2. Gamma曲线数学模型：幂律公式详解

Gamma校正的核心是一个简洁而强大的幂律公式。理解其数学本质，是掌握ISP调优中亮度与对比度控制的关键。本章将从公式推导出发，深入分析不同Gamma值对图像产生的具体影响。

2.1 幂律公式与物理意义

Gamma校正的数学表达式为：

V_out = A * (V_in) ^ γ

其中：

• V_out：输出像素值（归一化到 [0, 1] 范围）
• V_in：输入像素值（归一化到 [0, 1] 范围）
• A：增益系数（通常为1，用于调整整体亮度）
• γ (Gamma)：幂指数，决定曲线的弯曲程度

当 γ < 1 时，曲线向上凸起，暗部被拉伸，亮部被压缩；当 γ > 1 时，曲线向下凹陷，暗部被压缩，亮部被拉伸。γ = 1 时，输入输出呈线性关系。

2.2 不同Gamma值的对比分析

在ISP工程实践中，最常遇到的三个Gamma值分别是0.45、1.0和2.2。下表总结了它们的关键特性：

2.3 Gamma曲线可视化分析

下面的SVG图展示了三条Gamma曲线在[0,1]区间内的形状对比，直观反映不同γ值对像素映射的影响。

2.4 对图像亮度和对比度的量化影响

为了更精确地理解Gamma值对图像的影响，我们引入两个关键指标：平均亮度偏移和局部对比度变化。

2.4.1 亮度偏移分析

假设输入图像的平均像素值为0.5（归一化后），不同Gamma值下的输出平均亮度如下：

• γ=0.45：输出 ≈ 0.5^0.45 ≈ 0.73，整体亮度显著提升约46%
• γ=1.0：输出 = 0.5，亮度不变
• γ=2.2：输出 ≈ 0.5^2.2 ≈ 0.22，整体亮度显著降低约56%

2.4.2 对比度变化分析

对比度可以通过输出信号对输入信号的导数（即曲线的斜率）来衡量。斜率越大，局部对比度越强。

2.5 Gamma与降噪的耦合关系

在ISP Pipeline中，Gamma校正的位置直接影响降噪效果。下面的SVG图展示了两种常见的Gamma与降噪的架构方案。

2.6 工程实践中的Gamma选择指南

在实际ISP调优中，Gamma值的选择需要综合考虑传感器特性、场景光照和后续处理需求。以下是推荐的决策流程：

1. 评估传感器线性度：如果传感器输出接近线性（如科学级CMOS），优先使用γ=1.0作为中间态，最后再应用显示Gamma。
2. 分析场景动态范围：高动态范围场景（如逆光）建议使用γ=0.45~0.6，以保留暗部细节；低动态范围场景（如均匀光照）可使用γ=1.8~2.2增强对比度。
3. 考虑降噪能力：如果ISP的降噪模块性能较弱，避免使用过低的Gamma值（如<0.5），否则暗部噪声会变得明显。
4. 硬件资源约束：在嵌入式平台上，Gamma校正通常通过查找表（LUT）实现。确保LUT的精度（通常12~14bit）足够，避免量化误差导致伪轮廓。