“闪瞎眼”的黑科技！HDR图片处理技术的现状与未来

相信不少人都被“蛙蛙”、“小乌龟”表情包闪瞎过。

当然，亦有可能你是另外一部分不明所以、看到大家在刷同样表情包的吃瓜群众（Android设备并未适配）。

但你肯定多少听闻过，这是 HDR 惹的祸！

关注腾讯云开发者，一手技术干货提前解锁👇

7小时不间断直播，看腾讯最新黑科技，赢百份周边好礼！

01

什么是 HDR

HDR 全称叫做“Hight Dynamic Range 高动态范围”，与之对应的则是 SDR “Standard Dynamic Range 标准动态范围”。所谓的“动态范围”，指的是图像所能容纳的从最暗到最亮部分的亮度层次范围。

本质上，HDR 就是通过扩展图像中最亮与最暗部分之间的亮度差异（即动态范围），来呈现更丰富的色彩层次、更深的对比度以及更接近人眼真实感知的视觉效果。（由于人眼的亮度敏感效应，因此通常更容易看到的是亮度提升，然后才是色彩鲜艳）。

如今，伴随 HDR 技术的成熟，叠加消费电子的工业化发展，已经有很大一部分民众在家中电视或显示器，享受到了 HDR 带来的极致体验。

无论你是懂或者不懂 HDR 技术，如果最近几年有选购电视或者显示器，或多或少都能看到商家、品牌方会把“亮度”、“色彩”放在最显眼的位置。而消费者也对品牌商品的亮度、色彩越来越挑剔，越来越“懂行”。

相比于传统从 1080P 到 4K 高清的体验提升来说，从普通高清视频切换到 HDR 视频带来的提升，可以说是感官体验上的“范式跃迁”。

02

HDR 图片现状

要了解图片 HDR 的现状，需要分为图片生成和查看图片两方面来说。

生成 HDR 图片

HDR 图片首先需要一个能够拍摄 HDR 设备，并不是所有拍摄设备都可以拍摄出 HDR 图片，这需要拍摄设备能采集到高动态范围的亮度和色彩。

查看 HDR 图片

成功拍摄出了一张 HDR 图片，想要完整的看到 HDR 全貌，就需要图片在保存和显示的时候能恢复出来。

从技术上来说，拍摄设备采集到了足够大范围的亮度和色彩，需要将这些光信号转化为数字数据保存下来且不损失范围和精度。

即使采集端通过各种硬件或技术实现了对真实世界亮度和色彩的捕捉，HDR 动则高达 10 的 8 次方的对比度范围，早几年前的手机、电脑、电视等硬件设备，基本都无法完整呈现。

随着互联网技术和消费电子业的发展，HDR 也趋于完善，以我们生活中最常见的移动设备——手机来看，Android 从14/15系统开始全面支持 HDR，高通骁龙 8 Gen2 及后续芯片均支持 HDR 拍摄、录制、保存，联发科的8系和9系芯片也开始全面支持 HDR 拍摄、录制、保存；iPhone 则从 iPhone 11 便支持拍摄 HDR 照片，最近升级的 iOS 版本更是将 HDR 拍照作为自动项隐藏在系统设置中。

这意味着几乎 2024 年开始的中高端机型所用的芯片均支持 HDR 能力。

为了更直观的让大家感受 HDR 区别，我找了几张图片，下图中是同一张图，左边为支持 HDR 的系统查看到的效果，右边为不支持 HDR 的系统看到的效果：

03

HDR 图片技术

前文主要作为引言对 HDR 做了简要的介绍，从这里开始，我们就细致讲一下，HDR 图片的原理。图片HDR场景，有着两种不同的思路：

1. 10bit 为代表的高位深方案：10bit HDR
2. Gainmap 增益图方案：Gainmap HDR

抽象来说，图片 HDR 似乎天然继承了摄影中的“包围曝光”、“多重曝光”的思想：既然原始亮度色彩是宽大的，那么既可以选择直接保存为一份高精度大范围的数据（10bit HDR），也可以选择拆成多份标准精度范围的数据最终显示时再合成（Gainmap HDR）。

3.1 10bit HDR

特点：

• 视觉效果好：保留最原始、丰富的亮度/色彩信息。
• 标准统一：图片（HEIF、AVIF）解码后直接显示，除 YUV 到 RGB 转换外，无需图像融合、亮度/色彩映射等转换流程，避免不同设备、软件下的算法不一致导致的最终效果差异。

相比于 SDR 图片的区别：

• 兼容性低：需要编码端与解码端支持，部分终端可能无法解码 10bit 或默认将 10bit 转换为 8bit 显示。
• 10bit 编码/解码耗时和 CPU 开销的上升。
• 10bit 编码后数据体积对比 8bit SDR 图片会有所上涨。

3.2 Gainmap HDR

Gainmap 又叫增益图，增益图 HDR 的方案，其实就是在相机拍摄的时候天然通过算法或硬件将采集到的原始照片分割为标准照片（主图：Primary image）和高光区域（Gainmap image）两个部分。

高光区域其实就是普通 SDR 照片无法捕捉到的超出范围的部分的亮度、色彩。这部分高光区域照片会以增益图（Gainmap）的形式独立保存，并嵌入到最终的图片数据中。

2023 年 10 月初，Google 发布了 Android 14 后，引入了 Gainmap HDR 特性（UltraHDR）。2024 年 10 月，业界代表的 Google、Adobe 联合起草了 Gainmap HDR 增益图的 ISO 提案。2025 年，Gainmap HDR 的 ISO 提案转入发布状态，Google Android 15 也全面完成对 ISO Gainmap HDR 的适配，Adobe 更新了测试样例和 Demo 程序，并且 Apple 也宣布加入 ISO 派系。

理论上，ISO 这套 Gainmap HDR 方案，是基于不更改已有格式和编解码的基础上，通过图片的 XMP 信息额外附带增益图，以实现前向兼容的方案。即使终端完全不理解 Gainmap 或 XMP，它仍然会将这张增益图 HDR 的图片当做一张普通图片进行解码显示，从而实现前向兼容。

Google Ultra HDR(JPEG)

目前，Google 通过 Android14/15 已经完整构建出了以 UltraHDR 为核心的 JPEG 增益图 HDR 方案。而 Adobe 则通过其强大的媒体编辑生态，将 ISO Gainmap HDR 扩展到包括 AVIF、TIFF、PNG 等各种不同的格式。

其实，除了以 Google 和 Adobe 推动的 Gainmap HDR 标准化路线之外，Apple 在 iPhone 中引入 Gainmap HDR 则要早得多。Apple 自 iPhone 12（2020年）中变引入了一套私有化的 Gainmap HDR 方案（Apple HDR）。这套方案除了算法和转换系数不一样之外，几乎和 ISO 版本的 Gainmap 没有任何差异。

特点：

• 兼容性强：完全向前兼容，对不支持 HDR 的终端/解码器来说就是普通的 SDR 图片

相比于 10bit HDR 图片的区别：

• 拍摄、生成 SDR+Gainmap ，实质丢弃了部分亮度、色彩信息
• 终端显示需对 Gainmap 和 SDR 解码并做融合计算得到 HDR 结果，编码/解码耗时和 CPU 开销更大
• 标准不完全统一，不同标准之前图片相互转换时，依赖转换算法、精度、渲染效果，依赖终端设备对标准的支持

3.3 对比总结

从我们目前对图片生态和手机消费市场的分析来看，如果仅考虑手机拍照作为 99% 占比的上游生产端来说，绝大部分的 HDR 照片均为 Gainmap JPEG（Android UltraHDR）和 Gainmap HEIF（Apple HDR）。如果是考虑业务的落地场景，10bit HDR 和 Gainmap HDR 作为分发格式，则各有各的优点。

从设备、软件的原生支持情况来说，大体上如下：

*部分支持/非完全支持：与厂商、芯片相关，或支持不完全，可能存在显示效果问题

04

HDR 图片处理的难点

尽管 HDR 图片在显示效果上实现了质的飞跃，但其在实际应用与处理过程中仍面临诸多技术挑战。从生产到分发的全链路中，HDR 内容的高动态特性对编码、处理、兼容性和色彩管理都提出了更高要求。

首先， 兼容性与标准化问题依然突出，如上一节所提到的，目前并存多种 HDR 实现方案，如 10bit 高位深 HDR、ISO Gainmap HDR 以及 Apple 私有方案等。不同设备、操作系统和软件对各类 HDR 格式的支持程度不一，导致同一张 HDR 图片在不同环境中可能出现显示不一致、甚至无法正确渲染的问题。尤其在实际业务中，如何确保 HDR 内容在 Android 与 iOS 设备间、新旧机型间获得一致体验，成为推动 HDR 普及的关键瓶颈。

第二， 处理流程中的技术复杂度显著增加。传统 SDR 图像处理管线基于 8bit 色彩深度，而 HDR 内容通常需要 10bit 甚至更高位深的数据表示，并在处理过程中需保持高动态范围数据的完整性。常见的图像操作如缩放、裁剪、添加水印、格式转换等，在 HDR 环境下必须重新设计算法，以避免高光细节丢失、色彩失真和元数据损坏。尤其对 Gainmap 类图像，任何处理都需同时兼顾基础图像与增益图的协调性，否则会导致合成效果失效。

第三， 色彩管理与动态范围映射成为另一大挑战。HDR 内容的亮度范围远超 SDR，因此在非 HDR 设备上显示时需进行色调映射（Tone Mapping），将高动态内容压缩到 SDR 范围内，并尽可能保留视觉细节。这一过程极易引发局部过曝、细节丢失或色彩饱和度失真。如何在不同显示能力设备上实现“优雅降级”，同时不破坏原图的视觉效果，是 HDR 技术落地中的常见难题。

第四， 编辑与分发过程中的元数据保持也十分关键。尤其是 Gainmap 类图像，其 HDR 能力依赖嵌入的 XMP 元数据或辅助增益图层。许多图像处理工具在编辑后会丢失或损坏这些关键信息，导致图像退化为普通 SDR 格式。此外，在存储与分发流程中，需确保 HDR 相关数据不被剥离或错误解析，否则前期的 HDR 采集与处理努力将付诸东流。

HDR 图像的处理远不止于“支持一种新格式”，而是涉及采集、处理、存储、分发和显示全链路的系统性工程。正因如此，一套完整且成熟的 HDR 解决方案需在技术实现、生态兼容与用户体验之间找到平衡点。

05

腾讯云数据万象 HDR 图片方案

面对 HDR 图片处理中兼容性、技术复杂度、色彩映射及元数据保护等核心难题（如第五部分所述），腾讯云数据万象凭借多年深耕图片处理领域的经验，推出了一套端到端的技术体系。该方案旨在无缝衔接上游生产与下游分发，通过智能化的处理引擎和标准化支持，有效化解 HDR 应用中的痛点，确保用户能高效实现 HDR 图片的存储、处理与分发。

技术实现亮点：化挑战为机遇

针对第五部分提出的难点，腾讯云数据万象提供了针对性优化：

• 兼容性难题的破解 ：支持主流 HDR 格式，包括 ISO Gainmap HDR JPEG 和 Apple HDR JPEG，实现跨 Android/iOS 设备的统一渲染效果。通过动态元数据保留机制，确保 Gainmap 增益图与基础 SDR 图像的协调性，避免不同标准导致的显示断层。
• 处理复杂度的简化 ：内置 10bit 高位深处理管线，结合智能算法（如色调映射自适应），在缩放、裁剪、水印添加等操作中，自动保持高动态范围数据的完整性。处理过程采用硬件加速优化，显著降低 CPU 开销，同时避免高光细节丢失或色彩失真。
• 色彩管理与元数据保护 ：引入端到端色彩空间转换技术，确保 HDR 内容在非 HDR 设备上“优雅降级”，通过精准的色调映射保留视觉细节。元数据嵌入机制全程防护，防止 XMP 信息或增益图层在编辑、传输中被剥离，保障 HDR 效果无损传递。

最佳实践：无缝集成与高效操作

用户可通过简单 API 调用实现 HDR 处理。以下以 Gainmap HDR JPEG 为例，展示如何保留 HDR 效果的关键操作：

• 裁剪处理并保留 HDR ： 对原图进行区域裁剪，同时维持 HDR 动态范围。 https://examplebucket-1259165985.cos.ap-chengdu.myqcloud.com/03.jpg?imageMogr2/crop/1000x1200/hdr/1
• 缩放处理并保留 HDR ： 智能缩放图片尺寸，优化加载速度而不牺牲亮度层次。 https://examplebucket-1259165985.cos.ap-chengdu.myqcloud.com/03.jpg?imageMogr2/thumbnail/10
• 添加文字水印并保留 HDR ： 嵌入自定义水印，确保高光区域不被覆盖，元数据完整保留。 https://examplebucket-1259165985.cos.ap-chengdu.myqcloud.com/03.jpg?imageMogr2/hdr/1|watermark/2/text/6IW-6K6v5LqR5pWw5o2u5LiH6LGh/fill/l2U2ZTZlNg/fontsize/200/dissolve/50/gravity/southeast

通过这些实践，用户可直观感受腾讯云如何将 HDR 处理难点转化为平滑、高效的工作流。您可点击下方阅读原文，了解更多技术细节与配置指南，解锁全链路云上 HDR 能力。（链接：https://cloud.tencent.com/document/product/460/118040）

06

腾讯云数据万象 HDR 图片处理技术的未来规划

图片处理的最终目标是保持画质的统一，在 HDR 图片这里要做的事还有很多，腾讯云数据万象会在未来持续完善：

• 全面支持 ISO Gainmap HDR，支持 Gainmap HDR JPEG\AVIF 的互转，同时更新 libavif 软解码库支持对 Gainmap AVIF 的解码 这将使得搭载 TXAV1 编码器、拥有极高压缩率的的 AVIF 全链路支持 HDR，使越来越多使用 AVIF 压缩图片的业务可以全面获得 HDR 体验。
• 进一步支持 Apple Gainmap HDR 与 ISO Gainmap HDR的无损转换，打通苹果生态与 Android 生态，使 iPhone 拍摄的 HDR HEIF 可以在 Android 上获得一致的观感 这将进一步统一 HDR 分发生态，无论用户上传的是 Apple HDR 还是 ISO HDR ，均可以以业务选择的最合适、兼容性最好的 HDR 格式进行分发。
• 支持 SDR 转 HDR，结合智能质量评价模型，将 SDR 图片增强到 HDR 解决部分业务场景的生产方、上游有大量普通 SDR 照片，下游场景希望提升画质、增强用户体验的需求。

-End-

原创作者｜张帆 李沐霖