16 位图像为什么发黑：把采集动态范围、数值编码与显示映射分开

同一张十六位图在不同软件中亮度不同，通常不是文件损坏。本文区分传感器动态范围、有效位深和显示窗口，用可复算代码讨论固定窗口、百分位拉伸与伽马的作用，并说明跨图比较时应保留哪些参数。

先检查像素值，再怀疑图像内容

一台 12 位相机把数据装进 uint16 TIFF，像素大多分布在 400 到 2200。图像在某个软件中正常，在另一个窗口几乎全黑。如果后者把 0 到 65535 映射到黑白，2200 只占满量程的 3.36%，暗是显示策略的直接结果。

另一个相反的误会是：软件自动拉伸之后，两次曝光的图像看起来一样亮，于是认为样品没有变化。显示窗口每张图都在变化，真实的强度差异被归一化消除了。无论开发工具还是报告截图，都应该把数据与显示分成两条处理链。

三种“范围”分别回答三个问题

存储位深决定数字容器能表示什么值。无符号 16 位整数有 0 到 65535 的编码范围，但不能据此推出相机提供了 16 位有效信息，也不能推出噪声水平。12 位数据右对齐保存时最大值可为 4095；左移四位保存时常见值是 16 的倍数。必须查看采集格式说明，不能仅凭直方图有空格就认定读错文件。

传感器动态范围关心最大有效信号与噪声底的比值。做一个仅用于数量级说明的模型：满阱 20000 电子，读出噪声 4 电子，信号比约为 5000，对应 20log10(5000)≈74 dB。把该数据保存为 32 位浮点并不会提高这个物理动态范围；反过来，输出位数太少又可能引入明显量化损失。

显示动态范围关心如何把数据送到屏幕。一般预览路径会把高位深数据映射为有限灰阶，并受窗口、查找表、色彩管理和显示设备影响。这里分析的是显式的单通道灰度映射，不假设预览截图能保留全部原始信息。

ImageJ 的图像类型说明将位深、像素类型和元数据区分开来。工程上还应记录有无黑电平扣除、是否启用相机 LUT，以及保存时是否发生了隐式类型转换。

固定窗口：最容易解释和比较的映射

设原始值为 x，窗口下限 L、上限 H，H>L。线性预览值可定义为：

t = clip((x−L)/(H−L), 0, 1)
y = round(255·t)

例如使用 L=400、H=2200，x=1300 映射到约 128。低于 400 的值全部显示为黑，高于 2200 的值全部显示为白。这是显示截断：如果原始文件仍保留，就可以改窗口重新查看；如果把结果覆盖保存为 8 位，窗外信息无法从这张预览图恢复。

同一窗口下比较两幅图，灰度差具有相同映射含义。逐图 min-max 拉伸则不同：A 图范围 4001400，B 图范围 4002400，两图各自的中点都会变成灰色，输入变化被压到同一视觉范围。

代码只依赖 Python 3 标准库，返回新的预览数组，输入不被修改：

from math import isfinite

def preview8(values, low, high, gamma=1.0):
    if not (isfinite(low) and isfinite(high) and high > low):
        raise ValueError("显示窗口必须有限且上限大于下限")
    if not isfinite(gamma) or gamma <= 0:
        raise ValueError("gamma 必须为正")
    out = []
    for x in values:
        if not isfinite(x):
            out.append(0)  # 工程中建议另附无效值掩膜
            continue
        t = min(1.0, max(0.0, (x - low) / (high - low)))
        out.append(round(255 * t**(1.0/gamma)))
    return out

raw = [0, 400, 850, 1300, 2200, 4095]
print(preview8(raw, 400, 2200))
# [0, 0, 64, 128, 255, 255]
print(preview8(raw, 400, 2200, gamma=2.0))
# [0, 0, 128, 180, 255, 255]
assert raw == [0, 400, 850, 1300, 2200, 4095]

这里定义的是 t 的 1/gamma 次幂；gamma 大于 1 提亮中间调。有些软件把参数定义成 t 的 gamma 次幂，方向会相反，所以文档必须写公式，不能只写“用了 gamma=2”。预览伽马也不等于完整的 sRGB 编码曲线。

自动百分位拉伸的好处与代价

真实图像可能含一个饱和热像素。如果直接把最大值设为白，绝大部分有效信号会挤在很小范围。使用有效 ROI 内的低、高百分位作为窗口，可以减少少数离群点对预览的影响。

但百分位不是通用物理标定。一个只有 0.1% 面积的亮缺陷，可能被 99.5% 上限直接截白；背景占比变化也会改变窗口。连续采集逐帧更新百分位还可能产生亮度闪烁，让稳定场景看起来在变化。

面向操作员的实时预览，可缓慢更新窗口并显示当前上下限；用于比较的系列图，宜从共同参考或整个序列确定固定窗口。报告“自动增强”时，需要保留 ROI、掩膜、百分位和计算方法。某些软件的百分位插值规则不同，少量像素的算例尤其容易出现细小差异。

为什么不同库的默认显示不一致

OpenCV 的 HighGUI 文档规定，对无符号 16 位图，imshow 会按约 1/256 缩放；浮点图通常按 01 的范围显示。这与“自动寻找图像最大最小值”不同，见 OpenCV imshow 文档。因此把 04095 的 uint16 图直接交给该预览路径，最高值也仅对应约 16 级灰度。

ImageJ 的显示窗口与类型转换又是两个概念。对高位深图像调整显示上下限，可以改变视觉效果；转换为 8 位时，当前设置可能参与实际数值缩放。具体选项和版本行为应参照 ImageJ Image 菜单文档。不要根据某一个软件的预览习惯设计数据协议。

数值转换还可能制造一张“像正常”的错误图

将 16 位整数直接截断为 8 位，若语言或库采用取低八位的规则，会使 256 映射为 0、257 映射为 1，形成周期条纹或伪边缘；某些转换采用饱和规则，又会让所有大于 255 的值变成白色。两者都不同于按指定窗口缩放。代码应先做浮点映射，再显式裁剪并转换，不能依赖一种不明确的类型强制转换。

有符号与无符号解释错误也很隐蔽。同一段二进制中高位为一的像素，若被当作有符号 16 位数，可能突然变成负值。检查最小最大值、数据类型、字节序和已知测试条，比观察照片是否“像那个东西”更可靠。

对于量化误差，可以把固定线性窗口的一级宽度视为粗略分辨尺度。本例窗口跨度为 1800 DN，一级约 7.06 DN。若需要比较只有 2 DN 的弱变化，导出的预览本来就不足以承载该差异，应继续在原始或浮点校正数据上计算。增加 JPEG 质量无法恢复量化时已经合并的灰度级。

用可解释的验收替代“看起来正常”

可以构造包含 0、黑电平、窗口中点、窗口上限和满量程的测试条，检查每一级输出，再用实际图片验证直方图。保存预览后重新读取，确认它确实是预期的 8 位类型，原始 TIFF 则继续保留位深与元数据。

阈值检测、均值统计、积分光强等定量运算应明确在哪一条数据链执行。若在预览 8 位图上阈值化，窗口变化就改变了实际输入阈值；如果对原始图操作，阈值应以原始 DN 或校正后的单位表达。二者都可以用于特定任务，但需要在参数含义上保持一致。

建议每次导出同时保存窗口、gamma、颜色表、输入像素格式与校正版本。若有 NaN 或坏点，把掩膜单独保存或用清晰的显示颜色标记，避免它们与真实黑色区域混淆。对线性窗口而言，一个 8 位输出级约覆盖 (H−L)/255 个输入单位，这个量也可以用来判断预览图是否适合后续人工读数。

最终的判断顺序应是：确认文件里的数值，确认采集编码，再确认显示映射，并保存对应参数。画面明暗只是这条处理链最后一步的结果。