本笔记首发知乎
https://zhuanlan.zhihu.com/p/203847313
建立于 20200405
修改于 20210403
声明：此文为个人笔记，自己温习，也乐在交流。如果文章中有侵权，错误，或者有不同的理解，烦请大家多多留言指点指正，本人会及时纠正（知错能改就是好孩子：P）。感谢，此致崇高敬意！
目录
一、色彩空间概念：1.1、色彩空间，1.2、HSL，1.3、CIE
二、图形中常见的数据处理：2.1、矫色，2.2、LDR HDR，2.3、Linear Gamma，2.4、数据理论，2.5、打印机色彩空间
色彩空间概念
1.1、色彩空间：
使用三维XYZ去表示RGB。（XYZ取值范围为约定0－1范围）
（图4），特殊说明，当RGB值都是同一数值是，我们定义为灰色，图中我约定为值域介于（0,0,0）- (1,1,1)，最黑到最白，图7、图9黑线同理。
1.2、HSL：
HSL的由来，从图7到图8，把摄相机放置（1，1，1）点，并看向（0，0，0）点（图4），再把棱形转换成圆，就能得到一个圆柱图9。在图9中圆柱中心的直线为灰度L，圆平面上越往外颜色越饱和S。色相的变化就绕圆柱圆周边H。（UI实现时得注意角度制与弧度制的转换）
优点：把色彩的概念分离成色相，饱和度，亮度，调色混色更方便，更加专注。（图10、图11）
//HSV 移动端高性能版
half3 RGBtoHSV(half3 arg1)
{
half4 K = half4(0.0, -1.0 / 3.0, 2.0 / 3.0, -1.0);
half4 P = lerp(half4(arg1.bg, K.wz), half4(arg1.gb, K.xy), step(arg1.b, arg1.g));
half4 Q = lerp(half4(P.xyw, arg1.r), half4(arg1.r, P.yzx), step(P.x, arg1.r));
half D = Q.x - min(Q.w, Q.y);
half E = 1e-4;
return half3(abs(Q.z + (Q.w - Q.y) / (6.0 * D + E)), D / (Q.x + E), Q.x);
}
half3 HSVtoRGB(half3 arg1)
{
half4 K = half4(1.0, 2.0 / 3.0, 1.0 / 3.0, 3.0);
half3 P = abs(frac(arg1.xxx + K.xyz) * 6.0 - K.www);
return arg1.z * lerp(K.xxx, saturate(P - K.xxx), arg1.y);
}
// 例：fixed3 c = RGBtoHSV(c);
// c = fixed3(c.x * A, c.y * B, c.z * C);
// c = HSVtoRGB(c)
// 转到HSV空间后，c.x分量信息为色相，c.y分量为饱和度，c.z分量为亮度。
//20200913 － 20210403 完成，摘自unity standard
使用流程：RGB颜色空间转至HSL，HSL里面做其他混合操作，操作完成后，使用HSL to RGB转回来。
1.3、CIE
CIE：表示人类可以感知的所有颜色（图12）。人眼是传感器，会把看到的颜色光当作一系列信号传送给大脑（图14，15）。特点：1、相对于亮部来说，对暗部更敏感（所以正常情况下尽量把画面需要体现细节的点放在暗部），2、相于其他两色来说，对绿色敏感，其次红色，最后是蓝色，敏感度：绿色》红色》蓝色。
科学界标准更新：1920左右（制定光谱标准（色板））
CIE色板代表的是科学界及室验室的，一般情况下很难有这么高的还原（高宽的色板色域），更纯的颜色（硬件表现不出纯度更高更接近科学色板），我们常听说高色域显示器，可以理解比其他显示器（普便）的三角区域更大点，更纯的颜色，更接近科学界标准的色域（图22，图24）。
因为人类对不同颜色频率波段的颜色感知敏感度不一样，所以科学家在制作CIE时，把最敏感的颜色画得最少，不敏感的颜色画得最多，以达到计算上的正确和人眼上看到的色彩自然和色活觉均匀性，颜色的混合都是线性的，只要在两个颜色间绘制作一条直线就能等同于现实的颜色混合（图20）右侧图。
在常用图形DCC中，常看到的是HSL（HSV）上图左侧圆形色域表示法。而从CIE转到HSV中，会发现混合颜色是不怎么正确的，这也是一种弊端。
图形常见的数据处理
2.1、矫色
矫色：使之在不同设备间保持大体一样的颜色
现代设备问题：
在上图左右能对比出因不同色域的区别，而我们要做的，就是矫正调色。把右图矫正调色到好的效果成品左图。
2.2、LDR 和 HDR
LDR
由于硬件设备的局限性和不统一性，所以国际做了一个标准的统一性－－LDR。
数据处理：类似方法，RGBA为0－255，M 浮点系数为1/255。把0－255整数范围映射到0－1浮点范围。目的是方便图形计算，方便硬件显示。（浮点可以为float half）
HDR
比LDR更宽的范围，更柔和的过渡，也属约定统称。像图22中三种不同的范围也都属于HDR。也只是在CIE中不同的范围。LDR没在CIE中画出来，他的范围会小太多。
怎么开启HDR，以unity为例：
A、在项目设置中开启HDR
B、在摄相机上开启HDR
C、RT处理
优点：
在高强度区域不会丢失颜色，需要使用ToneMapping
更好地支持泛光和发光效果
减少低频光照区域的条带
（见下文章的细节说明，主要思路是：保证高亮区域的信息正常（图26），并保持其他亮度区域无变化。）
缺点：
使用浮点渲染纹理（渲染速度较慢，需要更多 VRAM）
不支持硬件抗锯齿（但您可以使用抗锯齿后期处理效果来平滑边缘，采样后的抗锯齿效果欠佳）
并非所有硬件都支持，最少需要3.0以上
2.3、线性空间与伽马空间
在做HDR之前需要理清，线性空间与伽马空间。Gamma 跟人类眼睛看到类似，而自然界现实中是类线性的，从自然界说Gamma空间其实是错误的，但从人眼看到Gamma是正确的。在图形计算里把，把颜色放在线性空间计算得到的结果更为正确，所以更高级而又复杂的图形计算都是把颜色放进线性空间内。
会存在一个棘手问题：当带有透明通道时，在线性空间下的不准确性。一般解决方法，直接把资源先转换到gamma空间再计算。其他光照使用线性计算，UI 和特效带A通道的资源使用 gamma计算透明，管线用线性，透明计算用gamma，如果读者朋友有其他的好办法，希望跟您多交流。
2.4、数据理论
生成HDR：普便见的操控数据两种方法。A、把数值0－1转存到0－无限，这个无限属于约定数值（约定的标准，同理像之前只存到一个R通道，现在存到RGBA四通道）；B、存储数据时，提高浮点位数。
从HDR生成再转成LDR，分两步：一、写到高范围高精度；二、解压到0－1低范围内。
这两步不同的地方就在于他们的M值系数不一样，第一步M乘上第二步M值等于1。一个数是另一个数的倒数。
真实世界的亮度对比度：是无穷小（黑－0，注1）到无穷大（亮－无穷大），而解决这项任务，因硬件问题，我们需要做一个曲线矫正，把所有HDR的颜色空间转换到LDR GAMMA空间0－1范围内。这步操作计算通常被大家叫做 GAMMA矫正。后面出来的Tone-Mapping（色调映射），也是更高级的数据的转换。图33。
真实世界是线性变化的，为了模拟人视眼的非线性化感观，做出了类似人眼的显示器，为了达到并贴近类人眼效果就要做各种相关的模拟计算，这里面有很多部分是非线性计算的，并且都是为了简洁化的运算。更精准和更高级计算前，需把数据转换成线性信息，再计算，计算完成后，再在最后的显示中转成标准gamma LDR。
HDR相关特性：如果画面对比度不是太强，HDR的效果并不明显（图34）；当对比度非常高，已高到亮部细节丢失的情况下（已超出1范围），采用HDR并使用Tone-Mapping，将会重到一个高亮范围正常的，更接近人眼所观查的现实类似图像（图35），柔和又不失高强对比度，不失颜色饱和度。
对于Bloom和HDR的关联性：在HDR 高精度内使用Bloom计算来模拟泛光，计算完成后混合前源图，得到结果的HDR图，然后经过Tone-Mapping得到LDR图；而Bloom放在HDR里面计算时有个好处是高亮处不会失去细节和颜色，所以常常都会绑定使用。正常情况下Bloom和Tone-Mapping两个功能都会拆分出来，让艺术家自己去选择打开和关闭，调校出更好的艺术性。并且后现代的Tone-Mapping ACES 做完，不需要再次Gamma Pow(x, 0.4545)了。
2.5、打印机色彩空间
来源：a、节省印油，b、并由于现实中颜色的叠加是越叠加越黑，所以做的是减法。相片上呈现孔洞样式。
图文形式记录，理论与算法结合实践。不讲算法的都是流氓！算法错误，那就更加可怕了，可怕的半桶水还不自知。如果此篇笔记，朋友您有读到，在这感谢您的支持，如果您发现笔者有错误的地方，希望您能指点出来，笔者不胜感谢。
参考资源：
1、GDC《hdr_photographic》PDF
2、各大百科
3、Unity 手册
4、皮克斯动画
