我认为答案在您链接到的 Jim Kasson 的帖子（区域系统和数码相机）中：

如果您对区域系统只是比较熟悉，您可能会问自己记录比 100% 反射率更亮的光的实用性。100% 反射率校准假定无光泽对象具有完美的朗伯反射率。当主体具有一定的镜面反射或光泽时，会出现较高的光照水平。水是一个经典的、在摄影上很重要的例子。金属、玻璃、塑料、皮肤、石头和许多油漆通常也远离朗伯式。所以我们经常需要空间来容纳这些材料。

以上所有假设都假设相机是使用 UniWB 校准的，并且 UniWB hack 可以完美地预测原始文件值。然而，UniWB 从未在数码相机用户中取得太大的普及，而且我认为随着相机获得越来越多的动态范围，用户数量正在减少，因此有必要研究一下广泛使用的相机设置会发生什么。

因此，仅当相机的行为符合UniWB 模型（另请参阅Guillermo Luijk - UniWB 教程）并且使用的材料确实是完美的朗伯式时，反射率模型和传感器暴露的实际光子数才是线性的。

两者都可能不成立并产生一些非线性效应。

CMOS / CCD 传感器的响应确实是线性的（至少在它们被剪裁之前）。

因此，给定带有线性去马赛克的 RAW 数据（请注意，在此步骤中某些算法可能是非线性的），您确实可以对数据应用 Lucy Richardson 卷积。请注意，LAB颜色空间是 RGB 颜色的非线性变换（即使没有 Gamma 校正）。
所以我会按以下顺序应用反卷积：

1. 去马赛克原始数据。
2. 将数据转换为YCbCr 颜色空间（或类似），通过线性变换将颜色分解为亮度和颜色数据。
3. 在Y通道上应用反卷积。
4. 转换回基于 RGB 的色彩空间。

Richardson Lucy 不一定需要在线性空间中工作。

它通过最小化对数似然函数来工作，因此就它而言，数据是否是光电子阵列 e、x e、(x e)^y 或类似的阵列并不重要，其中 x 和 y 是常数：最小化其中任何一个的对数将导致在 e-、ADU（ADU = e- 乘以增益 x）或 DN 中的“相同”解决方案（ADU^y 与 y = gamma）。

当阵列位于导致找到不同最小值的域中时，就会出现问题。例如，L* 和 sRGB 可以正常工作，除了线性脚趾部分：对于 L*，y 将是 1/3，对于 sRGB，y = 1/2.4 - 除了在线性脚趾部分。一旦你开始做非指数色调映射，所有的赌注当然都没有了。博客文章中的更多细节与我的狗一起漫步 - 理查森 - 露西去卷积的元素，作者是 Jack of Alma Photos。