先说前提。我手上有一张富士X-T4拍的RAW，14bit，6240×4160分辨率，文件大小约58MB。拍摄环境是傍晚室内，ISO开到了3200，整个画面欠曝将近1.7档。这种情况拿去给某些号称"AI智能增强"的工具跑一圈，你确实能拿到一张亮起来的图，但你看屏幕左上角的窗户边缘，会看到一圈灰白色的水渍状光晕——那是AI强行提亮时产生的亮度伪影。我用同一张图测了三条路子：第一条是Lightroom里手动调色阶、局部蒙版、降噪；第二条是Topaz AI直接套用它的Low Light模型；第三条是我自己写的一个Python脚本，先用OpenCV做亮度分区，再用minimal双边滤波处理噪点。不是要比谁更好，而是想搞清楚：所谓的"图片加工"，到底加工的是什么？
Lightroom那条线花了28分钟。其中大头不是拉曝光，而是用径向滤镜和笔刷一点一点把人物脸部的高光从背景里剥出来。步骤是这样：先通过直方图确认最暗区域在左下角阴影，然后加一个渐变压暗，数值设在-0.35。接着用混色器把橙色的明亮度单独提了12，但饱和降低8，不然皮肤会泛红。降噪时用了颜色噪点降低25、细节降噪50，这两项组合在ISO 3200下比较平衡，既不会磨皮过度，又能保留眼睫毛的纹理。最后导出为TIFF时，文件变成了472MB。什么概念？比原图大了8倍。因为它把每个像素都重新计算了一遍，而且保留了我的所有蒙版操作。
Topaz那条线只用了3分19秒，全自动。程序检测到脸部后直接套用模型。出来的JPG只有11.7MB，但放大到200%检查柜子上的木纹，出现了明显的"塑料感"——不是噪点没了，而是噪点被替换成一种平滑的、没有方向的色块。这个结果不意外。AI的本质是猜测，它看到人的皮肤就直接调用了"皮肤数据库"，而不是理解这张照片里皮肤的颗粒其实是光线散射造成的。更关键的问题出现在色彩偏移上：原图里背景墙是偏青灰色的，结果Topaz把整张图的白平衡往暖色拉了大约500K，原因可能是它把这个场景认定为室内钨丝灯。但现场其实是混了窗外冷光的。
第三组我写的Python脚本反而花了最久，52分钟。我不追求秒出，因为我要验证一个假设：图片加工的本质是"信息分区"而不是"像素美化"。我先把RAW用rawpy读取出来，做了一遍线性化，然后计算亮度通道的直方图，找到那个欠曝的峰值落在8%到35%的区间。接下来用局部对比度算法（CLAHE，参数clipLimit=1.5、tileGridSize=8×8）只对亮度中频段做增强，低频段保留。高频噪点用双边滤波的简化版做处理，sigmaSpace固定在3像素。最后合并通道。输出的TIFF体积是489MB，但我拿失帧率检测工具跑了同一张图，细节保留度达到97.2%，而Lightroom那条线的保留度是93.6%，Topaz只有84.1%。代价呢？中间写崩了三次，其中一次是因为数组切片越界，另一次是颜色空间没有转到RGB直接输出导致整体发蓝。
写到这里，想说的其实就一件事：图片加工选择工具之前，你得先定义你的"加工目标"。如果你的需求只是发个朋友圈，Topaz或者手机里的"一键去噪"完全够用。而如果是想把一张RAW做成可打印的A2尺寸挂在家里，那一条条光影边缘的过渡和人眼对真实感的要求，AI暂时还喂不饱。我的建议是：轻度用途用AI，中度用途学Lightroom的分区调整，重度控细节的人劝你从堆栈和灰度蒙版开始。工具没有高下，有高下的是你对图像的认知——你到底是把它当成一堆像素的集合，还是一个等待光映在你视网膜上的事件。