大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
这篇文章主要讲解了“unity中gamma空间和线性空间有什么区别”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“unity中gamma空间和线性空间有什么区别”吧!
创新互联为企业级客户提高一站式互联网+设计服务,主要包括成都做网站、网站建设、外贸营销网站建设、APP应用开发、微信平台小程序开发、宣传片制作、LOGO设计等,帮助客户快速提升营销能力和企业形象,创新互联各部门都有经验丰富的经验,可以确保每一个作品的质量和创作周期,同时每年都有很多新员工加入,为我们带来大量新的创意。
很久没有写文章了,今天写一篇对gamma空间和线性空间的个人理解总结,在查阅和学习了各个资料后,算是一个个人笔记吧。
其实对于颜色空间的理解,我个人是这样理解的:所有的一切颜色空间,最终的目的,都是为了最终投入到人眼中,能够基本重现自然界的颜色。
记住这一个目的,对下面的一些理解就会更加的有依据了。
既然目标是我们人自身,那么我们就需要对人自身的眼睛的感知能力有一个基本的认识:人眼对于光强度的感知是非线性的。
什么是线性,什么是非线性,从数学的角度说,就是自变量的变化和因变量的变化是否成固定比例(默认为1),如果成比例,即:y = kx, 那么这个变化就是线性的。
如果不成固定比例,那么这个变化就是非线性的,非线性是自然界最常见的变化关系。
人类对于很多环境因素的变化的感知能力,都是非线性的,例如对于音阶,就是基于等比关系,而不是线性关系;对于分贝,对于疼痛等级,等等。
回到对光强的感知,人眼对于光强度的变化的感知,是非线性的,这是通过实验得出的结论。如果在一个全黑的房间中,放入一根蜡烛,此时感知的光强变化比较明显;
如果房间中已经放入100根蜡烛,再次放入一根蜡烛,此时人眼对这新加入的一根蜡烛带来的光强度变化是没有最初从0到1的感知强的(默认每根蜡烛的光强度增量一样)。
可见,人眼对于高亮部分的感知能力,是没有暗部的感知能力强的。
上面说了人眼的感知能力特点,那么自然界的光又是如何?自然界的光强度,是和其对应的功率成正比的,对应的范围是极其大:日光下100000lux, 星光0.0003 lux...
如果要将这么大范围的光强度变化都表示存储起来,其对内存的占用以及传输带宽的占用是无法承受的。
业界目前主流的,对于颜色亮度的表示,用的是8位,也就是8bit,从0-255来进行表示。逐渐也有32位的真彩,当然不在这次的讨论中。
基于1和2的论证,那么如何将自然采光的结果存储到实际的图片中,就有一个基本的思路:将自然光以接近人眼感知能力曲线的函数进行压缩到8位图像中,这时候得到的图形就是经过压缩后的颜色结果。
所谓Gamma压缩,其实质就是这个压缩的函数,是以Vout = VinGamma 来进行压缩的。
现在业界提到的Gamma = 2.2, 是业界经过反复测量,得到的一个数值,这样可以在256个灰度阶的范围内更多的保留暗部的细节:
上面的两个图两个图,就可以基本的解释Gamma = 2.2 的来源,人眼的感知能力和n = 1/2.2的幂函数比较靠近,当然不同环境下有不同的数值,大概范围在1.8-2.5之间。
理解非线性空间-Gamma空间后,自然可以理解线性空间,就是上面图二中的 n = 1这条曲线,为什么要提线性空间?因为我们的相机对于光强的感知,是基于线性空间的。
举一个简单例子,两个光子投射到相机上,其得到的光强就是2倍光子光强,当然我们已经知道人眼并不是2倍光强。
而业界的图片都是Gamma空间中存储,那么相机到最终图片,就会经历一个编码过程,这就是所谓的Gamma编码,也就是: Vout = Vin(1/2.2) 这个过程。
现在,我们通过相机拍摄的图片,最终是以gamma空间的格式存储(业界标准称为sRGB), 那么我们在显示器上查看图片,是否也是以sRGB的结果显示的?答案是否定的。
前面业界已经将原生自然界的光照进行了压缩,那么业界定然要通过一定的办法将压缩的图片重新转换回来,得到更接近自然界的图像,这个过程,就是Gamma补偿,也被叫做Gamma校正。
既然我们知道是以什么函数进行压缩,那么解压的过程,自然就是一个求逆的过程,可以得到:Vout = Vin2.2
这一步是业界的显示器自动默认执行的,所以我们在最终向显示器上提交的颜色,需要满足对应的关系。
用一张图表示整个采样到显示的过程:
一句话总结: 采样生成,使用了Gamma编码,这是业界标准,显示过程,使用了Gamma补偿,这也是业界标准,选取gamma = 2.2, 这是业界根据人眼进行测试得到的比较靠近人眼感知能力曲线的数值。
在图形学界,技术是不断进步和探索的,应用一直都是延迟更新的(为了向下兼容的需要)。
当然gamma空间的存在,以前都是忽视这部分的差异,直接基于gamma空间的存图进行光学计算的。
但是引擎中的光学计算(shader中),是基于线性空间的公式进行的,这样就会带来较大的差异,我们推算的公式基于线性空间得到的,但是输入的数据是基于gamma空间存储的格式,图像采集得到的结果
作为光学计算公式的输入,得到的输出自然是错误的。以前游戏行业对于这个一直处于忍受阶段,也可以通过美术进行调整,得到较为差异不大的计算结果。
最近几年逐渐推广的PBR技术,对于光照的计算更为苛刻,这推动了线性空间在游戏行业的逐步推广。
在gamma空间中,在shader进行光学计算的过程中,直接将图像采样得到结果带入公式中进行计算,得到的color存入colorbuff中,然后提交到显示器,进过一次gamma补偿,就得到最终的颜色。
线性空间中,对所有的图片,默认认为图片都是线性存储的方式。所以如果原图是Gamma空间的sRGB的存储方式,需要勾选sRGB的标志,这样在进行shader计算的时候,会首先进行一次gamma补偿,
将颜色从gamma空间转换到线性空间,然后进行正确的光照计算,得到结果最后再转换回到gamma空间(gamma压缩), 最后提交到显示器,进行一次gamma补偿,得到最终的颜色。
用一张图表示这两种处理的流程(直接用参考文章的图):
一句话总结:unity中的gamma空间和线性空间,其实质就是对存储sRGB格式图片,进行不同的光照计算,不同的光照计算进行不同的流程,得到精度不同的结果,最后都需要统一为gamma空间
的格式,提交到显示器上进行gamma补偿,得到最终的显示图片。
感谢各位的阅读,以上就是“unity中gamma空间和线性空间有什么区别”的内容了,经过本文的学习后,相信大家对unity中gamma空间和线性空间有什么区别这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!