按关键词阅读： 传感器 iPhone 算法 摄影
以最基础的数据收集为例 ， 计算摄影能做到在传感器RGB色彩硬件通道基础上 ， 通过算法扩展出橙、黄、浅蓝、紫色等色系的色彩通道 ， 进行更精细地分类色彩收集 ， 从传统RGB的2X2色彩矩阵信号 ， 升级到至少3X3色彩矩阵信号（如果传感器、ISP性能足够的话 ， 理论上能做到更多的色彩通道） ， 为后面的图像优化步骤提供了巨量的基础图像信息 。
当然 ， 除了色彩信息采集外 ， 还有距离信息、光线信息等等数据采集步骤 ， 也可以配合不同的信息传感器为照片优化提供不同维度的信息 。 以上采集信息的技术通过多帧连拍、色彩偏移、曝光偏移等相关的功能实现 。
【摄影|极夜模式的比拼：计算摄影御三家的深夜同台演义】采集完信息后 ， 接下来计算摄影的图像优化可以分为很多个应用场景来调用不同的优化程序流程 ， 这里就以目前计算摄影的美颜功能优化的大致流程为例来给大家介绍吧 。 上图是整个工作流程的大概演示 ， 分为：
- 色彩整理 ， 进行画面分区；
- 根据色彩分区 ， 初步识别出人脸区域；
- 配合距离信息 ， 把人脸的具体分区确认；
- 确认人脸分区后 ， 为每个部分匹配上相关的优化算法 ， 例如美肤、眼神光等等；
- 整合照片各部分优化后的数据 ， 生成照片成品；
因此 ， AI摄影和计算摄影工作流的差异 ， 我们打个比喻 ， 就是套个滤镜完事 ， 和找修图师用Photoshop对照片进行精修的差别 。可以说 ， 超大的算力和硬件性能的鸿沟导致了AI摄影和计算摄影有很大的差距 ， 也能说明为何目前计算摄影只存在拥有旗舰级性能和顶级拍摄硬件的手机上 。
主题：聊聊不同品牌手机计算摄影存在的差异由于计算摄影是一个比以往AI摄影庞大许多的体系 ， 上文所说也只是冰山一角罢了 。 因此 ， 这次只跟大家聊聊关于“极夜模式”下的计算摄影差异 。
本次测试找来了目前计算摄影中顶峰三款手机：vivo X70 Pro+、iPhone 13 Pro和华为P50 Pro 。
主要的拍摄硬件差异先参考上表 ， 其中要说明的是 ， 本次主要测试三者的主摄 ， 这是三部手机中 ， 传感器、镜头镜组最好的配置 ， 而超广角和长焦镜头因为硬件性能差异较大 ， 就只作为参考项目吧 。 主摄的差异主要是传感器尺寸、镜片镀膜这两个关键参数上 ， 而X70 Pro+凭借GN1的大尺寸和蔡司镜头的优势 ， 光学性能上 ， 暂列最好的 。
顺带一提 ， 本次拍摄的照片都是在深夜12:30后拍摄的 ， 并专门挑那些灯光稀少 ， 超级黑暗的环境来进行拍摄 ， 也在一定程度上忽略掉了照片观赏性 ， 一切只为说明问题而准备 ， 所以 ， 大家就先不要纠结拍得好不好看了 ， 毕竟在夜深漆黑的环境拍摄 ， 基本没什么好景物和构图心思了 。
下面样张对比 ， 均为夜景模式拍摄 ， 其中在弱光环境下 ， 系统会自动开启极夜模式 ， 也就是属于全自动拍摄 ， 而且每一组样张的场景亮度会不断下降 ， 直至几乎全黑环境 ， 开始几组照片是正常夜景模式 ， 后面的样张才是极夜模式 。 照片水印对应机型 ， 没水印的那个自然是iPhone了 。
第一组样张是本次测试唯一一组不在深夜拍摄的 ， 目的是考验在霓虹灯夜景的高反差环境下 ， 能不能通过计算摄影对霓虹灯灯箱的还原效果过不过关 。
毫无疑问 ， X70 Pro+对灯箱的高亮部分还原效果是最好的 ， 其余两者都过曝的部分 ， 只有vivo能hold得住 ， 把原本灯箱的色彩还原出来了 。 而iPhone的鬼影问题也是三者中唯一存在的 。 P50 Pro则虽然没有把高亮部分压下去 ， 但还是能把文字尽量还原出来 。 可以说 ， 三者中 ， iPhone效果是最不如意的 。
再看细节保留情况 ， 这部分P50 Pro的细节保留是最好的 。 不管是超亮的灯箱还是暗处的建筑物 ， 锐度也是三者中最高的 ， X70 Pro次之 ， 最惨的还是iPhone ， 高光细节基本全丢失了 。
这部分可以看得出 ， vivo在高光过曝压制上拥有绝对的优势 ， 而华为则是能兼顾整体成像 ， 虽然没有vivo强劲的高光压制 ， 但细节保留得更好 。 至于iPhone 。。。 不说了 ， 大家评价吧 。
再来一组色彩还原的对比 ， 大家先记住上面这张用相机固定5000色温、标准色彩模式下拍摄的照片作为色彩参考标准 ， 再看下面三款手机拍摄：
稿源：(喵语数码)
【傻大方】网址：http://www.shadafang.com/c/11119550912021.html
标题：摄影|极夜模式的比拼：计算摄影御三家的深夜同台演义( 二 )