2、伽马编码与解码：相机原始数据与显示器的伽马映射

聊到伽马校正，咱们得先搞清楚一个最基础的问题：相机拍到的原始数据，和显示器上看到的画面，到底差在哪？

说白了，这就是伽马编码与解码要解决的事。我刚开始接触图像处理时，总觉得这玩意儿就是个数学公式，套上就行。直到有一次做HDR合成，怎么调颜色都不对，最后发现是伽马映射搞反了——嗯，从那以后我再也不敢小看它了。

2.1 为什么需要伽马编码？

人眼对亮度的感知，其实不是线性的。你想想看，在暗光环境下，我们能分辨出很细微的亮度变化；但在亮光下，同样的亮度差我们就感觉不到了。这就是所谓的韦伯-费希纳定律——人眼对亮度的响应近似对数曲线。

而相机传感器呢？它记录的是线性光强。每个像素的数值和实际光子数成正比。这就产生了一个矛盾：

• 线性记录（相机原始数据）→ 暗部细节被压缩，亮部细节被浪费
• 非线性显示（人眼感知）→ 需要把暗部拉开，亮部压缩

伽马编码就是用来做这个映射的。它把线性数据做一次幂运算，让存储和传输的数值更符合人眼的视觉特性。

2.2 相机端的伽马编码

相机传感器拍到的RAW数据，本质上是线性的。但如果你直接看RAW文件，会发现画面很暗、很平。为什么？因为显示器已经做了伽马解码，而RAW数据还没做伽马编码。

我个人的习惯是，在相机内部处理流程中，RAW数据会经过以下步骤：

1. 线性数字化：传感器输出12bit或14bit的线性数值
2. 黑电平校正：减去传感器暗电流带来的偏移
3. 白平衡：乘以RGB增益系数
4. 伽马编码：应用1/2.2的幂次变换
5. 量化输出：映射到8bit（JPEG）或保留高位深（RAW）

这里有个坑——很多相机在RAW文件里其实也做了轻度伽马编码，并不是纯线性的。我曾经在解析某品牌相机的RAW文件时，发现暗部细节怎么都拉不回来，后来查文档才知道，它的RAW数据已经应用了1/1.8的伽马曲线。所以，做图像处理前一定要确认数据格式。

2.3 显示器端的伽马解码

显示器的工作原理和相机正好相反。它收到的是经过伽马编码的信号，需要做解码才能正确显示。

CRT显示器天生就有伽马特性——它的电子枪电压和亮度之间就是幂次关系，γ ≈ 2.5。LCD显示器虽然原理不同，但为了兼容，也模拟了类似的伽马曲线。

设备类型	典型伽马值	说明
CRT显示器	2.35 - 2.55	物理特性决定，电子枪非线性
LCD显示器	2.2（sRGB标准）	通过LUT模拟CRT曲线
Mac显示器	1.8（旧标准）	现在也转向2.2了
投影仪	2.2 - 2.4	取决于环境光

所以，整个流程就是：相机做1/2.2编码 → 存储/传输 → 显示器做2.2解码。如果两端匹配，你看到的画面就和真实场景一致。如果不匹配——嗯，画面要么发白，要么发暗。

2.4 伽马映射的数学实现

实际工程中，我们不会直接用纯幂函数，因为它在接近0的地方斜率太大，容易放大噪声。所以标准做法是：

# sRGB标准的伽马编码（近似分段函数）
def srgb_gamma_encode(linear):
    if linear <= 0.0031308:
        return 12.92 * linear
    else:
        return 1.055 * (linear ** (1/2.4)) - 0.055

# sRGB标准的伽马解码
def srgb_gamma_decode(encoded):
    if encoded <= 0.04045:
        return encoded / 12.92
    else:
        return ((encoded + 0.055) / 1.055) ** 2.4

注意看，sRGB标准用的是2.4而不是2.2。为什么？因为它在暗部加了一段线性区，整体效果近似2.2。这样做的好处是：

• 暗部噪声不会被过度放大
• 数值稳定性更好
• 兼容旧设备

2.5 伽马编码对图像处理的影响

这一点特别重要——几乎所有图像处理算法都应该在线性空间进行。如果你在伽马编码后的数据上做操作，结果会出错。

举个例子：

• 两张照片做平均融合，在伽马空间做 → 结果偏暗
• 颜色混合，在伽马空间做 → 色相偏移
• 亮度调整，在伽马空间做 → 对比度异常

我见过最典型的错误是：有人在伽马编码后的图像上做高斯模糊，结果边缘出现了诡异的暗边。原因就是伽马空间不是线性空间，卷积操作的前提假设被破坏了。

2.6 知识结构图

下面这张图展示了伽马编码与解码在整个图像处理流程中的位置：

2.7 实战中的注意事项

最后，分享几个我在项目中积累的经验：

• 确认数据格式：拿到图像数据后，先搞清楚它是在哪个色彩空间、有没有做过伽马编码。很多API的默认行为会坑人。
• 使用标准函数：不要自己写pow函数做伽马校正，用sRGB标准的分段函数，或者直接用OpenCV的cv::cvtColor。
• 注意位深：8bit数据做伽马解码后，精度会损失。如果要做复杂处理，尽量用16bit或float格式。
• 测试验证：做一个简单的测试——输入纯灰色（128,128,128），经过编码再解码，看能不能恢复原值。不能的话，说明你的流程有问题。