“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
一张未处理照片的真实面貌：从RAW到JPEG的成像全流程解密
一张相机RAW照片从传感器原始数据到最终JPEG，需要经历去马赛克、白平衡、色调映射等数十步计算，所谓"直出"并非未处理，而是相机内置算法自动处理的结果。
揭开RAW的"真面目"
当我们按下快门，相机传感器记录下的并不是一张可以直接观看的图像。如果说JPEG是相机"烹饪"后的成品，那么RAW文件就是未经加工的"食材"。本文作者Maurycy展示了一张圣诞树照片的RAW数据在没有任何处理时的模样，结果令人惊讶：它既不是黑白照片，甚至不是灰色的，而是一幅看起来如同灰色噪点拼贴的"灰色图像"。
这张图来自相机的14-bit模数转换器（ADC）。理论上，ADC能输出0到16382的数值，但实际数据的分布远未填满这个范围。通过直方图可以看到，真实数据集中在2110到13600之间。这意味着如果直接把原始数值映射到屏幕的0-255 RGB空间，图像会显得非常暗淡且对比度极低。
第一步：黑电平与白电平校正
要正确显示RAW数据，首先需要确定图像的黑点（Black Point）和白点（White Point）。黑点通常由传感器暗电流噪声决定，此处为2110；白点则是传感器能达到的最大有效信号值，此处为13600。应用线性映射公式：
V_new = (V_old - 2110) / (13600 - 2110)
把2110映射为纯黑，13600映射为纯白，图像立刻变得明亮许多，轮廓清晰可见。但此刻画面仍是单色的，因为传感器本质上只能记录亮度，无法分辨颜色。
色彩从何而来？拜耳阵列与去马赛克
为了获得彩色图像，相机传感器像素上覆盖了一层拜耳滤色阵列（Bayer Filter），它由交替排列的红、绿、蓝滤光片组成（典型排列为RGGB）。每个像素只能感知一种颜色——红色、绿色或蓝色。如果直接把每个像素赋值为其滤光片的颜色并用彩色显示，就会得到一张有颜色但每个像素只有1/3色彩信息的"马赛克图"。
要去除马赛克，需要进行"去马赛克"（Demosaicing）插值：每个像素的缺失颜色通道由邻近像素的对应通道值平均得出。作者对每个像素的RGB值进行邻域平均后，圣诞树出现了柔和的色彩过渡，但整体图像依旧很暗。
为什么RAW看起来那么暗？——非线性感知与伽马校正
很多人以为RAW"应该"是像HDR那样明亮清晰的，但事实恰好相反。原因有两点：
- 显示设备的动态范围限制：即使是OLED屏幕，也会反射环境光，导致其无法呈现人类肉眼所能辨识的极暗细节。
- 人类感知的非线性：人眼对暗部层次的敏感度远高于亮部，如果直接线性量化亮度，存储空间会被大量浪费在区分几乎相同的白色阴影上。因此，标准色彩空间（如sRGB）往往使用非线性函数来分配更多的编码空间给暗部色调。
如下图所示，一个sRGB的线性渐变条在视觉上并不是均匀过渡的——中间调看起来要比理论位置暗得多。这背后是伽马校正（Gamma Correction）原理。如果直接线性显示RAW数据，画面中灰部分会显得异常黑。
解决办法是对每个通道施加一条非线性曲线（如伽马曲线），提亮暗部。作者应用了类似sRGB的曲线后，图像亮度恢复正常，但出现了一个刺眼的绿色色偏。
绿色色偏之谜：传感器灵敏度与拜耳阵列比例
绿色色偏的主要来源有两个：
- 传感器物理特性：拜耳阵列中绿色像素占比达50%（RGGB排列中G占一半），因为人眼对绿色最为敏感。但这也导致传感器整体对绿色光的响应更强。
- 去马赛克算法放大偏差：在邻域平均时，由于绿色像素数量多，其权重天然高于红色和蓝色，进一步推高了绿色通道的数值。
解决方法叫做"白平衡"（White Balance），即对每个颜色通道乘以不同的常数系数，使其亮度均衡。但这里有个陷阱：由于我们之前已经对数据应用了非线性曲线，亮度值不再是线性的，直接乘常数会破坏色相。因此需要回到线性阶段——也就是去马赛克刚完成、还未应用曲线的那一步进行操作。
作者回到线性数据，暂时放大RGB值以便观察，然后调整了三个通道的比例（减少绿色增益，增加红色和蓝色增益），终于消除了色偏，使各通道亮度接近。重新应用曲线后，一张较为自然的圣诞树照片呈现出来。
这还远远不是终点
作者强调，以上只是数码摄影的"最低限度"处理，远未触及完整流程的皮毛。实际还有大量工作需要完成：
- 色彩校准：需要利用标准色卡（如X-Rite ColorChecker）对色彩进行精确校准，使还原的颜色符合人眼感知。
- 精细白平衡：不同光源色温差异极大，自动白平衡常常犯错。
- 黑点设置：上述示例的黑点可能偏高，导致阴影细节损失。
- 降噪处理：RAW图在暗部必然存在热噪声和读取噪声，需要专门的降噪算法。
- 镜头校正：色差、暗角、畸变等都需要消除。
此外，对每通道分别应用曲线会导致高光区颜色饱和度降低（类似老式彩色胶片的"肩部"特性），虽然有时效果优雅，但也会让高光物体（如圣诞树顶的星星）失去原有的黄色。如果想保持颜色纯度，可以分离亮度通道，仅对亮度应用曲线，但这又容易让LED彩灯区域出现过饱和。实际上，摄影师常在两种方案间权衡或结合。
相机直出的JPEG其实做了大量后期
文章最后对比了一张由同一RAW文件生成的相机内JPEG。这张"原图"看起来已比较完美，但那绝不是"未编辑"的照片。当我们调对比度、白平衡时，做的每一步调整，相机内部的图像处理器都进行了更精细的自动化处理——包括去马赛克、白平衡、色调映射、降噪、锐化、颜色矩阵变换等等。你动任何滑块，都只是在调整相机的默认参数。
因此，所谓"PS过的照片"和"直出照片"本质上都是对同一传感器数据的"诠释"，只是诠释者和算法不同罢了。我们不必为调整照片而感到羞愧，因为人类视觉系统极其复杂，任何试图用有限动态范围、有限色域的屏幕或纸张复现人眼所见的行为都是对物理现实的妥协和翻译。当自动化算法做出错误判断时，手动调整反而是对真实感的忠实回归。
原文链接：https://maurycyz.com/misc/raw_photo/
原文作者：Maurycy Z（发布于其博客，HN讨论帖获得2500+赞）