月全食包围曝光 HDR 延时摄影处理教程 🌔📸

本教程将介绍如何使用 eclipse_hdr_tool.py 将单反相机拍摄的 RAW 格式包围曝光序列（BKT）处理成高质量的、无重影且画面居中稳定的延时摄影视频。

为什么需要包围曝光 (BKT) 和 HDR？

在月全食过程中，月球的光比变化极大。月牙部分非常亮，而食甚阶段的“红月亮”非常暗。如果只使用单次曝光，要么亮部过曝死白，要么暗部死黑。 通过包围曝光 (Bracketing)，我们在同一瞬间拍摄多张不同曝光时间的照片（例如 3 张或 5 张）。 使用 HDR (High Dynamic Range) 技术，我们可以将这几张照片的亮部和暗部细节融合在一起，展现出肉眼所见的壮丽细节。

核心挑战：对齐与稳定化

由于地球自转和相机的微小抖动，连续拍摄的照片中的月亮位置会发生偏移。

旧算法 (Legacy Method) 的局限性

早期的对齐算法依赖于图像阈值化后的几何质心 (Centroid)。

• 致命问题：在月食“暗复明”阶段（半个亮月牙，半个暗红月亮），短曝光照片只能看到亮月牙，长曝光照片能看到整个圆盘。算法会将月牙的中心错误地当作月亮的中心。
• 结果：导致 HDR 合成时长短曝光的月球轮廓错位（出现严重重影），并在生成居中延时视频时，月亮在画面中心上下跳动。

新算法 (Advanced Method) 的突破

为了解决上述问题，新算法引入了全圆盘检测 (Full Disk Detection)。

• 霍夫圆变换 (Hough Circle Transform)：算法不再简单计算高光区域的中心，而是尝试拟合出整个月球的圆形边缘。
• 极低阈值最小包围圆：即使在极暗的长曝光中，也能找到完整的月球边界。
• 精准掩码 ECC 对齐：一旦锁定全圆，算法会生成一个紧贴月球的圆形掩码 (Mask)，然后使用亚像素级精度的 ECC (Enhanced Correlation Coefficient) 算法，只在掩码范围内进行图像对齐。
• 结果：无论月相如何变化，算法都能死死咬住“完整的月球球体”进行对齐，彻底消除重影，并生成如丝般顺滑的居中延时视频！

如何使用工具？

安装依赖

pip install numpy rawpy opencv-python argparse

基础运行

打开终端，运行脚本并指定包含 .NEF 照片的文件夹路径：

python eclipse_hdr_tool.py --input "你的/照片/路径" --bkt 5 --normal-video --centered-video

参数详解

• --input: (必填) 包含 RAW 文件的文件夹。
• --output: HDR 帧的缓存目录（默认为 hdr_cache）。
• --bkt: 包围曝光的张数。例如，连拍 5 张不同曝光就是 5（默认为 5）。
• --fps: 输出视频的帧率（默认为 10）。
• --clahe-limit: 阴影细节增强强度。值越大，暗部越亮，但噪点也会增加（默认 4.0，推荐 3.0-6.0）。
• --normal-video: 生成月亮按自然轨迹移动的视频。
• --centered-video: 强烈推荐！生成月亮被算法强制锁定在正中心的稳定视频。
• --method: 对齐算法选择。默认为 advanced（新算法）。如果想对比错误效果，可以传入 legacy。

结语

享受你的月食大片吧！通过全圆盘识别，即使是光比最极端的月偏食和食甚阶段，这套工具也能为你自动生成完美的 HDR 序列。