第四章 ACES 预备课——灰灰的就是 log？
- Color
- 十分钟系列
第四章 ACES 预备课——灰灰的就是 log？
4.1 gamma 本质是什么？
gamma 很神奇。
很多人喜欢她
很多人讨厌他。
有人觉得gamma 是亮度
有人觉得gamma 是显示器的特性
有人觉得gamma 是曲线
有人觉得gamma 是2.2……
这些都是gamma，也都不是gamma……
gamma 其实很简单，就是个指数而已。
千万别一看到公式就脚软，其实很简单的！
相信大家都会算 $ y = x^2 $ 对吧？
那么 x 头顶上面的那个2 就是gamma。
如果 gamma = 1？
岂不就是 y = x ！
我们来看看为什么要有gamma 呢？
先来对比一下一维的图像，横坐标是输入，纵坐标是输出。
不断的给出x 的数值，就可以得到对应的 y。
很明显，y = x 就是一条直线，这就是我们传说中的 “linear” 。（这是科普文章，千万不要过度的讨论“线性” 的定义，那可就深了……）
y = x，要怎么理解呢？肯定很多人就会说：“输入和输出相同啊！”。
没错，不过这是第一层含义，更重要的含义是：“输入的间隔与输出的间隔相等。”
这是什么意思？
在计算机里面，所有的数据都是有离散的，也就是输入的数据都是间隔的。
比方说，我每间隔 0.001 输入一个x，那么y 的间隔肯定也是0.001。
就好像上面图片（y = x 那个）中 x 在 0~1 的范围之间有五个采样点，间隔0.2；对应 y 的间隔也是0.2。
但是对于 $ y = x^2 $ 来说，x 在 0~1 的范围之间也有5个采样点，间隔0.2；但是对应y 之间的距离却是不相等的。
使用gamma 可以在图像存储上更有效率的利用存储空间。
因为人眼对暗部的细节更加敏感，如果同样是8 bit 的存储空间，我花费更多的6 bit 来记录暗部的数据，会得到更好的效果——简称：更值得！
如果采用线性记录，那么所有范围的信息都会平均的记录到8 bit 上，假设有4bit 记录了亮度，4 bit 记录了暗部，由于人眼对于亮部不敏感，所以这部分的空间就显得有点浪费——简称：不值得！。
这就是为什么在“很久”以前，计算机能力还没有现在这么夸张的年代，很多图像都采用 log 对数方式记录，为的就是把有限的记录空间用到人眼敏感的范围上。
当然了，由于现在计算机处理能力大幅增长，存储空间和计算都显得不是那么拮据，linear 的优势显现出来，openEXR 16 bit float linear 存储的图片格式也就越来越常见了。
（感觉好像当你穷的只有10块钱的时候，明明知道汽车方便，但是为了生存还是先买两个馒头吧。之后有钱了，就无所谓了，高兴就买两辆跑车…… ）
4.2 色度的gamma
一维的gamma 说完了，我们来进化一下，变成二维！
先回忆一下，上一次说到的三角形切分对应gamma 的概念。(这里更细致的区分色度：二维和色域：三维）
红色的线就是对应刚刚说到的曲线。
（不要吐槽绘图、不要吐槽色彩空间位置，这些是为了说明对应关系而已）
先来看上边的图，y = x 的重要特性就是 “输入的间隔 与 输入的间隔 相等”。
我们的曲线等距的进行五次采样，对应的y 我们正好投射到顶点与白点之间的连线上，可以看到五个白点之间的间隔也是等距的。
如果我们分别对三个基色进行三次这种的操作，那么每个基色到白点之间的采样点，都是等距的。然后再依此连接这些采样点，就形成了上次说过的等距切分的三角形。
再来看下边 $ y = x^2 $ 的采样。同样的，我们的输入还是等距的，但是对应 y 的间隔却是越变越大的。我们也对三个基色进行三次这样的操作，结果就得到了外围切分的很细，越靠近白点切分的越粗的切分三角形。
这就是二维中gamma 的表现形式。可以粗略的认为是不是等距离的向内切分。
4.3 向三维色彩空间进发！
色彩空间，他是一个空间！空间就是三维的！所以色域是一个体积！
还记得上次说过的定义色彩空间的时候，我给出了**“至少” 三个条件**：
- 基色
- 白点
- gamma
这三个在色度图上完整的定义了一个三角形的位置、面积、中心点、采样间隔。那么如果把三角形变成立体的呢？就是亮度！
亮度可以决定了这个三角形可以有多高。有了亮度，我们终于定义了一个完整的色彩空间！
来看看这个例子，大家都知道Rec 709 是高清电视的色域，而下一代HDR 电视机要使用的是Rec 2020 色域。
如果仅仅从色度上面来看，Rec 2020 是比Rec 709 大了一些。
但是如果我们加入亮度的考虑，那么实际上Rec 2020 可以呈现的色彩可是要比Rec 709 大出好多啊！
（现在认为1000 nit 是比较不错的HDR 显示设备，2000 nit 非常好，4000 nit 只有Dolby 自家的Pulsar……对不起，你买不到的。）
现在我们还是重复上面的操作，但是除了三个基色之外，我们再加上亮度：
- 对三个基色到中心点进行等距切分
- 对亮度，从最亮到最暗进行等距切分
这时候，我们好像把整个色彩空间的体积进行一层层的细分。
每层细分之间都是等距的。
于是就得到了下面的感觉：
（我只画了一层……太麻烦了，大家开动一下想象，总之就是等距的一层又一层）
4.4 总结
简单来说，gamma 就是一个采样的分布。
如果所有因素（色度、亮度）的采样都是等距的，那么这个色彩空间的gamma = 1。也就是很多软件里面指的linear。
相反，如果不是等距的，大部分情况下都是为了更有效的利用存储空间，采用 log 方式进行采样。我们经常听到：
看起来灰灰的图像，是 log 的……
这句话虽然我也一直说，但是心里总是有点别扭。
因为种种历史原因，大家常说的 log 其实是指 cineon log。
在胶片年代，的确只要看起来灰灰的图像，基本都是 cineon log，于是被很多人简称为 log。然后流传至今。（怀念kodak 一秒钟）
但是现在数字摄影机大行其道，感光元器件的性能和胶片大不一样，每家厂商都觉得需要改进一下“log” 让他能在有限的存储空间内，更有效的记录最有用的部分，于是就有了:
LogCRedLogfilmSlog1/2/3ClogDlogACESccACEScct- ……
这些图像都看起来灰灰的，但是他们都不是传统的 cineon log。
所以最后也希望大家能够准确的说明 log 的类型。
这样才不会出现制作中的各种问题 + 扯皮……
A：“做完了，你要什么样子输出给你？”
B：“Log 的就行”
A：“哪种Log？”
B：“就是灰灰的那种！”
A：“所以说，你到底要的是哪种Log……？”
B：（OS：这哥们连 log 都不懂？）“算了，怎么给你的，怎么还给我……”
A：（OS：早说嘛，就是要个
WideGamut-LogC的嘛）“恩， 好的”
