今天的教程相当实用，遇到有一大片黑的图片，都可以用这个方法让细节显现，特别是风景图，效果超棒！方法分两步，操作非常简单，作者顺便介绍一个“看起来就很吊”的后期修图术语，姿势赶紧涨起来。
面对这样细节严重丢失的图片，我们该怎样进行修复呢？

下面是我们修复的效果：

那么，我们该如何调整，才能达到这种效果呢？
这里就涉及到一个非常重要的术语：伽马值。
在摄影中，我们会经常遇到一组相近的概念：曝光和伽马值。

我们先看一张图片：

如果我们降低曝光值：

画面的变化是：

如果我们降低伽马值：

画面的效果是：

很明显，你可以发现二者的区别。

我们再看一张图：

如果我们提高曝光值：

画面效果是这样的：

如果我们提高伽玛值：

得到的画面效果是：

你也可以很明显的发现二者的不同。

那么，这二者的区别到底在哪里呢？

我们先从伽玛值讲起（下面这一段很无聊，不想了解的可以略过）：

一开始，伽玛值是一个专有名词，后来被广泛运用于图像灰度映射的校正。宏观上我们看到的就是，Gamma变了，图像亮度就跟着变了，本质上是信息的映射关系在数学上变了。以下是正文：

Gamma是在计算机图形领域最不容易被理解掌握的概念之一，其中有很大一部分原因要怪它到处出现，极容易让人混淆。Gamma的最初定义如下：“Gamma是用来描述显示设备的‘非线性’程度的专有名词”。这是历史上Gamma所拥有的第一个定义。但是很显然这样的一个定义并不能解释清楚任何的问题。

那么要解释清楚Gamma，首先要解释的就是显示设备的“非线性”。

一切的显示设备，比如计算机的显示屏幕、手机或平板电脑的屏幕、老式的阴极摄像管电视机（CRT电视机），或是新式的液晶屏幕电视机，都是“非线性的”。以最为典型的CRT（Cathode ray tube阴极射线管）显示屏幕为例（无论是电脑或者电视机），所谓“非线性”即意味着，如果施加在阴极摄像管的电压强度 V 增加1倍，屏幕表面所输出的光强度 I 并不会很理想的相应增加一倍。

反过来说，如果显示器所用到的发光元件是一个理想的物理模型，在输入电信号强度V（Voltage，电压）和输出的光照强度I（Intensity,强度）转化过程中，V与I的比值是一个常数k，这里我们就可以说这个发光元件是一个线性元件，转化是线性转化，是对电信号的“无损转化”。

表达通俗一点，以上公式表示这样一个意思：在理想的线性的显示元件中，一份电压强度可以生成一份相对应的光照强度，电压翻几倍，光照强度也会相应跟着翻几倍。

当然现实世界中的任何显示器都不会有这样理想的特性，幸运的是，这些有损的显示元件的输入电压V 与输出光照强度 I 的对应关系在数学上呈现简单的规律，可以看到非线性显示元件的输入-输出公式与线性显示元件的公式非常相近，唯一的不同就是在输入信号V的右上角多了一个指数γ，这个希腊字母γ读作Gamma（中文音“伽马”），它便是用来描述非线性元件输入信号 V 在转化成光线强度 I 过程中“非线性”程度的唯一一个参数。

表达通俗一点就是说，非线性显示元件呈现这样的规律：输入电信号V的大小在乘方Gamma和乘以常数k之后，会得到相对应的输出信号 I，无论输入电压的大小与否，一个非线性元件的信号损耗特性Gamma是固定的。

然而不同的显示设备，Gamma的大小是不尽相同的，常见的Gamma大小可能会在1.4到2.6之间，苹果电脑显示器的Gamma在1,8左右，传统CRT电视机的Gamma在2.35-2.55之间。总结来说，Gamma是跟着硬件设备走的，和电压以及光强度没有关系。

那么到这里，我们就终于能理解为什么Gamma的定义是“用来描述显示设备非线性程度的专有名词”了，理想的显示元件，电信号以线性比例对应光强度，Gamma=1，而现实世界中非线性的显示元件，Gamma≠1，Gamma越大，信号损失越大，信号的“失真”程度越高，因此Gamma就可以用来表示一个显示元件对信号的失真程度。

这里必须要强调的是：“理想的，信号无损的显示元件”，并不是说在电压到光强度的转化过程中毫无能量损失，而是只要电压以k倍转化为相对应的光强度就可以，一份电压对应一份光强即可，等比例转化即可，即 y=kx 的线性映射，此时Gamma是等于1的。

而非线性显示元件在得到输出光强 I 之前，需要把输入电压 V 在k倍的基础上，右上角再次乘方一个Gamma，那么此时这个Gamma可以比1大，亦可以比1小。

在计算机图形学中，输入的电压信号 V 和输出的亮度信号 I 都是在0-1（这个0就对应着电压为0，颜色为黑色，1就对应着电压为最大，光强度最高，颜色为白色）区间浮动的，如果这样描述问题的话，我们连公式中间的常数k都可以忽略不计了，输入-输出的公式就简化成了：

OK，上面这一大段话的核心意思是（这个总结可以看一下）：

所谓伽马值，原本是用来描述硬件的失真程度，伽玛值越大，失真程度越大。

后来应用到计算机图像领域，便成为了一个用来校正画面明暗程度的数学工具。

OK，上面这些原理部分我们了解一下就行，不必深究。

我们主要是了解伽马值和曝光值在摄影中的区别和应用。

我们再打开一张图片：

我们降低曝光值：

得到的画面效果是：

我们降低伽马值：

画面效果如图：

有什么不同？

一、伽马值的色彩变化更加剧烈。

二、伽马值细节损失得更多。

我们再提高曝光值：

得到的画面效果：

我们提高伽马值：

得到的画面效果是：

可以看到：

一、曝光值保留了更多的色彩信息。

二、曝光值的细节损失更少。

综合上面的效果，其实我们可以得出一个简单的结论：

调低伽马值，其效果等同于同时降低曝光值和提高对比度，因此，其画面的色彩变化更加剧烈，画面更加通透，但是细节损失也会更多。

调高伽马值，其效果等同于同时提高曝光值和降低对比度，因此，其色彩会更加偏灰，同时也会保留更多的画面细节，整个画面感觉像加了一层白色层。

曝光值对画面整体的影响比较柔和，其调整的效果一般而言会更加自然一些。

那么，我们在哪些情况下需要使用伽马值呢？

一、用伽马值消灰。

因为伽马值有同时提高对比度和降低亮度的画面效果，因此，在消灰方面有独特的优势。

例如这张照片：

我们使用提高对比度：

得到的画面效果是：

如果我们降低伽马值：

得到的画面效果是：

可以看到，伽马值在消灰方面的确有不错的效果。

二、还原细节

我们看一张图片：

如果我们使用曝光值：

画面效果如图：

如果我们使用伽马值：

画面效果如图：

可以看到伽马值可以很好的还原图片细节。

回到前面的问题，我们打开图片：

然后调低伽马值。

我们还可以新建一个渐变滤镜，进一步调整上面的细节：

我们再调整一下曲线：

画面效果如图：

与原图对比：

怎么样，有没有稍微抓到诀窍呢？