4、传统ISP核心模块：Gamma校正、色调映射与边缘增强
好，我们进入第四章。前面聊了去噪和插值，今天要聊的三个模块，我个人觉得是ISP里最有“画面感”的部分。Gamma校正、色调映射、边缘增强，说白了，它们直接决定了你最后看到的照片是“通透”还是“发灰”，是“锐利”还是“肉”。
这三个模块在传统ISP流程里通常是串在一起的。我习惯把它们看作一个“画面风格调整组”。你想想看，传感器拿到的原始数据是线性的，但人眼对亮度的感知是非线性的。显示器也是非线性的。这中间就需要Gamma来搭桥。而色调映射，则是为了解决高动态范围场景下，如何把宽泛的亮度信息塞进一个窄输出范围的问题。边缘增强嘛，就是给画面“提提神”，让细节更清晰。
4.1 Gamma校正：人眼与显示器的“翻译官”
Gamma校正，本质上是一个幂律变换。公式很简单：V_out = A * V_in ^ γ。但背后的道理，值得好好琢磨。
为什么需要Gamma？
主要有两个原因。第一，人眼对暗部细节更敏感。第二，CRT显示器（老式显像管）的亮度响应本身就是个幂函数，指数大约是2.2。所以，为了在显示器上正确还原图像，我们需要在编码端做一个1/2.2的校正，也就是Gamma编码。现在虽然LCD、OLED普及了，但这个标准被保留了下来。
Gamma校正的典型值
| 应用场景 | Gamma值 (γ) | 说明 |
|---|---|---|
| 标准显示 (sRGB) | 2.2 | 最常用，Windows和互联网标准 |
| 苹果显示 (Mac) | 1.8 (历史) | 早期Mac标准，现在也逐渐转向2.2 |
| 电影/DCI-P3 | 2.6 | 影院环境，对比度更高 |
| RAW数据 (线性) | 1.0 | 传感器原始数据，未经校正 |
代码实现
这里给一个简单的查找表（LUT）实现方式，效率最高。
// C++ 伪代码：生成Gamma校正查找表
// 假设输入是12-bit RAW (0-4095)，输出是8-bit (0-255)
uint8_t gammaLUT[4096];
float gamma = 1.0f / 2.2f; // 解码Gamma
for (int i = 0; i < 4096; i++) {
float normalized = i / 4095.0f;
// 标准Gamma校正，注意要处理接近0的值
float corrected = powf(normalized, gamma);
// 量化到8-bit
gammaLUT[i] = (uint8_t)(corrected * 255.0f + 0.5f);
}
// 使用时直接查表
// outputPixel = gammaLUT[inputPixel];
4.2 色调映射（Tone Mapping）：把“大象”塞进“冰箱”
色调映射，这个名字听起来很学术。说白了，就是处理高动态范围（HDR）场景。比如你拍一个逆光人像，天空很亮，人脸很暗。传感器能记录下这个宽范围的亮度信息（比如14档曝光），但你的显示器只能显示8档。怎么办？就需要色调映射来“压缩”动态范围。
全局 vs. 局部色调映射
- 全局映射： 对整张图用一个相同的映射曲线。简单、高效，但容易丢失局部对比度，画面显得“平”。
- 局部映射： 根据像素周围的局部亮度信息，动态调整映射曲线。能保留更多细节，但计算量大，容易出现光晕（Halo）伪影。
一个经典的全局映射：Reinhard 算子
// Reinhard 全局色调映射
// L_d = L_w / (1 + L_w)
// 其中 L_w 是场景亮度，L_d 是显示亮度
float reinhardToneMap(float L_w) {
// 先做一次归一化，用场景的平均亮度或最大亮度
// 这里假设 L_w 已经是归一化到 [0, 1] 的线性亮度
return L_w / (1.0f + L_w);
}
// 实际使用中，通常会加一个白点控制
// L_d = (L_w * (1 + L_w / L_white^2)) / (1 + L_w)
// L_white 是映射为白色的最小亮度值
4.3 边缘增强（Sharpening）：给画面“提神”
边缘增强，也叫锐化。它的目的不是创造细节，而是增强已有的边缘对比度，让视觉上感觉更清晰。最经典的方法就是非锐化掩模（Unsharp Masking, USM）。
非锐化掩模原理
- 对原图做高斯模糊，得到“模糊图”。
- 原图减去模糊图，得到“边缘细节图”（也叫掩模）。
- 将边缘细节图乘以一个增益系数，再加回原图。
公式：Sharpened = Original + Amount * (Original - Blurred)
代码实现
// 非锐化掩模实现 (简化版，假设已有高斯模糊函数)
void unsharpMask(uint8_t* src, uint8_t* dst, int width, int height, float amount, float radius) {
uint8_t* blurred = new uint8_t[width * height];
gaussianBlur(src, blurred, width, height, radius); // 高斯模糊
for (int i = 0; i < width * height; i++) {
int diff = src[i] - blurred[i]; // 边缘细节
int sharpened = src[i] + (int)(amount * diff);
// 钳位到 [0, 255]
dst[i] = (uint8_t)clamp(sharpened, 0, 255);
}
delete[] blurred;
}
4.4 本章知识体系
为了让你更直观地理解这三个模块在ISP流程中的位置和关系，我画了一张图。
嗯，这张图把流程理得很清楚了。记住，色调映射和Gamma校正都是非线性操作，但目的不同。色调映射是为了“压缩”，Gamma校正是为了“适配”。边缘增强是最后一步，用来提升视觉锐度。
在实际项目中，这三个模块的参数往往是联调的。比如你调整了色调映射的曲线，Gamma校正的参数可能也要跟着微调。我个人的习惯是，先固定Gamma为2.2，然后调整色调映射让画面整体亮度合理，最后再根据噪声水平调整锐化强度。这样一步步来，不容易乱。