这篇文章展示了未经处理的原始照片数据：一张圣诞树的原始图像最初呈现为灰阶，因为相机传感器只能记录光线强度。通过调整原始数据的黑白点范围，图像对比度得到改善。但由于传感器通过拜耳滤镜阵列记录颜色信息，每个像素仅捕捉红、绿或蓝一种颜色分量，需要后期处理才能还原真实色彩。文章直观演示了从原始传感器数据到彩色图像的转换过程。

标题：一张未经处理的原始照片是什么样子（Maurycy的博客）

文章通过一个圣诞树的照片示例，展示了相机传感器捕捉的原始图像数据及其处理过程：

1. 原始数据呈现

• 14位ADC数值直接映射为0-255灰度图像
• 实际数据范围（2110-13600）远小于理论范围（0-16382）
• 经过线性拉伸后，图像仍为单色调

2. 色彩还原

• 通过拜耳滤镜矩阵为每个像素着色
• 采用相邻像素平均法进行去马赛克处理
• 处理后图像出现明显偏绿现象（绿色像素数量是其他颜色的两倍）

3. 亮度校正

• 人眼对亮度感知的非线性特性
• 应用非线性曲线提亮暗部区域
• 通过白平衡校正消除偏色（降低绿色通道强度）

4. 最终效果

• 经过基础处理后获得可接受的图像
• 与相机直出JPEG对比显示自动处理的效果
• 强调图像处理本质是对相同数据的不同呈现方式

文章最后指出： - 原始图像需要大量数学处理才能还原人眼所见效果 - 后期调整与相机内部处理没有本质区别 - 在显示技术限制下，适当调整图像是必要且合理的

（注：原文中关于广告拦截器的内容与主题无关，已省略。所有图片链接保留原描述性文字但未显示具体URL）

这篇评论主要围绕数字图像处理的核心观点展开讨论，以下是总结：

1. 对文章示例的批评

   • 有评论认为作者选择的示例（低质量、人工、多色光）不利于理解"真实情况"和预期结果。
     引用："pity the author chose such a poor example... making it really hard to understand"

2. 对图像处理技术的讨论

   • 动态范围压缩和去马赛克（de-Bayering）被认为是数字摄影的必要步骤，但AI技术的应用引发了争议，可能影响照片的真实性。
     引用："dynamic range compression and de-Bayering are necessary... but 'use AI to recognise objects and hallucinate' raises issues"
   • 有人认为伽马校正和去马赛克不算真正的"处理"，只是信息的不同编码方式。
     引用："gamma normalization step don't really count as 'processing'... it's the same information, but encoded differently"

3. 对图像处理原理的深入探讨

   • 拜耳模式（Bayer pattern）中绿色占比高的原因不仅是色彩平衡，还与人类视觉对绿色的敏感性和空间分辨率有关。
     引用："the reason the Bayer pattern is RGGB... isn’t just about color balance, but spatial resolution"
   • 现代摄影本质上是信号处理，而"未处理"的照片实际上并不存在，因为传感器数据需要经过一系列调整才能显示。
     引用："modern photography is just signal processing... An unprocessed photo does not 'look'"

4. 对文章实用性和教育意义的肯定

   • 许多评论认为文章提供了清晰且有用的解释，帮助读者理解"未处理"照片的真实含义。
     引用："This is actually really useful... don't understand what they're actually asking for"
   • 文章展示了图像处理的复杂性，尤其是从原始数据到最终图像的转换过程。
     引用："It really highlights that modern photography is just signal processing with better marketing"

5. 对技术细节的补充和疑问

   • 有评论提到文章未定义"ADC"（模数转换器）这一术语，可能影响理解。
     引用："The article keeps using the acronym 'ADC' without defining it"
   • 还有人提出关于色彩滤镜步骤的疑问，询问传感器输出是RGB值还是单像素值。
     引用："Is the output produced by the sensor RGB or a single value per pixel?"

6. 对AI和计算摄影的展望

   • 有评论指出，尽管手机摄影已广泛应用计算摄影技术，但全画幅相机领域仍有未开发的潜力，如同时去马赛克和降噪、多帧堆叠等。
     引用："very little of the computational photography magic... has been applied to larger DSLRs... The whole area is 'untapped'"

7. 对图像处理的主观感受

   • 部分评论分享了个人对最终图像效果的偏好，认为手动处理的图像更真实，而非过度依赖AI或滤镜。
     引用："I love the look of the final product... not pumped to 10 via AI or Instagram filters"

总结来看，评论既肯定了文章的技术价值和教育意义，也提出了对示例选择、术语定义和AI应用的批评与讨论，同时深入探讨了图像处理的原理和未来发展方向。