点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
作者丨HawkWang
来源丨计算摄影
在上一节中，我们得到了颜色校正后的图像
我们当前的进度如下，今天我们将完成下图中整个剩余的部分
亮度拉伸不说，这里讲一下Gamma校正。
我以前讲过，ISP在将图像编码为我们常用的8位图像之前，会进行一次所谓的色调重建的过程。而且，这个过程不仅仅是对图像的压缩保存需要，对图像的显示也是需要的：
而Gamma编码校正是色调重建的重要方式之一，今天我们先来谈谈为什么需要做Gamma编码。你可能听说过的广为流传的说法是Gamma编码最初是为了补偿阴极射线管（CRT）显示器的输入输出特性而开发的。在CRT显示器中，光强随电子枪电压非线性变化。通过伽玛编码压缩改变输入信号可以消除这种非线性，从而使输出图像具有预期亮度。
但我们如今已经不再广泛使用CRT显示器了，而且很多时候我们并不是为了显示图像，仅为了保存图像，为何还要做Gamma编码呢？
我们需要知道是，人类在感知颜色和亮度时是有层次的。
我们的感知系统对亮度的感知曲线近似幂函数，对较暗色调之间的相对差异比较亮色调之间的更敏感。
所以，当我们对图像进行编码时，需要符合人类的感知曲线，优化编码效率。简单说，我们分配较少的bit数给人类较难区分的图像亮区，分配更多的bit数来突出人类更加敏感的图像暗区
对于显示设备也是一样。无论显示设备的伽马特性如何，它们都需要伽马编码来最大限度地提高信号的视觉质量。它会执行所谓的Gamma校正过程，最终使得我们看到的依然是线性的显示图像。
以上，也就介绍了为什么我们看到的RAW图像很暗。因为经过我们前面处理后的RAW图像依然是线性的，显示设备的Gamma校正过程会进一步压低暗区，使得我们看到很暗的图像——这就是为什么我们现在需要进行Gamma编码。
本文仅做学术分享，如有侵权，请联系删文。
3D视觉工坊精品课程官网：3dcver.com
1.面向自动驾驶领域的多传感器数据融合技术
2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码) 3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进 4.国内首个面向工业级实战的点云处理课程 5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解 6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦 7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化 8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)
9.从零搭建一套结构光3D重建系统[理论+源码+实践]
10.单目深度估计方法：算法梳理与代码实现
11.自动驾驶中的深度学习模型部署实战
12.相机模型与标定(单目+双目+鱼眼）
13.重磅！四旋翼飞行器：算法与实战
14.ROS2从入门到精通：理论与实战
15.国内首个3D缺陷检测教程：理论、源码与实战
16.基于Open3D的点云处理入门与实战教程
