3. 全局色调映射：线性映射、对数映射、伽马校正的原理与局限
说到高光压缩，咱们得先聊聊最基础的几种全局映射方法。说白了，全局映射就是对整张图的所有像素用同一个函数做变换。简单、直接、计算快，但坑也不少。
我最早做HDR显示的时候，第一个试的就是线性映射。结果呢？亮部一片死白，暗部一团漆黑。嗯，那时候我才意识到——全局映射不是万能的。
3.1 线性映射：最直观，但最不实用
线性映射的公式很简单：
L_out = L_in / L_max * 255把输入亮度范围 [0, L_max] 直接拉伸到 [0, 255]。听起来很合理对吧？
但问题来了——真实场景的动态范围动辄 100000:1，而显示设备只有 1000:1。你想想看，把这么宽的亮度范围硬塞进一个小桶里，结果就是：
- 亮部细节丢失：高光区域被压缩成一片白，纹理全没了
- 暗部细节丢失：低亮度区域被挤到几个灰度级里，噪点反而被放大
- 对比度失真：人眼对亮度的感知是非线性的，线性映射完全无视这一点
避坑指南：我曾经在一个夜景HDR项目里用了线性映射，结果路灯周围全是光晕，暗部全是噪点。后来花了三天重新做色调映射，才把画面救回来。记住：线性映射只适合测试，不适合生产。
3.2 对数映射：模仿人眼，但不够灵活
人眼对亮度的响应是对数关系。换句话说，我们感知到的亮度变化，跟实际亮度的对数成正比。所以对数映射在视觉上比线性映射自然得多。
公式长这样：
L_out = log(1 + L_in) / log(1 + L_max) * 255对数映射的好处很明显：
- 暗部细节保留好：对数曲线在低亮度区域斜率大，能拉开暗部层次
- 高光压缩自然：高亮度区域被对数函数压平，不会出现死白
- 符合视觉习惯：看起来比线性映射舒服得多
但局限也很致命：
- 参数单一：只有一个底数参数，无法精细控制不同亮度区间的映射
- 对比度不足：中灰区域被过度压缩，画面显得发灰、发平
- 无法自适应：对整张图用同一个曲线，局部过曝或欠曝区域没法单独处理
我的经验：对数映射适合做预处理，把HDR数据先压到一个中间范围，再用其他方法做精细调整。我习惯用 log(1 + L_in * k) 这种带增益系数的变体，k值调好了能改善中灰区域的对比度。
3.3 伽马校正：显示设备的标配，但不是HDR的答案
伽马校正大家应该不陌生。CRT显示器的亮度响应是幂函数，所以需要做反幂函数校正来补偿。公式是：
L_out = L_in ^ (1 / γ)标准伽马值 γ=2.2，这个值几乎成了行业默认。
伽马校正的核心作用：
- 补偿显示设备非线性：让最终显示出来的亮度跟输入信号成线性关系
- 暗部细节增强：伽马曲线在暗部斜率大，能提升暗部可见度
- 编码效率高：用更少的比特数表示人眼敏感的亮度范围
但用它做HDR色调映射？我个人觉得不太合适：
- 动态范围压缩能力弱：伽马曲线对高光的压缩远不如对数曲线
- 亮部细节丢失严重：高亮度区域被压成一条直线，纹理全无
- 无法处理极端高光：超过显示范围的高光直接截断，产生硬边界
关键区别：伽马校正是为了显示，不是为压缩。如果你拿伽马校正做HDR色调映射，相当于用螺丝刀当锤子用——能用，但效果很差。
3.4 三种方法的对比总结
我把这三种方法的核心差异整理成了一张表，方便你对比：
| 特性 | 线性映射 | 对数映射 | 伽马校正 |
|---|---|---|---|
| 核心公式 | L_out = L_in / L_max | L_out = log(1+L_in) / log(1+L_max) | L_out = L_in^(1/γ) |
| 暗部细节 | 差 | 好 | 较好 |
| 高光压缩 | 差（直接截断） | 好（对数压缩） | 一般（幂函数压缩） |
| 中灰对比度 | 好 | 差（发灰） | 较好 |
| 参数灵活性 | 无 | 低（仅底数） | 中（仅伽马值） |
| 计算复杂度 | O(1) | O(log) | O(pow) |
| 适用场景 | 测试、调试 | 预处理、视觉匹配 | 显示校正、SDR编码 |
3.5 全局映射的共性局限
这三种方法有一个共同的致命问题——全局统一处理。
你想想看，一张HDR照片里，可能同时存在太阳（100000 cd/m²）和阴影（0.1 cd/m²）。用同一个曲线去映射所有像素，结果必然是：
- 局部过曝/欠曝无法修复：亮区压过头了，暗区提太亮了
- 细节丢失不可逆：一旦被压缩到几个灰度级里，就再也拉不回来了
- 无法区分内容和噪声：全局映射对信号和噪声一视同仁，暗部噪声会被放大
注意：全局映射的另一个坑是光晕效应。高亮区域周围的暗区会被映射得偏亮，形成类似光晕的伪影。我在做室内HDR渲染时就吃过这个亏，后来改用局部映射才解决。
3.6 知识结构图
下面这张图展示了三种全局映射方法的关系和核心差异：
3.7 实际项目中的选择建议
说了这么多局限，那这三种方法是不是完全没用？当然不是。关键在于用对地方：
- 线性映射：适合做快速预览、调试、或者作为其他映射方法的基准线
- 对数映射：适合做预处理，把HDR数据压到8位或10位范围，再用其他方法精调
- 伽马校正：适合做显示端的最终校正，或者用在SDR内容的编码中
我的建议：如果你刚开始接触HDR色调映射，可以先从对数映射入手。它比线性映射效果好得多，而且实现简单。等理解了全局映射的局限，再去学局部映射和自适应方法，会更容易上手。