3、Gamma校正原理
Gamma校正，说白了就是给图像信号做一个非线性映射。你可能会问：为什么要搞这么复杂？直接线性处理不好吗？嗯，这背后其实藏着人眼的一个“小秘密”。
3.1 Gamma曲线的数学定义
Gamma曲线的数学表达式其实很简单：
V_out = (V_in) ^ γ其中V_in是归一化到[0,1]的输入值，V_out是输出值，γ就是Gamma系数。当γ=1时，输入等于输出，是一条直线。当γ<1时，曲线向上凸；当γ>1时，曲线向下凹。
我刚开始接触这个公式时，觉得它太简单了。但后来发现，正是这个简单的幂函数，撑起了整个显示系统的色彩管理。
| γ值 | 曲线形状 | 典型应用 |
|---|---|---|
| γ < 1 | 上凸（亮部压缩） | CRT显示器、解码Gamma |
| γ = 1 | 直线 | 理想线性系统 |
| γ > 1 | 下凹（暗部压缩） | 编码Gamma、人眼感知模型 |
关键点：标准Gamma 2.2是显示系统的“黄金比例”。sRGB、BT.709等主流色彩空间都采用这个值。
3.2 人眼视觉特性与Gamma校正的关系
人眼对亮度的感知不是线性的。你想想看，在暗光环境下，人眼对亮度变化特别敏感；但在亮光环境下，同样的亮度变化就感觉不明显了。这就是韦伯-费希纳定律在起作用。
具体来说，人眼对暗部细节的分辨能力远强于亮部。如果直接用8bit线性量化，暗部会丢失大量细节，亮部却浪费了很多码字。Gamma校正正好解决了这个问题——它把更多的量化级分配给了暗部。
我记得有一次做医疗影像处理，客户抱怨说X光片的暗部细节看不清。后来我们查了一下，发现是显示链路的Gamma没对齐。调整之后，暗部病灶区域一下就清晰了。这个教训让我深刻理解了Gamma校正的实际价值。
避坑指南：我曾经在FPGA上实现Gamma校正时，直接用浮点运算做幂函数。结果资源消耗巨大，时序还跑不过。后来改用查找表（LUT）加线性插值，面积和性能都好了很多。
3.3 Gamma校正的硬件实现思路
硬件实现Gamma校正，主要有三种思路：
- 查找表（LUT）法：预先计算好所有输入对应的输出值，存到ROM里。输入作为地址，直接读出结果。
- 分段线性逼近：把Gamma曲线分成若干段，每段用直线近似。需要存储分段点和斜率。
- 多项式逼近：用泰勒展开或切比雪夫多项式拟合Gamma曲线。
我个人最常用的是LUT法。为什么？因为它简单、确定、没有累积误差。对于8bit数据，256个点的LUT只需要256字节的存储，在FPGA里几乎不占资源。
但如果你做的是10bit或12bit的深度色彩，直接LUT就不太现实了。1024个点还好，4096个点就有点大了。这时候我会用分段线性逼近——把曲线分成16段，每段用16个点的LUT加线性插值。
注意：Gamma校正一定要在色彩空间的线性域进行。如果你在sRGB域直接做Gamma，结果会完全错误。正确的流程是：先做反Gamma（去sRGB编码），再做色彩处理，最后做Gamma（重新编码）。
下面这张图展示了Gamma校正的典型硬件架构：
在实际的FPGA实现中，我建议用双端口BRAM来做LUT。这样可以在一个时钟周期内同时完成反Gamma和Gamma查找，流水线深度控制在3-4级就够了。
实现要点：
- LUT的地址位宽等于输入数据位宽
- 数据位宽建议比输入多2-3bit，保留中间精度
- 分段线性法要保证分段点处的连续性，避免出现跳变
- 如果做多通道（RGB），可以共享同一套LUT，节省资源
嗯，Gamma校正的原理和硬件实现思路就讲到这里。记住一个核心原则：所有色彩处理都要在线性域进行，Gamma只是输入输出的“翻译官”。这个原则我在多个项目中验证过，从来没出过问题。