平滑处理灰度校正要打开吗,平滑处理灰度校正可以关吗

然而，在第二张图像上，这种差异并不是恒定的，而是随条形变化而变化；准确地说，它遵循幂律关系。 所有人类感官知觉在刺激幅度及其感知强度方面都遵循类似的幂律关系。

正因为如此，我们说标称物理光强度与感知亮度之间存在幂律关系。

假设我们想要将以下现实世界对象的表示形式存储为计算机上的图像文件（让我们假设现实世界中存在完美的灰度渐变，好吗？）以下是“现实世界对象”的外观：

图 3：理想的平滑灰度渐变

现在，假设我们只能在这个特定的计算机系统上存储 5 位灰度图像，这为我们提供了从绝对黑色到绝对白色的 32 种不同的灰色阴影。 此外，在这台计算机上，灰度值与其相应的物理光强度成正比，这将产生如图 1 所示的 32 元素灰度。我们可以说，该灰度在连续值之间的光发射方面是线性的。

如果我们仅使用这 32 个灰度值对平滑渐变进行编码，我们会得到类似的结果。为了简单起见，我们暂时忽略抖动：

图 4：用 32 个物理线性灰度值表示的理想平滑灰度渐变

嗯，过渡相当突然，尤其是在左侧，因为我们只有 32 个灰度值可供使用。 如果我们稍微眯起眼睛，就很容易让自己相信，在我们有限的位深度允许的范围内，这或多或少是平滑梯度的“准确”表示。 但请注意左侧的台阶比右侧大得多 - 这是因为我们使用的灰度与发射的光强度呈线性关系，但正如我们之前提到的，我们的眼睛感知不到光强度 以线性方式！

这一观察有一些有趣的含义。 原始版本和 5 位编码版本之间的误差在整个图像中不均匀； 暗值比亮值大得多。 换句话说，我们正在失去深色值的表示精度，并且对于较浅的阴影使用相对过多的精度。 显然，我们最好为有限的色调调色板选择一组不同的 32 种灰色，这将使误差均匀分布在整个范围内，因此深色和浅色都将以相同的精度表示。 如果我们用这样的灰度对原始图像进行编码，该灰度在感知上是线性的，但因此在发射光强度方面是非线性的，并且该非线性将与人类视觉的非线性相匹配，我们将得到与我们完全相同的灰度图像。 在图2中已经看到：

图 5：用 32 个感知线性灰度值表示的理想平滑灰度

我们这里讨论的非线性是之前提到的幂律关系，我们需要对物理线性灰度值进行非线性变换，将其转换为感知线性值，称为伽玛校正（gamma-correction）。

为什么上述所有内容都很重要？ 所谓“真彩色”或“24 位”位图图像中的颜色数据每个像素存储为三个 8 位整数。 使用 8 位，可以表示 256 个不同的强度级别，如果这些级别的间距在物理上是线性的，我们将在深色阴影上失去很多精度，同时在浅色阴影上（相对而言）不必要地精确，如上所示。

显然，这并不理想。 一种解决方案是简单地继续使用物理线性标度并将每个通道的位深度增加到 16（或更多）。 这将使存储要求加倍（或更糟），而在发明大多数常见图像格式时，这不是一个选择。 因此，采取了不同的方法。 这个想法是让 256 个不同的级别代表感知线性尺度上的强度值，在这种情况下，绝大多数图像可以在每个颜色通道仅 8 位上充分表示。

用于表示通过算法综合生成的物理线性强度数据或由线性设备（例如数码相机或扫描仪的 CMOS）捕获的物理线性强度数据以及感知线性标度的离散值的变换称为伽玛编码。

几乎所有消费级电子设备上使用的 24 位 RGB 颜色模型 (RGB24) 均使用每个通道 8 位伽马编码值来表示光强度。 如果你还记得我们之前讨论过的内容，这意味着 RGB(128, 128, 128) 像素发出的光能不会是 RGB(255, 255, 255) 像素发出的光能的大约 50%，而只有 22% 左右！ 这很有道理！ 由于人类视觉的非线性特性，光源需要衰减至其原始光强度的 22% 左右，才能在人类看来亮度减半。 对于我们来说，RGB(128, 128, 128) 的亮度似乎是 RGB(255, 255, 255) 的一半！ 如果你觉得这令人困惑，请反思一下，因为对到目前为止所讨论的内容有一个扎实的理解至关重要（相信我，这只会让你更加困惑）。

当然，伽玛编码始终是在假设图像最终要供人类在计算机屏幕上查看的情况下完成的。 在某种程度上，你可以将其视为有损 MP3，但用于图像压缩。 对于其他目的（例如，科学分析或用于进一步后处理的图像），使用浮点数并坚持使用线性比例通常是更好的选择，我们稍后会看到。

将值从线性空间转换到伽玛空间的过程称为伽玛编码（或伽玛压缩）和逆伽玛解码（或伽玛展开）。

这两个运算的公式非常简单，我们只需要使用前面提到的幂律函数即可：