啥是Gamma Correction？什么是在线性空间（Linear Space）中做光照计算？
线性空间这玩意已经说烂了，不过再烂也不是生而知之，该学还得学，这里总结一下。
先介绍下啥是Gamma（别急，先看下去，这是解释线性空间的前置知识）。这词儿N多人听说过，而且也被各种滥用。这里只解释游戏即时渲染相关的概念。首先，就是老式CRT显示器的一个问题，给显示器输入的电压和输出的亮度不成线性关系，啥意思呢，就是你告诉显示器我这个像素颜色是0.5，显示器给个亮度，然后你说下个像素颜色是1.0，然后显示器给的亮度不是上一个亮度的两倍，而是成下面这个函数的关系：
Y = pow(X, Gamma)
也就是输出是输入的Gamma次方。而一般来说这个Gamma值是2.2（具体值根据各种标准不太一样，这里统一认为是2.2）
红色的曲线就是Y = pow(X, 2.2)的曲线，可以看出，显示器输出的图片是会比想象中的暗的。那么咋办呢，各种图片，视频等其实在进行数据储存的时候，都会做Gamma Encode（也会被称为Gamma Correction，这个词可能会被用到各种地方，包括Gamma Decode也会被称为Gamma Correction，为了防止混乱，这里就不这么叫了干脆）。举个例子，照相的时候，你相机照下照片后是会做一系列后处理，然后再存到SD卡里的，其中有一项后处理就是Gamma Encode，也就是将整体画面“调亮”，然后显示器再显示的时候，再做一次Gamma Decode，这样显示的画面就Gamma抵消了，亮度刚好OK。（你应该注意到高级相机都会可能储存raw这个格式的图片，超级大，这种图片是没有做Gamma Encode的，就是纯记录下来的原始数据。那么显示为啥还正确呢，是因为大部分能打开raw文件的软件，都知道你没做Gamma Encode，所以软件会在显示图片前给Encode一下）。虽然现代的LCD显示器已经没有自带的Gamma Decode“功能”了，但是为了兼容以前的显示器，还是会调一个Gamme Decode出来。
除此以外，各种图片视频会做Gamma Encode的原因还有一个，就是人眼识别光线亮暗的敏感度是不一样的，人眼在看暗处的时候会比看亮的更加敏感。而由于图片一般使用8bit每color channel，也就是所谓的24位真彩色，这个储存数据如果平均分配亮暗程度的话，那么给暗处的数据量会不够，人眼会看出明显“色带”问题，而如果做了Gamma Encode的话，刚刚好（这可真是凑巧）是把暗处信息储存更多，而且存储的比例也刚好差不多符合人眼对于亮暗敏感程度的比例，这种存储的图像空间就是耳熟能详的sRGB图像空间。
下图就是如果用Linear Encode的话，显示是什么样子的，为了更加显眼，用的是32阶的5bit储存。注意看暗部细节，明显不够用，而Gamma Encode则是亮暗部很均衡。
Linear Encode in 5 bits
Gamma Encode in 5 bits
说了半天都是在讲Gamma相关的东西，现在终于说到和游戏相关的了，其实可能已经猜到了，传统渲染流程中根本就没有处理Gamma这个东西，是下面这个流程：
这个流程是错的，因为直接使用了Encoded Gamma图去做光照计算，也就是说，使用了非线性的输入来进行线性计算（shader中计算光照可都是线性的），出来的结果自然是错误的。正确做法是先把图片转到线性空间（Gamma Decode），然后进行光照计算，然后再把计算结果做Gamma Encode，再输出给屏幕，也就是下面这个流程图：
现在对比下两者的区别，上面的是错误的，下面是正确的。可以看出，由于计算错误，高光部分已经奇怪的从白色偏移到黄绿色了。我知道很多人觉得上面那个阴影过度很好看，但是如果你观察现实的话，你会发现现实中的过度边界就是下面那么“硬”，如下图：
如果你喜欢错误的那种阴影过度样式，也应该去调整shader专门做相关渲染，而不是用一个错误结果的副产品将就了。
而哪些贴图需要提前做Gamma Decode呢，原则上来说是Diffuse贴图。而Normal, Metal, Roughness等只是拿贴图储存数据，而不是颜色的贴图则不要做Gamma Decode。
参考：
1. http://www.cambridgeincolour.com/tutorials/gamma-correction.htm
2. http://www.codinglabs.net/article_gamma_vs_linear.aspx
3. http://www.slideshare.net/ozlael/hable-john-uncharted2-hdr-lighting
版权声明：本文为CSDN博主「pianpiansq」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/pianpiansq/article/details/54645738
