• 攝影鏡片是凸透鏡，會做成圓的並且中央厚，用來聚光，但凸透鏡的物理特性，造成兩種衰減，一亮度衰減，二顏色衰減，亮度衰減是使得2D成像的周圍入光亮少，所以會形成中間圓圈亮到四角漸暗的同心圓；顏色衰減則是因為不同光不同波長，經過一個不同材質的東西（e.g.玻璃）使得產生折射，每種光實際抵達2D成像的位置不同，因此在成像的平面上出現同心圓顏色漸變，通常是中間紅。
• input: bayer四通道[R,G,G,B]，就跟[R,G,B]分三個通道一樣類似，把bayer四通道用3D圖呈現的話，x,y是圖片的寬高，z軸是通道的intensity，通常是8bit即2的8次方種數值，即0-255，呈現結果會是四片軟軟的紙，四角往下垂
• output:盡量被弄平的四片紙，透過給每個數值乘上一個適合的gain值，extreme easy e.g. [0.1 5 0.4]*[50 1 12.5] = [5 5 5]
• algo:
  • 用一個2D array去儲存準備給數值乘上的gain值，但這個2D array不會太大，會透過bilinear interpolation去給每個數值適合的值
  • 需要tuning，需要input一張影像，然後把這個影像切成跟2D array大小相同的方塊，計算交點的gain要多少(?)，確認ok了，就把計算好的gain值填進2D array備用，作為每次處理raw檔時使用的數據
  • 交點的數量跟2D array的格子數對應的起來嗎？？

Color correction

• 基本是以一個3*3的矩陣來達成correction的目的，color correction須等white balance調好了再來處理(我還沒能很明確確定為何)，
• input:一張很貴無褪色有很多格子色的色板，用相機拍攝他，然後讀取相機拍的圖片的RGB通道作為input之一，input之二就是那個色板的RGB數值，只要無褪色，每格的數值就理應是該色板提供的RGB數值
• output:用找到的3*3矩陣，輸出經過轉換的照片，在假設display顯色正確的情況下，以肉眼觀察該經過轉換的照片，應當要跟肉眼直接看的色板顏色相同
• algo:跟已知的各個格子的RGB色號進行對應，迭代找到一個cost最小的3*3矩陣

Color Correction Tuning Guide - 這篇僅是for 入門，不敢保證太多正確性
Color correction matrix（色彩矩阵）的学习思考
Color correction matrix（色彩矩阵）的学习思考(小延伸)

Local Tone Mapping

• 分成local method, global method
• 用於解決的問題：
  • 有限的運算位數，沒辦法滿足實際世界analog的需求
  • 這個情況發生在圖像上時，就是用來呈像的媒介(機器)的動態範圍不夠
  • 當媒介不能還原原始場景，就會使得場景的細節丟失以及顏色丟失
  • 細節丟失就像是過曝或過暗
• 有多種算法出現
  • 簡單如類似normalization的方法：L=Y/Y+1
    • 使得[0,無限大)被映射到[0,1)
  • 基於對比度
  • 基於梯度域(gradient domain)
• 各算法共通點：著重保持對比度，不用特別保持亮度
  • 因為人眼或者皮膚乃至於想法(?我覺得啦)
  • 都是對兩物直接比較的差距 最為敏感