Gamma 公式：
Vout = Vin ^ gamma
Gamma 的产生原因：
1. 人眼对初始亮度的敏感性和相机对亮度线性检测的冲突
如上图，对于相机来说，当实际的亮度增加两倍时，相机检测到的亮度增加了两倍，两者是一种线性的关系；对于人眼，这种变化是非线性的（即对于上述的Gamma公式，gamma值往往小于1）。也就是说，当整体亮度较暗时，实际亮度增加相应的人眼的检测亮度变化比较剧烈，即人眼对于初始亮度变化比较敏感；当整体亮度较亮时，实际亮度增加相应的人眼的检测亮度变化比较缓慢，即人眼对于高亮度的变化感知不是很强烈。
由于这一因素的影响，往往在相机内部等进行图像保存时，会隐式的进行图片的Gamma Encode，来模拟人眼的亮度检测规律。当我们需要在屏幕上对真实的亮度进行显示时，需要再次进行Gamma Correction来消除前面Gamma Encode所造成的影响。
2. 基于Gamma编码的颜色空间可以降低存储所需的bit
基于人眼对过高亮度的不敏感的特点，在颜色空间中可以不必过多的细分较高的亮度，所以我们采用256（即8bits）即可以满足对图像各个层次描述的需求；而如果我们以相机那种线性的检测为基准，那么对于高亮度的细分将导致我们可能会用更多的bits来实现，而且很多是不必要的。
Gamma 的应用
1. Gamma可以一定程度上提高图片的对比度，动态的扩大颜色范围
2. Gamma Correction
Gamma Correction 是相对与之前的Gamma Encode来说的，为了消除Gamma Encode的影响
3. Gamma Compression & Gamma Expansion
当gamma > 1的时候为Gamma Expansion
当gamma < 1的时候为Gamma Compression
4. For Noise
对于未经Gamma处理的相机拍摄的图片来说，往往存在随着亮度逐渐变暗，将会有更多的噪点的问题。进行Gamma Correction时，gamma > 1 时， 暗处的噪点将会被压缩；亮处的噪点虽然会被放大，但是由于人眼对于高亮度的不敏感特点，所以不会被感知到。从而实现对整体的噪点的一个优化效果。而gamma < 1 时正好相反。
在实际应用中，我们往往不会直接使用Gamma函数，而是在亮度较暗时，使用线性函数，在亮度较高时使用非线性函数来最终达到接近Gamma函数的效果。
参考资料
【1】UNDERSTANDING GAMMA CORRECTION