数字照片中的噪点在暗部最为明显，因为那里记录的信号最弱。常见的应对方式是在后期提亮暗部，但这只会放大已记录的内容，噪点同样如此。向右曝光（ETTR）从源头解决问题：它刻意提高曝光量，使场景中最亮的色调落在传感器裁切点恰好以下，在任何处理开始之前尽可能多地收集光线。Michael Reichmann 在2003年7月31日于 Luminous Landscape 发表的文章 Expose Right 中阐述了这一技术，起因是他与 Adobe Camera Raw 的原始作者 Thomas Knoll 在冰岛举办的工作坊。这是第一篇广泛流传的、将曝光作为一个有别于胶片的数字问题加以讨论的文章，其基础是传感器记录和编码光线的物理原理。

胶片早已知晓的道理

一张黑白胶片对光线的响应并非线性。将其冲洗后的密度对曝光量的对数作图，就得到了特性曲线，得名于1890年首次测量它的 Ferdinand Hurter 和 Vero Driffield：曲线脚部对应暗部，中间段近似直线，肩部则是高光压缩、平缓收尾直至最大密度的区域。将高光推得过远，负片不会骤然撞墙；它会缓缓进入肩部，并保留一丝层次分离。

Ansel Adams 在 The Negative（1981）中将这条曲线编纂为一套原则：为暗部曝光，为高光显影。将重要的暗部放置在区域 III 或 IV，使其落在脚部之上，然后通过调整显影来控制高光的落点。这是暗部优先的逻辑，之所以有效，正是因为胶片的肩部对过曝的高光具有宽容度。

传感器则反转了这一局面。其响应严格线性，没有肩部，只有硬性裁切：感光单元充满、饱和，只返回最大值。没有任何过渡可供恢复。因此，数字的法则与胶片的法则截然相反。高光必须被保护，因为它们会骤然失效；而暗部则被尽量向右推，以争取下一节所量化的信噪比优势。向右曝光（ETTR）就是被传感器响应曲线形态颠倒过来的区域系统。

为何更多的光意味着更少的噪点

此处有两类独立的噪声来源，而向右曝光（ETTR）只能解决其中一种。读出噪声是传感器自身电路产生的固定贡献，以电子数衡量，大致恒定，与收集到多少光无关。散粒噪声来自光线本身：光子随机抵达，任一感光单元中的计数服从泊松统计，其中方差等于均值。计数的标准差因此是均值的平方根：收集到100个电子的区域，噪声约为10，信噪比为10；而10,000个电子则给出约100的噪声和100的信噪比。信号的增长快于噪声，信噪比随收集到的光子数的平方根上升。

这两项决定了传感器的动态范围。以档（stop）为单位的动态范围是 log₂（满阱容量 / 读出噪声）：即从读出噪声本底允许的最深色调到感光单元所能容纳的最亮色调之间，能容纳多少倍加关系。散粒噪声在信号远高于该本底的地方占主导；读出噪声仅在最深的暗部和最短的曝光中占主导。这正是向右曝光（ETTR）发挥作用的地方。给一个接近纯黑的暗部多一档（stop），约100个电子的计数变为约200个，其信噪比从约10提升至约14；再多一档（stop）则达到约400个电子，信噪比约为20。对一个已有数万个电子的中间调施加同样的额外档（stop），只会把一个本已很高的信噪比变得略高一点，几乎无人察觉。这项技术在你真正担心的色调上收益最大，在那些本就干净的色调上则几乎毫无回报。

级别与线性刻度

第二个论点涉及RAW文件如何分配其数值级别。由于传感器是线性的，而一档（stop）曝光量对应光线的翻倍，场景中最亮的一档（stop）占据了所有可用级别的一半，下一档（stop）再占剩余的一半，依此类推。Reichmann 在2003年用一个12位文件阐明了这一点：4,096个级别，其中最亮的一档（stop）占2,048个，第二档（stop）1,024个，第三档（stop）512个，第四档（stop）256个，第五档（stop）128个。14位文件的规律相同——16,384个级别，最亮的一档（stop）约8,192个——而落在刻度低端的色调量化粒度远比推向右端的色调粗糙。

将此视为论点中较弱的一条腿。上方各档（stop）精细的量化在很大程度上无关紧要，因为RAW数据本身是有噪声的：深暗区域的散粒噪声宽达许多个级别，额外的编码值所描述的东西毫无精度可言。对于大多数现代传感器而言，收集更多光子所带来的信噪比改善才是真正的收益；每档（stop）级别数的故事，主要是一种直观的图像，而非第二项独立的收益。

读取真实的裁切点

这一收益只持续到某个通道饱和为止，而饱和的高光细节一旦丢失便无可挽回——因此，向右曝光（ETTR）的纪律在于尽量向右推，但不越过那条线。陷阱在于：机内直方图和高光报警闪烁是从内嵌的JPEG预览图计算得出的，该预览图已经施加了色调曲线、伽马编码和白平衡。它在RAW通道真正填满之前就报告裁切，隐藏了可用的余量——根据相机不同，这通常在0.3至1.3档（stop）之间。

要看到真实的极限，需要中和预览图。UniWB——一种产生偏绿图像的单位白平衡——从直方图中去除白平衡倍乘系数，使其直接追踪RAW通道。在室外日光下，绿色通道通常最先饱和，因此品红滤镜可以平衡各通道，让你在任何一个通道裁切之前推得更远。事后，RawDigger 等工具可以读取实际的RAW数值，精确告知你哪个通道撞了墙、撞在哪里。这一切对JPEG毫无意义：已渲染的文件在拍摄时便以8位伽马编码值固定了色调，色调曲线和白平衡已烘焙其中，文件中裁切的高光无法在不产生明显代价的情况下被拉回。向右曝光（ETTR）是一项RAW技术。

ISO，以及它真正有用的地方

标准建议是在基础 ISO 下曝光，因为只有增加曝光——更长的快门或更大的光圈——才能收集更多光子，而提高 ISO 只是放大已经捕获的信号，而非收集新的光线。对于散粒噪声而言，这是正确的：任何 ISO 设置都无法改善光子统计。

但这不是读出噪声的全部故事。在非 ISO 不变性传感器上，拍摄时在模数转换器之前施加的机内放大会将信号抬升至超过下游电路，因此提高拍摄 ISO 有时能比在软件中后期提亮相同曝光量产生更干净的暗部。双增益传感器还拥有第二个基础 ISO，通常在 ISO 320 至640左右——例如，Sony a6500 在 ISO 320 处切换其转换增益——这里的硬件变化以任何后期处理都无法复制的方式降低了读出噪声。在这类机身上，当光线迫使你做出选择时，步进至第二基础 ISO 确实能改善暗部信噪比，而不仅仅是让文件变亮。

代价，以及二十年的修正

向右曝光（ETTR）并非没有代价。额外的光线必须从某处获取：更长的快门有运动模糊的风险，更大的光圈会牺牲景深，而每一帧都需要在RAW转换中刻意压暗，将色调还原到应有的位置。每档（stop）级别数的论点有所夸大，如上所述。而整个方法都依赖于读取你在相机背面看不到的裁切信息。

Reichmann 2003年的文章是起点，而非定论。他后来的后续文章 Optimizing Exposure，以及此后二十年的精炼——UniWB、RawDigger、对 ISO 不变性和双增益传感器的理解——将一条大胆的经验法则转化为了一种经过测量的实践。核心洞见依然成立：更多的光意味着更少的噪声，以平方根计算，而传感器会在胶片本应平缓收尾的地方骤然裁切。这项纪律就在于：知道你能向右推多远，而不越界。