相機的計算攝影：為什麼 AI 能拍出星空
理解這四大支柱，你就會發現：AI 拍星空並不是單一魔法，而是這四層技術同時作用的結果。接下來我們先看看星空攝影到底難在哪裡，才能對症下藥。
二、星空攝影的物理難題：為什麼人眼與相機都看不到銀河
很多人以為「拍不到星空是因為相機不夠好」，但其實星空攝影的困難，本質上是物理問題。即使你拿一台十幾萬元的全片幅相機，在沒有正確設定的情況下，一樣拍不出好看的銀河。以下我們從三個面向拆解星空攝影的物理挑戰。
難題一：光子太少——訊噪比的戰爭
攝影本質上是一場「收集光子」的競賽。夜晚的星空極其昏暗，銀河核心的表面亮度大約只有白天場景的百萬分之一到千萬分之一。這意味著在同樣的曝光時間內，感光元件能收集到的光子數量非常少。
而光子到達感光元件是隨機的，這種隨機性會產生散粒雜訊（Shot Noise）。根據統計物理，訊噪比（SNR）與「光子數量的平方根」成正比。換句話說，如果你收到 100 顆光子，雜訊大約是 10，訊噪比是 10；如果你收到 10,000 顆光子，雜訊是 100，訊噪比是 100。想要讓星空畫面乾淨，就必須想辦法收集更多光子，或是用更多張影像平均來等效增加光子數。
問題是，手機的感光元件面積小，單一像素能接收的光子本來就少；加上手持拍攝有安全快門限制，曝光時間不能太長。這就是為什麼手機直出星空照往往又暗又雜。AI 與多幀合成的第一個任務，就是想辦法在「光子不足」的條件下，把訊噪比拉回來。
難題二：地球在轉——星軌與手震
第二個難題是地球自轉。星空攝影需要長曝光，但地球不斷轉動，星星在畫面中會隨時間移動。如果曝光時間太長，星點就會拖出長長的軌跡，變成「星軌」而非「星空」。天文攝影界有一個常用的經驗法則——500 法則：可接受的曝光時間約等於 500 除以等效焦距（單位為秒）。以 24mm 等效焦距計算，安全曝光時間約為 20 秒；若焦距拉長到 50mm，就只剩 10 秒左右。
這代表單張曝光時間有其上限。想要更長的總曝光時間，就只能靠「多張短曝光疊圖」來達成。而多張疊圖的前提，是每一張影像中的星點都要能精確對齊——這正是 AI 與電腦視覺演算法發揮的地方。此外，手持拍攝還有人手抖動的問題，雖然星空攝影通常會用腳架，但手機使用者常常只是把手機靠在石頭上或欄杆上，微小的震動都會讓星點模糊。
難題三：光害、大氣與鏡頭缺陷
第三個難題來自環境與光學系統本身。都市光害會讓天空背景變亮，降低星空與背景的對比；大氣擾動會讓星點閃爍、變得模糊；鏡頭的像差（尤其是邊角的彗星像差與暗角）會讓星星變形、變暗。這些問題在傳統攝影中只能靠更好的器材、更好的地點來改善，但在計算攝影中，AI 可以透過背景梯度校正、星點增強、鏡頭校正模型等方式進行補償。
總結來說，星空攝影的三大難題——光子不足、地球自轉、環境與光學缺陷——正好對應到計算攝影的三大武器：多幀合成、精準對齊、神經網路增強。理解了這個對應關係，我們就可以進入下一節，看看 AI 到底做了哪些事。
三、AI 如何拍出星空？拆解計算攝影的關鍵技術
這一節是本文的核心。我們會依序拆解五項在星空攝影中扮演關鍵角色的技術，從最基礎的多幀合成，到最具爭議的生成式補星。讀完之後，你將能理解手機天文模式與相機 AI 後期軟體背後的運作邏輯。
技術一：多幀合成與星空疊圖
多幀合成是所有計算攝影的起點，也是星空攝影最重要的一步。它的核心概念很簡單：拍攝多張短曝光影像，對齊後平均，以降低隨機雜訊。由於雜訊是隨機的，而星點訊號是固定的，當你把 N 張影像平均時，訊號會保留，雜訊則會降低約 √N 倍。換句話說，疊合 16 張影像，訊噪比大約可以提升 4 倍，效果相當於單張曝光時間延長 16 倍。
在手機上，這個過程通常是全自動的。以 Google Pixel 的天文攝影模式為例，當手機偵測到穩定放置（例如腳架上）且環境極暗時，會自動啟動約四分鐘的拍攝流程，期間連續拍攝多張短曝光影像，再進行對齊與疊合。三星、Apple、小米等品牌也有類似的星空模式，只是曝光策略與合成演算法不同。
在相機領域，則有 Sequator、DeepSkyStacker、Siril 等免費或開源軟體，可以讓使用者手動匯入多張 RAW 檔進行疊圖。這些軟體會自動偵測星點、計算平移與旋轉、去除衛星軌跡，最後輸出乾淨的疊合結果。進階使用者還會搭配平場（Flat）、暗場（Dark）、偏壓場（Bias）校正，進一步消除感光元件固定雜訊與鏡頭暗角。
技術二：AI 降噪——從 BM3D 到深度神經網路
疊圖之後，畫面雖然乾淨許多，但往往還是有殘留雜訊，或是因為對齊誤差而產生的細微模糊。這時候就需要降噪。傳統降噪演算法如 BM3D（Block-Matching and 3D Filtering） 在過去十多年一直是學術界與業界的主流，它透過尋找相似區塊並進行三維濾波來降噪，效果不錯，但對於星空這種「大量細小亮點 + 大面積暗背景」的場景，容易把暗弱的星星一起抹掉。
近年來，深度學習降噪成為主流。研究人員用大量「乾淨影像 + 人工加入雜訊」的配对資料訓練卷積神經網路（CNN），讓模型學會分辨「什麼是雜訊、什麼是訊號」。像 DxO DeepPRIME、Topaz Denoise AI、Lightroom AI Denoise 等商業軟體，以及 NVIDIA 的 Noise2Noise 系列研究，都屬於這一類。它們的優勢在於：能夠在去除雜訊的同時，保留星點的銳利度與細節，甚至能把原本淹沒在雜訊中的暗星「救」回來。
不過，AI 降噪並非萬靈丹。如果訓練資料與實際拍攝條件差異太大（例如訓練資料多是白天或一般夜景，較少星空），模型可能會產生過度平滑、塗抹感，或是把雜訊誤判為星點而產生假星星。這也是為什麼專業天文攝影者通常會保留原始 RAW 檔，並在降噪前後進行比對。
技術三：天空語義分割與自動場景辨識
你有沒有想過，為什麼手機在拍星空時，會自動把畫面中的天空區域處理得特別乾淨，而前景的樹木或人物卻能保持自然？這背後的關鍵是語義分割（Semantic Segmentation）。AI 模型會先判斷畫面中哪些像素屬於「天空」、哪些屬於「地景」、哪些屬於「人物」，再針對不同區域套用不同的處理參數。
在星空攝影中，天空區域通常需要較強的降噪、較高的對比增強與較冷的色溫調整；地景區域則需要保留紋理、避免過度拉亮而產生雜訊。如果沒有語義分割，相機會把整張影像當成同一種場景處理，結果往往是天空乾淨了、地景卻糊成一片，或是地景自然了、天空卻還是雜訊滿布。
目前主流的語義分割模型包括 DeepLab 系列、Mask R-CNN、SegFormer 等。手機晶片（如 Apple A 系列、高通 Snapdragon、Google Tensor）通常會在硬體層級加速這些模型的推論，讓使用者在按下快門的瞬間就能完成分割與分區處理。這也是為什麼近年手機的夜景與星空模式進步如此明顯——不只是感光元件變好，更是因為 AI 能「看懂」畫面內容。
技術四：星點偵測、對齊與銀河增強
多幀合成的成敗，取決於「對齊」是否精準。如果每張影像中的星點位置有些微偏移，疊合後就會變成模糊的星軌。傳統的對齊方法是偵測畫面中的亮點（星點），計算它們在每張影像中的位移與旋轉，再進行補償。常用的演算法包括 Laplacian of Gaussian（LoG）、Hough 轉換、以及基於 RANSAC 的穩健估計。
近年來，深度學習也被引入星點偵測。研究人員訓練神經網路直接從影像中預測星點位置與亮度，甚至能在高雜訊、低對比的條件下偵測到比傳統方法更多的暗星。這對於手機那種「單張曝光短、雜訊高」的影像特別有用。
對齊完成後，還有一個重要步驟：銀河增強。銀河本身是一條淡淡的星雲帶，在原始影像中對比很低。AI 可以透過分析色彩分布與紋理特徵，辨識出銀河區域，再進行局部對比增強、色彩飽和度調整與細節強化。有些軟體甚至會用生成模型「補」出銀河的塵埃帶細節，這就進入了下一節要討論的爭議地帶。
技術五：生成式 AI 與「AI 補星」的爭議
最後一項技術，也是最需要謹慎討論的：生成式 AI。當影像資訊嚴重不足時，生成模型可以根據學到的統計規律，「補」出合理的細節。例如，一張只有幾顆亮星的手機星空照，經過生成式模型處理後，可能會出現更多暗星、更清晰的銀河紋理，甚至連星點的顏色都變得更鮮豔。
這種技術的極致案例，是 2023 年引發廣泛討論的「三星月亮門」事件。有網友發現，三星手機在拍攝月亮時，會辨識出月亮並套用預存的月亮紋理，讓原本模糊的月亮瞬間變得清晰。三星官方後來承認，確實有使用 AI 進行「細節增強」，但強調是基於多幀合成與優化，而非直接貼圖。無論如何，這起事件讓「AI 攝影」與「AI 生成」之間的界線變得模糊。
在星空攝影中，類似的爭議也存在。有些 AI 降噪或增強軟體，會在不知不覺中「發明」出不存在的星星，或是把雜訊誤判為星點而放大。對於一般使用者來說，這可能讓照片更好看；但對於天文攝影者來說，這可能導致科學資訊失真。因此，負責任的 AI 星空攝影，應該區分「還原」與「生成」：降噪、對齊、疊圖屬於還原真實訊號；而無中生有的補星、補細節，則應該被明確標示，甚至避免使用。
四、實戰教學：手機與相機的星空拍攝流程
理解了原理之後，這節我們進入實戰。以下分別針對手機使用者與相機使用者，提供完整的操作流程與參數建議。即使你完全沒有天文攝影經驗，只要照著做，也能拍出不錯的星空照片。
手機篇：天文模式怎麼用才不踩雷
手機拍星空的最大優勢是「自動化」，但還是有幾個關鍵設定會影響成果：
實際操作時，建議先用手機的「專業模式」或「夜景模式」試拍一張，確認構圖與對焦，再切換到天文模式進行長曝光。拍攝過程中不要觸碰手機，等待模式自動完成。拍完後，可以用手機內建相簿或 Lightroom Mobile 進行簡單的對比與色彩調整。
相機篇：從拍攝到 AI 後期的完整 Workflow
相機的優勢是感光元件大、鏡頭素質好、可完全手動控制，但流程也相對複雜。以下是一個適合進階使用者的完整工作流程：
參數速查表
以下提供一個簡單的參數速查表，方便你在現場快速參考。實際參數仍需依相機型號、鏡頭光圈與環境亮度微調。
拍攝條件
光圈
ISO
快門速度
拍攝張數建議
手機天文模式
自動
自動
自動（約 15–30 秒／張）
由手機自動決定（約 4 分鐘總曝光）
全片幅相機 + f/2.8 廣角鏡
f/2.8
3200
15–20 秒
15–30 張
APS-C 相機 + f/3.5 kit 鏡
f/3.5
3200–6400
10–15 秒
20–40 張
M4/3 相機 + f/1.8 定焦
f/1.8
1600–3200
10–15 秒
20–30 張
提醒：上表為一般參考值，實際拍攝時請務必用相機的放大預覽確認星點是否銳利、曝光是否過亮或過暗。若環境光害較強，可適度降低 ISO 或縮短曝光時間；若環境極暗，則可提高 ISO 或增加拍攝張數。
五、爭議與反思：AI 拍出的星空，還是「攝影」嗎？
寫到這裡，我們已經完整拆解了 AI 星空攝影的技術與實作。但作為一篇負責任的教學文章，我們不能避開一個核心問題：當 AI 參與了如此多的處理，這張照片還算是「攝影」嗎？
這個問題沒有標準答案，但我們可以用「光譜」的方式來理解。光譜的一端是「純光學記錄」：單張曝光、僅做基本的亮度與色彩調整，忠實呈現感光元件收到的訊號。另一端是「純生成」：AI 根據文字提示或少量參考資訊，從零生成一張星空圖。大多數計算攝影落在中間，差別只在於 AI 介入的程度與性質。
我認為，判斷的關鍵在於「資訊來源」與「可追溯性」。如果 AI 處理的資訊，全部來自拍攝當下感光元件收到的光子，那麼這張照片仍然是「攝影」，只是用了更聰明的演算法來呈現這些資訊。例如：多幀疊圖、星點對齊、基於真實訊號的降噪，都屬於這一類。但如果 AI 在資訊不足的地方「無中生有」，例如補上不存在的星星、生成不存在的銀河紋理，那麼這張照片就更接近「AI 生成圖像」，而非「攝影作品」。
這也帶出一個實務建議：在分享 AI 增強過的星空照時，應該誠實標示使用了哪些處理。這不是要否定 AI 的價值，而是尊重觀看者的知情權，也保護攝影作為一種「記錄真實」的媒介的可信度。對於天文攝影者而言，保留原始 RAW 檔與處理流程紀錄，更是維持作品科學價值的必要習慣。
從更宏觀的角度來看，AI 並沒有「取代」攝影，而是擴張了攝影的邊界。它讓原本只有專業天文攝影師才能拍到的星空，變成一般人也能輕鬆記錄的日常。這是一件好事，但前提是我們要清楚知道自己在看什麼、用什麼方式創造出來的東西。
六、結語：AI 不是取代攝影，而是擴張人眼的邊界
回到文章開頭的那個場景：你在山上按下快門，手機螢幕上出現一張銀河清晰的照片。這張照片的誕生，經歷了光學成像、多幀拍攝、星點對齊、AI 降噪、語義分割、銀河增強等多道工序。每一道工序，都是人類對光與運算理解的結晶。
AI 能拍出星空，不是因為它「會拍照」，而是因為它能在極短時間內完成人類難以手動處理的大量運算，並且從海量資料中學會辨識什麼是星點、什麼是雜訊、什麼是銀河。它讓我們這些住在光害城市裡的人，也能用手機記錄下宇宙的壯麗。
但同時，我們也應該保持清醒：AI 是工具，不是魔法。與其盲目追求「AI 一鍵出大片」，不如理解它背後的原理，知道哪些是真實訊號、哪些是演算法補充。唯有如此，我們才能真正駕馭這項技術，而不是被它牽著走。
下次當你站在星空下，不妨試著用手機或相機拍一張，再想想這張照片背後經過了多少運算。你會發現，攝影從來不只是按下快門，而是一場人與光、人與科技之間的對話。而 AI，只是讓這場對話變得更豐富、更平易近人的一種方式。
附錄：常見問題 FAQ
Q1：沒有腳架，手機能拍星空嗎？
可以嘗試，但成功率較低。建議把手機靠在穩固的物體上（例如背包、石頭、欄杆），並使用耳機線控或倒數計時器避免按下快門時的震動。若手機支援天文模式，通常會要求裝置穩定才會啟動，因此還是建議攜帶小型腳架。
Q2：AI 降噪會不會把星星抹掉？
有可能。過強的 AI 降噪會把暗弱星點誤判為雜訊而抹除。建議使用較低強度、並在處理前後放大比對星點數量與形狀。若使用 Lightroom 或 DxO 等軟體，可以先套用預設值，再視情況微調。
Q3：手機的「星空模式」和相機的「多幀疊圖」有什麼不同？
本質相同，差別在於自動化程度與硬體條件。手機的星空模式通常全自動完成拍攝、對齊、疊圖與降噪，適合一般使用者；相機的多幀疊圖則需要手動拍攝與後期軟體處理，但可控制性更高，畫質上限也更高。
Q4：拍星空一定要遠離城市嗎？
強烈建議。城市光害會大幅降低星空與背景的對比，即使 AI 也難以完全補救。若無法遠離城市，可選擇光害較少的公園、郊山，並避開滿月前後與路燈直射的方向。
Q5：AI 補星的照片可以參加班級攝影比賽嗎？
取決於比賽規則。多數攝影比賽要求「真實記錄」，若使用生成式 AI 補上不存在的細節，可能被視為違規。建議參賽前詳閱簡章，並在必要時主動說明使用的處理方式。若規則未明確禁止，也應以「還原真實訊號」為原則，避免無中生有。