sensor的动态范围就是sensor在一幅图像里能够同时体现高光和阴影部分内容的能力。 用公式表达这种能力就是：

DR = 20log10（i_max / i_min);db

i_max 是sensor的最大不饱和电流—-也可以说是sensor刚刚饱和时候的电流 i_min是sensor的底电流（blacklevel） ；

在自然界的真实情况，有些场景的动态范围要大于100dB。

人眼的动态范围可以达到100dB。

Sensor 的动态范围： 高端的 >78 dB; 消费级的 60 dB 上下；

所以当sensor的动态范围小于图像场景动态范围的时候就会出现HDR问题—-不是暗处看不清，就是亮处看不清，有的甚至两头都看不清。

暗处看不清–前景处的广告牌和树影太暗看不清。

亮处看不清–远处背景的白云变成了一团白色，完全看不清细节。

根据前边动态范围公式

DR = 20log10（i_max / i_min); //dB

从数学本质上说要提高DR，就是提高i_max，减小 i_min；

对于10bit输出的sensor, i_max =1023，i_min =1, 动态范围DR = 60；

对于12bit输出的sensor， DR = 72；

所以从数学上来看，提高sensor 输出的bit width就可以提高动态范围，从而解决HDR问题。可是现实上却没有这么简单。提高sensor的bit width导致不仅sensor的成本提高，整个图像处理器的带宽都得相应提高，消耗的内存也都相应提高，这样导致整个系统的成本会大幅提高。所以大家想出许多办法，既能解决HDR问题，又可以不增加太多成本。

从sensor的角度完整的DR 公式：

就是提高感光井的能力，这就涉及到sensor的构造，简单说，sensor的每个像素就像一口井，光子射到井里产生光电转换效应，井的容量如果比较大，容纳的电荷就比较多，这样i_max的值就更大。普通的sensor well只reset一次，但是为了提高动态范围，就产生了多次reset的方法。 通过多次reset，imax增加到i‘max，上图就是current to charge的转换曲线。 但这种方法的缺点是增加FPN，而且sensor的响应变成非线性，后边的处理会增加难度。

本质上这种方法就是用短曝光获取高光处的图像，用长曝光获取阴暗处的图像。有的厂家用前后两帧长短曝光图像，或者前后三针长、中、短曝光图像进行融合