如何调整sRGB图像曝光？归一化曝光转换负数值问题咨询

这个问题我之前处理过，核心原因是你跳过了sRGB的伽马校正步骤——直接用伽马编码后的sRGB值转XYZ，相当于用非线性的亮度值去计算，调整Y后逆转换自然会出现超出范围甚至负值的情况。

问题根源拆解 #

sRGB是带伽马编码的色彩空间，它的数值不是线性对应物理亮度的。你直接把sRGB值(n,n,n)转XYZ，相当于用经过伽马压缩后的非线性值参与矩阵运算，得到的XYZ本身就不是准确的物理亮度表示。当你调整Y值（亮度）后再逆转换，很容易超出sRGB的色域范围，导致线性RGB分量出现负值。

正确的曝光归一化流程 #

要避免这个问题，必须遵循线性光处理的原则，完整流程应该是：

1. sRGB → 线性RGB：先解伽马校正，把编码后的sRGB值转换成对应物理亮度的线性值。
2. 线性RGB → CIE XYZ：用标准的转换矩阵计算XYZ（基于D65白点，这是sRGB的默认白点）。
3. 调整Y值实现EV变化：1档EV对应Y值×2（提亮）或÷2（压暗），这一步是对的，因为Y分量直接代表亮度。
4. CIE XYZ → 线性RGB：用逆转换矩阵得到调整后的线性RGB值。
5. 线性RGB → sRGB：重新应用伽马编码，同时把超出0-1范围的值clamp（截断）到有效区间，再转成0-255的sRGB值。

具体实现示例（Python伪代码） #

def srgb_to_linear(srgb):
    """把0-255的sRGB值转换成0-1的线性RGB值"""
    srgb_norm = [x / 255.0 for x in srgb]
    linear = []
    for val in srgb_norm:
        if val <= 0.04045:
            linear.append(val / 12.92)
        else:
            linear.append(((val + 0.055) / 1.055) ** 2.4)
    return linear

def linear_to_srgb(linear):
    """把0-1的线性RGB值转换成0-255的sRGB值，自动clamp超出范围的值"""
    srgb_norm = []
    for val in linear:
        if val <= 0.0031308:
            srgb_norm.append(val * 12.92)
        else:
            srgb_norm.append(1.055 * (val ** (1/2.4)) - 0.055)
    # 截断到0-1区间，再转255
    srgb = [max(0, min(1, val)) * 255 for val in srgb_norm]
    return [round(x) for x in srgb]

# sRGB（线性）转XYZ的转换矩阵（D65白点）
RGB_TO_XYZ = [
    [0.4124564, 0.3575761, 0.1804375],
    [0.2126729, 0.7151522, 0.0721750],
    [0.0193339, 0.1191920, 0.9503041]
]

# XYZ转线性RGB的逆矩阵
XYZ_TO_RGB = [
    [3.2404542, -1.5371385, -0.4985314],
    [-0.9692660, 1.8760108, 0.0415560],
    [0.0556434, -0.2040259, 1.0572252]
]

def linear_rgb_to_xyz(linear_rgb):
    r, g, b = linear_rgb
    x = RGB_TO_XYZ[0][0]*r + RGB_TO_XYZ[0][1]*g + RGB_TO_XYZ[0][2]*b
    y = RGB_TO_XYZ[1][0]*r + RGB_TO_XYZ[1][1]*g + RGB_TO_XYZ[1][2]*b
    z = RGB_TO_XYZ[2][0]*r + RGB_TO_XYZ[2][1]*g + RGB_TO_XYZ[2][2]*b
    return (x, y, z)

def xyz_to_linear_rgb(xyz):
    x, y, z = xyz
    r = XYZ_TO_RGB[0][0]*x + XYZ_TO_RGB[0][1]*y + XYZ_TO_RGB[0][2]*z
    g = XYZ_TO_RGB[1][0]*x + XYZ_TO_RGB[1][1]*y + XYZ_TO_RGB[1][2]*z
    b = XYZ_TO_RGB[2][0]*x + XYZ_TO_RGB[2][1]*y + XYZ_TO_RGB[2][2]*z
    return (r, g, b)

def adjust_exposure(srgb_pixel, ev):
    """调整sRGB像素的曝光，ev为正提亮，为负压暗，1代表1档EV"""
    # 步骤1：转线性RGB
    linear = srgb_to_linear(srgb_pixel)
    # 步骤2：转XYZ
    xyz = linear_rgb_to_xyz(linear)
    # 步骤3：调整Y值
    adjusted_y = xyz[1] * (2 ** ev)
    adjusted_xyz = (xyz[0], adjusted_y, xyz[2])
    # 步骤4：转回线性RGB
    adjusted_linear = xyz_to_linear_rgb(adjusted_xyz)
    # 步骤5：转回sRGB
    adjusted_srgb = linear_to_srgb(adjusted_linear)
    return adjusted_srgb

# 测试：比如输入(128,128,128)，提亮1档EV
print(adjust_exposure([128,128,128], 1))

关键注意事项 #

• 伽马校正的分段函数：sRGB的伽马不是简单的2.2，低于0.04045的部分是线性的，必须严格按照标准处理，否则亮度转换会有偏差。
• 色域截断：调整Y值后，部分颜色可能超出sRGB的可表示范围，这时候必须clamp到0-1区间，否则会出现负值或大于255的值，导致图像异常。
• 白点一致性：转换矩阵要使用sRGB默认的D65白点，不要混用其他白点（比如D50），否则颜色会出现偏色。

按照这个流程处理，你就不会再遇到转换后出现负值的问题了。

内容的提问来源于stack exchange，提问作者user1146345