3、伽马查找表设计：LUT的生成原理、精度与量化策略

好，咱们进入第三章。伽马校正听起来是个老话题，但到了高通平台上，LUT（查找表）的设计直接决定了你拍出来的肤色是「通透」还是「蜡黄」。我这些年调过的项目里，至少有一半的色调问题，追根溯源都是LUT没设计好。

说白了，伽马LUT就是一条曲线，把12-bit或14-bit的RAW数据映射到8-bit的显示域。但这条曲线怎么生成、怎么量化、怎么保证精度，门道不少。

3.1 LUT的生成原理

伽马校正的核心公式很简单：V_out = V_in ^ (1/γ)。标准γ=2.2，但高通平台通常用分段曲线——暗部提亮、亮部压缩，这样能保留更多细节。

生成LUT的步骤，我一般这么走：

1. 确定输入输出位宽：比如输入12-bit（0-4095），输出10-bit（0-1023）。
2. 选择参考伽马值：sRGB标准用2.2，但高通ISP里常用2.4或2.6，看目标色域。
3. 计算理想曲线：对每个输入值，按公式算出浮点输出。
4. 分段拟合：暗部用高密度采样，亮部用低密度采样，减少LUT体积。
5. 量化取整：浮点转定点，注意舍入误差。

我在一个项目中遇到过，LUT在暗部有轻微的非单调性，结果夜景照片里出现了「条纹状」的伪影。排查了两天才发现是查表索引越界导致的。嗯，从那以后我每次生成LUT都会加一个单调性校验。

3.2 精度与位宽选择

精度问题，说白了就是「你愿意用多少bit来存这条曲线」。高通平台常见的有：

位宽	输入范围	输出范围	典型场景	精度损失
8-bit	0-255	0-255	预览/缩略图	明显，暗部易出现色阶
10-bit	0-1023	0-1023	主流拍照	可接受，暗部仍有轻微条带
12-bit	0-4095	0-4095	专业模式/HDR	极小，人眼几乎不可察觉
14-bit	0-16383	0-16383	RAW域处理	几乎无损，但LUT体积大

我个人习惯，在拍照通路里至少用10-bit LUT。8-bit的LUT在暗部（0-50）的量化步长太大，你想想看，输入变化1个值，输出可能跳2-3个值，色阶断层就出来了。

3.3 量化策略：均匀 vs 非均匀

量化策略决定了LUT的存储效率和精度分布。主要有两种：

• 均匀量化：输入范围等间隔采样。简单，但暗部精度不够。
• 非均匀量化：暗部采样密，亮部采样疏。更符合人眼特性。

高通平台推荐用非均匀量化，具体做法是：

// 伪代码：非均匀LUT生成
for (i = 0; i < LUT_SIZE; i++) {
    // 使用对数或幂函数映射索引
    float normalized_index = (float)i / (LUT_SIZE - 1);
    float input_val = pow(normalized_index, 1.5) * MAX_INPUT;
    // 计算伽马校正
    float output_val = pow(input_val / MAX_INPUT, 1.0/2.2) * MAX_OUTPUT;
    LUT[i] = (uint16_t)round(output_val);
}

这里pow(normalized_index, 1.5)让索引在暗部更密集。指数1.5是我试出来的经验值，你可以根据传感器特性微调。

3.4 LUT的存储与查表优化

LUT在硬件里通常存成SRAM或寄存器。高通ISP的LUT大小一般是256或1024个entry。每个entry可以是8-bit、10-bit或12-bit。

查表时，如果输入值不在LUT的采样点上，就需要插值。常见的有：

• 最近邻：最快，但精度差，容易出锯齿。
• 线性插值：主流方案，精度和速度平衡。
• 三次样条插值：精度最高，但计算量大，适合离线处理。

我建议在ISP里用线性插值。硬件实现简单，而且配合非均匀量化，精度完全够用。你想想看，人眼对亮度的分辨能力也就8-bit左右，10-bit的线性插值已经绰绰有余了。

3.5 知识结构图

下面这张图总结了伽马LUT设计的核心流程和决策点：

3.6 实战避坑指南

最后，分享几个我踩过的坑：

• LUT溢出：输入值超过LUT范围时，一定要做钳位。否则查表返回0或随机值，画面会出现「黑洞」。
• 对称性检查：如果LUT用于R/G/B三个通道，要保证三个LUT的响应一致，否则白平衡会偏。
• 温度漂移：高通芯片在高温下，LUT的存储值可能会漂移。我建议在量产前做高低温测试，看LUT输出是否稳定。