ArcGIS Help 10.1 - 对栅格数据进行色彩校正
色彩校正有助于更好地渲染每个栅格数据集以使其显示为单个无缝图像。它可以应用于现有栅格目录，也可以应用于镶嵌数据集。注:本主题主要介绍如何对栅格目录应用色彩校正。要了解对镶嵌数据集进行色彩校正的步骤，请参阅。可以使用两种方法来应用色彩校正：色彩平衡和色彩匹配。色彩平衡是按照参照栅格来调整每个栅格数据集的对比度和颜色。色彩匹配是通过以下三种方法的任一种使每个源栅格数据集与参照栅格数据集相匹配：统计匹配、直方图匹配或线性相关性。色彩匹配由两个过程组成：首先，确定重叠区域的匹配计算值，然后对栅格数据集其余部分的像素值进行插值。
在栅格目录图层或镶嵌栅格数据集创建期间即可应用色彩校正。
动态校正：将栅格目录添加到 ArcMap 或基于栅格目录创建图层时，图层属性 对话框中会提供一个色彩校正选项卡。在此选项卡中，可以为栅格目录图层定义色彩校正设置。或者，可以对镶嵌数据集应用色彩校正。持久的结果：在 ArcMap 中，可通过所在对话框将镶嵌栅格目录以栅格数据集的形式输出。在镶嵌栅格目录 对话框中，可在创建镶嵌栅格数据集时选中应用属性页中的色彩校正设置复选框。、和中包含一些参数，使您可以定义在创建栅格数据集时要应用的色彩校正。
仅当以下与数据有关的条件成立时，才可使用色彩校正：
所有波段都已计算了统计数据。 所有波段都已建立了直方图。 所有栅格数据集的波段数目都相同。 所有栅格数据集的像素类型和像素深度都相同。仅支持 8 位无符号和 16 位无符号位深度。所有栅格数据集都没有关联的色彩映射表。
预拉伸在执行其他任何色彩校正之前，可对各个栅格目录或镶嵌数据集项执行预拉伸。这意味着在色彩校正过程中，原始栅格目录项将使用拉伸后的像素值，而不是原始像素值。在应用色彩校正之前，最好使用此选项将颜色更改为所期望的分布形式。 对于栅格目录，如果色彩平衡复选框或色彩匹配复选框处于选中状态，则预拉伸复选框将变为可用状态。对于镶嵌数据集，预拉伸选项可以在“镶嵌色彩校正”窗口中找到并且可以与一起使用。有以下三种可用的预拉伸方法：“自适应”拉伸 - 使用 gamma 对比度拉伸来预拉伸栅格目录项。“最小值-最大值”拉伸 - 使用最小-最大对比度拉伸来预拉伸栅格目录项。“标准差”拉伸 - 使用二次标准差对比度拉伸来预拉伸栅格目录项。
色彩平衡色彩平衡使用以下三种方法之一对栅格目录项或镶嵌数据集进行色彩校正：匀光平衡、直方图平衡和标准差平衡。匀光平衡 - 这是传统的匀光摄影制图方法，其中每个像素值都向目标颜色过渡。这些值用于确定每个像素的输出值。如果选择“匀光”，则必须同时选择要使用的目标颜色表面类型，它将影响到使用哪个目标颜色。多数情况下，匀光平衡会取得最佳的效果。 直方图平衡 – 此方法将根据目标直方图更改每个像素值。可基于栅格目录项自动计算目标直方图，也可以指定一个目标栅格。当所有栅格目录项的直方图形状都相似时，直方图平衡的效果最好。标准差平衡 – 此方法将根据计算出的标准差更改每个像素值。可基于栅格目录项或指定的目标栅格自动计算标准差值。当所有栅格目录项的正态值具有相同的直方图分布时，标准差平衡的效果最好。仅当选择匀光平衡方法时，目标颜色表面才可用。使用匀光方法时，每个像素都需要一个目标颜色，而目标颜色是从目标颜色表面中选取的。有五种类型的目标颜色表面可供您选取目标颜色：单色表面、颜色格网表面、一阶表面、二阶表面和三阶表面。单色 – 所有像素都参照一个单色点（即，平均值）进行匀光处理。如果存在很少数量的栅格目录项，且这些项只具有少数几种地面物体，则单色表面会取得良好的效果。如果存在过多的栅格目录项或过多类型的地表面，则输出颜色可能会变得模糊。颜色格网 – 所有输入像素都参照整个栅格目录中分布的一组点进行匀光处理。如果有大量的栅格目录项或区域含有多种地面物体，颜色格网会产生非常好的输出效果。一阶表面 – 所有输入像素都参照从二维多项式倾斜平面获取的多个点进行匀光处理。与颜色格网表面相比，多项式阶表面的颜色变化通常更为平滑，并且使用的辅助表存储空间更少，但往往需要花费更长的时间进行处理。二阶表面 – 所有输入像素都参照从二维多项式抛物线/双曲线/椭圆表面获取的一组点进行匀光处理。与颜色格网表面相比，多项式阶表面的颜色变化通常更为平滑，并且使用的辅助表存储空间更少，但往往需要花费更长的时间进行处理。三阶表面 – 所有输入像素都参照从三次曲面获取的多个点进行匀光处理。与颜色格网表面相比，多项式阶表面的颜色变化通常更为平滑，并且使用的辅助表存储空间更少，但往往需要花费更长的时间进行处理。可通过使用参照目标图像复选框指定用于平衡栅格目录或镶嵌数据集项的目标栅格。如果此复选框处于选中状态，则可以指定目标图像。如果此复选框未处于选中状态，系统会自动计算目标图像。使用匀光平衡时，得出的目标颜色取决于当时所选择的目标颜色表面类型。对于单色表面，将使用参照目标图像的平均值。对于颜色格网表面，会将参照目标图像重采样为适合的格网。对于多项式阶表面，通过最小二乘拟合从参照目标图像获得多项式的系数。使用直方图平衡时，将基于参照目标图像获得目标直方图。 使用标准差平衡时，将基于参照目标图像获得目标标准差。应用对比度调整复选框用于将对比度拉伸应用于输出的色彩校正结果。如果选中此复选框，输出将显示得更为清晰，这是因为应用了对比度拉伸。
色彩匹配色彩匹配可用于协调参照栅格与源栅格之间的重叠区域。确定叠置区域的匹配算法后，会将该算法应用于源栅格。色彩匹配可以使用以下三种方法之一将参照栅格中合适的色彩匹配内插到源栅格（请参阅下文）。除了需要进行色彩校正的情况之外，以下两种情况也不能进行色彩匹配：如果参照栅格与源栅格之间没有足够的叠置区域。 如果参照栅格与源栅格之间没有足够的相关性，将无法使用线性相关性方法。在这种情况下，可以选择其他的匹配方法代替。注:色彩匹配不可用于镶嵌数据集，它只能用于栅格目录。色彩匹配的第一步是自动或手动确定参照栅格目录项。参照栅格与相邻源栅格数据集之间的叠置区域将经过所选匹配方法的处理来确定所需的色彩变换。色彩变换将应用于所有源栅格，而参照栅格的原始像素值不会改变。此过程将持续执行，直到目录中的所有栅格都已进行了此色彩变换。下面的图像显示的是两个叠置但颜色略有不同的栅格数据集。通过色彩匹配，可以选择其中一个图像与另一个图像（参照栅格）的颜色进行匹配。第一步是选择参照栅格；在本例中，以黄色轮廓线围起的栅格数据集被选为参照栅格数据集。以蓝色轮廓线围起的栅格数据集将用作源栅格数据集，它的颜色将与参照栅格数据集的颜色进行匹配。下一步是对叠置区域进行色彩匹配。只有黄色轮廓线和蓝色轮廓线所围区域的叠置部分会进行色彩匹配处理。确定了变换算法后，将对源图像进行变换；参照栅格的原始像素值不会改变。有三种匹配方法可用于色彩匹配过程：统计匹配 – 此方法将对参照叠置区域和源叠置区域间的统计差异（使用最小值、最大值和平均值）进行协调，然后将色彩变换应用于源数据集。 直方图匹配 – 此方法将对参照叠置区域中的直方图与源叠置区域进行协调，然后将色彩变换应用于源数据集。 线性相关性 - 此方法将对叠置的像素进行匹配并将其内插到源数据集的其余部分。不具有一对一关系的像素将使用加权平均值。参照栅格是不改变原始像素值的栅格目录项（栅格数据集）。使用对比度拉伸可能会使参照栅格看起来有所不同，但实际值并未改变。源栅格数据集的质量将与参照栅格数据保持一致。您可以按照算法自动选择参照栅格，也可在使用“图层属性”对话框时手动选择参照栅格。Photoshop CS6教你在JPEG文件格式下进行色彩校正
作者：佚名
字体：[ ] 来源：互联网 时间：07-29 11:20:41
在我拍摄JPEG格式照片后，还有办法调节照片的白平衡吗?还是说类似的调整只能适用于RAW格式
Q：在我拍摄JPEG格式照片后，还有办法调节照片的白平衡吗?还是说类似的调整只能适用于RAW格式?　　A：严谨地说，你最好使用RAW格式来拍摄，这样才能在后期编辑过程中对白平衡进行无损调整。由于自动白平衡并不是万无一失的，所以实际情况通常是，使用自动白平衡在完全相同的情况下也会拍摄出不同的结果。　　使用RAW文件格式调节白平衡非常的容易，但是你用JPEG格式拍摄的照片也并不是丢失了所有的信息。大多数主要的后期处理软件都具有校正色彩偏移的工具，也会有色彩饱和度的选项来帮你创造想要的效果。　　当你调整JPEG格式的照片时，备份一下原文件是一个非常好的习惯，然后再将原文件从你的储存卡中拷贝出来。这是因为，编辑JPEG文件不同于RAW文件，任何对图片做出的修改在储存之后都是不可撤销的。　　如何在JPEG文件格式下纠正偏色，以上是在Photoshop CS6中的几种调整偏色的方法。
大家感兴趣的内容
12345678910
最近更新的内容作者：韩世麟
链接：/question//answer/
来源：知乎
著作权归作者所有，转载请联系作者获得授权。
我打算抛开计算机图像、显示器发展史等因素，从逻辑上推出一个“广义的Gamma”，这样其实是触及了问题的本质。把人对画面的认知，和Gamma出现的必然性都推理出来。
先上结论：
“广义Gamma”的产生，原因有二：
人眼对自然亮度感知是非线性的。（韦伯定律）
我们用来记录/展示画面的媒介上，灰阶预算是有限的。（无论纸张还是屏幕）
为了在灰阶预算有限的前提下，协调自然亮度和主观灰阶感受这二者的映射关系，Gamma就产生了。
第一节：韦伯定律
韦伯定律，即感觉的差别阈限随原来刺激量的变化而变化，而且表现为一定的规律性，用公式来表示，就是△Φ/Φ=C，其中Φ为原刺激量，△Φ为此时的差别阈限，C为常数，又称为韦伯率。
解释成人人都懂的大白话就是：人对自然界刺激的感知，是非线性的，外界以一定的比例加强刺激，对人来说，这个刺激是均匀增长的。
为什么会有韦伯定律？人不是物理测量仪器，我们用感知是不可能测出某事物具体的物理量的，但是我们可以通过比较，来感知世界。
以光为例，若在一小黑屋中，点亮了一支蜡烛A，这支蜡烛对屋内的贡献是显著的，在视觉上也感受到极大的明度提升。但是若是屋内已经点亮了1000支蜡烛，此时再点亮一支蜡烛B的话，从物理能量贡献上，这支新蜡烛B与蜡烛A的物理贡献是一样大的，但是在人的视觉中，B引起的“明度”变化，远远不如A。
为什么？很好理解啊：对于某事物，同样的变化量△a，总量少的时候，变化显著，容易被人感知，事物总量大了，再变化同样的△a，就不那么容易被察觉了。
正因为我们在很多时候不需要知道事物客观的物理量，而是要描述它们的增减关系，所以必须是靠比较来描述，才比较合理，以等比数列增加的物理量，对人的感知来说，是均匀的，比如：
音乐的音阶，是符合十二平均律的，音调的频率以等比数列增加，人听起来是均匀升调。两个八度之间频率翻一倍。
声音的强度是按照“分贝”来描述，倍数增加的音量听起来是均匀增加的。
拍照片，描述明亮程度用的是“档”，曝光物理上大一倍，认为是亮了一个级别。
里氏地震级数，每增加一级，释放的物理能量大32倍。
类似这样的例子太多太多了。
另外有一个家喻户晓的笑话，实际上直戳这类描述体系的反直觉之处，绝大多数人根本没意识到，我们以为是均匀增加的量，其实不是线性增加的。
笑话是这样讲的：据说人所能感受到的疼痛分为了10级，1级是被蚊子叮了，10级呢，是孕妇分娩。有人就问了，那什么是11级疼痛呢？答“11级疼痛就是孕妇分娩的时候被蚊子叮了”。哈哈一笑之余，有人质疑过这个说法吗？
现在你懂了韦伯定律，就知道所谓“分娩的时候被蚊子叮”不可能是11级疼痛，由于分娩已经是10级剧痛，此时被蚊子叮所带来的感受变化量微乎其微，疼痛程度仍然是10级。那么什么是11级疼痛呢？一定是“N个孕妇分娩的痛苦以科技手段让同一个人同时承受”，才是11级。
第二节：中灰
对于中灰的定义，我不敢妄下，我只说我个人的解释：
“中灰就是人眼能分辨的所有灰阶的中间点。”
怎么理解？我一直以《粉刷匠的故事》，来解释中灰的意义：
假如你是一位粉刷匠，你拥有充足的白油漆和充足的黑油漆，那么现在要求你完成一个任务：
把黑白油漆混合成各种不同灰度的油漆，并且把它们排成一排，直到形成黑到白的均匀过渡。
在理想的情况下，会发生什么样的情况？你会不断地调出灰色的油漆，并且把它和已有的油漆相比较，如果它是一个新灰色，你就会把它插入队列，如果是重复的灰色（肉眼难以分辨，达到了你灰阶分辨能力的极限），你就会把它丢掉。
最终，功夫不负有心人，你面前的灰阶将会形成从黑到白的均匀过渡，此时的灰油漆种类将会是几百个甚至更多，那么最中间那一个，就是中灰的油漆：
&img src=&/v2-f954df2ddaad6fd9b3af6_b.jpg& data-rawheight=&359& data-rawwidth=&1200& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&/v2-f954df2ddaad6fd9b3af6_r.jpg&&这里粉刷匠为了管理这些好不容易调出来的灰油漆，把它们赋予了合理的编号，根据油漆在队列中的位置，粉刷匠定义纯黑油漆编号为0.0，纯白油漆编号为1.0，那么中灰油漆的编号自然落在了0.5上。与此同时我们还可以得到的推论就是：不管油漆的总数有多少，编号0.0-0.5之间的油漆种类数目，和编号0.5-1.0之间的数目是一样的，因为从定义上，中灰就是队伍的最中间那个颜色。我们继续定义比中灰暗叫暗区，比中灰亮叫亮区，那么（在低动态范围下，）这里粉刷匠为了管理这些好不容易调出来的灰油漆，把它们赋予了合理的编号，根据油漆在队列中的位置，粉刷匠定义纯黑油漆编号为0.0，纯白油漆编号为1.0，那么中灰油漆的编号自然落在了0.5上。与此同时我们还可以得到的推论就是：不管油漆的总数有多少，编号0.0-0.5之间的油漆种类数目，和编号0.5-1.0之间的数目是一样的，因为从定义上，中灰就是队伍的最中间那个颜色。我们继续定义比中灰暗叫暗区，比中灰亮叫亮区，那么（在低动态范围下，）人眼可分辨的暗区灰阶的数目和亮区灰阶的数目是一样多的。这样的一个连续的灰阶体系可谓完美，用来描述画面再好不过了。
第三节：物理反射率检测
面对这样一个完美的从黑到白过渡的油漆颜料体系，我们如果去检测一下中灰油漆的反射率，再把它和纯白油漆的反射率相比较。若我们定义白油漆的反射率是100%，黑油漆的反射率是0%，你会发现，中灰油漆的反射率不是直觉中的50%，而是一个在20%上下徘徊的数值。
生活中早有这种类似的东西，比如摄影师的灰卡，反射率是白卡的18%：
&img src=&/v2-bddd9a00d32dfe5df5d30bec_b.jpg& data-rawheight=&452& data-rawwidth=&800& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/v2-bddd9a00d32dfe5df5d30bec_r.jpg&&（据简单的搜索，灰卡的反射率是白卡的18%还涉及其他原因，18%实际上是17.68的近似值，而17.68是312.5的平方根，具体请阅读（据简单的搜索，灰卡的反射率是白卡的18%还涉及其他原因，18%实际上是17.68的近似值，而17.68是312.5的平方根，具体请阅读）
在本文中，我举灰卡的例子不是想告诉你们中灰色的物理反射率已有定论，事实上它没有也不可能有，在不同显示媒介和不同的光照的情况下，心目中中灰所对应的反射率是不太一样的。我举这个例子只是想拿一个大家看得见摸得着，并且符合国际标准的参照物，来说明：人心目中看起来中灰的色块，其物理亮度值大约在白色块的20%左右。
根据韦伯定律，这件事是好理解的，下图是非常粗略的示意图：
&img src=&/v2-723aa4f5f5e3c6eada193b_b.jpg& data-rawheight=&777& data-rawwidth=&865& class=&origin_image zh-lightbox-thumb& width=&865& data-original=&/v2-723aa4f5f5e3c6eada193b_r.jpg&&此图原点是黑色，1,1点是白色，你可以这么理解此图：当整体环境较暗，微小的亮度增长也会在人的心目中是显著的明度提升，当物理亮度达到白色的20%左右的时候，人的心目中已经感受到中灰色的概念。而剩下的一半高光区的灰阶，需要用白色80%的物理能量才能照亮成白色。此图原点是黑色，1,1点是白色，你可以这么理解此图：当整体环境较暗，微小的亮度增长也会在人的心目中是显著的明度提升，当物理亮度达到白色的20%左右的时候，人的心目中已经感受到中灰色的概念。而剩下的一半高光区的灰阶，需要用白色80%的物理能量才能照亮成白色。
这一节你只需要记住一个结论，虽然不太精确，但是绝对不会错得太离谱，这是我个人辅助理解Gamma校正的法宝：
视觉感受的中灰色是白色反射率的20%左右。（注：白色为低动态颜色1.0）
再换成更不精确但更好用的话就是：自然界的0.2，在心目中的地位是0.5。
第四节：“灰阶预算很紧张！”
我管这个故事叫《灰色蜡笔的故事》
粉刷匠改行了，他要去做蜡笔，这个蜡笔的要求很特殊，是灰阶蜡笔。蜡笔不像油漆可以调出连续的颜色，而是只能调出离散的，有代表性的几个灰阶。
现在如果生产一套畅销蜡笔，但是灰阶预算超紧张，只允许你放进去3支不同灰阶的蜡笔，你会选择哪几个有代表性的灰色进行生产呢？
我想最合理选择的就是黑、白、中灰了吧，用它们可以尽可能多的描述画面的灰阶过渡，而这三支笔，借用之前的编号体系，他们的灰阶编号分别为：0.0、0.5、1.0。反射率分别约为：0%、20%、100%
&img src=&/v2-dfbd8bf598a590acd0a0a046_b.jpg& data-rawheight=&623& data-rawwidth=&1024& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-dfbd8bf598a590acd0a0a046_r.jpg&&
现在放宽要求，这套蜡笔可以是4色一盒，那么编号0.0、0.33、0.66、1.0的四支蜡笔入选。反射率分别约为：0%、9%、40%、100%
&img src=&/v2-c2d44d25dae83f7afa263f_b.jpg& data-rawheight=&179& data-rawwidth=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/v2-c2d44d25dae83f7afa263f_r.jpg&&
如果是5色一盒呢？则编号0.0、0.25、0.5、0.75、1.0的蜡笔入选。反射率分别约为：0%、5%、20%、53%、100%
&img src=&/v2-ed210c12cb289ff1b3f1ab_b.jpg& data-rawheight=&179& data-rawwidth=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/v2-ed210c12cb289ff1b3f1ab_r.jpg&&
有人要问了，老韩你先等会儿吧，不同灰度蜡笔的物理反射率你是怎么知道的？
查这张曲线图啊，从纵坐标挑选蜡笔的颜色，横坐标上就是它相对于白色的反射率了，中灰是20%左右的情况下，其他的数据位置也都是可以推算的：
&img src=&/v2-e3f307e8cefc4c1117c6afe78250bfa6_b.jpg& data-rawheight=&777& data-rawwidth=&865& class=&origin_image zh-lightbox-thumb& width=&865& data-original=&/v2-e3f307e8cefc4c1117c6afe78250bfa6_r.jpg&&
那么这张曲线图是不是准确，可就非常关键了。曲线图是靠什么定义的呢？我们来到下一节：
第五节：广义Gamma
兄弟们，我不卖关子了，上文这个0-1区间的曲线，就是所谓的Gamma曲线。我们若定义黑是0，白是1，那么在0-1区间，我们是可以用一个幂函数来描述客观自然数值和主观心理感知的对应关系的（等比数列通项公式就是幂函数）：
&img src=&/bccdc4bbc54_b.png& data-rawwidth=&396& data-rawheight=&67& class=&content_image& width=&396&&
Gamma取值不同的时候，幂函数图像是如下规律：
&img src=&/dca2cdf8e6029f4ddb5d7_b.png& data-rawwidth=&1177& data-rawheight=&839& class=&origin_image zh-lightbox-thumb& width=&1177& data-original=&/dca2cdf8e6029f4ddb5d7_r.png&&
Gamma=1，斜45°直线，不校正，输出=输入；
Gamma大于1，曲线下压，输出值小于输入值；
Gamma小于1，曲线上拱，输出值大于输入值。
生产蜡笔的时候，我们输入一个主观概念：“我想要一支编号0.5的蜡笔”，输出了一支蜡笔，其反射率是20%左右。那这个Gamma是大于1的下压Gamma，它把0.5映射成了0.2。
欣赏蜡笔画的时候，输入眼睛的亮度正比于颜料在画纸上实际的物理反射率，“输出值”就是我们心目中主观感受的灰阶。此时的Gamma上拱，小于1，可以把自然界的0.2的反射率，映射成心目中的0.5灰阶。
看懂了吗？广义Gamma实际上描述的就是自然现实的物理量和主观视觉灰阶的映射关系。这个关系是非线性映射。
从这个观点看的话，广义Gamma无处不在，而且极具启发性：
我们最熟悉的铅笔素描，使用黑色铅笔涂抹暗部，白色是由白纸留白形成，那么其画面上的中灰部，铅笔覆盖率是多少？答案是80%，留下20%的纸面，这20%的反光，在我们心目中看起来是中灰色的概念。
此时灰阶和谁形成了Gamma关系？“心目中的灰阶”对应“铅笔涂抹的工作量”。也就是说，人们只凭目测，天生就可以把自然界的画面，映射成正确的颜料覆盖率，在这个过程中，全凭视觉的主观判断。视觉感受主导了一切。说白了，媒介上的灰阶分布，人是通过目测来调的。
第六节：数字摄影和屏幕
第四节中，3色一套、5色一套的蜡笔我们如果想得明白，那么推广到我们生产一盒256色的灰阶蜡笔，它们的反射率和蜡笔编号的映射关系，我们也是能想明白的：
蜡笔反射率=蜡笔编号^Gamma
256色的蜡笔想得明白的话，这256个灰阶和电脑屏幕的像素有区别吗？没有任何区别。纸张是画面媒介，屏幕也是画面媒介，区别只是反射率变成了像素的光强。
屏幕光强=灰阶编号^Gamma
为了把事儿说明白，我们先把8位每通道图像的数值，换算到0-1区间。8位图上0是黑，255是白，中灰色是128。换算以后，黑是0，白是1，中灰是0.5。
要注意，8位每通道图像，灰阶预算极其有限，仅有256个，如同一盒256色的灰阶蜡笔。
当我们在用数字相机拍照的时候，相当于对自然界采样，并把数据编码到图像文件中。
假设光照适宜的场景中有一个中灰色的物体，反射率是白纸的0.2，我们采样到它的时候，应当把0.2的物理能量用0.454的Gamma放大到0.5的灰阶地位记录下来，这样一来，暗部区域就分配到128个灰阶了。我们充分地利用了存储空间。
如果在拍照的时候不进行Gamma校正，那么中灰物体会被映射为0.2记录下来，那么此时，暗部仅分配到50个灰阶，暗部采样严重不足，高光采样冗余。
来到屏幕上，也就是文件解码端，此时屏幕从计算机中读到一个0-1的渐变，也就是从黑到白的均匀过渡，图片如下：
&img src=&/v2-60f7a1a582713affb6c8_b.jpg& data-rawwidth=&1200& data-rawheight=&397& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&/v2-60f7a1a582713affb6c8_r.jpg&&其中左端的色彩值是0，中间的色彩值是128（0.5），右边是1.0的纯白。解码后，屏幕要以什么样的亮度显示这些像素呢？最左边像素关灯不显示，是黑色，中间以白色21.8%的亮度显示，右边像素全开，显示100%白色。这样的一个图片，在我们心目中看起来是均匀的灰度渐变。其中左端的色彩值是0，中间的色彩值是128（0.5），右边是1.0的纯白。解码后，屏幕要以什么样的亮度显示这些像素呢？最左边像素关灯不显示，是黑色，中间以白色21.8%的亮度显示，右边像素全开，显示100%白色。这样的一个图片，在我们心目中看起来是均匀的灰度渐变。
此时屏幕的解码Gamma是2.2，这个Gamma，会把0.5映射成0.218。
从这个角度来看。其实眼睛跟“照相机”真的挺像，我们看见自然界0.2的东西，就把它映射成0.5的地位，记到脑子里了。
总结段要说三个问题：
2.2怎么来的
为什么一直强调低动态图像
如果灰阶预算不紧张，会怎么样
Gamma=2.2怎么来的？是实践中目测调整出来并最终确定的，其实说良心话，只要是0.5中灰对应白色的20%左右，画面看起来都是靠谱的，所以当年的Gamma特别多种多样，在2.2上下浮动（1.8-2.5），1996年微软和惠普在特定的光照条件下测试人观看显示器的感受，他们认为，把8位图像中128号灰（0.5灰）这个抽象的、代表心目中中灰色的数值，对应以白像素21.8%的亮度显示出来，由黑到白的渐变过渡看起来会比较均匀。最终对应的Gamma就是2.2。那么他们定了这个标准，后世的硬件也就都往上面靠了，包括拍照的时候，编码Gamma也就取了1/2.2=0.454。这样能保证整个编码解码系统总Gamma是1，高保真，自然界中的色值能在屏幕上相对完好的再现。
凡是说Gamma 2.2来自于老式CRT显示器物理特性的解释，都是误解。这个误解一般会这么讲解Gamma的来龙去脉：当年老式的CRT显示器内置Gamma 2.35左右，解码的时候会把输入信号压暗，所以我们呢，为了保证总Gamma接近1，就要预先在编码的时候把输入文件的信号提亮，而且这样一来呢，刚好顺应了人眼对暗部感兴趣的特点，把暗部的信息多多记录了下来，充分利用了文件的空间，真是美妙的巧合啊。讲起来顺畅，听起来也很美妙，我也曾经这么给别人讲，但是我发现我没法说服我自己，人类就被一个老式硬件的物理特性决定了后世的工业标准？这逻辑不对。这也是我反对某高票答案，自己过来写答案的原因。
为啥错，比如当年要是没有先发明CRT显示器呢？假设我们先发明了一个物理Gamma为1的显示器。当输入8位图像0.5的数值的时候，它还是要乖乖的把这个0.5映射成白像素的20%输出出来。否则看起来就不是中灰，8位每通道的显示器Gamma必须在2.2左右，跟显示器发展史没关系，完全是视觉效果决定的。一切都因为韦伯定律。
为什么一直强调低动态图像？这个其实涉及到“自然景象再现成画面”这样一个复杂的事情，自然界是高动态的，亮度可以非常亮，也可以有一些明亮的光源，所以我在描述中灰的物理量的时候，我不可能描述成场景中最亮的物体亮度的20%，这个最亮的概念会非常不好确定。同一个明亮的场景中，中灰纸张应该是白纸反射率的20%而不是灯泡能量的20%。我如果把高亮物体牵涉仅来，事情就乱了。但是我可以用绘画举例子，画布的动态范围是有限的，最亮不过是画布上的留白，屏幕的动态范围也是有限的，最亮不过是白像素。所以在低动态范围的语境下，我可以安全的定义，中灰蜡笔的反射率是白色蜡笔的20%左右，中灰像素的亮度是白像素亮度的20%左右，而不是现实场景中最亮物体的20%。这一点是很关键的。
另外，一切的前提必须是：灰阶预算很紧张，只有灰阶有限，我们才需要考虑中灰映射给谁的问题，如果灰阶足足的够用，硬盘不要钱了，网线足够粗，我们主流不再使用8位每通道图片记录亮度信息的话，Gamma是没必要的，我们直接把自然界的0.2记录在文件上，显示器读取到0.2，也直接显示就好了——32位每通道的hdr格式就是这样的。32位格式中，中灰就被记作0.218，所以在32位环境中拉一个0-1的渐变是这样的，很明显暗部被压缩了，高光区很多：
&img src=&/v2-91105fbe240de3cc9d3ab271a1a779b3_b.jpg& data-rawwidth=&1000& data-rawheight=&208& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&/v2-91105fbe240de3cc9d3ab271a1a779b3_r.jpg&&这张图怎么理解？它还是0-1的均匀渐变，中间那个颜色还是0.5，只不过32位图中的数值就是自然界的物理量，所以这个色带对应的其实是现实中的反射率。左边五分之一20%处是中灰色，中间的像素表现的是反射率为白色50%的物体看起来的灰度，这个灰度是0.5^0.454=73%灰。也就是8位下的186灰。具象的说，如果我有一支蜡笔反射率是50%，看起来就是中间这个灰度。这张图怎么理解？它还是0-1的均匀渐变，中间那个颜色还是0.5，只不过32位图中的数值就是自然界的物理量，所以这个色带对应的其实是现实中的反射率。左边五分之一20%处是中灰色，中间的像素表现的是反射率为白色50%的物体看起来的灰度，这个灰度是0.5^0.454=73%灰。也就是8位下的186灰。具象的说，如果我有一支蜡笔反射率是50%，看起来就是中间这个灰度。
总之一句话：灰阶有限的前提下，因为人眼对自然的非线性感知特性，我们才需要Gamma校正。
具体到生活中的现象就是：因为我们硬盘太贵，网线太细，所以地球人目前主流使用8位每通道的sRGB色彩描述体系，它灰阶有限，中灰的地位必须在所有灰阶的中间，记录值为128，而不能是其物理&#，把物理量0.218换算成0.5灰阶编号的过程，就是编码端的Gamma校正，Gamma值为1/2.2=0.454。屏幕读取到128显示成21.8%的亮度的过程，就是解码端的Gamma校正，Gamma值为2.2。整个系统Gamma为1。若是有朝一日，32位每通道文件成为主流格式，Gamma校正就会消失。自然数据不经校正直接记录为文件数据，再不经校正直接显示。
所以 和 二位大大的解释是非常简洁有力的标准答案，我也是妥妥的给点赞，我作为一个喜欢刨根问底的硬件外行，CG爱好者，从另一个视角进行逻辑解读，分享一下个人对Gamma问题认知的过程，以飨读者。
等朋友关于这个话题的讨论，全文推翻重写，所以还是想反馈一下给各位。
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：73314次
积分：1170
积分：1170
排名：千里之外
原创：11篇
转载：200篇
评论：15条
(1)(6)(14)(1)(8)(6)(11)(2)(7)(24)(2)(42)(8)(13)(11)(1)(5)(7)(1)(1)(1)(16)(3)(4)(4)(2)(12)(2)