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4AI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PQPerceptual 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。HLGHybrid 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。
