如果你曾经编写过或计划编写任何类型的图像处理代码，你应该完成以下测验。 如果你对一个或多个问题的回答是肯定的，那么你的代码很可能做错了事情并产生不正确的结果。 这对你来说可能不会立即显而易见，因为这些问题可能很微妙，并且在某些问题域中比在其他问题域中更容易发现。

有关Gamma（伽玛）的测验如下：

• 我不知道Gamma校正是什么。
• Gamma是 CRT 显示时代的遗物； 现在几乎每个人都使用液晶显示器，因此可以忽略它。
• Gamma仅与在印刷行业工作的图形专业人员相关，其中准确的色彩再现非常重要 - 对于一般图像处理，可以安全地忽略它。
• 我是一名游戏开发者，我不需要了解Gamma。
• 我的操作系统的图形库可以正确处理Gamma。
• 我正在使用的流行图形库 <在此插入名称> 可以正确处理伽玛。
• RGB 值为 (128, 128, 128) 的像素发出的光大约是 RGB 值为 (255, 255, 255) 的像素的一半。
• 可以使用一些库将流行图像格式（JPEG、PNG、GIF 等）中的像素数据加载到缓冲区中，并直接对原始数据运行图像处理算法。

如果你的大部分回答都是“是”，请不要感到难过！ 一周前，我自己也会对其中大部分问题做出肯定的回答。 不知何故，Gamma这个话题不在在大多数计算机用户的关注范围内（包括编写商业图形软件的程序员！），以至于当今的大多数图形库、图像查看器、照片编辑器和绘图软件仍然无法正确使用Gamma，并且 产生不正确的结果。

因此，请继续阅读，读完本文后，你将比绝大多数程序员更了解Gamma！

NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件

鉴于视觉可以说是人机交互最重要的感官输入通道，伽玛校正是程序员中谈论最少的主题之一，并且在技术文献（包括计算机图形文本）中很少提及，这非常令人惊讶。 事实上，大多数计算机图形学教科书都没有明确提到正确伽玛处理的重要性，或者以实际的方式讨论它，这根本没有帮助（我大学的 CG 教科书完全属于这一类，我刚刚检查过） 。 有些书以有些模糊和抽象的术语顺便提到了伽玛校正，但随后既没有提供如何正确执行伽玛校正的具体示例，也没有解释不正确执行伽玛校正的含义，也没有显示不正确伽玛处理的图像示例 。

在编写光线追踪器期间，我遇到了正确的Gamma处理的需要，我不得不承认我对这个主题的理解相当肤浅和不完整。 于是我花了几天时间在网上查了一下，结果发现很多关于gamma的文章也没什么帮助，因为很多都太抽象和混乱，有些包含了太多有趣但又不相关的细节，然后 其他一些缺乏图像示例，或者只是不正确或难以理解。 Gamma一开始并不是一个非常困难的概念，但由于某些神秘的原因，找到正确、完整并以清晰的语言解释该主题的文章并不容易。

好吧，我试图对伽玛进行全面的解释，只关注最重要的方面，并假设事先不了解它。

本文中的图像示例假设你正在计算机显示器（CRT 或 LCD，无所谓）上的现代浏览器中查看此网页。 与显示器相比，平板电脑和手机通常不太准确，因此请尽量避免使用这些设备。 你应该在光线昏暗的房间中观看图像，因此请不要在屏幕上直射灯光或耀斑。

不管你相信与否，下图中任意两个相邻垂直条之间的光能发射差异是一个常数。 换句话说，从左到右，屏幕发出的光能量以恒定的量增加。

图 1：发射光强度均匀分布的灰度条

现在考虑下图：

图 2：感知光强度的均匀分布的灰度条

哪张图像上的渐变显得更均匀？ 是第二个！ 但为什么会这样呢？ 我们刚刚确定，在第一张图像中，条形在显示器能够再现的最暗黑色和最亮白色之间的发射光强度方面均匀（线性）间隔。 但为什么我们不认为这是一个从黑到白的均匀渐变呢？ 我们认为是线性渐变的第二张图像上显示了什么？

答案在于人眼对光强度的响应，这是非线性的。 在第一个图像中，任何两个相邻条的标称光强度之间的差异是恒定的：