伽马校正（Gamma Correction）：一个隐藏在像素背后的“千年误会“

一、从一个让程序员崩溃的瞬间说起

想象你是一个刚入行的图形程序员，信心满满地写下了你的第一段渲染代码。

你想做一个简单的事情——在屏幕上画一个从黑到白的渐变条。

代码非常直观：

颜色值从 0 渐变到 255

你按下运行键，期待看到一条均匀、漂亮、丝滑的渐变。

结果——

屏幕上出现的渐变条让你怀疑人生：

• 前半段（暗部）变化超级快，几乎瞬间从黑跳到中灰
• 后半段（亮部）变化超级慢，磨磨蹭蹭才到纯白
• 整体看起来根本不"均匀"，像被人偷偷动了手脚

你揉揉眼睛，重新检查代码——
没问题啊，0、1、2、3…一直到255，每一步都增加1，怎么会不均匀？

你怀疑显示器坏了，换了一台——还是这样。
你怀疑显卡有问题，换了一块——还是这样。
你怀疑代码哪里错了，调了半天——还是这样。

最后你绝望地搜索答案，跳出来一个陌生的词：

“伽马校正（Gamma Correction）”。

恭喜你，你刚刚撞上了图形学里最经典、最容易被忽略、也最让新手抓狂的"千年误会"。

让我慢慢讲给你听。

二、这一切要从100年前的电视机说起

要理解伽马校正，我们得先穿越回20世纪初——

那时候，**第一代电视机（CRT显像管）**刚刚诞生。

CRT电视机的工作原理是这样的：

电子枪发射电子，打在屏幕的荧光粉上，让它发光。

工程师们很快发现了一个奇怪的物理现象：

电压增加1倍，屏幕亮度并不会增加1倍——它增加得更多！

具体的关系大概是：

亮度 ≈ 电压^2.2

也就是说：

• 电压 = 0.5 → 亮度 ≈ 0.22（不是0.5！）
• 电压 = 0.7 → 亮度 ≈ 0.47
• 电压 = 1.0 → 亮度 = 1.0

这个2.2的指数，就是传说中的——

伽马值（Gamma）。

CRT显示器有一个天生的、物理意义上的"非线性响应"——

这是电子枪和荧光粉的物理特性决定的，改不了。

三、巧合：人眼也是"非线性"的

正当工程师们头疼这个问题的时候——

一群研究人类视觉的科学家发现了一个惊人的巧合：

人眼对亮度的感知，也是非线性的！

具体来说：

• 人眼对暗部的变化极其敏感——你能轻易分辨出"很暗"和"稍微亮一点"
• 人眼对亮部的变化不太敏感——"很亮"和"更亮一点"看起来差别不大

如果我们把人眼的感知曲线画出来，会发现它惊人地接近y = x^(1/2.2)——

也就是说，人眼天然就在做一种"反向的伽马校正"。

💡进化的智慧：

为什么人眼会进化成这样？

因为在自然界里，暗部的细节往往更重要——猎人需要在黑暗的森林里看清猎物，原始人需要在月光下分辨敌友。

而亮部的差异（比如阳光下的两片云），对生存没那么关键。

所以人眼把"分辨力"优先分配给了暗部。

这个巧合带来了什么？

CRT电视的"非线性"和人眼的"非线性"——

正好相反，正好互补！

工程师们一拍大腿：“太好了！既然两个非线性正好抵消，那我们什么都不用做！”

于是，从电视诞生那天起，一个伟大的"潜规则"形成了：

存储和传输的图像信号，都是"未经校正"的——直接送给CRT，让它的非线性 + 人眼的非线性自动配合。

这就是为什么——

直到今天，我们的所有图片格式（JPG、PNG、BMP）里存储的颜色值，都是"非线性"的伽马空间值，而不是"线性"的真实亮度值。

四、问题来了：CRT已经死了，但伽马还活着

时间快进到现代——

CRT电视早就被扔进了博物馆。

我们现在用的液晶屏、OLED屏、Mini LED——

它们的物理特性根本不是非线性的！

按理说，伽马校正应该退休了才对？

但是——

整个互联网、所有的图片、所有的视频、所有的相机——都已经按照"伽马空间"的标准建立起来了。

这是一个几十年累积的庞大生态系统：

• 你的手机相机拍照 → 存的是伽马空间
• 你保存的JPG/PNG → 存的是伽马空间
• 你看的Netflix视频 → 编码的是伽马空间
• 你玩的游戏的贴图 → 通常也是伽马空间

为了向后兼容——

现代的液晶屏出厂时，都会故意"模拟"CRT的非线性特性！

也就是说，现代显示器是在"假装"自己是CRT——

接收到伽马空间的信号 → 内部做一次伽马变换 → 输出正确的亮度。

这样所有老图片、老视频在新屏幕上看起来才是正常的。

伽马校正，就这样阴魂不散地存活到了今天。

五、那么——伽马校正到底是什么？

简单一句话：

伽马校正，是在"线性空间"和"伽马空间"之间来回转换的过程。

让我们把这两个概念彻底搞清楚：

线性空间（Linear Space）

真实的物理光强空间。

• 亮度100的光，真的就是亮度50的光的两倍
• 加减乘除符合直觉
• 计算机做光照计算时必须用这个空间

伽马空间（Gamma Space / sRGB Space）

为了适应人眼和老CRT而存在的"压缩"空间。

• 数值0.5不代表真实亮度的一半（实际只有约0.22）
• 把大部分"码位"分配给了人眼敏感的暗部
• 所有图片格式、显示器输出都用这个空间

两者的转换公式

从线性 → 伽马（编码，存储时使用）：

伽马值 = 线性值^(1/2.2)

从伽马 → 线性（解码，计算时使用）：

线性值 = 伽马值^2.2

💡小知识：

严格来说，sRGB标准使用的不是纯粹的2.2次幂，而是一条分段函数（暗部用线性，亮部用2.4次幂）——

但近似为 2.2 在工程上完全够用。

六、为什么不做伽马校正会出大问题？

听起来似乎只是一个"转来转去"的小事——

但不做伽马校正，会让你的画面出现各种灵异现象。

灾难现场1：渐变变得不均匀

我们回到文章开头的那个例子——

你想画一条从黑到白的均匀渐变。

如果你直接让颜色值从0到255均匀变化——

你以为的画面：均匀渐变 ⬛⬛🟫🟫⬜⬜
实际的画面：暗部跳变太快，亮部变化太慢 ⬛🟫⬜⬜⬜⬜

为什么？

因为你输出的颜色值被显示器做了一次伽马解码——

数值0.5被显示成了亮度0.22，而不是0.5。

渐变就被"扭曲"了。

灾难现场2：光照计算全错

这是图形程序员最痛的点。

假设场景里有两盏一样亮的灯，按物理规律，它们叠加后亮度应该翻倍。

在线性空间里：

0.5 + 0.5 = 1.0 ✅ 正确

但如果你在伽马空间里直接相加：

0.5（=真实亮度0.22）+ 0.5（=真实亮度0.22）= 1.0（=真实亮度1.0）

但实际应该是 0.22 + 0.22 = 0.44，对应伽马值0.69

结果：

你算出来的亮度远远高于物理真实——

画面会出现奇怪的过曝、错误的高光、不真实的阴影。

这就是为什么早期游戏的画面总有一种"塑料感"或"不真实感"——

很多时候，不是模型不够好、不是光照不够强，而是没有正确做伽马校正。

灾难现场3：颜色混合错乱

把红色和绿色混合，应该得到黄色——

但在伽马空间里直接混合，往往会得到一种诡异的暗棕色。

把白色和黑色按50%混合，应该得到中灰——

但在伽马空间里混合，得到的是偏暗的灰。

伽马空间下的颜色运算，全都是错的。

七、正确的工作流：图形学的"圣经"

经过几十年血泪教训，图形学界总结出了一套金科玉律：

“在线性空间里计算，在伽马空间里存储和显示。”

这就是著名的"Linear Workflow"（线性工作流）。

让我们一步一步看这个流程：

第一步：读取贴图时，伽马 → 线性

从硬盘读取一张JPG贴图——

它存储的是伽马空间的值。

在送进着色器（Shader）之前，必须先做伽马解码：

线性值 = 贴图值^2.2

这一步通常由GPU硬件自动完成（标记贴图为sRGB格式即可）。

第二步：在线性空间里做所有计算

光照、阴影、反射、混合、模糊、抗锯齿——

所有计算都在线性空间里进行。

只有这样，物理才正确，结果才真实。

第三步：输出到屏幕前，线性 → 伽马

计算完成后，得到的是线性空间的最终颜色。

但显示器期望接收伽马空间的值——

所以输出前要做一次伽马编码：

显示值 = 线性值^(1/2.2)

这一步也通常由GPU自动完成（输出到sRGB帧缓冲）。

第四步：显示器再解码一次

显示器接收到伽马空间的值后——

它内部会做一次反向的伽马解码（模拟CRT），把信号转回真实的物理亮度。

这样你看到的画面才是正确的！

整个流程像一场精心编排的舞蹈：

贴图（伽马） → 解码 → 线性计算 → 编码 → 显示器解码 → 你的眼睛

每一步都不能错，错一步整个画面就崩了。

八、伽马校正对游戏画面的巨大影响

伽马校正是那种"不做不知道，做了吓一跳"的技术。

我们来看几个对比鲜明的例子：

例子1：人物皮肤

不做伽马校正：

• 皮肤看起来油腻、塑料感、像玩偶
• 阴影部分死黑一片，没有细节
• 高光部分白得发亮，不自然

做了伽马校正：

• 皮肤柔软、有质感、像真人
• 阴影有层次、有血色
• 高光柔和、自然

这就是为什么2010年之后的游戏角色突然变得"真实"了——

线性工作流的普及功不可没。

例子2：植被和树叶

不做伽马校正：

• 树叶看起来死板、平面、像贴纸
• 阳光透过叶子的效果不真实

做了伽马校正：

• 树叶有层次、有透光感、像真的
• 阳光的散射效果自然、温暖

例子3：夜景和阴影

不做伽马校正：

• 暗部细节全部丢失
• 整个夜景像被泼了一桶墨

做了伽马校正：

• 暗部保留丰富细节
• 月光下的物体依然清晰可辨

九、伽马的"隐形战场"：那些你没注意的地方

伽马校正不仅影响游戏——

它无处不在：

战场1：你的手机照片

手机相机拍照后，会自动做伽马编码——

存储成JPG。

你看照片时，屏幕再做一次伽马解码——

整个过程对你完全透明。

但如果你用Photoshop修图时没有正确处理伽马——

混色、模糊、调色都会出错。

这就是为什么专业修图师都用16-bit或32-bit的线性工作流。

战场2：视频流媒体

Netflix、YouTube、B站——

所有视频编码（H.264、H.265、AV1）都基于伽马空间。

如果传输环节伽马处理错了——

你会看到颜色失真、对比度怪异的视频。

战场3：印刷出版

印刷品的色彩管理比屏幕更复杂——

涉及到CMYK色彩空间、ICC色彩配置文件——

核心问题之一就是伽马校正。

战场4：AI图像生成

最近火爆的AI绘画（Stable Diffusion、Midjourney）——

它们训练时用的图片大多是伽马空间——

但模型内部计算用的是线性空间——

伽马处理不当会让AI生成的图片颜色偏差、明暗错乱。

十、HDR时代：伽马校正的"进化"

随着HDR（高动态范围）显示器的普及——

传统的2.2伽马已经不够用了。

新的标准应运而生：

PQ（Perceptual Quantizer）

由杜比开发，用于HDR10和Dolby Vision——

它不是简单的指数函数，而是一条精心设计的曲线，能更好地匹配人眼在0.001到10000尼特的极宽动态范围。

HLG（Hybrid Log-Gamma）

由BBC和NHK联合开发，主要用于HDR广播电视——

兼容传统SDR，一个信号同时适配HDR和SDR屏幕。

这些都是伽马校正在HDR时代的进化版——

核心思想没变：

如何用有限的码位，最大化地利用人眼的感知特性。

十一、为什么这个话题这么"反直觉"？

聊到这里，你可能会有一个疑问——

为什么伽马校正这么重要，却很少有人提？

因为它实在太底层了。

它就像空气——

平时你感觉不到它，但一旦缺失或失衡，一切都会出问题。

更让人头疼的是——

绝大多数错误都不会让程序崩溃，而是让画面**“看起来怪怪的”**——

你说不出哪里不对，但就是不舒服。

这种"隐性的错误"，最难调试、最难发现、最让人崩溃。

很多有10年经验的图形程序员，到现在还会偶尔在伽马上栽跟头——

这不是技术不够，而是这个问题真的太"反直觉"了。

十二、写在最后：致敬这个"看不见的英雄"

伽马校正是一个奇妙的存在——

它源于100年前CRT电视的物理限制；
它巧合地契合了人眼的视觉特性；
它在整个数字图像生态系统里扎下了根；
它在CRT早已死去的今天，依然统治着每一张图片、每一帧画面。

它是图形学里最不性感的话题之一：

• 没有炫酷的视觉效果
• 没有酷炫的算法名词
• 没有立竿见影的"震撼感"

但——

没有它，所有的光照都是错的；
没有它，所有的颜色都是假的；
没有它，所有的画面都是丑的。

它就像一个默默工作的翻译官——

在"线性的物理世界"和"非线性的人眼感知"之间——
在"古老的CRT遗产"和"现代的液晶屏幕"之间——
在"程序员的数学计算"和"艺术家的视觉表达"之间——

架起了一座看不见的桥梁。

下次当你打开一张照片、看一段视频、玩一个游戏——

请记得，那美丽的画面背后——

有一个无名的英雄叫做伽马校正。

它不张扬、不炫技、不抢戏，
但没有它，整个数字世界就少了一份"对"。✨

“最好的技术，是让你感觉不到它存在的技术。”

伽马校正，就是这样一种技术。🎨

真实世界是线性的，但人眼是弯曲的。
伽马校正，让弯曲和线性，达成了和解。