4、Gamma校正与色调映射：Gamma曲线原理、全局与局部Gamma校正、基于Y域的色调映射
各位好，欢迎来到第四章。这一章我们聊聊Gamma校正和色调映射。这两个概念在图像处理里太常见了，但很多人只是调个参数就完事。我个人习惯是，先搞清楚它为什么存在，再去想怎么用。
Gamma校正最早是为了适配CRT显示器的非线性响应。但后来我们发现，它在视觉感知上也有妙用——人眼对暗部细节的敏感度远高于亮部。说白了，Gamma曲线就是在做一件事：重新分配像素的亮度权重。
4.1 Gamma曲线原理
Gamma曲线的数学形式很简单：
V_out = A * V_in ^ γ其中A是增益系数，γ是Gamma值。当γ < 1时，曲线向上凸，暗部被拉伸；当γ > 1时，曲线向下凹，亮部被压缩。
我刚开始做低光照增强时，总想着把暗部提亮，结果噪声也跟着放大了。后来才意识到，Gamma校正不是万能药，它只是改变了像素的分布方式。
| γ值 | 效果 | 典型应用场景 |
|---|---|---|
| γ < 1 | 暗部拉伸，亮部压缩 | 低光照图像增强、暗部细节恢复 |
| γ = 1 | 线性映射，无变化 | 标准显示、色彩校准 |
| γ > 1 | 暗部压缩，亮部拉伸 | 过曝图像校正、高动态范围压缩 |
4.2 全局Gamma校正
全局Gamma校正就是对整幅图像使用同一个γ值。实现起来很简单，但问题也很明显：一刀切。
你想想看，一张夜景照片，路灯区域已经很亮了，暗部区域却黑成一片。如果用一个γ < 1的曲线去提亮暗部，路灯区域就会过曝。反过来，如果为了保住亮部细节而用γ > 1，暗部就更看不清了。
全局Gamma的适用场景很有限：
- 图像整体偏暗或整体偏亮
- 亮度分布比较均匀
- 对局部细节要求不高
我在做监控摄像头ISP调试时，遇到过一种情况：白天场景用全局Gamma效果还行，但到了傍晚，画面里既有天空的余晖，又有建筑物的阴影，全局Gamma就完全不够用了。这时候就需要局部Gamma校正。
4.3 局部Gamma校正
局部Gamma校正的核心思想是：不同区域用不同的γ值。暗区用较小的γ来提亮，亮区用较大的γ来压缩，中间区域保持线性。
实现方式通常有两种：
- 基于亮度分量的自适应Gamma：根据每个像素的亮度值动态计算γ
- 基于图像分块的Gamma：将图像分成若干块，每块独立计算最优γ
我比较推荐第一种方式，因为它更平滑，不会出现块效应。具体做法是：
// 自适应Gamma计算伪代码
for each pixel (x, y) in Y channel:
// 计算局部亮度均值
local_mean = box_filter(Y, x, y, radius)
// 根据均值动态调整Gamma
gamma = 1.0 + alpha * (0.5 - local_mean)
// 应用Gamma校正
Y_out(x, y) = pow(Y_in(x, y), gamma)这里的alpha是调节强度，一般取0.3~0.6。local_mean归一化到[0,1]区间。
4.4 基于Y域的色调映射
色调映射（Tone Mapping）原本是为HDR图像设计的，目的是把高动态范围压缩到低动态范围显示设备上。但在低光照增强中，我们反过来用——把暗部细节映射到可见范围。
在YUV域做色调映射，只处理Y通道，U/V通道保持不变。这样做的好处是：保持色相不变，只调整亮度。
常用的色调映射算子有：
| 算子名称 | 公式 | 特点 |
|---|---|---|
| Reinhard全局算子 | L_out = L_in / (1 + L_in) | 简单高效，适合实时处理 |
| Drago对数算子 | L_out = log(1 + L_in) / log(1 + L_max) | 暗部细节保留好，但亮部压缩过度 |
| 自适应对数映射 | L_out = log(1 + L_in * bias) / log(1 + L_max * bias) | 可调节性强，适合低光照场景 |
我个人在低光照增强项目中用得最多的是自适应对数映射。它有一个bias参数，可以控制暗部拉伸的程度。bias越大，暗部提亮越明显，但噪声也会被放大。
4.5 本章知识体系
下面这张图展示了Gamma校正与色调映射的核心逻辑关系：
4.6 避坑指南
做Gamma校正和色调映射时，有几个坑我踩过，分享给大家：
- 不要直接对RGB做Gamma：三个通道独立做Gamma会导致色相偏移。一定要在YUV域操作。
- 注意Gamma值的范围：γ=0.3以下暗部噪声会爆炸，γ=3.0以上亮部细节全丢。我一般控制在0.4~2.5之间。
- 色调映射后要重新归一化：映射后的Y值可能超出[0,255]范围，需要做一次线性拉伸或裁剪。
- 局部Gamma的半径选择：半径太小会有光晕，半径太大退化为全局Gamma。我习惯取图像短边的1/8~1/4。