前置知识提示：读这篇前，建议了解：曝光补偿（EC）的基本用法（见 #1-3）。
雪景拍出来不是白的，是灰的#
冬天第一场雪，你举起相机对着白茫茫的空地按下快门。回放一看：雪成了肮脏的浅灰色，一点都不通透。换成手机，重拍——还是灰的。换一台专业机，仍然灰的。
不是你拍得不好，也不是相机坏了。是相机的测光系统在这种场景下必然翻车——它的工作原理，从根子上就带着这个 bug。
要搞明白发生了什么，得先知道两件事：相机到底在测什么光，它拿到这个数字之后又在用什么规则算曝光。
反射式测光：相机测的不是光，是反射光#
先区分两种测光方式。
专业影棚里常用入射式测光表（incident meter）——一个半球形白色漫射头朝向光源，量的是「打到这个位置的光有多强」。它关心光源强度本身，和被摄物是黑是白无关。
相机内置的是反射式测光（reflective metering）——它没法把传感器伸到被摄体前面去测入射光，只能测「从场景反射进镜头的光」。相机举起来朝向什么，就测什么反射回来的亮度。
打个比方。入射式测光像水库管理员在水源头量流量——下游水道怎么变，源头的水就这么多。反射式测光像在水龙头末端量——你测到的水量既取决于水源，也取决于水龙头开多大。同样的光源下，亮色物体反射回来的光可以是深色物体的数倍到数十倍。相机只能看到反射后的光，测出的数字混合了「光强」和「物体反射率」两个变量。
这就引出一个麻烦：相机拿到一个反射光的读数，它怎么知道是「光很强、物体暗」还是「光一般、物体亮」？它分不清。所以它需要一个假设，才能把反射光读数折算成「这个场景该多亮」。
这个假设，就是中灰假设。
图：入射式测完光源强度，反射式只能测物体反射后的光——读数 = 光源 × 反射率
小结：相机看到的不是「场景有多少光」，而是「有多少光从场景反射进了镜头」——这是一个混合变量。
18% 中灰：相机把场景往「中间亮度」归一化#
先说结论：相机会把你对准的任何场景，往一个「中间亮度」去归一化。这个中间亮度在摄影教学里常用 18% 灰卡 来代表——一块反射率 18% 的灰色板子，感知上接近中性灰，放进分区曝光系统（Zone System）里正好对应第五区，人眼判断为「中等亮度」。
严格讲，机内测光的校准常数（ISO 2720 里的 K 值）并不恰好等于 18% 反射率，不同品牌和机型之间还有差异。18% 灰卡更像是摄影行业的共用参考物——用它解释测光直觉最顺手，但不要把「18%」当成相机内部写死的一条公式。
可以这样理解：相机是一个按平均客户设计的银行柜员。它假设每个来存款的人都存 1 万。普通客户确实在这个数字上下波动，柜员服务起来很顺畅。但一旦来了存 100 万的富豪，或只带 50 块的小孩——柜员按「假设 1 万」的流程走，一定出乱子。
相机拿到反射光读数之后的流程是这样：
- 收集画面各区域亮度，按当前测光模式加权平均
- 把这个平均值当作场景的「中间亮度」
- 反推场景「应该被记录成多亮」
- 给出一组曝光参数，让输出画面的平均亮度落在这个参考位置附近——不等于 RAW 数值正好居中，也不等于直方图几何中心
当画面里各种颜色和亮度混合时（大多数日常场景），这个「把平均值当中间亮度」的假设足够近似，相机给的曝光就是对的。但当画面大面积偏白、偏黑、或光比极大时——假设会被场景打脸。
小结：相机用「把平均值当中灰」这个统一假设，把反射光读数折算成曝光参数。在典型场景中足够近似，在极端场景中必然失效。
假设翻车的三种经典场景#
一、雪景：白被压成灰#
画面里 80% 是雪。相机计算平均亮度，远高于参考的「中间亮度」。它的判断是：「这个场景比正常场景亮了大约 2 档，我要压暗曝光，把它拉回中间。」
结果：快门变快、光圈收小，雪的反射率从 80% 被强行拉到中灰——雪就灰了。
修正：往正方向加 EC，告诉相机「这次场景的平均反射率确实就是高的，别给我拉回中灰」。经验范围：+1 到 +1.5 EC。直方图高光会往右推，只要不贴到右墙死白就行。
二、黑背景或黑衣：黑被提成灰#
逻辑完全对称。画面大面积黑色（深色西装、黑色背景布、夜晚的街道），相机测到的平均亮度远低于中间参考值。它认为场景「太暗了」，于是开大光圈、放慢快门，把画面提到中灰。
结果：衣服变深灰、肤色变惨白。
修正：往负方向减 EC，-0.5 到 -1 EC。但如果画面里同时有人脸，要先判断「我最在意什么」——主体是人脸就不能只看衣服。这种时候更好的办法是换测光模式。
三、逆光：主体黑成剪影#
最常见也最复杂。傍晚拍人像，人站在夕阳前——身后是极亮的天和太阳，身前是几乎没被照到的面孔。
相机按整个画面平均亮度去算。天和夕阳非常亮，脸非常暗，平均下来相机给出的曝光对「平均值」友好——结果天保住了细节，脸黑成剪影。
修正：
- 如果你要人：主体优先，加 +1 到 +2 EC，让脸曝光正确，天过曝成一片白，接受
- 如果你要剪影：不加 EC 甚至减 EC，故意让脸黑掉，强化轮廓
- 或者换点测光对准脸部（下一节讲）
图：同一片雪地两种测光结果——相机默认给出的曝光把雪压灰，+1.5 EC 才是它真正该有的白
小结：这三种场景有一个共同特征——画面平均反射率远偏离中间值。不是相机坏了，是假设不成立。你要能一眼识别「这是个假设翻车场景」，才知道什么时候伸手拨 EC。
再提醒一句：加多少 EC 没有唯一答案——先想清楚「我要保谁」。要白雪的通透就正补，要黑外套的质感就负补，逆光下主体和背景必然舍掉一头。测光修正的起点始终是你的创作意图，不是机械公式。
测光模式：给相机换一副眼镜#
相机其实知道自己的中灰假设不稳。所以它提供了不同的测光模式，改变「把画面哪一块当作平均参考」的计算逻辑。
评价 / 矩阵测光（Evaluative / Matrix）#
默认模式，也是最智能的一种。相机把画面分成几十到几百个区域，分区测亮度，再用算法加权平均——同时参考对焦点位置、颜色分布，现代机身甚至结合场景识别（人脸、天空、逆光）做偏置。
适用：光比不大、没有明显「骗相机」的构图。日常拍摄、旅行记录 90% 场景用这个够用。
中央重点测光（Center-weighted）#
给画面中央区域分配更高权重，边缘权重低。具体覆盖范围和衰减曲线各家各机型都有差异。
适用：主体稳定居中的拍摄——传统人像、证件照、正面静物。缺点是如果你把主体放在黄金分割点，它就不太帮你。
点测光（Spot）#
只测画面中心（或所选对焦点）周围 1-5% 的小区域，完全忽略其他部分。
适用：光比极大 + 主体明显不等于平均亮度。逆光人像对准脸、舞台追光下的歌手、高反差山脊上的登山者——你告诉相机「就按这一小块测，别管其他」。
代价是你要会判断哪里该作为测光点。常见做法：找画面里应该呈现为「中间亮度」的位置测——或者直接对准主体拍一张，再看回放和直方图微调。
以脸部点测为例，受肤色深浅、光线角度、光谱成分影响，结果可能偏亮也可能偏暗。不会判断时，先对主体测一张，再看高光是否溢出，视情况退 1/3 – 2/3 EV 补回来。别把某个固定补偿值当公式。
图：评价测光看全画面，中央重点偏向中心，点测光只看一个小点——把视野交给相机还是自己拿回来
小结：测光模式是在告诉相机「把视野中哪一块当作平均参考」。评价信任相机算法，中央重点和点测光是你主动拿回控制权的两种粒度。
顺便纠正一个常见误会：EC 改的不是场景亮度，是相机对测光结果的解释。场景该多亮是你的判断，EC 是把这个判断传给相机的旋钮。换测光模式、选点测位置、拨 EC——这三把钥匙都指向同一件事：在相机给的读数上，做你自己的「再解释」。
拍摄行动点#
- 白纸测试：拿一张 A4 白纸铺满取景框，A 档，不加 EC 拍一张，+1 EC 拍一张，+1.5 EC 再拍一张。回放三张：哪张的白最接近你眼睛看到的白？这一次对比，胜过读十篇文章——你会亲眼看到中灰假设是怎么把白变灰的。
- 逆光主体优先：找一个有窗的房间，让人背对窗户坐下（脸背光、窗户过曝风险高）。用评价测光拍一张，再切换到点测光对准人脸拍一张，对比两张里脸的曝光差异。
- 深色衣物陷阱：找一个穿深色外套、坐在浅色背景前的人，不加 EC 拍一张，-0.5 EC 再拍一张。看哪张里外套的颜色更接近你眼睛看到的那个深。
读完这篇，你拿到了什么#
读之前你可能觉得测光就是「相机看了一下光」。读完之后你会明白，它其实在做两件事：先测反射光（一个混合了光强和物体反射率的数字），再用中灰假设反推曝光参数。大多数场景这个假设够用，但雪景、黑背景、逆光这三类是它的系统性盲区——你需要用 EC 或换测光模式覆盖它。
下一篇 #1-5，我们来看一个更底层的问题：动态范围。一张逆光照里，为什么高光和暗部总有一头得让步？传感器能记录的亮度范围到底有多大？理解动态范围之后，你会更清楚什么时候应该「放弃」一端，什么时候可以靠 HDR 或包围曝光两头都保。
参考资料 / 推荐阅读#
- Adams, A. The Negative（分区曝光系统，中灰的起源与使用方法）
- Peterson, B. Understanding Exposure（反射式测光的日常应用）
- Cambridge in Colour. Camera Metering & Exposure. 在线教程
