始于热爱，
归于开源
RapidRAW 不是商业公司的产品，而是一个 18 岁瑞士少年 Timon Käch 出于对摄影与代码的双重热爱，独立打造的开源项目。从 2025 年 6 月 13 日的第一行代码开始，他用 14 天完成了核心功能的原型，并持续迭代至今。
为什么会有 RapidRAW？
每一个伟大的项目都源于一个真实的需求。RapidRAW 的诞生，来自于一个摄影爱好者对现有工具的不妥协。
痛点：缓慢、臃肿、昂贵
作为一名摄影爱好者，Timon 经常感到现有的 RAW 处理软件在他的设备上运行缓慢且资源占用过高。商业软件动辄数 GB 的安装体积、每月数百元的订阅费用，让许多像他一样的年轻摄影师望而却步。而传统开源软件虽然在功能上完备，却常常缺乏现代化的 UI 体验与 GPU 加速能力。
"我想要一个更快、更简洁的修图体验，所以决定自己做一个。"这个朴素的愿望，成为 RapidRAW 项目的起点。
挑战：14 天构建核心
Timon 为自己设定了一个雄心勃勃的目标——快速从零开始构建一个功能完整的应用。这不仅是为摄影师生涯打造工具，更是一次深入学习数字图像处理与相机技术的契机。他选择 Rust 作为后端语言以获得安全性与性能，选择 Tauri 以实现轻量级跨平台桌面应用，并将整个图像处理管线下沉到 GPU 通过 WGPU 与自研 WGSL 着色器实现。
14 天的高强度开发后，RapidRAW 的核心原型诞生了：完整的图库管理、基础调色、蒙版系统、预设管理、导出功能——一个 RAW 编辑器的骨架已经成型。
助力：AI 时代的开发新范式
作为一位没有高级数学或图像科学正式背景的年轻开发者，Timon 坦诚地感谢 Google AI Studio 提供的 Gemini 系列 AI 模型。AI 不是替代编程，而是作为研究助手，帮助他快速理解复杂的图像处理算法、调试 WGSL 着色器代码、学习相机色彩科学。这种"AI 辅助开发"的新范式，让一个 18 岁少年能够独立完成过去需要一个团队才能完成的项目。
RapidRAW 的成长之路
从 2025 年 6 月的第一行代码到今天，RapidRAW 经历了密集的开发迭代。以下是关键里程碑的回顾。
项目诞生
Timon Käch 在瑞士卢塞恩开始 RapidRAW 项目。第一天完成了 Tauri 基础设置与最初的亮度 / 对比度着色器实现。
首个公开发布
经过 14 天高强度开发，RapidRAW 首个版本公开发布。包含完整的图库、编辑器、蒙版系统、预设管理与导出功能，标志着核心原型的完成。
AI 功能集成
陆续实现 AI 主体蒙版（基于 SAM 2）、AI 天空 / 前景蒙版（基于 U-2-Net）、Fujifilm X-Trans 传感器支持、HDR 合并、高性能全景拼接器等核心功能。
LUT 与生成式 AI
添加 LUT（.cube / .3dl / .png 等）支持、本地 LaMa 内容感知填充、ComfyUI 集成接口。前端完成 TypeScript 重构，性能与可维护性大幅提升。
AgX 色调映射与色彩校准
引入专业级 AgX 色调映射器、色彩校准工具（RGB 主色调整）、自动图像剔除（重复 / 模糊检测）、社区预设面板等高级功能。
BM3D 降噪与 EXIF 写入
实现 BM3D 块匹配三维降噪（带对比滑块）、EXIF 元数据写入文件、单色颗粒与白平衡拾色器改进，进一步提升专业级使用体验。
多格式支持与图像分析
添加 JPEG XL、WebP、AVIF、EXR、QOI 等现代格式支持。引入图像分析面板，提供矢量示波器、波形图、RGB Parade、直方图等专业级监控工具。
AI 镜头模糊与 CLI 批量导出
新增 AI Lens Blur（Bokeh）实现真实景深背景虚化，添加无头 CLI 批量导出工具支持自定义 JSON 调整。引入 Culling View 同屏对比 6 张照片。
持续演进中
正在开发的功能包括系绳拍摄（实时连机）、云端 AI 服务、Fujifilm X-Trans 传感器算法优化、移动端 UI 进一步完善。RapidRAW 将永远保持开源免费，与全球摄影师社区共同成长。
为什么我们选择 AGPL-3.0
RapidRAW 选择 GNU Affero General Public License v3.0 协议，这不仅是一个法律选择，更是一种价值观的承诺。
永久开源
AGPL-3.0 确保 RapidRAW 及其任何衍生作品都将永远保持开源。任何基于 RapidRAW 的修改或扩展都必须以相同协议开源，保护项目不被闭源商业化。
社区共建
开源意味着任何人都可以审查代码、提交改进、报告问题。这种透明性让 RapidRAW 能够借助全球开发者社区的力量持续演进，避免单一维护者的瓶颈。
零订阅陷阱
所有核心功能永久免费，绝不会被锁在订阅墙后。即使未来推出可选的云 AI 服务，也只是为不愿自托管的用户提供便利，绝不会限制本地功能。
开发者的话
"我选择 AGPL-3.0 协议是为了确保 RapidRAW 及其任何衍生作品都将永远保持开源并对社区免费。这个协议保护项目不被用于闭源商业软件，确保所有改进都能惠及所有人。"
"作为一名年轻开发者，我在平衡这个项目与学业。您的支持对我意义重大。如果您觉得 RapidRAW 有用或令人兴奋，请考虑捐赠，帮助我投入更多时间进行开发。"
站在巨人的肩膀上
RapidRAW 的诞生离不开众多开源项目与研究工作的支撑。在此向以下项目与社区表达最诚挚的感谢。
Google AI Studio
在研究、实现图像处理算法及整体开发加速方面提供了不可思议的帮助。Gemini 系列 AI 模型让一位年轻开发者能够独立完成复杂的项目。
rawler
出色的 Rust crate，为 RapidRAW 提供了 RAW 文件处理的基础。支持广泛的相机格式，是整个 RAW 解码管线的核心依赖。
lensfun
invaluable 的开源库与数据库，为自动镜头校正功能提供了基础。涵盖广泛的镜头型号与校正数据。
LaMa
强大而简洁的图像修复模型，让本地内容感知填充与对象移除成为可能，无需依赖云端服务。
SAM 2
Meta AI 提供的基础模型，为 AI 主体检测能力奠定了基础。让一键蒙版成为现实。
U-2-Net
鲁棒的神经网络架构，用于 AI 天空与前景检测。在多种场景下表现稳定可靠。
Depth Anything V2
强大的单目深度估计模型，让 AI 深度蒙版功能成为可能，为分层调色提供新维度。
nind-denoise
提供 AI 降噪能力的模型，让高 ISO 场景下的图像处理获得专业级效果。
pixls.us 社区
充满知识与热情的社区，提供了灵感、建议与想法。是开源摄影软件生态的重要支柱。
多种方式为 RapidRAW 贡献力量
开源项目的持续发展离不开社区的支持。无论您是开发者、摄影师还是普通用户，都能以自己的方式帮助 RapidRAW 成长。
使用与分享
使用 RapidRAW 处理您的作品，分享给朋友与同行。每一个新用户都是对项目的最大鼓励。
反馈与建议
在 GitHub Issues 报告 bug、提出功能建议。您的真实使用反馈是改进方向的最佳指引。
代码贡献
会编程？欢迎提交 Pull Request。无论是修 bug 还是实现新功能，每一行代码都有价值。
资金支持
通过 Ko-fi 或加密货币捐赠，帮助开发者投入更多时间与资源到项目中。
