PS如何修复细节严重缺失的图片？

　　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：