对于相机拍摄的照片，RAW格式记录了最完整的光信息，通过libraw开源项目，我们可以拿到相机每一个像素的亮度信息，进行完全自由的图像处理，同时libraw能够很轻松的打包到Android、iOS应用中，使得在手机上快捷编辑RAW格式图片成为可能。
一、RAW格式是什么
简单理解，相机cmos每一个像素可以拿到光的亮度信息，RAW格式完整的提供这些亮度信息，比如一般的全画幅相机，一般能记录14bit，也就是2^14=16384种亮度阶梯。而一般的处理好后的JPG图片，一般为8bit，也就是2^8=256种阶梯，包含的信息量远远小于RAW格式。在我们进行调色，提高阴影、降低高光时，RAW格式有很大的优势，我们在RAW格式基础上做图片处理后，再导出8bit的JPG格式，可以还原出很多细节，调色也不容易断层。
二、使用Libraw导出黑白图信息
之前说了通俗理解我们每个像素是亮度信息，那我们就先导出试下看是什么样子。
1. 安装libraw库
使用MacOS，直接执行brew install libraw，就可以安装好库文件和头文件了，然后我们写个简单的C++程序运行下：
#include <libraw/libraw.h>
#include <iostream>
int main(int argc, char* argv[]) {
if (argc < 2) {
std::cout << "用法: ./RawProcessor <raw文件路径>" << std::endl;
return 1;
}
LibRaw iProcessor;
// 打开文件
int ret = iProcessor.open_file(argv[1]);
if (ret != LIBRAW_SUCCESS) {
std::cerr << "读取错误: " << libraw_strerror(ret) << std::endl;
return 1;
}
std::cout << "相机型号: " << iProcessor.imgdata.idata.make << " "
<< iProcessor.imgdata.idata.model << std::endl;
std::cout << "图像尺寸: " << iProcessor.imgdata.sizes.width << " x "
<< iProcessor.imgdata.sizes.height << std::endl;
iProcessor.recycle();
return 0;
}
LibRaw直接提供了打开文件的能力，使用LibRaw类，我们便可以读取一张RAW图片，通过imgdata这个结构体我们可以拿到RAW格式的具体数据，如上代码，便可以输出RAW图片的相机型号、宽高，LibRaw帮我们处理了所有相机厂商的不同格式。
2. 直接导出每一个像素
众所周知，相机的图片是由一个个像素组成的，在LibRaw中，我们直接读取每一个像素点的亮度，直接导出，就可以得到一张图片。
如下是经典的相机测试图，为松下S5相机拍摄的图片的实际样子。
下面，我们直接写代码根据每一个像素的亮度导出一张图片。
#include <libraw/libraw.h>
#include <iostream>
#include <vector>
#include <cstdio>
#include <cmath>
int main(int argc, char* argv[]) {
if (argc < 2) {
std::cout << "用法: ./RawProcessor <raw文件路径>" << std::endl;
return 1;
}
LibRaw iProcessor;
if (iProcessor.open_file(argv[1]) != LIBRAW_SUCCESS) return 1;
if (iProcessor.unpack() != LIBRAW_SUCCESS) return 1;
// 关键：我们要导出的是有效成像区域的每一像素
int width = iProcessor.imgdata.sizes.raw_width; // 物理总宽
int iwidth = iProcessor.imgdata.sizes.width; // 成像宽
int iheight = iProcessor.imgdata.sizes.height; // 成像高
int top = iProcessor.imgdata.sizes.top_margin;
int left = iProcessor.imgdata.sizes.left_margin;
float black = (float)iProcessor.imgdata.color.black;
float white = (float)iProcessor.imgdata.color.maximum;
float range = white - black;
// 准备一个单通道灰度容器，大小等于成像区域
std::vector<unsigned char> gray_data(iwidth * iheight);
unsigned short* raw_ptr = iProcessor.imgdata.rawdata.raw_image;
std::cout << "正在生成原始黑白网格图..." << std::endl;
for (int y = 0; y < iheight; y++) {
for (int x = 0; x < iwidth; x++) {
// 计算在原始大数组中的位置（加上边距）
int row = top + y;
int col = left + x;
unsigned short raw_val = raw_ptr[row * width + col];
// 1. 减去黑电平
float val = (float)raw_val - black;
if (val < 0) val = 0;
// 2. 归一化到 0.0 - 1.0
float norm = val / range;
if (norm > 1.0f) norm = 1.0f;
// 3. Gamma 校正（如果不加 Gamma，原始线性数据会非常暗）
// 这样你可以看清 Bayer 阵列的亮度差异
norm = pow(norm, 1.0f / 2.2f);
// 4. 写入灰度数据
gray_data[y * iwidth + x] = (unsigned char)(norm * 255.0f);
}
}
// 保存为 PGM (P5 代表二进制灰度格式)
FILE *f_pgm = fopen("raw_bayer_mesh.pgm", "wb");
if (f_pgm) {
fprintf(f_pgm, "P5\n%d %d\n255\n", iwidth, iheight);
fwrite(gray_data.data(), 1, gray_data.size(), f_pgm);
fclose(f_pgm);
std::cout << "处理完成：raw_bayer_mesh.pgm" << std::endl;
}
iProcessor.recycle();
return 0;
}
for (int y = 0; y < iheight; y++) {
for (int x = 0; x < iwidth; x++) {
// 计算在原始大数组中的位置（加上边距）
int row = top + y;
int col = left + x;
unsigned short raw_val = raw_ptr[row * width + col];
// 1. 减去黑电平
float val = (float)raw_val - black;
if (val < 0) val = 0;
// 2. 归一化到 0.0 - 1.0
float norm = val / range;
if (norm > 1.0f) norm = 1.0f;
// 3. Gamma 校正（如果不加 Gamma，原始线性数据会非常暗）
// 这样你可以看清 Bayer 阵列的亮度差异
norm = pow(norm, 1.0f / 2.2f);
// 4. 写入灰度数据
gray_data[y * iwidth + x] = (unsigned char)(norm * 255.0f);
}
}
这一段循环代码是关键。我们知道相机cmos感光有个最低值，就算没有光线，也会有些噪点，也就是暗部噪声，我们每个像素的亮度要减掉这个黑电平float val = (float)raw_val - black;，每个像素统一缩放到0～1之间
float norm = val / range;，最后，我们得到的数据是均匀分布的光线数据，假设把这些均匀分布的数据直接乘上255变成8bit的常规图片，会是这个样子：
可以很明显看到照片特别黑，简单问下AI：RAW文件忠实记录了物理光强（线性）。在0到255的范围里，物理中值 128（50%的光强）在人眼看来其实已经非常亮了。而人眼认为的“中等灰度”（视觉上的50%），在物理上其实只产生了大约 18% 的光强。如果不经过 Gamma 变换把这 18% 的数据“拉”到 128 的位置，它就会缩在 40 左右的数值区域，看起来当然黑乎乎的一片。
也就是说，考虑到两方面，一个是人眼对于光亮的感知程度不同、显示器对于图片文件的显示不同，我们不能线性地将数据直接写入图片文件，而是需要对其做一次变换。比较简单经典的规范就是norm = pow(norm, 1.0f / 2.2f);对于亮度做一个1/2.2的指数。
如上，我们已经得到了一张灰图，不放大看好像还挺不错的，但会发现怎么和实际图片差距这么大：
- 我们的图片好像中间突出来了，这其实是镜头的畸变，一般处理后的图片都会自己做修正。
- 我们的图片是黑白的，而由这些黑白图片怎么才能得到彩色图片呢？
畸变的问题我们之后再讨论，单彩色图片如何得来呢？其实，我们仔细放大表面上看起来的黑白图片，就会发现我们这张黑白图片也不对劲：
很容易发现，为什么黑白图片里面像是有棋盘一样的黑白点交替，没错，这就是下一节我们要讨论的拜耳阵列、白平衡等等，正式相机厂商在cmos前面增加了彩色滤镜片，才使得我们可以用单纯感光的cmos得到一张不同颜色的图片。
