在已知多张照片曝光时间的条件下，可以把多张照片合成一张高动态范围的图片。举例来说，原始照片中图像内容的亮度范围都是0～255，合成之后亮度范围可能变成了0～1023，这幅高动态照片确实可以呈现所有的图像细节，不过一般显示器的显示范围只有0～255，无法直接显示出来。采用等比例压缩成0～255的话，图像细节丢失比较严重，于是出现了各种压缩动态范围的算法，既能完整呈现图像，又不损失细节。借用百度的图片。
![]()
先谈一下HDR的实现方法。通常我们所说的HDR都是指照片而不是视频，也就是说拍摄好几张不同曝光的照片存在系统的DRAM中，然后由CPU来计算合成，这是由SW来实现的，通常所需时间是秒级。HDR算法种类很多，效果较好的算法也意味着较高的计算复杂度。现在视频拍摄也需要HDR，CPU就容易算不过来，我这里分析一下由数字IC设计来实现HDR的可行性。
要视频HDR，首先需要CMOS sensor支持长短曝光模式，以长/短两种曝光图像合成为例，据我所知有两种输出格式，如下图。
![]()
对于依次传输的模式，要做二合一融合，必须要把长曝光的整幅图像先存起来，用SRAM的话显然面积会非常庞大，成本太高，因此需要存到系统的DRAM中，等短曝光的图像收到的时候再从DRAM中取出来。这样会占用DRAM的1个Frame存储空间，以及1次读Frame和1次写Frame的带宽。对于混合传输模式，除了可以同样采取把长曝光数据存储到DRAM中的方法以外，也具有把数据放入SRAM的可能性，这要看混合传输时block 大小。以FHD为例，假设先传输100 line的长曝光图像数据，再传输100 line的短曝光图像数据，需要把1920*100=192K个pixel存储到SRAM中，为了减小size，通常会在Bayer pattern domain做HDR合成，以pixel为10-bit为例，Total size为192K*10/8=240K bytes，成本或许可以接受。
HDR算法种类较多，我这里大概介绍一下基本思想。有基于直方图统计特征，进行亮度重新映射的方法，类似于直方图均衡化。有局部处理法，结合整体图像亮度和局部区域对比度，保留细节又压缩范围。有转换到对数域(人眼对亮度的敏感度类似对数关系)进行压缩的方法。有对图像进行分层，分为基础层和细节层，保留细节层，对基础层进行范围压缩的方法。各种方法可以相互融合借鉴，对于IC设计来说，最关键的还是性价比。
| 
