对mac 色彩描述文件画质的最佳描述
点击联系发帖人
时间：2016-03-23 17:41
描述质量好的词语_百度知道
描述质量好的词语
我有更好的答案
描述质量好的词语常见的如下如假包换 独一无二 美伦美唤 有口皆碑 名声在外 声名远扬 希望可以帮到你满意请采纳
如假包换 [rú jiǎ bāo huàn] & 基本释义 如果是假货就给你换百科释义如假包换说的是如果是假货就给你换，用于商铺宣传的口号，有&一定是真的&的意思 。
为您推荐：
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。请选择工作地点
热门城市全部城市
呼和浩特市
鄂尔多斯市
呼伦贝尔市
巴彦淖尔市
乌兰察布市
锡林郭勒盟
齐齐哈尔市
神农架林区
西双版纳州
日喀则地区
乌鲁木齐市
克拉玛依市
吐鲁番地区
阿克苏地区
阿勒泰地区
图木舒克市
花地玛堂区
圣安多尼堂区
地区导航：
抱歉，该职位已过期
您可能对以下职位感兴趣：
激光机软件开发工程师
上海市/松江区
模拟IC设计工程师
上海市/闵行区
资深模拟电路设计工程师
上海市/徐汇区
应用工程师（2016应届毕业生）
上海市/卢湾区
像素研发工程师
上海市/徐汇区
急聘企业：
2017, All Rights Reserved. 中文版权所有-OFweek人才网（）&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&作为摄影师，你是不是遇到过这样的问题：相机设置里的色彩空间是什么意思？ sRGB 和 Adobe RGB 有什么不同？为什么我的图片在 Photoshop 里看着好好的，一保存发布到网上色彩就变了？在这篇文章（以及接下来几篇）中，我将从理工科的视角，详细捋一捋有关色彩空间相关的概念，也算是自己的一点思考笔记。&/p&&p&本篇文章将分为几个部分。首先从几个实验规律出发，借助线性代数相关的概念，定义色彩空间，然后介绍并推导几个重要的色彩空间之间的关系。&/p&&h2&1 实验基础&/h2&&p&相信大家都熟悉「三原色」理论，也知道现代显示器是按照 RGB 模式来显示色彩，不知道有没有想过，为什么是「三原色」？为什么是「三」这个数字？为什么一定要选择 RGB 红绿蓝三种颜色作为原色呢？选其他行不行？用四种颜色行不行？知乎上有个问题 &a href=&https://www.zhihu.com/question/& class=&internal&&红绿蓝三色是（唯一的）正交基吗？&/a& 就提出了这个疑问，我也给出过 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&我的回答&/a&，可以参考。&/p&&p&追根溯源的话，得从我们人类的视网膜说起。大部分人类的视网膜上有三种感知颜色的感光细胞，叫做视锥细胞，分别对不同波长的光线敏感，称为 L/M/S 型细胞。三种视锥细胞最敏感的波长分别是橙红色（长波，Long），绿色（中波，Medium），蓝色（短波，Short）。这三种视锥细胞的归一化感光曲线如下图所示（图片数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制），&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c4dc1c6cfdab9f8_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic2.zhimg.com/v2-c4dc1c6cfdab9f8_r.jpg&&&/figure&&p&可以看到 L 型视锥细胞与 M 型视锥细胞的感光曲线差别很小，实际上这两种视锥细胞起源于一次基因变异，在这之前人类可都是红绿色盲呢，多亏这个基因变异，让人类可以看到更加多彩的世界——这又是一个庞大的话题了，就此打住。&/p&&p&总之，大自然的这千千万万种颜色，在人类的眼里看到，最后传送到大脑里的信号，就只有这三种视锥细胞的电信号而已。根据这三种电信号的强弱，大脑解读成了不同的颜色。这就是三原色理论的生物学依据。&/p&&p&不仅如此，人类眼睛对不同颜色光线混合的反应还是 &b&&u&线性&/u&&/b& 的。根据 &a href=&https://link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Grassmann%2527s_law_%28optics%29& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&格拉斯曼定律（Grassmann's Law）&/a&，两束不同颜色的光 &img src=&https://www.zhihu.com/equation?tex=C_1& alt=&C_1& eeimg=&1&& 和 &img src=&https://www.zhihu.com/equation?tex=C_2& alt=&C_2& eeimg=&1&&，假设某个视锥细胞对他们的反应分别是 &img src=&https://www.zhihu.com/equation?tex=r_1& alt=&r_1& eeimg=&1&& 和 &img src=&https://www.zhihu.com/equation?tex=r_2& alt=&r_2& eeimg=&1&&，现在将他们按照一个比例混合，得到第三种颜色 &img src=&https://www.zhihu.com/equation?tex=C_3+%3D+%5Calpha+C_1+%2B+%5Cbeta+C_2& alt=&C_3 = \alpha C_1 + \beta C_2& eeimg=&1&&，那么视锥细胞对这个混合颜色的反应也将是前两个反应的线性叠加 &img src=&https://www.zhihu.com/equation?tex=r_3+%3D+%5Calpha+r_1+%2B+%0A%5Cbeta+r_2& alt=&r_3 = \alpha r_1 +
\beta r_2& eeimg=&1&&。&/p&&p&格拉斯曼定律是一个实验规律，并没有物理或者生物学上的依据。然而这个规律大大简化了我们对人类彩色视觉系统的建模，并且给我们使用线性代数理论分析人类彩色视觉系统提供了一个前提和基础。&/p&&h2&2 色匹配函数&/h2&&p&前面已经提到，人类视网膜上有三种感知色彩的视锥细胞，所以理论上我们用三种颜色的光就可以混合出自然界中任何一种颜色来。在 20 世纪 20 年代，David Wright 和 John Guild 各自独立地领导了一些实验，通过三种颜色的光源进行匹配，得到了人眼对于不同颜色光的匹配函数。此后，多名科学家多次进行了类似的实验，加深了我们对人类彩色视觉的认识。&/p&&p&实验过程大致是这样的，把一个屏幕用不透光的挡板分割成两个区域，左边照射某个被测试的颜色的光线，这里记为&img src=&https://www.zhihu.com/equation?tex=C& alt=&C& eeimg=&1&& （以下用大写字母表明颜色，用小写字母表明分量大小），右边同时用三种颜色的光同时照射，这里记为&img src=&https://www.zhihu.com/equation?tex=R& alt=&R& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=G& alt=&G& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=B& alt=&B& eeimg=&1&&。然后，调节右边三种颜色光源的强度，直到左右两边的颜色看上去一样为止。假设这个时候三种颜色的光源强度分别为&img src=&https://www.zhihu.com/equation?tex=r& alt=&r& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=g& alt=&g& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=b& alt=&b& eeimg=&1&&，那么根据光色叠加的线性性质，我们可以写出&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+rR+%2B+gG+%2B+bB& alt=&C = rR + gG + bB& eeimg=&1&&&br&&p&也就是说，只要按照 (r,g,b) 的分量来混合 (R,G,B) 三种颜色的光，就可以得到 C 这个颜色的光。于是在这一系列实验里，科学家们把左边的颜色按着光谱顺序，挨个测试了一遍，得到了纯光谱色的混合叠加的数据，这就是 &a href=&https://link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/CIE_1931_color_space%23/Color_matching_functions& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&色匹配函数（Color Matching Function）&/a& ，并且在这个基准下定义的色彩空间，就是 CIE RGB 色彩空间。下图是 CIE RGB 的色匹配函数曲线，数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制。浅色的细线代表实验中不同参与者个人的色匹配函数曲线，中间深色的粗线代表数据的平均值。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-cff378c686cc8bbd3c41c_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-cff378c686cc8bbd3c41c_r.jpg&&&/figure&&p&可以看到，曲线上出现了负数，这是怎么回事？回想一下前面描述的实验过程，左边是被测试的光色，右边是可调节的三色光的混合。如果碰到一种情况，右边三色光无论如何调节比例，都不能混合出左边的颜色，比如某种颜色的光强度已经减小为 0 了，然而看趋势还需要继续减小才能与左边的光色相匹配，怎么办？这时候需要往左边的光色中混入三色光中的一种或者几种，继续调节，直到两边的颜色匹配。在左边（被测试）的色光中添加，那就是相当于在右边的混合光中减去，这就导致了色匹配函数曲线上出现了负数。实际上，这相当于就是光线的「减法」了。&/p&&p&比如，对于 555nm 的黄色光，色匹配函数的值是 (1.30, 0.97, -0.01)，意味着将 1.30 份的红光与 0.97 份的绿光混合放在右边，左边放上 1 份的 555nm 的黄光，以及 0.01 份的蓝光，这样左右两边的光色看上去就一样了。&/p&&p&因为有部分出现了负数，在使用和计算上都有不方便，因此就对这个匹配函数进行了一下线性变换，变换到一个所有分量都是正的空间中。变换后的色彩空间就是 CIE XYZ 色彩空间。 （图片数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制）&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f14f4f1abe2bbaa1bbf046f_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic1.zhimg.com/v2-f14f4f1abe2bbaa1bbf046f_r.jpg&&&/figure&&p&CIE RGB 色彩空间和 CIE XYZ 色彩空间是完全等价的，两者只是差了一个线性变换。由于允许「减法」的存在，因此 CIE RGB 空间是能够表示所有颜色的；同样的，CIE XYZ 空间也能。&/p&&h2&3 从线性空间的角度理解色彩空间&/h2&&p&以上的实验基础提示我们，色彩空间和线性代数中的线性空间之间具有某种相似性。我们可以看到，由于人类有三种感知色彩的视锥细胞，自然界千千万万的色彩被眼睛接收后，可以用三个数值来表征。而格拉斯曼定律也揭示了色彩叠加的线性性质。这似乎意味着，色彩空间就是一个 3 维的线性空间。事实上也的确如此（详细的论证参见末尾小节）。&/p&&p&自然界本身是没有「颜色」这个属性的，只有对不同波长光线的反射率/透过率，到达人眼中的，显然是一个连续的光谱分布函数。数学上，这是一个无穷维的函数空间（巴拿赫空间）。而人眼内的三种视锥细胞，它们的感光特性曲线相当于是在这个无穷维的函数空间中建立了三个基底。任何一个光谱分布进来，三种视锥细胞被激发。由于色视觉响应的线性性，这一过程相当于光谱分布函数与三个基底做内积，或者说，「投影」到这三个基底上。&/p&&p&从这个观点看，人类的色视觉，是相当于在自然界所有颜色的无穷维函数空间中取了一个三维的投影。这个三维空间的基底，既可以是视锥细胞的感光特性曲线（我们的大脑就用的是这套），当然也可以是选取三种颜色的光进行组合（CIE RGB 空间），甚至还可以是用实际中不存在的「光线」进行组合 （CIE XYZ 空间）。既然这几个空间实际上是同一个线性空间，只不过由于选择了不同的基底而有不同的表达形式，那么根据线性代数的结论，这几个空间的表述形式之间，只需要通过矩阵乘法就可以完成转换，这是完全的线性变换。&/p&&p&当然，色彩空间并不是真正数学意义上的三维线性空间。由于不存在真正数学意义的「减法」，在实际应用中是有所限制的。数学中的「线性组合」在这里就要被替换为「锥组合」，也就是每个分量都必须是大于等于 0 的。&/p&&p&至此我们终于可以回答开头的部分问题了，为什么是三原色？因为人类对色彩的感知结果位于一个三维的线性空间中。最少需要三种颜色的光才能有足够的表达能力来表现各种颜色。为什么选 RGB 作为三原色？因为色彩空间不是真正数学意义上的线性空间，从工程角度考虑，以 RGB 作为三原色，能让显示器能够显示更多的颜色（此外，最初测试人眼对 RGB 三色光的色匹配曲线，也是希望能尽量单独地刺激三种视锥细胞）。&/p&&h2&4 设备相关的 RGB 色彩空间&/h2&&p&如前文所述，色彩空间的基底的选择有一定的任意性。事实上，如果允许真正的减法存在，那么选择哪三种颜色作为基底是无关紧要的。不过由于实际中我们不能对色光采用减法，只能使用「锥组合」而非「线性组合」，这时候到底如何选取基底就显得重要了。好的基底不仅能表达的颜色更丰富，而且工程上也易于稳定地实现。&/p&&p&由于 CIE XYZ 空间是一个很方便的线性空间，与具体设备无关，因此常用来做各种颜色空间转换的中间媒介。设想某个颜色的光，经过色匹配函数的计算，得到了三个 XYZ 的值，如果直接将这三个值作为 RGB 颜色显示到屏幕上，显然是不对的。我们必须把 XYZ 的值转换到屏幕的 RGB 空间中的值。&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++++R_%7B%5Ctext%7Blin%7D%7D+%5C%5C+G_%7B%5Ctext%7Blin%7D%7D+%5C%5C+B_%7B%5Ctext%7Blin%7D%7D%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Cboldsymbol%7BM%7D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++++X+%5C%5C+Y+%5C%5C+Z%0A++++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
R_{\text{lin}} \\ G_{\text{lin}} \\ B_{\text{lin}}
\end{array}\right] =
\boldsymbol{M}
\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right]& eeimg=&1&&&br&&p&这里下标 lin 代表线性空间，&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D& alt=&\boldsymbol{M}& eeimg=&1&& 是转换矩阵。得到线性 RGB 空间的表达之后，还需要经过 gamma 校正，才是最终在屏幕上显示的 RGB 的值。一般的 gamma 校正过程为 &img src=&https://www.zhihu.com/equation?tex=C+%3D+%5Ctextstyle+C%5E%7B1%2F%5Cgamma%7D_%7B%5Ctext%7Blin%7D%7D& alt=&C = \textstyle C^{1/\gamma}_{\text{lin}}& eeimg=&1&&，其中 &img src=&https://www.zhihu.com/equation?tex=C& alt=&C& eeimg=&1&& 代表 RGB 的某个分量，&img src=&https://www.zhihu.com/equation?tex=%5Cgamma& alt=&\gamma& eeimg=&1&& 值通常为 2.2。对于如何计算的细节，我希望在 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&下一篇文章&/a& 中进行详细说明。&/p&&p&对于 RGB 色彩空间来说，关键点在于两个：1. 如何选择三个作为基底的颜色；2. 如何定义白色。一旦选好这两个关键参数，那么从 CIE XYZ 空间到设备的 RGB 空间的转换就完全确定了。我们平时常说的 sRGB 空间和 Adobe RGB 空间，他们的区别就在于这两个关键参数的定义不同。常用的的 RGB 空间的转换矩阵如下表：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0015aca1c5aca4fccd6bcf_b.jpg& data-rawwidth=&1422& data-rawheight=&678& class=&origin_image zh-lightbox-thumb& width=&1422& data-original=&https://pic3.zhimg.com/v2-0015aca1c5aca4fccd6bcf_r.jpg&&&/figure&&p&不同的 RGB 空间能表示的范围如下图所示（这个图在 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&以后的文章&/a& 中再详细解释），&/p&&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&可以看到，不同的 RGB 空间所能表示的颜色范围是不一样的，并且我们可以推断出，即使是同样的 RGB 分量，在不同的 RGB 空间中所代表的颜色也是不一样的。所以我们在描述一个 RGB 颜色的时候，不仅需要描述它的 RGB 三个分量，还要说明是在哪个空间，这就是 ICC 文件的作用。&/p&&p&很多数码相机都可以设置色彩空间，常见的有 sRGB 和 Adobe RGB，从上面的图中我们可以看到， Adobe RGB 所能表达的色彩比 sRGB 要丰富很多。然而常见的网络环境下图片的色彩空间是 sRGB，有很多浏览器不能正确地解析图片自带的色彩空间说明，默认按照 sRGB 来进行解析。如果使用相机直出的 JPG 文件直接上传，或者说在后期处理过程中没有进行色彩空间转换，保留了相机设置的 Adobe RGB 空间，那么在浏览器中看到的图片很可能与 Photoshop 中看到的不一样。浏览器很可能会将一张 Adobe RGB 空间中的图片解释为 sRGB 空间下的图片，引起颜色偏差。由于 sRGB 是目前屏幕显示的「事实标准」，大多数屏幕空间都在 sRGB 内（这是颜色复现设备本身决定的），所以我的建议是，对用于网络交流目的的图片，统一转换到 sRGB 中进行保存。&/p&&h2&5 有关色彩空间是线性空间的数学论证&/h2&&p&回顾一下线性代数中构成线性空间的几个要素：&/p&&blockquote&&p&交换律：&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bx%7D%2B%5Cboldsymbol%7By%7D+%3D+%5Cboldsymbol%7By%7D%2B%5Cboldsymbol%7Bx%7D& alt=&\boldsymbol{x}+\boldsymbol{y} = \boldsymbol{y}+\boldsymbol{x}& eeimg=&1&&&/p&&p&结合律：&img src=&https://www.zhihu.com/equation?tex=%28%5Cboldsymbol%7Bx%7D%2B%5Cboldsymbol%7By%7D%29%2B%5Cboldsymbol%7Bz%7D+%3D+%0A%5Cboldsymbol%7Bx%7D%2B%28%5Cboldsymbol%7By%7D%2B%5Cboldsymbol%7Bz%7D%29& alt=&(\boldsymbol{x}+\boldsymbol{y})+\boldsymbol{z} =
\boldsymbol{x}+(\boldsymbol{y}+\boldsymbol{z})& eeimg=&1&&&/p&&/blockquote&&p&这两条容易理解，显然，交换不同色光叠加的顺序并不会改变叠加的结果。&/p&&blockquote&加法零元：&img src=&https://www.zhihu.com/equation?tex=%5Cexists+%5C%3A+%5Cboldsymbol%7B0%7D%2C%5C%3B+%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B+%5Cboldsymbol%7Bx%7D+%2B+%5Cboldsymbol%7B0%7D+%3D+%5Cboldsymbol%7Bx%7D& alt=&\exists \: \boldsymbol{0},\; \forall \, \boldsymbol{x}, \;
\mbox{s.t.}\; \boldsymbol{x} + \boldsymbol{0} = \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&这一点也很好理解，加法零元就是全黑，什么光都没有。任何一种色光叠加一个全黑那还是它自身。&br&&/p&&blockquote&加法逆元：&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%5Cexists+%5C%3A+%28-%5Cboldsymbol%7Bx%7D%29%2C%5C%3B+%0A%5Cboldsymbol%7Bx%7D+%2B+%28-%5Cboldsymbol%7Bx%7D%29+%3D+%5Cboldsymbol%7B0%7D& alt=&\forall \, \boldsymbol{x}, \;\exists \: (-\boldsymbol{x}),\;
\boldsymbol{x} + (-\boldsymbol{x}) = \boldsymbol{0}& eeimg=&1&&&/blockquote&&p&回想前文对实验中需要「负数」数量的光的处理手法，我们可以在左边叠加光线，这就相当于在右边减去光线。如果承认这种形式的「减法」，那么加法逆元也是顺理成章了：在另一边加入自身。&/p&&blockquote&乘法幺元：&img src=&https://www.zhihu.com/equation?tex=%5Cexists+%5C%3A+1%2C%5C%3B+%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%0A1%5Ccdot%5Cboldsymbol%7Bx%7D+%3D+%5Cboldsymbol%7Bx%7D& alt=&\exists \: 1,\; \forall \, \boldsymbol{x}, \;
1\cdot\boldsymbol{x} = \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&这也很明显，数字 1 就可以作为乘法幺元。&/p&&blockquote&乘法分配率：&br&&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5Cboldsymbol%7Bx%7D%2C+%5C%3A+%5Cboldsymbol%7By%7D%2C+%5C%3A+%5Calpha%2C%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B%5Calpha%5C%2C%28%5Cboldsymbol%7Bx%7D+%2B+%5Cboldsymbol%7By%7D%29+%3D+%5Calpha+%5Cboldsymbol%7Bx%7D+%2B+%0A%5Calpha+%5Cboldsymbol%7By%7D& alt=&\forall \boldsymbol{x}, \: \boldsymbol{y}, \: \alpha,\;
\mbox{s.t.}\;\alpha\,(\boldsymbol{x} + \boldsymbol{y}) = \alpha \boldsymbol{x} +
\alpha \boldsymbol{y}& eeimg=&1&&&br&&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5Calpha%2C%5C%3A%5Cbeta%2C%5C%3A%5Cboldsymbol%7Bx%7D%2C%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B+%28%5Calpha%2B%5Cbeta%29%5C%2C%5Cboldsymbol%7Bx%7D+%3D+%0A%5Calpha+%5Cboldsymbol%7Bx%7D+%2B+%5Cbeta+%5Cboldsymbol%7Bx%7D& alt=&\forall \alpha,\:\beta,\:\boldsymbol{x},\;
\mbox{s.t.}\; (\alpha+\beta)\,\boldsymbol{x} =
\alpha \boldsymbol{x} + \beta \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&根据格拉斯曼定律，这一点也是实际上成立的。&/p&&p&综上所述，人类对色彩的感知在实验层面满足线性性质，人眼感知的色彩空间是一个 3 维线性空间。当然，容易想见，通常我们选取的基底（比如 CIE XYZ 空间的色匹配函数），是不正交的。&/p&&br&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&下一篇《色彩空间的表示与转换》&/a&&/p&
作为摄影师，你是不是遇到过这样的问题：相机设置里的色彩空间是什么意思？ sRGB 和 Adobe RGB 有什么不同？为什么我的图片在 Photoshop 里看着好好的，一保存发布到网上色彩就变了？在这篇文章（以及接下来几篇）中，我将从理工科的视角，详细捋一捋有关色…
&figure&&img src=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_r.jpg&&&/figure&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&前一篇文章&/a& 讲述了色彩空间的基础，我们看到人类的色视觉可以用一个三维的线性空间表示，人类对色彩的感知，相当于是在光谱分布这样一个无穷维的函数空间（巴拿赫空间）中，进行了一个三维投影。在此基础上，简单介绍了两个重要的线性色彩空间， CIE 1931 RGB 和 CIE 1931 XYZ，这两个色彩空间包含了所有人类可以感知的色彩。通过色匹配函数（Color Matching Function, CMF），可以将任何一种物理上的光谱分布，转换到线性色彩空间中。&/p&&p&虽然是同样一个线性空间，由于选取的基底不同，表示的形式也会不同，表达能力和方便程度也会有所不同。为了不同的用途和目的，人们发展了很多不同的线性色彩空间的表达形式。此外，人类的色视觉在某些方面还存在一定程度的非线性，所以在线性色彩空间基础上人们又发展了一些非线性的色彩空间。&/p&&p&由于 CIE RGB 和 CIE XYZ 两者其实是同一个线性空间的不同表达，因此两者的转换可以通过转换矩阵实现。限于篇幅，&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上一篇文章&/a& 中对这个转换矩阵是怎么来的一笔带过了，在这篇文章中将会详细描述中间的计算过程。&/p&&h2&1 CIE RGB 和 CIE XYZ&/h2&&p&在前一篇文章中我们已经了解到，以色匹配函数作为基底，将物理上的光谱分布投影到三维空间中，就可以得到 CIE RGB 和 CIE XYZ 色彩空间。 CIE RGB 的色匹配函数（归一化后）是这样的：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7a48aecee628445cfa45bbf6_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-7a48aecee628445cfa45bbf6_r.jpg&&&/figure&&p&注意这里进行了归一化处理，因此曲线与上一篇文章中的曲线形状有变化。为了消除部分负数坐标，我们变换到 CIE XYZ 空间，满足一些约束条件：&/p&&ol&&li&所有坐标都是正的保持等能点（equal energy point）作为白色&br&&/li&&li&使得新的 Y 坐标能够代表明度，也就是使得新的 Y 坐标等于视觉的明度响应&br&&/li&&li&使得新的 Z 坐标在红光端保持为 0&br&&/li&&li&使得所有色彩尽可能充满新的空间&br&&/li&&/ol&&br&&p&在这些约束条件下，CIE 委员会设计了这两个空间之间最初的转换矩阵：&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++X+%5C%5C+Y+%5C%5C+Z%0A++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++++2.7688+%26+++1.7517+%26+++1.C%0A++++++++1.0000+%26+++4.5906+%26+++0.C%0A+++++++++0+++++%26+++0.0565+%26+++5.5942%0A++%5Cend%7Barray%7D%5Cright%5D%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++R+%5C%5C+G+%5C%5C+B%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right] =
\left[\begin{array}{ccc}
\end{array}\right]
\left[\begin{array}{c}
R \\ G \\ B
\end{array}\right]& eeimg=&1&&&br&&p&以及反变换的矩阵&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++R+%5C%5C+G+%5C%5C+B%0A++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++++0.4185+%26++-0.1587+%26++-0.C%0A+++++++-0.0912+%26+++0.2524+%26+++0.C%0A++++++++0.0009+%26++-0.0025+%26+++0.1786%0A++%5Cend%7Barray%7D%5Cright%5D%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++X+%5C%5C+Y+%5C%5C+Z%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
R \\ G \\ B
\end{array}\right] =
\left[\begin{array}{ccc}
-0.0828 \\
\end{array}\right]
\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right]& eeimg=&1&&&br&&p&虽然最开始是从 CIE RGB 转换到 CIE XYZ 空间的，但之后由于历史原因和技术原因，使得 CIE XYZ 空间更为广泛接受，逐渐作为更常用的转换空间。在最新的官方资料中，只保留了 XYZ 空间的色匹配函数，已经没有 RGB 空间的色匹配函数了。&/p&&h2&2 色品图（Chromaticity Diagram）&/h2&&p&那么，各个颜色在 CIE XYZ 空间中是怎么分布的呢？由于实际中不可能有光线的减法，所有的运算都是「锥组合」，因此可以想见实际所有可能的颜色，在 XYZ 空间中应该位于一个以原点为顶点的 「锥体」中（比如 xyz 三个正半轴围起来的第一卦限就是一个锥体）。我们把 CIE XYZ 空间切片看看（左右两列是从两个不同的视角进行观察）：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-875c8ff759c9c586bd42fa1c1c253cb9_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic2.zhimg.com/v2-875c8ff759c9c586bd42fa1c1c253cb9_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-7b8afa99d5bfbc59614f6bf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic4.zhimg.com/v2-7b8afa99d5bfbc59614f6bf_r.jpg&&&/figure&&br&&p&可以感受到约靠近原点的切片越小，这正是锥体的表现。然而这个锥体到底是什么形状呢？如果把纯光谱色画在 CIE XYZ 空间中，得到下图这样的曲线。连接原点与这条曲线得到的无数条射线，包围出来一个「锥体」，这个锥体就是人所能感知的所有色彩。注意与上图（尤其是右侧一列，与下图视角接近）比较，可以清楚地看到红色一侧和蓝紫色一侧围出的倾斜的边界。&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-5d237a4cf6fe7466803faede_b.jpg& data-rawwidth=&2424& data-rawheight=&2658& class=&origin_image zh-lightbox-thumb& width=&2424& data-original=&https://pic2.zhimg.com/v2-5d237a4cf6fe7466803faede_r.jpg&&&/figure&然而这个曲线毕竟在三维空间中，是一条极度扭曲的曲线，不论是用来展示还是用于辅助计算都不方便。我们可以将这条曲线投影到 &img src=&https://www.zhihu.com/equation?tex=x%2By%2Bz%3D1& alt=&x+y+z=1& eeimg=&1&& 的平面上（上图中的黄色平面）进行「归一化」，在这个归一化的平面上，光谱色曲线就是一条形状像舌头的曲线，如上图所示位于黄色平面上的弯曲的曲线。根据格拉斯曼定律，所有的颜色都是由纯光谱色混合而来的，经过投影后只能是光谱色的「锥组合」，都会落在这个曲线范围内。这个舌头形状的图，就叫「色品图（Chromaticity Diagram）」，所有纯光谱色，构成色品图的边界。在上面那个图中从上往下看，黄色平面上，色品图（的边界）是这个样子的：&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dadfed896aa18_b.jpg& data-rawwidth=&2500& data-rawheight=&2750& class=&origin_image zh-lightbox-thumb& width=&2500& data-original=&https://pic3.zhimg.com/v2-dadfed896aa18_r.jpg&&&/figure&&p&图中蓝色数字标明了纯光谱色对应的波长。&/p&&h2&3 与其他 RGB 空间的转换&/h2&&p&之前的文章说到，定义一个 RGB 空间，关键在于两个参数：1. RGB 三点的坐标；2. 白色点的位置。这里就以 sRGB 空间为例，说说如何根据这两个参数确定转换关系的。&/p&&p&根据定义，sRGB 的三原色以及白色点的 XYZ 坐标是：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-11fc5ab4fcc4bd3ca1e0c56112fcc3d7_b.jpg& data-rawwidth=&962& data-rawheight=&328& class=&origin_image zh-lightbox-thumb& width=&962& data-original=&https://pic4.zhimg.com/v2-11fc5ab4fcc4bd3ca1e0c56112fcc3d7_r.jpg&&&/figure&&p&白色点的意义在于校准三原色在向量空降中的长度，使得当 RGB = (1, 1, 1) 的时候正好对应的是白色。也就是列出这个方程：&/p&&img src=&https://www.zhihu.com/equation?tex=W+%3D+w_r+R+%2B+w_g+G+%2B+w_b+B& alt=&W = w_r R + w_g G + w_b B& eeimg=&1&&&br&&p&或者写成矩阵形式&/p&&img src=&https://www.zhihu.com/equation?tex=W+%3D+%5BR%2C+G%2C+B%5D%5Cboldsymbol%7Bw%7D& alt=&W = [R, G, B]\boldsymbol{w}& eeimg=&1&&&br&&p&求解出 &img src=&https://www.zhihu.com/equation?tex=w_r%2C+w_g%2C+w_b& alt=&w_r, w_g, w_b& eeimg=&1&& 各个系数。这是个三元一次方程，在计算机上非常容易求解，即使手工求解也不难。&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bw%7D+%3D+%5BR%2C+G%2C+B%5D%5E%7B-1%7DW& alt=&\boldsymbol{w} = [R, G, B]^{-1}W& eeimg=&1&&&br&&p&对于 sRGB 的情况来说，带入数字，可得&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bw%7D+%3D+%5BR%2C+G%2C+B%5D%5E%7B-1%7DW+%3D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++0.64+%26+0.30+%26+0.15+%5C%5C%0A++++++0.33+%26+0.60+%26+0.06+%5C%5C%0A++++++0.03+%26+0.10+%26+0.79%0A++++%5Cend%7Barray%7D%5Cright%5D%5E%7B-1%7D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++0.9C+1.0C+1.08883%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++0.C+1.C+1.2029%0A++++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{w} = [R, G, B]^{-1}W =
\left[\begin{array}{ccc}
0.64 & 0.30 & 0.15 \\
0.33 & 0.60 & 0.06 \\
0.03 & 0.10 & 0.79
\end{array}\right]^{-1}
\left[\begin{array}{c}
0.95047 \\ 1.00000 \\ 1.08883
\end{array}\right] =
\left[\begin{array}{c}
0.6445 \\ 1.1919 \\ 1.2029
\end{array}\right]& eeimg=&1&&&br&&p&接下来，对于某一种颜色 C = (x, y, z)，它对应的 sRGB 坐标是多少呢？也就是如果将校正长度后的 RGB 三原色作为新的基底，那么各个分量都是多少呢？我们可以写出新的方程：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+r+%28w_r+R%29+%2B+g+%28w_g+G%29+%2B+b+%28w_b+B%29& alt=&C = r (w_r R) + g (w_g G) + b (w_b B)& eeimg=&1&&&br&&p&或者写成矩阵形式&br&&/p&&img src=&https://www.zhihu.com/equation?tex=C_%7BXYZ%7D+%3D+%5BR%2C+G%2C+B%5D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++w_r+%26+0+%26+0+%5C%5C%0A++++++0+%26+w_g+%26+0+%5C%5C%0A++++++0+%26+0+%26+w_b%0A++++%5Cend%7Barray%7D%5Cright%5D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++r+%5C%5C+g+%5C%5C+b%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Bw_rR%2C+w_gG%2C+w_bB%5D%5C%2C%0A++++C_%7BRGB%7D& alt=&C_{XYZ} = [R, G, B]
\left[\begin{array}{ccc}
w_r & 0 & 0 \\
0 & w_g & 0 \\
0 & 0 & w_b
\end{array}\right]
\left[\begin{array}{c}
r \\ g \\ b
\end{array}\right] =
[w_rR, w_gG, w_bB]\,
C_{RGB}& eeimg=&1&&&br&&p&所以，从 sRGB 到 XYZ 的转换矩阵就是：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D+%3D+%5Bw_rR%2C+w_gG%2C+w_bB%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++0.4.3.1C%0A++++0.2.7.C%5C%0A++++0.+0.1.95029%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{M} = [w_rR, w_gG, w_bB] =
\left[\begin{array}{ccc}
0.41248 & 0.35757 & 0.18044 \\
0.21269 & 0.77514 & 0.072174 \\
0.019335 & 0.11919 & 0.95029
\end{array}\right]& eeimg=&1&&&br&&p&那么从 XYZ 转到 sRGB 的矩阵就是他的逆矩阵：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D%5E%7B-1%7D+%3D+%5Bw_rR%2C+w_gG%2C+w_bB%5D%5E%7B-1%7D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++3.24045++%26+-1.5.4C%0A+++-0.96927++%26++1.8.C%5C%0A++++0.+-0.2.05722%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{M}^{-1} = [w_rR, w_gG, w_bB]^{-1} =
\left[\begin{array}{ccc}
& -1.53714 & -0.49853 \\
0.041556 \\
0.055643 & -0.20403 &
\end{array}\right]& eeimg=&1&&&br&&p&注意到，这里的矩阵中出现了负数，也就是说，从 CIE XYZ 空间转换到 sRGB 空间，是有可能使得中间某个分量小于 0 的。这意味着什么呢？我们把 sRGB 的几个基底画在色品图上，&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-1eedb346ea89bf9ccca3_b.jpg& data-rawwidth=&462& data-rawheight=&521& class=&origin_image zh-lightbox-thumb& width=&462& data-original=&https://pic2.zhimg.com/v2-1eedb346ea89bf9ccca3_r.jpg&&&/figure&&p&三原色的三个点组成了一个三角形。记得我们反复强调的「锥组合」吗？意味着，sRGB 空间下，所有色彩，都将位于这个三角形内部；转换到三维空间的视角来看，sRGB 空间能表达的色彩，都位于以原点为顶点，连接这个三角形，所有射线围成的锥体内部。如果某个分量小于 0，那么意味着，这个色彩，是落在了这个三角形外部，所以不能被 sRGB 空间所表示出来。一种简单的做法是强制让范围外的值回到范围边界上，让小于 0 的值强制等于 0，让大于 1 的值强制等于 1。这种做法非常简单，计算量也小，但是会损失一些色彩的准确性。在上面的色品图中，可以明显看到有三角形边界的痕迹，三角形之外的色彩，理论上是不能被 sRGB 所表现的，在图中就使用了这种简单的办法处理边界外的情况，相当于用三角形边界上的颜色直接进行了填充。&/p&&p&在前一篇文章中我们看到，在转换完之后，我们只是得到了一个线性的 RGB 值，要被显示器正确显示的话，还需要进行 gamma 校正。每个 RGB 空间对应的 gamma 校正公式不完全一致，大多数情况下都是 &img src=&https://www.zhihu.com/equation?tex=C+%3D+C_%7B%5Ctext%7Blin%7D%7D%5E%7B1%2F%5Cgamma%7D& alt=&C = C_{\text{lin}}^{1/\gamma}& eeimg=&1&&，其中 γ=2.2，少数情况，比如 Apple RGB 采用的是 γ=1.8 的情况，再比如上面作为举例的 sRGB 空间，采用了一种分段的非线性函数进行校正：&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+%5Cleft%5C%7B%5Cbegin%7Barray%7D%7Bll%7D%0A++++12.92C_%7B%5Ctext%7Blin%7D%7D+%26+%2C+%5Cquad+C_%7B%5Ctext%7Blin%7D%7D+%5Cle+0.C%5C%5B0.6em%5D%0A++++1.055C_%7B%5Ctext%7Blin%7D%7D%5E%7B1%2F2.4%7D+-+0.055+%26+%2C+%5Cquad+C_%7B%5Ctext%7Blin%7D%7D+%3E+0.A++%5Cend%7Barray%7D%5Cright.& alt=&C = \left\{\begin{array}{ll}
12.92C_{\text{lin}} & , \quad C_{\text{lin}} \le 0.0031308 \\[0.6em]
1.055C_{\text{lin}}^{1/2.4} - 0.055 & , \quad C_{\text{lin}} & 0.0031308
\end{array}\right.& eeimg=&1&&&br&&p&在粗略的场景下，也可以直接使用 γ=2.2 的公式代替。&/p&&p&到这里，我们已经完全讲明白了从 XYZ 空间到 RGB 空间的转换，不同的 RGB 空间，比如 Adobe RGB 或者 Apple RGB，区别在于三原色与白色点位置不同，一旦这几个基点的位置确定了，那么转换矩阵就完全确定了。中间过程完全是线性变换。&/p&&p&这时候再看上篇文章中的不同色彩空间比较的图，相信就可以读出更多的信息了（下图来自维基百科 &a href=&/&&RGB Color Space&/a&）。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&其中 Adobe RGB 与 sRGB 相比较，能表示的颜色要多很多，所以很多摄影师会在相机内设置 Adobe RGB 作为色彩空间。然而现在网络上通用的还是 sRGB，如果不做任何转换，浏览器可能将它视作 sRGB 空间进行渲染，得到的结果就会显得比较灰暗。所以在把图片上传到网络之前，一定要确认色彩空间是否匹配。而在部分专业的色彩输出场合，甚至需要用到 ProPhoto RGB 这种表达能力极强的色彩空间。&/p&&h2&4 非线性色彩空间介绍&/h2&&p&仔细看上面的色品图的边界，可以发现不同波长的光分布的疏密程度是不同的，这意味着在这个空间中，颜色的分布是不均匀的，这种不均匀性是人们不愿意看到的。在 20 世纪 40 年代，麦克亚当（David MacAdam）设计了几个实验，验证了人眼在色彩方面的感知阈值的存在。他的结果被总结为 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/MacAdam_ellipse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麦克亚当椭圆（MacAdam ellipse）&/a&，画在色品图上结果如下 （这里为了展示清楚，图中的椭圆是原始大小的 7 倍，原始数据的结果没有这么夸张。）：&figure&&img src=&https://pic2.zhimg.com/v2-1c11314b57ddc02dda8ad8851ddb7fbf_b.jpg& data-rawwidth=&2500& data-rawheight=&2750& class=&origin_image zh-lightbox-thumb& width=&2500& data-original=&https://pic2.zhimg.com/v2-1c11314b57ddc02dda8ad8851ddb7fbf_r.jpg&&&/figure&&/p&&p&这个实验证实了，在一定范围（比如上图中的椭圆）内，人是无法分辨颜色差异的。当然，单纯这样一个结论并不会让人意外，人类对色彩变化的感知总是有限的。这个实验结果重要的意义在于，它直观明了地揭示了 CIE XYZ 这个空间在色彩分布上的不均匀。而麦克亚当椭圆，在这里的意义近似于微分几何中的 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Metric_tensor& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&度规张量（Metric Tensor）&/a&，用微分几何的观点来看，从人眼的色彩空间到 CIE XYZ 色彩空间的变换，性质不够好，这将给实际应用带来困难。举个简单的例子，比如由于计算误差或者存储误差，使得颜色分量的值变化了 0.01，如果这个颜色本来是绿色附近的，那变化后的颜色人眼可能根本分辨不出来 （绿色附近的椭圆比较大），如果这个颜色本来是蓝色附近的，那么变化后的颜色人眼就能分辨（蓝色附近的椭圆比较小）。&/p&&p&后来渐渐有更多的科学家研究了人类对色彩的分辨能力，逐渐建立了一些理论基础。人们希望通过一些非线性变换，找到一个「感知均匀性」更好的色彩空间，或者，从微分几何的观点来看，找到一个更为「平坦」的映射关系。比较常用的有 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Lab_color_space& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CIE Lab&/a&，&a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/CIELUV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CIE Luv&/a&，等（以下两张图均来自于这两个维基百科页面）。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7f0b8e7f6d3eaee63f522d2e_b.jpg& data-rawwidth=&768& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic4.zhimg.com/v2-7f0b8e7f6d3eaee63f522d2e_r.jpg&&&/figure&&p&上图为 CIE Luv 色彩空间的色品图&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f77c2ced0c1bba17c0d2fc8f0f6acb77_b.jpg& data-rawwidth=&768& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic3.zhimg.com/v2-f77c2ced0c1bba17c0d2fc8f0f6acb77_r.jpg&&&/figure&&p&上图为 CIE Lab 色彩空间三维表示&/p&&p&可以看到，在这两种色彩空间下，色彩的分布更为均匀。&/p&&p&有关这几个空间的性质和计算，就远不是一篇文章可以介绍清楚的了，这里写得太过深入也显得曲高和寡。感兴趣的朋友可以私下交流或者点开链接看看维基百科上的定义。不过这里得提一下，Lab 空间和 Luv 空间在设计的时候就有意让 L 代表明度，也就是把「明度」和「颜色」给分开对待。这就为引入「色相（Hue）」的概念带来了方便，实际上，将这两个空间从直角坐标换成圆柱坐标，马上就可以看到，色相其实就是色彩在圆柱坐标下的角度分量。&/p&&p&圆柱坐标为人们提供了一个方便的工具，我们学习色彩理论中接触到的「色环」的概念，就来自于此。借助圆柱坐标，人们又从 RGB 空间推导出了 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/HSL_and_HSV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HSV 和 HSL 空间&/a& ，方便不同的用途使用。 （下图来自维基百科 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/HSL_and_HSV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HSV 和 HSL 空间&/a& 页面）。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fcbf983d4b3da5e4b79b_b.jpg& data-rawwidth=&452& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&452& data-original=&https://pic3.zhimg.com/v2-fcbf983d4b3da5e4b79b_r.jpg&&&/figure&&p&这一些列探索人类色彩感知的实验，直接导致了 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Color_difference& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&颜色差异（Color Difference）&/a& 概念的确立，用于表示不同颜色之间的差异性。从微分几何的观点来看，这是在为人类色视觉空间建立一个度规（Metric）。&/p&&p&最后放一个大杀器 CIE 2000 版的颜色差异公式镇场子，这个公式用于衡量两个颜色之间的差异性有多大，&/p&&img src=&https://www.zhihu.com/equation?tex=%5CDelta+E%5E%7B%2A%7D+%3D+%5Csqrt%7B%5Cleft%28%5Cfrac%7B%5CDelta+L%27%7D%7Bk_L+S_L%7D%5Cright%29%5E2+%2B+%0A++++%5Cleft%28%5Cfrac%7B%5CDelta+C%27%7D%7Bk_C+S_C%7D%5Cright%29%5E2+%2B+%0A++++%5Cleft%28%5Cfrac%7B%5CDelta+H%27%7D%7Bk_H+S_H%7D%5Cright%29%5E2+%2B+%0A++++R_T%5Cfrac%7B%5CDelta+C%27%7D%7Bk_C+S_C%7D%5Cfrac%7B%5CDelta+H%27%7D%7Bk_H+S_H%7D%7D& alt=&\Delta E^{*} = \sqrt{\left(\frac{\Delta L'}{k_L S_L}\right)^2 +
\left(\frac{\Delta C'}{k_C S_C}\right)^2 +
\left(\frac{\Delta H'}{k_H S_H}\right)^2 +
R_T\frac{\Delta C'}{k_C S_C}\frac{\Delta H'}{k_H S_H}}& eeimg=&1&&&br&&p&其中各个符号的定义和计算写下来能写一页纸，这里就不放出来了，感兴趣的朋友可以参照 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Color_difference& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&颜色差异（Color Difference）&/a& 的维基页面。&/p&&p&（如无特殊说明，本文所有图片均为我自己绘制或重制）&/p&&br&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上一篇文章：《色彩空间基础》&/a&&/p&
讲述了色彩空间的基础，我们看到人类的色视觉可以用一个三维的线性空间表示，人类对色彩的感知，相当于是在光谱分布这样一个无穷维的函数空间（巴拿赫空间）中，进行了一个三维投影。在此基础上，简单介绍了两个重要的线性色彩空间， CIE 1931 R…
&figure&&img src=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_b.jpg& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_r.jpg&&&/figure&&p&&strong&作者： Thomas看看世界&br&公众号： thomaskksj&/strong&&/p&&p&你是否被sRGB，ProPhoto RGB，16位每通道等等词语搞得晕头转向，不知道在后期处理和输出图片时该如何设置？&/p&&p&本文将详细谈谈色域和色深的相关知识，以及后期流程中的色彩设置。&/p&&br&&h1&1. 什么是色域、色深&/h1&&p&色域和色彩空间“几乎”是同义词，指的是设备、软件中可以显示和处理的色彩范围。常见的RGB色彩空间包括sRGB，AdobeRGB以及ProPhoto RGB。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_b.jpg& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_r.jpg&&&/figure&&p&其中sRGB所能表示的色彩最少。但是sRGB是世界上最为广泛使用的色彩空间，绝大多数显示器以及各种网络服务，都只支持sRGB的色域范围。&/p&&p&AdobeRGB和sRGB相比，能表示出更加细腻的绿色和青色。广色域的显示器，以及很多喷墨打印机，都能够表现出AdobeRGB的色彩范围。&/p&&p&ProPhoto RGB是常见色彩空间里范围最广的，甚至可以表现出很多肉眼也无法识别的颜色。ProPhoto色彩空间，和大部分专业相机能记录的色彩范围，最为接近。但是只有少数的软件和硬件能够支持ProPhoto。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bb8cb5b904a_b.jpg& data-rawwidth=&590& data-rawheight=&512& class=&origin_image zh-lightbox-thumb& width=&590& data-original=&https://pic1.zhimg.com/v2-bb8cb5b904a_r.jpg&&&/figure&&p&另外一个概念叫做色彩深度，也就是电脑描述每个像素所用的二进制储存位数。&/p&&p&常见的色彩深度为了8位/通道和16位/通道。我们的RGB图像，是由红绿蓝三个通道组成的。&/p&&p&所以8位/通道的色深下，我们可以表示 2^8*2^8*2^8=种颜色。&/p&&p&而16位/通道的色深下，我们可以表示 2^16*2^16*2^16=280万亿种颜色。&/p&&p&要区别色域和色深的概念，只需要记住这两句话就可以了：&/p&&p&&b&色彩空间决定了哪些颜色可以被表示，色彩深度决定了色彩间的过渡和变化有多细腻。色彩空间是范围，色彩深度是精度。&/b&&/p&&br&&br&&h1&2. 输出8位sRGB，为何先要用16位ProPhoto调整？&/h1&&p&前面提到过，大部分的显示设备和网络程式，都只支持8位的sRGB，因此我们在设计后期流程时，有两种思路。&/p&&p&方法1）在后期第一步就将色域色深设置为8位sRGB。这种方法的好处，就是最终输出的照片会和我们处理的时候一模一样，不用再做配置文件转换。但是这种方法处理的照片，在颜色细节和过渡上，比第二种方法差。&/p&&p&方法2）后期处理时一直在16位ProPhoto RGB中进行，最后输出时才导出8位sRGB的JPEG图像。这种方法优势明显，一是我们可以最大限度的利用Raw文件中储存的丰富细节，二是后期处理和运算时精度很高，过渡区域细腻自然。输出时的ProPhoto转sRGB，只要我们转换选项设置合理，几乎不会有肉眼可见的区别和损失。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-232fa8ca193_b.jpg& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/v2-232fa8ca193_r.jpg&&&/figure&&p&这两种思路，托马斯强烈推荐第二种。因为一开始就转换8位sRGB，在Raw解析以及后期处理的每一步，都会有画质损失。而最后转换8位sRGB，只在最后一步有画质损失。下面我会用类比和假设的方式举两个例子：&/p&&p&色彩空间是颜色范围，我们假设sRGB能表示1-10000数值的这1万种颜色，ProPhoto可以表示1-20000的2万种颜色。如果我们有一个Raw文件，里面有一个数值11000的颜色，在PS中我进行调色，颜色数值先+5000，再-8000。&/p&&p&我们来看看第一种方法，由于我一来就转换了sRGB，所以Raw中11000值的颜色，现在只能保存为10000（假设转换模型为相对比度）。调色+5000，由于色彩已经到sRGB的极限，所以任然还是10000。调色-8000，最后我们得到了数值2000的错误颜色。&/p&&p&再来看看第二种方法，Raw以ProPhoto解析，所以11000值原封不动的进入PS。调色+5000，仍然在20000范围内，得到16000。调色-8000，得到8000。最后一步是ProPhoto转sRGB，所有数值超过10000的颜色都会被强制变为10000。而8000没有超过，所以输出值是正确的8000。&/p&&p&上面这个例子虽然极端，但是可以很明显的发现，越晚转换sRGB，后期结果中的细节越丰富。&/p&&p&再来看看色深。色深是颜色表达的精度。我们用类比的方式，假设8位色深的精度只到整数位，16位色深可以精确到一位小数。那么我们如果把一个Raw中1.4数值的颜色，后期调色再增加1.4。&/p&&p&方法1由于第一步就转换为8位，所以1.4变成1，后面调色+1.4也变成+1，最后得到2（和精确值2.8差了0.8）。&/p&&p&方法2是前面一直保持16位色深，所以1.4+1.4=2.8，最后一步转换为8位，2.8取近似整数为3（和精确值2.8差了0.2）。&/p&&p&同样的，越晚转换8位色深，后期时处理精度越高，过渡更加细腻。&/p&&p&上面是两个理论上的类比解释，下面我们再来看一个实际的例子。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f5b3ba5ab04d02e_b.jpg& data-rawwidth=&1442& data-rawheight=&1167& class=&origin_image zh-lightbox-thumb& width=&1442& data-original=&https://pic2.zhimg.com/v2-f5b3ba5ab04d02e_r.jpg&&&/figure&&p&这张图片我以2种方式打开，一种是8位sRGB，一种是16位ProPhoto RGB。然后都进行下面两步操作。&/p&&p&首先把色阶中的输出色阶设置为120、140，极大的减少图片对比度。&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d37c81fccdb24d9f8481d_b.jpg& data-rawwidth=&1864& data-rawheight=&966& class=&origin_image zh-lightbox-thumb& width=&1864& data-original=&https://pic1.zhimg.com/v2-d37c81fccdb24d9f8481d_r.jpg&&&/figure&&p&接着再使用一个色阶工具，把输入色阶设置成120和140，恢复照片的对比度。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d3a6ae594162edcaae430_b.jpg& data-rawwidth=&806& data-rawheight=&748& class=&origin_image zh-lightbox-thumb& width=&806& data-original=&https://pic4.zhimg.com/v2-d3a6ae594162edcaae430_r.jpg&&&/figure&&p&下面第一张图片就是8位sRGB的效果，由于运算的范围和精度问题，结果惨不忍睹，各种杂色和断层，细节丢失严重。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-9068a40edd9ad2e7e0bb2c1b69a8da16_b.jpg& data-rawwidth=&1066& data-rawheight=&940& class=&origin_image zh-lightbox-thumb& width=&1066& data-original=&https://pic2.zhimg.com/v2-9068a40edd9ad2e7e0bb2c1b69a8da16_r.jpg&&&/figure&&p&下面这张图片是16位Prophoto RGB运算后，再转换为8位sRGB的效果。可以看到，在我第一步把照片对比度几乎压缩成一坨灰色的情况下，16位ProPhoto还是近乎完美的恢复了所有细节。&figure&&img src=&https://pic2.zhimg.com/v2-075df6ef08f71662b85c_b.jpg& data-rawwidth=&1070& data-rawheight=&940& class=&origin_image zh-lightbox-thumb& width=&1070& data-original=&https://pic2.zhimg.com/v2-075df6ef08f71662b85c_r.jpg&&&/figure&&/p&&p&虽然我们实际后期时，几乎不会用到这么极端的操作。但是上面理论和实践的例子，都说明了一个道理：&br&&/p&&p&&b&后期时先一直用16位ProPhoto处理，在最后输出时再转换为8位sRGB，效果更好。&/b&&/p&&p&（原因跟我们用哪种显示器无关，而是跟后期时最大限度保持细节和画质有关。）&/p&&br&&br&&h1&3. 后期流程中的色域色深设置&/h1&&p&每款相机芯片，都有和硬件相关的能记录的色域。因此Raw文件中，色域一般是与厂家相关的非标准色彩空间。相机中设置的sRGB或者AdobeRGB，只对Raw中的预览JPEG起作用。Raw文件的色深，一般是12-14位。&/p&&p&在ACR和Lightroom中，Adobe使用了一套类似ProPhoto的色域，以及16位的色深对Raw文件进行处理。这个设置是无法更改的。&/p&&p&真正我们能控制的，是ACR进入PS后，在PS中处理的色彩空间和色彩深度。&/p&&p&在ACR面板的底部，有一行小字，点击之后可以打开设置面板。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ca86c64c6ccd83e5ed5cdf4c01a79edc_b.jpg& data-rawwidth=&1231& data-rawheight=&1144& class=&origin_image zh-lightbox-thumb& width=&1231& data-original=&https://pic4.zhimg.com/v2-ca86c64c6ccd83e5ed5cdf4c01a79edc_r.jpg&&&/figure&&p&色彩空间设置为“ProPhoto RGB”，色彩深度设置为“16位/通道”。这样以后照片从ACR进入Photoshop后，PS会自动使用16位ProPhoto进行编辑。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-eac02428cb29af_b.jpg& data-rawwidth=&1528& data-rawheight=&998& class=&origin_image zh-lightbox-thumb& width=&1528& data-original=&https://pic2.zhimg.com/v2-eac02428cb29af_r.jpg&&&/figure&&p&16位的照片，在PS中，文件名后面会显示“（RGB/16）”。8位色深的照片，在PS中文件名末尾是（RGB/8）。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6a49f80fbc3c2bbf4be49795cae0b361_b.jpg& data-rawwidth=&1061& data-rawheight=&1230& class=&origin_image zh-lightbox-thumb& width=&1061& data-original=&https://pic1.zhimg.com/v2-6a49f80fbc3c2bbf4be49795cae0b361_r.jpg&&&/figure&&p&导出JPEG格式，用于网络交流时。一般使用“文件-导出-导出为”选项。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1fa28f5ad1da9c170bde41f_b.jpg& data-rawwidth=&1095& data-rawheight=&1206& class=&origin_image zh-lightbox-thumb& width=&1095& data-original=&https://pic1.zhimg.com/v2-1fa28f5ad1da9c170bde41f_r.jpg&&&/figure&&p&在导出面板中，设置输出JPEG的相关参数。由于JPEG格式只支持8位/通道，因此输出JPEG时色深会自动转换。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-257daccf08520aec86aa1_b.jpg& data-rawwidth=&2199& data-rawheight=&1444& class=&origin_image zh-lightbox-thumb& width=&2199& data-original=&https://pic2.zhimg.com/v2-257daccf08520aec86aa1_r.jpg&&&/figure&&p&其中特别注意的是要勾上这两个选项：“转换为sRGB”和“嵌入颜色配置文件”&/p&&figure&&img src=&https://pic3.zhimg.com/v2-3faa78ac79b832d2219288c_b.jpg& data-rawwidth=&592& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&592& data-original=&https://pic3.zhimg.com/v2-3faa78ac79b832d2219288c_r.jpg&&&/figure&&br&&br&&h1&总结&/h1&&p&&b&1. 色彩空间决定了哪些颜色可以被表示，色彩深度决定了色彩间的过渡和变化有多细腻。色彩空间是范围，色彩深度是精度。&/b&&/p&&p&&b&2. 后期时一直用16位ProPhoto处理，在最后输出时再转换为8位sRGB，成片细节和效果更好。&/b&&/p&&p&&b&&b&3. &b&&b&理解“Raw - ACR - Photoshop - 输出JPEG”完整后期流程中，各个步骤的色域和色深设置。&/b&&/b&&/b&&/b&&/p&&br&&br&&p&欢迎关注@Thomas看看世界，每周学会一个摄影技能。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bd1bad0bf491cda_b.jpg& data-rawwidth=&1149& data-rawheight=&561& class=&origin_image zh-lightbox-thumb& width=&1149& data-original=&https://pic2.zhimg.com/v2-bd1bad0bf491cda_r.jpg&&&/figure&
作者： Thomas看看世界 公众号： thomaskksj你是否被sRGB，ProPhoto RGB，16位每通道等等词语搞得晕头转向，不知道在后期处理和输出图片时该如何设置？本文将详细谈谈色域和色深的相关知识，以及后期流程中的色彩设置。 1. 什么是色域、色深色域和色彩空间…
&figure&&img src=&https://pic1.zhimg.com/fb9ab17c94cf5f_b.jpg& data-rawwidth=&1620& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1620& data-original=&https://pic1.zhimg.com/fb9ab17c94cf5f_r.jpg&&&/figure&&p&Ladies and 乡亲们，大家好。&/p&&p&首先要恭喜各位，耐住性子看完了前面三篇冗长且有点枯燥的流水记。&/p&&p&今天周一。由于周末写知乎专栏过于起劲，导致早上红着眼就去了公司。&/p&&p&领导十分关切的问：“同学周末你又加班了吧？”
&/p&&p&答曰：“没.....还好，一点点而已！！”（实话，确实小小加一下班）&/p&&p&领导来劲了：“恩~！我就喜欢你这种拼劲，你明天去帝都出差跑一趟吧，如果这周内那边的事情忙不完，你就下周再回来也没问题！”&/p&&p&WTF.......*&￥&#*#！&/p&&p&因此为了对得起前来捧场的求知若渴的各位，我决定写完这篇文章之后直接去赶飞机。&/p&&br&&br&&p&话题拉回来。接下来的第四篇文章，也是我希望为这个系列写的最后一篇文章，将讲述在显示器已进行Calibration和Profiling之后，如何将后缀名为.icc的Profile文件应用到日常使用环境当中的，也算是为这几篇又臭又长的裹脚布打个结。&/p&&p&作为预告，这里先做个小小剧透：下文将主要介绍Windows系统层面的色彩管理、Photoshop的颜色配置的搭配和建议、日常看图软件的选择建议、主流浏览器的色彩管理设置（正规军，各类杂种混血的不在讨论范围）、视频的色彩管理、游戏等程序中关于色彩方面的讨论等内容。&/p&&h2&&b&〇. 补遗&/b&&/h2&&p&文章写多了写长了，难免会把有些有必要提出来说一说的东西忘掉。因此本篇开章是对前篇一些内容的补遗。&/p&&p&首先是前一篇文章中留下的悬念：&b&高手们所谓的校色和色彩管理会让色彩丢失，最高甚至可能丢失40%之多的色彩是怎么得来的？&/b&&/p&&p&不得不说，高手们的数学确实不是体育老师教的，但他们的逻辑思维又确确实实是体育老师训练出来的。&/p&&p&我们在前面反复强调过，若不是偏色到无以复加的地步，则尽量不要调节显示器OSD或显卡驱动中的色彩选项，留给Profiling步骤解决问题。而不带有硬件LUT的显示器，也不建议将显示器色彩空间通过校色或Profiling步骤限制在某个标准空间（如sRGB或ARGB）内。&/p&&p&而高手则认为，假如我有一台色域为114% NTSC的广色域显示器，而为了避免过饱和等现象发生，则需要将显示器色域校正到74% NTSC，即sRGB色彩空间上，因此显示器就丢失了40%的色彩，那真是巨大的灾难啊！！因此高手们甚至提出了“广色域之灾”的理论（这个说法我倒是第一次听说，还是知乎的朋友在前几篇文章的评论中给我科普的）。！&/p&&p&&b&而事实呢？本来将显示器由Native Gamut强行校正到另一个色彩空间就已经够傻了，更傻的是这类高手还将自己的无知怪罪到校色和色彩管理上，认为校色和色彩管理是造成色彩丢失的罪魁祸首，因此要保证色彩灰阶等不丢失，就什么都别做。&/b&&/p&&p&&b&对于这类高手我只想说一句话：药不能停OK？&/b&&/p&&p&&b&病急乱投医是不行的，要治病请认真阅读本系列文章。&/b&&/p&&p&遥想当年，哦不对，是前两天，我们在前面花了较大篇幅解释Color remapping intent，也就是色彩空间映射方式的问题。作为广色域显示器来说，在显示非广色域图片时，选择合理的映射方式也成为本文接下来重点探讨的话题。&b&而对于带有硬件LUT，能最大限度保证色彩映射精度的显示器而言（不然你以为众多广色域面板的非广色域专业显示器是怎么来的？）这不是问题，难不成sRGB的图片转换到ARGB空间或广色域Native Gamut后还能比直接显示在sRGB显示器上多出来不少颜色？&/b&&/p&&p&&b&快去吃药！！&/b&&/p&&p&待高手吃过药差不多歇停了，我们也要继续讨论色彩管理流程中剩下的步骤了。&/p&&h2&&b&一. 手持Monitor Profile，Windows下也无压力&/b&&/h2&&p&如果大家按照前文中的步骤，用dispcalGUI、basICColor或其他软件做完了Calibration和Profiling，那么一定会得到一个xxx.icc文件。&/p&&p&对于dispcalGUI来说，软件贴心地在完成Profiling后显示概要时，就同时给出了安装Profile的选项：&/p&&p&&figure&&img data-rawheight=&304& data-rawwidth=&432& src=&http://pic3.zhimg.com/42ca0af5eea37ee6a03c88cf20e2632e_b.jpg& class=&origin_image zh-lightbox-thumb& width=&432& data-original=&http://pic3.zhimg.com/42ca0af5eea37ee6a03c88cf20e2632e_r.jpg&&&/figure&此时我们只需要选中Load calibration on login（如果你确实用软件做了Calibrate步骤的话），以及Let the operating system handle calibration loading（此选项能避免dispcalGUI的Profile Loader跟随系统自启动，减少开机资源），并选择Install profile system-wide（默认情况下，在Windows7当中可能会弹出UAC警告，因为会更改系统设置），最终点击右下角的Install profile即可。&/p&&p&此时我们在桌面上点击右键--&个性化--&高级设置--&色彩管理，在设备一栏选择显示器，界面将如下图所示：&/p&&p&&figure&&img data-rawheight=&626& data-rawwidth=&740& src=&http://pic2.zhimg.com/6fe810f12e2a9084ecdcf765c3a168c5_b.jpg& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&http://pic2.zhimg.com/6fe810f12e2a9084ecdcf765c3a168c5_r.jpg&&&/figure&显示器Profile已被自动安装到了对应的显示器上。 &br&&/p&&p&而在“高级”标签中，我们还需要做如下改变：&br&&figure&&img data-rawheight=&626& data-rawwidth=&740& src=&http://pic1.zhimg.com/0f9cfd09fb4d7dad31c97c_b.jpg& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&http://pic1.zhimg.com/0f9cfd09fb4d7dad31c97c_r.jpg&&&/figure&&/p&&p&将Windows颜色系统默认值下的“设备配置文件”选择为显示器的Profile，并将“查看条件配置文件”设置为ICC条件查看WCS配置文件。&/p&&p&&b&另一处需要注意的是：如果你的显示器不带有硬件LUT，或没有用显示器内置的硬件LUT做Calibrate，而是通过dispcalGUI或其他软件方式进行的Calibrate&Profile，请点击此界面左下角的“更改系统默认值”，并在弹出的系统默认设置中做同样设置，并将使用Windows显示器校准选中&/b&。此操作会让系统在启动进入桌面的同时，加载Profile中的显示器校正曲线到显卡驱动的LUT里面，从而改变整个系统环境下的颜色，达到模拟硬件校准的效果。&/p&&p&进行到这一步后，我们对Windows层面的设置就可以告一段落了。但这里需要解释一下刚刚那个窗口中各项设置的含义及这样配置的理由。&/p&&p&首先，设备配置文件毋庸置疑应该选择与当前显示器设备相同的Profile。而查看条件配置文件则是告诉Windows，当我查看图片等内置有Profile的文件时，请以源文件的ICC Profile为准向设备配置文件进行映射。（WCS是Windows Color System的简称）&/p&&p&下方提供了四种不同系统内应用场景下的Gamut remapping策略。由于我们已经定义设备的配置文件就是刚刚得到的显示器Profile，因此ICC调色到Windows Color System Gamut映射，也就是源文件ICC映射到显示器Gamut。&br&&/p&&p&首先是默认映射方式：此选项是定义Windows在默认情况下要执行的映射方式，也是从下面四种应用场景中选择一个默认应用场景。&b&由于我们大部分面对显示器的时间内，都是对照片等图像进行交互，或者说我们更关心其映射后的感官体验而非其他目的，因此默认调色应该选择永恒。&/b&&/p&&p& 下面四种不同场景，分别可以选择四种不同的映射方式，也就是Gamut remapping intent。这就把我们在前面文章中讨论和总结出的知识结论用上了。为了方便大家理解（英文翻译成中文，翻译方式多变，因此用英文最能表达原意），这里提供Windows这四种映射方式的中英文对照：&b&永恒（摄影） - Perceptual&/b&（英语专业学生表示无法理解这个单词是如何才能被翻译成永恒的........）、&b&相对色度（线形图片） - Relative Colorimetric、绝对色度（模拟纸张） - Absolute Colorimetric、饱和度（图表和图形） - Saturation。（来源：&a href=&http://link.zhihu.com/?target=http%3A//windows.microsoft.com/en-us/windows-vista/color-management-settings-frequently-asked-questions& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Color management settings: frequently asked questions&/a&，其中有MS官方对几种intent的应用场景详解）&/b&&/p&&p&在了解了四种映射方式的准确含义之后，我们要确定这些选项的配置当然就很轻松了。查看照片和图像，保证视觉上的正常时用Perceptual；当要最大化保证图像色彩间的相关性时（即尽量不改变源空间中已存在于目标空间中的色彩），用Relative；当我们要模拟另一种介质的色彩呈现方式时（如模拟纸张）用Absolute；最后当我们只关心饱和度，而对丢失色彩过渡和真实度无所谓时，用Saturation（即对应CMYK时的映射方式）。&/p&&p&&b&上面的一段话中的选择方式，也是Windows默认的选项，也就是说这段话只是告诉大家这样选择的目的，而非让大家对其做任何不明意图的改变。 &/b&而Windows默认就设置如此，也基本可以说明，Windows在色彩管理机制方面，与Mac OSX或Linux等系统并无太大差异和差距。后文还会对我们这样设置的正确性进行验证，以免有果粉跳出来表示Mac OSX才是最好的..........怕了他们了。&/p&&h2&&b&二. Photoshop需要设置吗？&/b&&/h2&&p&Windows系统自身设置完毕以后，我们要将注意力转向Photoshop以及其他各类第三方看图软件或图形处理软件。&/p&&p&Photoshop的专业性和其在行业中的标杆地位是不可动摇的，因此它也提供了很完善的色彩管理方法，甚至还能在各种条件满足的情况下支持10bit色彩输出。那么正确设置Photoshop的色彩管理，显得尤为重要。&/p&&p&本文以Photoshop CS6为例进行设置，其他各版本Photoshop的设置基本于此无异。&/p&&p&点击菜单栏的编辑按钮，倒数第六项即是颜色设置：&/p&&p&&figure&&img data-rawheight=&763& data-rawwidth=&537& src=&http://pic2.zhimg.com/af75101e22ed_b.jpg& class=&origin_image zh-lightbox-thumb& width=&537& data-original=&http://pic2.zhimg.com/af75101e22ed_r.jpg&&&/figure&大家可能需要点击窗口右边的”更多选项“按钮才能看到与上图一样的界面。&/p&&p&此处，我们需要先在”设置“一栏中，选择显示器颜色。而第二步，我们还需要修改转换选项中的”意图“。此处我的建议是选择Perceptual，即”可感知“（瞧别人的翻译，MS学着点啊），代替默认的Relative - ”相对比色“。当你把鼠标悬停在这个选项上时，每种选项都会在下方说明中有详细描述。&/p&&p&由于我们一般来说都是在Perceptual和Relative两种方式之间选择，Photoshop对两种方式的描述就更耐人寻味了：&/p&&figure&&img data-rawheight=&375& data-rawwidth=&531& src=&http://pic2.zhimg.com/01d4f3bfa760f2472ddefe8e18906b79_b.jpg& class=&origin_image zh-lightbox-thumb& width=&531& data-original=&http://pic2.zhimg.com/01d4f3bfa760f2472ddefe8e18906b79_r.jpg&&&/figure&&p&&figure&&img data-rawheight=&368& data-rawwidth=&528& src=&http://pic3.zhimg.com/b2c8cd2e4f200a7fcbb516_b.jpg& class=&origin_image zh-lightbox-thumb& width=&528& data-original=&http://pic3.zhimg.com/b2c8cd2e4f200a7fcbb516_r.jpg&&&/figure&从Photoshop的建议来看，更偏向于用Relative intent，理由也很充分：当大部分来源色彩已经在目的色域中时。&b&对应我们的情况而言，就是大部分费工夫做Calibrate和Profile的显示器都是广色域显示器，而大部分照片等都是sRGB色彩空间。那么如此一来，似乎用Relative是最佳选择？&/b&&/p&&p&而对于Perceptual，Photoshop的描述是，通常用来计算色域范围较宽的来源图像，保留目标色域内部与外部色彩的关联，也就是更符合人眼的感知和逻辑。&b&如果按照这种说法，我们很少遇到要把ARGB图片映射到sRGB色彩空间的显示器上（因为ARGB的图片不算常见），或把sRGB的图片映射到小于sRGB色彩空间的显示器上（这种显示器虽然多，但没人会对这种显示器费本文这么大的功夫做色彩管理吧？），因此好像我们在广色域显示器上就不应该以此为首选？&/b&&/p&&p&&b&别忘了，Photoshop是专业的，因此Adobe理所当然的认为Photoshop用户的显示器也是能完全覆盖sRGB或ARGB色彩空间的专业显示器。但事实上呢？&/b&&/p&&p&我们可以从dispcalGUI的Profile结果下手进行实际分析：&/p&&p&&figure&&img data-rawheight=&1104& data-rawwidth=&1156& src=&http://pic4.zhimg.com/a9ec9a01f7ea9a1d6c0b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1156& data-original=&http://pic4.zhimg.com/a9ec9a01f7ea9a1d6c0b_r.jpg&&&/figure&上图是我的DELLU3014显示器的色域覆盖范围与sRGB色彩空间的对比图。在做分析之前需要向大家说明的是：在dispcalGUI的Profile information预览窗口中，无论Rendering intent选择是选择Perceptual还是Relative，显示器的色域覆盖范围都是几乎相同的，也就是说Perceptual和Relative&b&在映射后&/b&&b&都不会丢掉&/b&任何在显示器覆盖范围内的色彩。&/p&&p&&b&但请大家仔细看色域覆盖的左下角。对于蓝色和黑色部分，身为广色域显示器的U3014是无法覆盖sRGB此处的色彩的。&/b&是不是DELL吹了牛，U3014实际上很烂呢？&/p&&p&下图是另一款专业显示器 - NEC PA241W的Profile Gamut对比图：&/p&&p&&figure&&img data-rawheight=&701& data-rawwidth=&651& src=&http://pic3.zhimg.com/bbf_b.jpg& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&http://pic3.zhimg.com/bbf_r.jpg&&&/figure&可以看出，同样是面向专业用户的显示器，DELL和NEC，都无法100%覆盖sRGB，而会有点小遗漏。So，有请EIZO大爷登台：&/p&&p&由于暂时没发现闲得蛋疼的EIZO用户在网上公布Calibrate和Profile之后的CG246 和CG276显示器的Gamut数据，但从其Profile前的Native Gamut来看，97%的ARGB覆盖率（与U3014同为100% sRGB，而ARGB方面，U3014甚至到了99%），也无法完全保证其在Calibrate和Profile后还能得到100%的sRGB覆盖率（之前分析过了，remapping后，显示器对Color Space的覆盖率会轻微减小）。&/p&&p&唯一的例外是前面被表扬过的HP ZR2740w：&/p&&p&&figure&&img data-rawheight=&1225& data-rawwidth=&1245& src=&http://pic2.zhimg.com/9bccd32ae581c74236e5babd9429abb5_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1245& data-original=&http://pic2.zhimg.com/9bccd32ae581c74236e5babd9429abb5_r.jpg&&&/figure&OMG，Calibrate后也是100%sRGB。HP你为何这么吊？&/p&&p&&b&费这么多口舌就是想说明，即使在大部分sRGB色域都被显示器覆盖的情况下，仍然会在实际的大部分情况下出现白点的Remapping和out of Gamut的Remapping。&/b&&/p&&p&&b&因此，如果贸然根据Photoshop的建议使用Relative，则会造成暗部色彩的被压缩或丢失。&/b&&/p&&p&&b&是否真是如此呢？留个悬念，稍后揭晓谜题。&/b&&/p&&p&Anyway，我们先选”可感知“吧。至此，Photoshop需要更改的固定设置就告一段落。&/p&&p&另一个需要注意的地方是，当我们用这样设置的Photoshop打开带有ICC Profile的图片时（例如图片本身就被tag为sRGB或ARGB），Photoshop会弹出如下对话框提示：&/p&&p&&figure&&img data-rawheight=&279& data-rawwidth=&396& src=&http://pic3.zhimg.com/e6a05ff2c168e2e0b11b56e_b.jpg& class=&content_image& width=&396&&&/figure&并且默认选项还是被选中为扔掉嵌入配置文件的。。。。无法理解。&/p&&p&总之，我们要么选择使用嵌入的配置文件来代替我们刚刚设置的显示器工作空间，或将图片嵌入的配置文件转换到显示器工作空间来。&/p&&p&这里就面临一个问题：两种选择背后到底发生了什么？&/p&&p&以图中打开一张sRGB的图片为例，整理一下逻辑就可以发现，使用嵌入的配置文件代替工作空间，意味着Photoshop不理会显示器到底是什么样的Gamut，直接以sRGB色彩空间显示图片，而把转换工作交给Windows完成。而如果选择转换到色彩空间，则是Photoshop先完成这个转换工作，Windows发现图片的色彩空间已经被转换后，就闭目放行了。 &/p&&p&两种选择的差别在于：用Windows进行转换，使用的转换引擎为Microsoft ICM，而使用Photoshop做转换，使用的转换引擎是Adobe Color Engine（ACE）。由于我们之前说过，这两种转换引擎在效果上并无太大区别，因此理论选择这两种方式的任何一种，我们都能看到几乎相同的图像。但毕竟图像处理是Adobe的专精技能，还是把这项工作交给更擅长的ACE来做吧。因此我们选择转换到色彩空间就OK了。&/p&&p&至此，你在Photoshop中看到的图像，就应该是细节保留最多、色彩偏差尽量最小、最接近真实拍摄器材或图片制作人所见的图像了。&/p&&p&&b&而当我们要把在自己显示器上调好的图片分享给其他人作为查看而非打印用途，或在网络上发表，由于sRGB才是普遍的工作色彩空间（转换为自己显示器的Gamut只为了在调色和使用滤镜时，能够看到更多色彩、细节和色彩过渡），因此在保存时，请按这位同学的文件保存步骤执行：&/b&&/p&&p&&a class=&internal& href=&http://www.zhihu.com/question//answer/&&Photoshop 的颜色配置该怎么设置？&/a&&br&&/p&&p&&b&对于在前篇文章的评论中提问的同学，这里给出解答：&/b&&/p&&p&&b&有同学表示，自己在家修图完毕后的图片，拿去冲印或打印，拿到的照片色彩却不是自己想要的，和解？&/b&&/p&&p&原因有两点：&/p&&p&一是你没有告知对方你的工作色彩空间，或在大家都默认使用sRGB色彩空间的情况下，你使用了“显示器设置”，却忘记了在保存图片时重新对图片色彩空间进行转换。 &/p&&p&二是对方虽然与你的工作色彩空间相同，但在打印的最后验证步骤，保持了Perceptual映射方式，导致色彩还原能力比显示器弱得多的打印机或数字照片冲洗机无法还原色彩。正确方式是，在修图完毕，做最终打印预览时，采用Relative方式面向打印机或冲印机的Native Gamut进行色彩转换。此举目的是确认打印机或冲印机是否有足够能力还原你照片的绝大部分色彩和色彩间的视觉对应关系。如果这家照片冲印店设备无法满足你需求，你应该换一家店试试。&br&&/p&&h2&&b&三. 浏览器神马的怎么办？&/b&&/h2&&p&作为一个天天面对电脑，与浏览器打交道时间不少的人而言，浏览器要是没色彩管理机制，我们每天的生活就太悲催了。&/p&&p&首先回顾一下第一篇文章中提到的，由&a href=&http://link.zhihu.com/?target=http%3A//cameratico.com/tools/web-browser-color-management-test/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Web browser color management test&/a&提供的浏览器色彩管理测试而得出的浏览器色彩管理现状：&/p&&p&&b&首先是已逐渐成为大家主力武器的Chrome：&/b&&/p&&p&&figure&&img src=&http://pic1.zhimg.com/4e8adb12c39ee493eb9c_b.jpg& data-rawwidth=&1060& data-rawheight=&903& class=&origin_image zh-lightbox-thumb& width=&1060& data-original=&http://pic1.zhimg.com/4e8adb12c39ee493eb9c_r.jpg&&&/figure&&figure&&img src=&http://pic2.zhimg.com/87bf98fcee7aecb032241_b.jpg& data-rawwidth=&1054& data-rawheight=&789& class=&origin_image zh-lightbox-thumb& width=&1054& data-original=&http://pic2.zhimg.com/87bf98fcee7aecb032241_r.jpg&&&/figure&花花绿绿的色块并不是说Chrome你真牛，啥颜色都被你显示出来了。相反，从上图可以看出，Chrome首先是不支持v4 ICC Profile的图片，不过这不要紧，这样的图片在网络上真是太少见了，不支持也罢。但第二张图却说明更明显的问题：无法将Untagged的图片和CSS元素正确默认为sRGB色彩空间。总之就是一点：Chrome有着残废一般的色彩管理能力，只能把已经被tag的图片和元素按正确方式映射到显示器Gamut上。而这样的图片和CSS元素，在互联网上也少得可怜。&/p&&p&&b&再来看看IE的表现如何。&/b&&/p&&p&纵观最近10年的IE浏览器，其功过都十分显著。而到了今天，IE已经更新到第11个主要版本，也就是IE11了，我们没理由不用它来作为测试目标：&/p&&p&&figure&&img src=&http://pic2.zhimg.com/ad31e832eed4c5_b.jpg& data-rawwidth=&1194& data-rawheight=&899& class=&origin_image zh-lightbox-thumb& width=&1194& data-original=&http://pic2.zhimg.com/ad31e832eed4c5_r.jpg&&&/figure&&figure&&img src=&http://pic4.zhimg.com/13f62ff3249ff5bcae298c69df87a407_b.jpg& data-rawwidth=&1194& data-rawheight=&869& class=&origin_image zh-lightbox-thumb& width=&1194& data-original=&http://pic4.zhimg.com/13f62ff3249ff5bcae298c69df87a407_r.jpg&&&/figure&What？？？IE11能支持v4 ICC Profile，真是有点意外。&/p&&p&但又似乎有点奇怪，因为IE11显示的图片，色彩明显过饱和，而且sRGB与我显示器的广色域Native Gamut差距应该很大，却在How far from sRGB is your display color gamut测试中没有任何体现。&/p&&p&&b&测试说明：这项测试是由ProPhotoRGB映射到显示器色域后的色彩，与sRGB映射到显示器后的色彩进行对比。由于ProPhotoRGB的色彩范围比sRGB广得多，因此在映射到广色域显示器后，与sRGB相比应该有更多色彩将得到保留，也就是ProPhotoRGB图片应该比sRGB图片色彩更饱和（回顾：remapping只做重映射，不会凭空变出更多色彩）。如果你的显示器Gamut接近或刚好与sRGB一样，那么上下就应该几乎看不出任何区别（因为无论Perceptual还是Relative，都会把广色域色彩压缩到更小色域中最接近的极限上）。&/b&&/p&&p&由此可见，IE11虽然能够识别tagged和untagged的图片和CSS元素，却无法正确按我们的意图将图片的ICC Profile映射到显示器Gamut上，而是将显示器Gamut默认为是sRGB色彩空间（也就是把ProPhotoRGB的255,0,0与sRGB的255,0,0直接划等号对应）。我实在不明白这样做到底是什么逻辑.........&b&这跟什么都不做有什么区别？你干嘛还要去识别图片的ICC Profile呢？哦，对了，至少在IE11下面，非广色域显示器，或者说Native Gamut接近sRGB的用户才能体验到正确的色彩。&/b&&/p&&p&&b&被Chrome和IE这两个市场占有率最大，使用频率最高的浏览器的奇葩行为气炸肺之后，我们还是看看FireFox算了。&/b&&/p&&p&在企图让FireFox表现正常之前，我们需要先对其进行设置。此处提供两种方法：通过about:config进行参数配置，以及安装Color Management插件对同样的参数做修改。这里为了方便对FireFox不太熟悉的用户，我推荐第二种方法，也便于以后又需要更改设置：&/p&&p&点击FireFox的附加选项按钮：&/p&&p&&figure&&img src=&http://pic4.zhimg.com/efc400bcfe19ddef7ce8893_b.jpg& data-rawwidth=&301& data-rawheight=&302& class=&content_image& width=&301&&&/figure&然后在获取附加组件的搜索框中输入Color Management进行检索，并安装描述为Provides a user interface for the built in color management options附加组件。&/p&&p&之后我们就可以在右边的扩展分类中找到并配置它了，点击它右面的“选项”：&/p&&p&&figure&&img src=&http://pic1.zhimg.com/eedee38f6e470_b.jpg& data-rawwidth=&374& data-rawheight=&410& class=&content_image& width=&374&&&/figure&此处选择All Images，并手动指定显示器的Color Profile（如果你没有改变过dispcalGUI}
描述质量好的词语
我有更好的答案
描述质量好的词语常见的如下如假包换 独一无二 美伦美唤 有口皆碑 名声在外 声名远扬 希望可以帮到你满意请采纳
如假包换 [rú jiǎ bāo huàn] & 基本释义 如果是假货就给你换百科释义如假包换说的是如果是假货就给你换，用于商铺宣传的口号，有&一定是真的&的意思 。
为您推荐：
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。请选择工作地点
热门城市全部城市
呼和浩特市
鄂尔多斯市
呼伦贝尔市
巴彦淖尔市
乌兰察布市
锡林郭勒盟
齐齐哈尔市
神农架林区
西双版纳州
日喀则地区
乌鲁木齐市
克拉玛依市
吐鲁番地区
阿克苏地区
阿勒泰地区
图木舒克市
花地玛堂区
圣安多尼堂区
地区导航：
抱歉，该职位已过期
您可能对以下职位感兴趣：
激光机软件开发工程师
上海市/松江区
模拟IC设计工程师
上海市/闵行区
资深模拟电路设计工程师
上海市/徐汇区
应用工程师（2016应届毕业生）
上海市/卢湾区
像素研发工程师
上海市/徐汇区
急聘企业：
2017, All Rights Reserved. 中文版权所有-OFweek人才网（）&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&作为摄影师，你是不是遇到过这样的问题：相机设置里的色彩空间是什么意思？ sRGB 和 Adobe RGB 有什么不同？为什么我的图片在 Photoshop 里看着好好的，一保存发布到网上色彩就变了？在这篇文章（以及接下来几篇）中，我将从理工科的视角，详细捋一捋有关色彩空间相关的概念，也算是自己的一点思考笔记。&/p&&p&本篇文章将分为几个部分。首先从几个实验规律出发，借助线性代数相关的概念，定义色彩空间，然后介绍并推导几个重要的色彩空间之间的关系。&/p&&h2&1 实验基础&/h2&&p&相信大家都熟悉「三原色」理论，也知道现代显示器是按照 RGB 模式来显示色彩，不知道有没有想过，为什么是「三原色」？为什么是「三」这个数字？为什么一定要选择 RGB 红绿蓝三种颜色作为原色呢？选其他行不行？用四种颜色行不行？知乎上有个问题 &a href=&https://www.zhihu.com/question/& class=&internal&&红绿蓝三色是（唯一的）正交基吗？&/a& 就提出了这个疑问，我也给出过 &a href=&https://www.zhihu.com/question//answer/& class=&internal&&我的回答&/a&，可以参考。&/p&&p&追根溯源的话，得从我们人类的视网膜说起。大部分人类的视网膜上有三种感知颜色的感光细胞，叫做视锥细胞，分别对不同波长的光线敏感，称为 L/M/S 型细胞。三种视锥细胞最敏感的波长分别是橙红色（长波，Long），绿色（中波，Medium），蓝色（短波，Short）。这三种视锥细胞的归一化感光曲线如下图所示（图片数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制），&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c4dc1c6cfdab9f8_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic2.zhimg.com/v2-c4dc1c6cfdab9f8_r.jpg&&&/figure&&p&可以看到 L 型视锥细胞与 M 型视锥细胞的感光曲线差别很小，实际上这两种视锥细胞起源于一次基因变异，在这之前人类可都是红绿色盲呢，多亏这个基因变异，让人类可以看到更加多彩的世界——这又是一个庞大的话题了，就此打住。&/p&&p&总之，大自然的这千千万万种颜色，在人类的眼里看到，最后传送到大脑里的信号，就只有这三种视锥细胞的电信号而已。根据这三种电信号的强弱，大脑解读成了不同的颜色。这就是三原色理论的生物学依据。&/p&&p&不仅如此，人类眼睛对不同颜色光线混合的反应还是 &b&&u&线性&/u&&/b& 的。根据 &a href=&https://link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Grassmann%2527s_law_%28optics%29& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&格拉斯曼定律（Grassmann's Law）&/a&，两束不同颜色的光 &img src=&https://www.zhihu.com/equation?tex=C_1& alt=&C_1& eeimg=&1&& 和 &img src=&https://www.zhihu.com/equation?tex=C_2& alt=&C_2& eeimg=&1&&，假设某个视锥细胞对他们的反应分别是 &img src=&https://www.zhihu.com/equation?tex=r_1& alt=&r_1& eeimg=&1&& 和 &img src=&https://www.zhihu.com/equation?tex=r_2& alt=&r_2& eeimg=&1&&，现在将他们按照一个比例混合，得到第三种颜色 &img src=&https://www.zhihu.com/equation?tex=C_3+%3D+%5Calpha+C_1+%2B+%5Cbeta+C_2& alt=&C_3 = \alpha C_1 + \beta C_2& eeimg=&1&&，那么视锥细胞对这个混合颜色的反应也将是前两个反应的线性叠加 &img src=&https://www.zhihu.com/equation?tex=r_3+%3D+%5Calpha+r_1+%2B+%0A%5Cbeta+r_2& alt=&r_3 = \alpha r_1 +
\beta r_2& eeimg=&1&&。&/p&&p&格拉斯曼定律是一个实验规律，并没有物理或者生物学上的依据。然而这个规律大大简化了我们对人类彩色视觉系统的建模，并且给我们使用线性代数理论分析人类彩色视觉系统提供了一个前提和基础。&/p&&h2&2 色匹配函数&/h2&&p&前面已经提到，人类视网膜上有三种感知色彩的视锥细胞，所以理论上我们用三种颜色的光就可以混合出自然界中任何一种颜色来。在 20 世纪 20 年代，David Wright 和 John Guild 各自独立地领导了一些实验，通过三种颜色的光源进行匹配，得到了人眼对于不同颜色光的匹配函数。此后，多名科学家多次进行了类似的实验，加深了我们对人类彩色视觉的认识。&/p&&p&实验过程大致是这样的，把一个屏幕用不透光的挡板分割成两个区域，左边照射某个被测试的颜色的光线，这里记为&img src=&https://www.zhihu.com/equation?tex=C& alt=&C& eeimg=&1&& （以下用大写字母表明颜色，用小写字母表明分量大小），右边同时用三种颜色的光同时照射，这里记为&img src=&https://www.zhihu.com/equation?tex=R& alt=&R& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=G& alt=&G& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=B& alt=&B& eeimg=&1&&。然后，调节右边三种颜色光源的强度，直到左右两边的颜色看上去一样为止。假设这个时候三种颜色的光源强度分别为&img src=&https://www.zhihu.com/equation?tex=r& alt=&r& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=g& alt=&g& eeimg=&1&&，&img src=&https://www.zhihu.com/equation?tex=b& alt=&b& eeimg=&1&&，那么根据光色叠加的线性性质，我们可以写出&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+rR+%2B+gG+%2B+bB& alt=&C = rR + gG + bB& eeimg=&1&&&br&&p&也就是说，只要按照 (r,g,b) 的分量来混合 (R,G,B) 三种颜色的光，就可以得到 C 这个颜色的光。于是在这一系列实验里，科学家们把左边的颜色按着光谱顺序，挨个测试了一遍，得到了纯光谱色的混合叠加的数据，这就是 &a href=&https://link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/CIE_1931_color_space%23/Color_matching_functions& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&色匹配函数（Color Matching Function）&/a& ，并且在这个基准下定义的色彩空间，就是 CIE RGB 色彩空间。下图是 CIE RGB 的色匹配函数曲线，数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制。浅色的细线代表实验中不同参与者个人的色匹配函数曲线，中间深色的粗线代表数据的平均值。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-cff378c686cc8bbd3c41c_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic4.zhimg.com/v2-cff378c686cc8bbd3c41c_r.jpg&&&/figure&&p&可以看到，曲线上出现了负数，这是怎么回事？回想一下前面描述的实验过程，左边是被测试的光色，右边是可调节的三色光的混合。如果碰到一种情况，右边三色光无论如何调节比例，都不能混合出左边的颜色，比如某种颜色的光强度已经减小为 0 了，然而看趋势还需要继续减小才能与左边的光色相匹配，怎么办？这时候需要往左边的光色中混入三色光中的一种或者几种，继续调节，直到两边的颜色匹配。在左边（被测试）的色光中添加，那就是相当于在右边的混合光中减去，这就导致了色匹配函数曲线上出现了负数。实际上，这相当于就是光线的「减法」了。&/p&&p&比如，对于 555nm 的黄色光，色匹配函数的值是 (1.30, 0.97, -0.01)，意味着将 1.30 份的红光与 0.97 份的绿光混合放在右边，左边放上 1 份的 555nm 的黄光，以及 0.01 份的蓝光，这样左右两边的光色看上去就一样了。&/p&&p&因为有部分出现了负数，在使用和计算上都有不方便，因此就对这个匹配函数进行了一下线性变换，变换到一个所有分量都是正的空间中。变换后的色彩空间就是 CIE XYZ 色彩空间。 （图片数据来自 &a href=&https://link.zhihu.com/?target=http%3A//cvrl.ioo.ucl.ac.uk& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CVLR&/a&，我重新绘制）&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f14f4f1abe2bbaa1bbf046f_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic1.zhimg.com/v2-f14f4f1abe2bbaa1bbf046f_r.jpg&&&/figure&&p&CIE RGB 色彩空间和 CIE XYZ 色彩空间是完全等价的，两者只是差了一个线性变换。由于允许「减法」的存在，因此 CIE RGB 空间是能够表示所有颜色的；同样的，CIE XYZ 空间也能。&/p&&h2&3 从线性空间的角度理解色彩空间&/h2&&p&以上的实验基础提示我们，色彩空间和线性代数中的线性空间之间具有某种相似性。我们可以看到，由于人类有三种感知色彩的视锥细胞，自然界千千万万的色彩被眼睛接收后，可以用三个数值来表征。而格拉斯曼定律也揭示了色彩叠加的线性性质。这似乎意味着，色彩空间就是一个 3 维的线性空间。事实上也的确如此（详细的论证参见末尾小节）。&/p&&p&自然界本身是没有「颜色」这个属性的，只有对不同波长光线的反射率/透过率，到达人眼中的，显然是一个连续的光谱分布函数。数学上，这是一个无穷维的函数空间（巴拿赫空间）。而人眼内的三种视锥细胞，它们的感光特性曲线相当于是在这个无穷维的函数空间中建立了三个基底。任何一个光谱分布进来，三种视锥细胞被激发。由于色视觉响应的线性性，这一过程相当于光谱分布函数与三个基底做内积，或者说，「投影」到这三个基底上。&/p&&p&从这个观点看，人类的色视觉，是相当于在自然界所有颜色的无穷维函数空间中取了一个三维的投影。这个三维空间的基底，既可以是视锥细胞的感光特性曲线（我们的大脑就用的是这套），当然也可以是选取三种颜色的光进行组合（CIE RGB 空间），甚至还可以是用实际中不存在的「光线」进行组合 （CIE XYZ 空间）。既然这几个空间实际上是同一个线性空间，只不过由于选择了不同的基底而有不同的表达形式，那么根据线性代数的结论，这几个空间的表述形式之间，只需要通过矩阵乘法就可以完成转换，这是完全的线性变换。&/p&&p&当然，色彩空间并不是真正数学意义上的三维线性空间。由于不存在真正数学意义的「减法」，在实际应用中是有所限制的。数学中的「线性组合」在这里就要被替换为「锥组合」，也就是每个分量都必须是大于等于 0 的。&/p&&p&至此我们终于可以回答开头的部分问题了，为什么是三原色？因为人类对色彩的感知结果位于一个三维的线性空间中。最少需要三种颜色的光才能有足够的表达能力来表现各种颜色。为什么选 RGB 作为三原色？因为色彩空间不是真正数学意义上的线性空间，从工程角度考虑，以 RGB 作为三原色，能让显示器能够显示更多的颜色（此外，最初测试人眼对 RGB 三色光的色匹配曲线，也是希望能尽量单独地刺激三种视锥细胞）。&/p&&h2&4 设备相关的 RGB 色彩空间&/h2&&p&如前文所述，色彩空间的基底的选择有一定的任意性。事实上，如果允许真正的减法存在，那么选择哪三种颜色作为基底是无关紧要的。不过由于实际中我们不能对色光采用减法，只能使用「锥组合」而非「线性组合」，这时候到底如何选取基底就显得重要了。好的基底不仅能表达的颜色更丰富，而且工程上也易于稳定地实现。&/p&&p&由于 CIE XYZ 空间是一个很方便的线性空间，与具体设备无关，因此常用来做各种颜色空间转换的中间媒介。设想某个颜色的光，经过色匹配函数的计算，得到了三个 XYZ 的值，如果直接将这三个值作为 RGB 颜色显示到屏幕上，显然是不对的。我们必须把 XYZ 的值转换到屏幕的 RGB 空间中的值。&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++++R_%7B%5Ctext%7Blin%7D%7D+%5C%5C+G_%7B%5Ctext%7Blin%7D%7D+%5C%5C+B_%7B%5Ctext%7Blin%7D%7D%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Cboldsymbol%7BM%7D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++++X+%5C%5C+Y+%5C%5C+Z%0A++++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
R_{\text{lin}} \\ G_{\text{lin}} \\ B_{\text{lin}}
\end{array}\right] =
\boldsymbol{M}
\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right]& eeimg=&1&&&br&&p&这里下标 lin 代表线性空间，&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D& alt=&\boldsymbol{M}& eeimg=&1&& 是转换矩阵。得到线性 RGB 空间的表达之后，还需要经过 gamma 校正，才是最终在屏幕上显示的 RGB 的值。一般的 gamma 校正过程为 &img src=&https://www.zhihu.com/equation?tex=C+%3D+%5Ctextstyle+C%5E%7B1%2F%5Cgamma%7D_%7B%5Ctext%7Blin%7D%7D& alt=&C = \textstyle C^{1/\gamma}_{\text{lin}}& eeimg=&1&&，其中 &img src=&https://www.zhihu.com/equation?tex=C& alt=&C& eeimg=&1&& 代表 RGB 的某个分量，&img src=&https://www.zhihu.com/equation?tex=%5Cgamma& alt=&\gamma& eeimg=&1&& 值通常为 2.2。对于如何计算的细节，我希望在 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&下一篇文章&/a& 中进行详细说明。&/p&&p&对于 RGB 色彩空间来说，关键点在于两个：1. 如何选择三个作为基底的颜色；2. 如何定义白色。一旦选好这两个关键参数，那么从 CIE XYZ 空间到设备的 RGB 空间的转换就完全确定了。我们平时常说的 sRGB 空间和 Adobe RGB 空间，他们的区别就在于这两个关键参数的定义不同。常用的的 RGB 空间的转换矩阵如下表：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-0015aca1c5aca4fccd6bcf_b.jpg& data-rawwidth=&1422& data-rawheight=&678& class=&origin_image zh-lightbox-thumb& width=&1422& data-original=&https://pic3.zhimg.com/v2-0015aca1c5aca4fccd6bcf_r.jpg&&&/figure&&p&不同的 RGB 空间能表示的范围如下图所示（这个图在 &a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&以后的文章&/a& 中再详细解释），&/p&&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&可以看到，不同的 RGB 空间所能表示的颜色范围是不一样的，并且我们可以推断出，即使是同样的 RGB 分量，在不同的 RGB 空间中所代表的颜色也是不一样的。所以我们在描述一个 RGB 颜色的时候，不仅需要描述它的 RGB 三个分量，还要说明是在哪个空间，这就是 ICC 文件的作用。&/p&&p&很多数码相机都可以设置色彩空间，常见的有 sRGB 和 Adobe RGB，从上面的图中我们可以看到， Adobe RGB 所能表达的色彩比 sRGB 要丰富很多。然而常见的网络环境下图片的色彩空间是 sRGB，有很多浏览器不能正确地解析图片自带的色彩空间说明，默认按照 sRGB 来进行解析。如果使用相机直出的 JPG 文件直接上传，或者说在后期处理过程中没有进行色彩空间转换，保留了相机设置的 Adobe RGB 空间，那么在浏览器中看到的图片很可能与 Photoshop 中看到的不一样。浏览器很可能会将一张 Adobe RGB 空间中的图片解释为 sRGB 空间下的图片，引起颜色偏差。由于 sRGB 是目前屏幕显示的「事实标准」，大多数屏幕空间都在 sRGB 内（这是颜色复现设备本身决定的），所以我的建议是，对用于网络交流目的的图片，统一转换到 sRGB 中进行保存。&/p&&h2&5 有关色彩空间是线性空间的数学论证&/h2&&p&回顾一下线性代数中构成线性空间的几个要素：&/p&&blockquote&&p&交换律：&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bx%7D%2B%5Cboldsymbol%7By%7D+%3D+%5Cboldsymbol%7By%7D%2B%5Cboldsymbol%7Bx%7D& alt=&\boldsymbol{x}+\boldsymbol{y} = \boldsymbol{y}+\boldsymbol{x}& eeimg=&1&&&/p&&p&结合律：&img src=&https://www.zhihu.com/equation?tex=%28%5Cboldsymbol%7Bx%7D%2B%5Cboldsymbol%7By%7D%29%2B%5Cboldsymbol%7Bz%7D+%3D+%0A%5Cboldsymbol%7Bx%7D%2B%28%5Cboldsymbol%7By%7D%2B%5Cboldsymbol%7Bz%7D%29& alt=&(\boldsymbol{x}+\boldsymbol{y})+\boldsymbol{z} =
\boldsymbol{x}+(\boldsymbol{y}+\boldsymbol{z})& eeimg=&1&&&/p&&/blockquote&&p&这两条容易理解，显然，交换不同色光叠加的顺序并不会改变叠加的结果。&/p&&blockquote&加法零元：&img src=&https://www.zhihu.com/equation?tex=%5Cexists+%5C%3A+%5Cboldsymbol%7B0%7D%2C%5C%3B+%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B+%5Cboldsymbol%7Bx%7D+%2B+%5Cboldsymbol%7B0%7D+%3D+%5Cboldsymbol%7Bx%7D& alt=&\exists \: \boldsymbol{0},\; \forall \, \boldsymbol{x}, \;
\mbox{s.t.}\; \boldsymbol{x} + \boldsymbol{0} = \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&这一点也很好理解，加法零元就是全黑，什么光都没有。任何一种色光叠加一个全黑那还是它自身。&br&&/p&&blockquote&加法逆元：&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%5Cexists+%5C%3A+%28-%5Cboldsymbol%7Bx%7D%29%2C%5C%3B+%0A%5Cboldsymbol%7Bx%7D+%2B+%28-%5Cboldsymbol%7Bx%7D%29+%3D+%5Cboldsymbol%7B0%7D& alt=&\forall \, \boldsymbol{x}, \;\exists \: (-\boldsymbol{x}),\;
\boldsymbol{x} + (-\boldsymbol{x}) = \boldsymbol{0}& eeimg=&1&&&/blockquote&&p&回想前文对实验中需要「负数」数量的光的处理手法，我们可以在左边叠加光线，这就相当于在右边减去光线。如果承认这种形式的「减法」，那么加法逆元也是顺理成章了：在另一边加入自身。&/p&&blockquote&乘法幺元：&img src=&https://www.zhihu.com/equation?tex=%5Cexists+%5C%3A+1%2C%5C%3B+%5Cforall+%5C%2C+%5Cboldsymbol%7Bx%7D%2C+%5C%3B%0A1%5Ccdot%5Cboldsymbol%7Bx%7D+%3D+%5Cboldsymbol%7Bx%7D& alt=&\exists \: 1,\; \forall \, \boldsymbol{x}, \;
1\cdot\boldsymbol{x} = \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&这也很明显，数字 1 就可以作为乘法幺元。&/p&&blockquote&乘法分配率：&br&&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5Cboldsymbol%7Bx%7D%2C+%5C%3A+%5Cboldsymbol%7By%7D%2C+%5C%3A+%5Calpha%2C%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B%5Calpha%5C%2C%28%5Cboldsymbol%7Bx%7D+%2B+%5Cboldsymbol%7By%7D%29+%3D+%5Calpha+%5Cboldsymbol%7Bx%7D+%2B+%0A%5Calpha+%5Cboldsymbol%7By%7D& alt=&\forall \boldsymbol{x}, \: \boldsymbol{y}, \: \alpha,\;
\mbox{s.t.}\;\alpha\,(\boldsymbol{x} + \boldsymbol{y}) = \alpha \boldsymbol{x} +
\alpha \boldsymbol{y}& eeimg=&1&&&br&&img src=&https://www.zhihu.com/equation?tex=%5Cforall+%5Calpha%2C%5C%3A%5Cbeta%2C%5C%3A%5Cboldsymbol%7Bx%7D%2C%5C%3B%0A%5Cmbox%7Bs.t.%7D%5C%3B+%28%5Calpha%2B%5Cbeta%29%5C%2C%5Cboldsymbol%7Bx%7D+%3D+%0A%5Calpha+%5Cboldsymbol%7Bx%7D+%2B+%5Cbeta+%5Cboldsymbol%7Bx%7D& alt=&\forall \alpha,\:\beta,\:\boldsymbol{x},\;
\mbox{s.t.}\; (\alpha+\beta)\,\boldsymbol{x} =
\alpha \boldsymbol{x} + \beta \boldsymbol{x}& eeimg=&1&&&/blockquote&&p&根据格拉斯曼定律，这一点也是实际上成立的。&/p&&p&综上所述，人类对色彩的感知在实验层面满足线性性质，人眼感知的色彩空间是一个 3 维线性空间。当然，容易想见，通常我们选取的基底（比如 CIE XYZ 空间的色匹配函数），是不正交的。&/p&&br&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&下一篇《色彩空间的表示与转换》&/a&&/p&
作为摄影师，你是不是遇到过这样的问题：相机设置里的色彩空间是什么意思？ sRGB 和 Adobe RGB 有什么不同？为什么我的图片在 Photoshop 里看着好好的，一保存发布到网上色彩就变了？在这篇文章（以及接下来几篇）中，我将从理工科的视角，详细捋一捋有关色…
&figure&&img src=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_r.jpg&&&/figure&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&前一篇文章&/a& 讲述了色彩空间的基础，我们看到人类的色视觉可以用一个三维的线性空间表示，人类对色彩的感知，相当于是在光谱分布这样一个无穷维的函数空间（巴拿赫空间）中，进行了一个三维投影。在此基础上，简单介绍了两个重要的线性色彩空间， CIE 1931 RGB 和 CIE 1931 XYZ，这两个色彩空间包含了所有人类可以感知的色彩。通过色匹配函数（Color Matching Function, CMF），可以将任何一种物理上的光谱分布，转换到线性色彩空间中。&/p&&p&虽然是同样一个线性空间，由于选取的基底不同，表示的形式也会不同，表达能力和方便程度也会有所不同。为了不同的用途和目的，人们发展了很多不同的线性色彩空间的表达形式。此外，人类的色视觉在某些方面还存在一定程度的非线性，所以在线性色彩空间基础上人们又发展了一些非线性的色彩空间。&/p&&p&由于 CIE RGB 和 CIE XYZ 两者其实是同一个线性空间的不同表达，因此两者的转换可以通过转换矩阵实现。限于篇幅，&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上一篇文章&/a& 中对这个转换矩阵是怎么来的一笔带过了，在这篇文章中将会详细描述中间的计算过程。&/p&&h2&1 CIE RGB 和 CIE XYZ&/h2&&p&在前一篇文章中我们已经了解到，以色匹配函数作为基底，将物理上的光谱分布投影到三维空间中，就可以得到 CIE RGB 和 CIE XYZ 色彩空间。 CIE RGB 的色匹配函数（归一化后）是这样的：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-7a48aecee628445cfa45bbf6_b.jpg& data-rawwidth=&800& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/v2-7a48aecee628445cfa45bbf6_r.jpg&&&/figure&&p&注意这里进行了归一化处理，因此曲线与上一篇文章中的曲线形状有变化。为了消除部分负数坐标，我们变换到 CIE XYZ 空间，满足一些约束条件：&/p&&ol&&li&所有坐标都是正的保持等能点（equal energy point）作为白色&br&&/li&&li&使得新的 Y 坐标能够代表明度，也就是使得新的 Y 坐标等于视觉的明度响应&br&&/li&&li&使得新的 Z 坐标在红光端保持为 0&br&&/li&&li&使得所有色彩尽可能充满新的空间&br&&/li&&/ol&&br&&p&在这些约束条件下，CIE 委员会设计了这两个空间之间最初的转换矩阵：&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++X+%5C%5C+Y+%5C%5C+Z%0A++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++++2.7688+%26+++1.7517+%26+++1.C%0A++++++++1.0000+%26+++4.5906+%26+++0.C%0A+++++++++0+++++%26+++0.0565+%26+++5.5942%0A++%5Cend%7Barray%7D%5Cright%5D%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++R+%5C%5C+G+%5C%5C+B%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right] =
\left[\begin{array}{ccc}
\end{array}\right]
\left[\begin{array}{c}
R \\ G \\ B
\end{array}\right]& eeimg=&1&&&br&&p&以及反变换的矩阵&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++R+%5C%5C+G+%5C%5C+B%0A++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++++0.4185+%26++-0.1587+%26++-0.C%0A+++++++-0.0912+%26+++0.2524+%26+++0.C%0A++++++++0.0009+%26++-0.0025+%26+++0.1786%0A++%5Cend%7Barray%7D%5Cright%5D%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++X+%5C%5C+Y+%5C%5C+Z%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\left[\begin{array}{c}
R \\ G \\ B
\end{array}\right] =
\left[\begin{array}{ccc}
-0.0828 \\
\end{array}\right]
\left[\begin{array}{c}
X \\ Y \\ Z
\end{array}\right]& eeimg=&1&&&br&&p&虽然最开始是从 CIE RGB 转换到 CIE XYZ 空间的，但之后由于历史原因和技术原因，使得 CIE XYZ 空间更为广泛接受，逐渐作为更常用的转换空间。在最新的官方资料中，只保留了 XYZ 空间的色匹配函数，已经没有 RGB 空间的色匹配函数了。&/p&&h2&2 色品图（Chromaticity Diagram）&/h2&&p&那么，各个颜色在 CIE XYZ 空间中是怎么分布的呢？由于实际中不可能有光线的减法，所有的运算都是「锥组合」，因此可以想见实际所有可能的颜色，在 XYZ 空间中应该位于一个以原点为顶点的 「锥体」中（比如 xyz 三个正半轴围起来的第一卦限就是一个锥体）。我们把 CIE XYZ 空间切片看看（左右两列是从两个不同的视角进行观察）：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-875c8ff759c9c586bd42fa1c1c253cb9_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic2.zhimg.com/v2-875c8ff759c9c586bd42fa1c1c253cb9_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/v2-e9fa6dc3c9cf_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/v2-7b8afa99d5bfbc59614f6bf_b.jpg& data-rawwidth=&1600& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic4.zhimg.com/v2-7b8afa99d5bfbc59614f6bf_r.jpg&&&/figure&&br&&p&可以感受到约靠近原点的切片越小，这正是锥体的表现。然而这个锥体到底是什么形状呢？如果把纯光谱色画在 CIE XYZ 空间中，得到下图这样的曲线。连接原点与这条曲线得到的无数条射线，包围出来一个「锥体」，这个锥体就是人所能感知的所有色彩。注意与上图（尤其是右侧一列，与下图视角接近）比较，可以清楚地看到红色一侧和蓝紫色一侧围出的倾斜的边界。&/p&&p&&figure&&img src=&https://pic2.zhimg.com/v2-5d237a4cf6fe7466803faede_b.jpg& data-rawwidth=&2424& data-rawheight=&2658& class=&origin_image zh-lightbox-thumb& width=&2424& data-original=&https://pic2.zhimg.com/v2-5d237a4cf6fe7466803faede_r.jpg&&&/figure&然而这个曲线毕竟在三维空间中，是一条极度扭曲的曲线，不论是用来展示还是用于辅助计算都不方便。我们可以将这条曲线投影到 &img src=&https://www.zhihu.com/equation?tex=x%2By%2Bz%3D1& alt=&x+y+z=1& eeimg=&1&& 的平面上（上图中的黄色平面）进行「归一化」，在这个归一化的平面上，光谱色曲线就是一条形状像舌头的曲线，如上图所示位于黄色平面上的弯曲的曲线。根据格拉斯曼定律，所有的颜色都是由纯光谱色混合而来的，经过投影后只能是光谱色的「锥组合」，都会落在这个曲线范围内。这个舌头形状的图，就叫「色品图（Chromaticity Diagram）」，所有纯光谱色，构成色品图的边界。在上面那个图中从上往下看，黄色平面上，色品图（的边界）是这个样子的：&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-dadfed896aa18_b.jpg& data-rawwidth=&2500& data-rawheight=&2750& class=&origin_image zh-lightbox-thumb& width=&2500& data-original=&https://pic3.zhimg.com/v2-dadfed896aa18_r.jpg&&&/figure&&p&图中蓝色数字标明了纯光谱色对应的波长。&/p&&h2&3 与其他 RGB 空间的转换&/h2&&p&之前的文章说到，定义一个 RGB 空间，关键在于两个参数：1. RGB 三点的坐标；2. 白色点的位置。这里就以 sRGB 空间为例，说说如何根据这两个参数确定转换关系的。&/p&&p&根据定义，sRGB 的三原色以及白色点的 XYZ 坐标是：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-11fc5ab4fcc4bd3ca1e0c56112fcc3d7_b.jpg& data-rawwidth=&962& data-rawheight=&328& class=&origin_image zh-lightbox-thumb& width=&962& data-original=&https://pic4.zhimg.com/v2-11fc5ab4fcc4bd3ca1e0c56112fcc3d7_r.jpg&&&/figure&&p&白色点的意义在于校准三原色在向量空降中的长度，使得当 RGB = (1, 1, 1) 的时候正好对应的是白色。也就是列出这个方程：&/p&&img src=&https://www.zhihu.com/equation?tex=W+%3D+w_r+R+%2B+w_g+G+%2B+w_b+B& alt=&W = w_r R + w_g G + w_b B& eeimg=&1&&&br&&p&或者写成矩阵形式&/p&&img src=&https://www.zhihu.com/equation?tex=W+%3D+%5BR%2C+G%2C+B%5D%5Cboldsymbol%7Bw%7D& alt=&W = [R, G, B]\boldsymbol{w}& eeimg=&1&&&br&&p&求解出 &img src=&https://www.zhihu.com/equation?tex=w_r%2C+w_g%2C+w_b& alt=&w_r, w_g, w_b& eeimg=&1&& 各个系数。这是个三元一次方程，在计算机上非常容易求解，即使手工求解也不难。&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bw%7D+%3D+%5BR%2C+G%2C+B%5D%5E%7B-1%7DW& alt=&\boldsymbol{w} = [R, G, B]^{-1}W& eeimg=&1&&&br&&p&对于 sRGB 的情况来说，带入数字，可得&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7Bw%7D+%3D+%5BR%2C+G%2C+B%5D%5E%7B-1%7DW+%3D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++0.64+%26+0.30+%26+0.15+%5C%5C%0A++++++0.33+%26+0.60+%26+0.06+%5C%5C%0A++++++0.03+%26+0.10+%26+0.79%0A++++%5Cend%7Barray%7D%5Cright%5D%5E%7B-1%7D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++0.9C+1.0C+1.08883%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++0.C+1.C+1.2029%0A++++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{w} = [R, G, B]^{-1}W =
\left[\begin{array}{ccc}
0.64 & 0.30 & 0.15 \\
0.33 & 0.60 & 0.06 \\
0.03 & 0.10 & 0.79
\end{array}\right]^{-1}
\left[\begin{array}{c}
0.95047 \\ 1.00000 \\ 1.08883
\end{array}\right] =
\left[\begin{array}{c}
0.6445 \\ 1.1919 \\ 1.2029
\end{array}\right]& eeimg=&1&&&br&&p&接下来，对于某一种颜色 C = (x, y, z)，它对应的 sRGB 坐标是多少呢？也就是如果将校正长度后的 RGB 三原色作为新的基底，那么各个分量都是多少呢？我们可以写出新的方程：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+r+%28w_r+R%29+%2B+g+%28w_g+G%29+%2B+b+%28w_b+B%29& alt=&C = r (w_r R) + g (w_g G) + b (w_b B)& eeimg=&1&&&br&&p&或者写成矩阵形式&br&&/p&&img src=&https://www.zhihu.com/equation?tex=C_%7BXYZ%7D+%3D+%5BR%2C+G%2C+B%5D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++++w_r+%26+0+%26+0+%5C%5C%0A++++++0+%26+w_g+%26+0+%5C%5C%0A++++++0+%26+0+%26+w_b%0A++++%5Cend%7Barray%7D%5Cright%5D%0A++++%5Cleft%5B%5Cbegin%7Barray%7D%7Bc%7D%0A++++++r+%5C%5C+g+%5C%5C+b%0A++++%5Cend%7Barray%7D%5Cright%5D+%3D+%0A++++%5Bw_rR%2C+w_gG%2C+w_bB%5D%5C%2C%0A++++C_%7BRGB%7D& alt=&C_{XYZ} = [R, G, B]
\left[\begin{array}{ccc}
w_r & 0 & 0 \\
0 & w_g & 0 \\
0 & 0 & w_b
\end{array}\right]
\left[\begin{array}{c}
r \\ g \\ b
\end{array}\right] =
[w_rR, w_gG, w_bB]\,
C_{RGB}& eeimg=&1&&&br&&p&所以，从 sRGB 到 XYZ 的转换矩阵就是：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D+%3D+%5Bw_rR%2C+w_gG%2C+w_bB%5D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++0.4.3.1C%0A++++0.2.7.C%5C%0A++++0.+0.1.95029%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{M} = [w_rR, w_gG, w_bB] =
\left[\begin{array}{ccc}
0.41248 & 0.35757 & 0.18044 \\
0.21269 & 0.77514 & 0.072174 \\
0.019335 & 0.11919 & 0.95029
\end{array}\right]& eeimg=&1&&&br&&p&那么从 XYZ 转到 sRGB 的矩阵就是他的逆矩阵：&br&&/p&&img src=&https://www.zhihu.com/equation?tex=%5Cboldsymbol%7BM%7D%5E%7B-1%7D+%3D+%5Bw_rR%2C+w_gG%2C+w_bB%5D%5E%7B-1%7D+%3D+%0A++%5Cleft%5B%5Cbegin%7Barray%7D%7Bccc%7D%0A++++3.24045++%26+-1.5.4C%0A+++-0.96927++%26++1.8.C%5C%0A++++0.+-0.2.05722%0A++%5Cend%7Barray%7D%5Cright%5D& alt=&\boldsymbol{M}^{-1} = [w_rR, w_gG, w_bB]^{-1} =
\left[\begin{array}{ccc}
& -1.53714 & -0.49853 \\
0.041556 \\
0.055643 & -0.20403 &
\end{array}\right]& eeimg=&1&&&br&&p&注意到，这里的矩阵中出现了负数，也就是说，从 CIE XYZ 空间转换到 sRGB 空间，是有可能使得中间某个分量小于 0 的。这意味着什么呢？我们把 sRGB 的几个基底画在色品图上，&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-1eedb346ea89bf9ccca3_b.jpg& data-rawwidth=&462& data-rawheight=&521& class=&origin_image zh-lightbox-thumb& width=&462& data-original=&https://pic2.zhimg.com/v2-1eedb346ea89bf9ccca3_r.jpg&&&/figure&&p&三原色的三个点组成了一个三角形。记得我们反复强调的「锥组合」吗？意味着，sRGB 空间下，所有色彩，都将位于这个三角形内部；转换到三维空间的视角来看，sRGB 空间能表达的色彩，都位于以原点为顶点，连接这个三角形，所有射线围成的锥体内部。如果某个分量小于 0，那么意味着，这个色彩，是落在了这个三角形外部，所以不能被 sRGB 空间所表示出来。一种简单的做法是强制让范围外的值回到范围边界上，让小于 0 的值强制等于 0，让大于 1 的值强制等于 1。这种做法非常简单，计算量也小，但是会损失一些色彩的准确性。在上面的色品图中，可以明显看到有三角形边界的痕迹，三角形之外的色彩，理论上是不能被 sRGB 所表现的，在图中就使用了这种简单的办法处理边界外的情况，相当于用三角形边界上的颜色直接进行了填充。&/p&&p&在前一篇文章中我们看到，在转换完之后，我们只是得到了一个线性的 RGB 值，要被显示器正确显示的话，还需要进行 gamma 校正。每个 RGB 空间对应的 gamma 校正公式不完全一致，大多数情况下都是 &img src=&https://www.zhihu.com/equation?tex=C+%3D+C_%7B%5Ctext%7Blin%7D%7D%5E%7B1%2F%5Cgamma%7D& alt=&C = C_{\text{lin}}^{1/\gamma}& eeimg=&1&&，其中 γ=2.2，少数情况，比如 Apple RGB 采用的是 γ=1.8 的情况，再比如上面作为举例的 sRGB 空间，采用了一种分段的非线性函数进行校正：&/p&&img src=&https://www.zhihu.com/equation?tex=C+%3D+%5Cleft%5C%7B%5Cbegin%7Barray%7D%7Bll%7D%0A++++12.92C_%7B%5Ctext%7Blin%7D%7D+%26+%2C+%5Cquad+C_%7B%5Ctext%7Blin%7D%7D+%5Cle+0.C%5C%5B0.6em%5D%0A++++1.055C_%7B%5Ctext%7Blin%7D%7D%5E%7B1%2F2.4%7D+-+0.055+%26+%2C+%5Cquad+C_%7B%5Ctext%7Blin%7D%7D+%3E+0.A++%5Cend%7Barray%7D%5Cright.& alt=&C = \left\{\begin{array}{ll}
12.92C_{\text{lin}} & , \quad C_{\text{lin}} \le 0.0031308 \\[0.6em]
1.055C_{\text{lin}}^{1/2.4} - 0.055 & , \quad C_{\text{lin}} & 0.0031308
\end{array}\right.& eeimg=&1&&&br&&p&在粗略的场景下，也可以直接使用 γ=2.2 的公式代替。&/p&&p&到这里，我们已经完全讲明白了从 XYZ 空间到 RGB 空间的转换，不同的 RGB 空间，比如 Adobe RGB 或者 Apple RGB，区别在于三原色与白色点位置不同，一旦这几个基点的位置确定了，那么转换矩阵就完全确定了。中间过程完全是线性变换。&/p&&p&这时候再看上篇文章中的不同色彩空间比较的图，相信就可以读出更多的信息了（下图来自维基百科 &a href=&/&&RGB Color Space&/a&）。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_b.jpg& data-rawwidth=&964& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&964& data-original=&https://pic2.zhimg.com/v2-847b6a6e3b1a0c584330ff_r.jpg&&&/figure&&p&其中 Adobe RGB 与 sRGB 相比较，能表示的颜色要多很多，所以很多摄影师会在相机内设置 Adobe RGB 作为色彩空间。然而现在网络上通用的还是 sRGB，如果不做任何转换，浏览器可能将它视作 sRGB 空间进行渲染，得到的结果就会显得比较灰暗。所以在把图片上传到网络之前，一定要确认色彩空间是否匹配。而在部分专业的色彩输出场合，甚至需要用到 ProPhoto RGB 这种表达能力极强的色彩空间。&/p&&h2&4 非线性色彩空间介绍&/h2&&p&仔细看上面的色品图的边界，可以发现不同波长的光分布的疏密程度是不同的，这意味着在这个空间中，颜色的分布是不均匀的，这种不均匀性是人们不愿意看到的。在 20 世纪 40 年代，麦克亚当（David MacAdam）设计了几个实验，验证了人眼在色彩方面的感知阈值的存在。他的结果被总结为 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/MacAdam_ellipse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&麦克亚当椭圆（MacAdam ellipse）&/a&，画在色品图上结果如下 （这里为了展示清楚，图中的椭圆是原始大小的 7 倍，原始数据的结果没有这么夸张。）：&figure&&img src=&https://pic2.zhimg.com/v2-1c11314b57ddc02dda8ad8851ddb7fbf_b.jpg& data-rawwidth=&2500& data-rawheight=&2750& class=&origin_image zh-lightbox-thumb& width=&2500& data-original=&https://pic2.zhimg.com/v2-1c11314b57ddc02dda8ad8851ddb7fbf_r.jpg&&&/figure&&/p&&p&这个实验证实了，在一定范围（比如上图中的椭圆）内，人是无法分辨颜色差异的。当然，单纯这样一个结论并不会让人意外，人类对色彩变化的感知总是有限的。这个实验结果重要的意义在于，它直观明了地揭示了 CIE XYZ 这个空间在色彩分布上的不均匀。而麦克亚当椭圆，在这里的意义近似于微分几何中的 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Metric_tensor& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&度规张量（Metric Tensor）&/a&，用微分几何的观点来看，从人眼的色彩空间到 CIE XYZ 色彩空间的变换，性质不够好，这将给实际应用带来困难。举个简单的例子，比如由于计算误差或者存储误差，使得颜色分量的值变化了 0.01，如果这个颜色本来是绿色附近的，那变化后的颜色人眼可能根本分辨不出来 （绿色附近的椭圆比较大），如果这个颜色本来是蓝色附近的，那么变化后的颜色人眼就能分辨（蓝色附近的椭圆比较小）。&/p&&p&后来渐渐有更多的科学家研究了人类对色彩的分辨能力，逐渐建立了一些理论基础。人们希望通过一些非线性变换，找到一个「感知均匀性」更好的色彩空间，或者，从微分几何的观点来看，找到一个更为「平坦」的映射关系。比较常用的有 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Lab_color_space& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CIE Lab&/a&，&a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/CIELUV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CIE Luv&/a&，等（以下两张图均来自于这两个维基百科页面）。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-7f0b8e7f6d3eaee63f522d2e_b.jpg& data-rawwidth=&768& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic4.zhimg.com/v2-7f0b8e7f6d3eaee63f522d2e_r.jpg&&&/figure&&p&上图为 CIE Luv 色彩空间的色品图&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f77c2ced0c1bba17c0d2fc8f0f6acb77_b.jpg& data-rawwidth=&768& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic3.zhimg.com/v2-f77c2ced0c1bba17c0d2fc8f0f6acb77_r.jpg&&&/figure&&p&上图为 CIE Lab 色彩空间三维表示&/p&&p&可以看到，在这两种色彩空间下，色彩的分布更为均匀。&/p&&p&有关这几个空间的性质和计算，就远不是一篇文章可以介绍清楚的了，这里写得太过深入也显得曲高和寡。感兴趣的朋友可以私下交流或者点开链接看看维基百科上的定义。不过这里得提一下，Lab 空间和 Luv 空间在设计的时候就有意让 L 代表明度，也就是把「明度」和「颜色」给分开对待。这就为引入「色相（Hue）」的概念带来了方便，实际上，将这两个空间从直角坐标换成圆柱坐标，马上就可以看到，色相其实就是色彩在圆柱坐标下的角度分量。&/p&&p&圆柱坐标为人们提供了一个方便的工具，我们学习色彩理论中接触到的「色环」的概念，就来自于此。借助圆柱坐标，人们又从 RGB 空间推导出了 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/HSL_and_HSV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HSV 和 HSL 空间&/a& ，方便不同的用途使用。 （下图来自维基百科 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/HSL_and_HSV& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HSV 和 HSL 空间&/a& 页面）。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fcbf983d4b3da5e4b79b_b.jpg& data-rawwidth=&452& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&452& data-original=&https://pic3.zhimg.com/v2-fcbf983d4b3da5e4b79b_r.jpg&&&/figure&&p&这一些列探索人类色彩感知的实验，直接导致了 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Color_difference& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&颜色差异（Color Difference）&/a& 概念的确立，用于表示不同颜色之间的差异性。从微分几何的观点来看，这是在为人类色视觉空间建立一个度规（Metric）。&/p&&p&最后放一个大杀器 CIE 2000 版的颜色差异公式镇场子，这个公式用于衡量两个颜色之间的差异性有多大，&/p&&img src=&https://www.zhihu.com/equation?tex=%5CDelta+E%5E%7B%2A%7D+%3D+%5Csqrt%7B%5Cleft%28%5Cfrac%7B%5CDelta+L%27%7D%7Bk_L+S_L%7D%5Cright%29%5E2+%2B+%0A++++%5Cleft%28%5Cfrac%7B%5CDelta+C%27%7D%7Bk_C+S_C%7D%5Cright%29%5E2+%2B+%0A++++%5Cleft%28%5Cfrac%7B%5CDelta+H%27%7D%7Bk_H+S_H%7D%5Cright%29%5E2+%2B+%0A++++R_T%5Cfrac%7B%5CDelta+C%27%7D%7Bk_C+S_C%7D%5Cfrac%7B%5CDelta+H%27%7D%7Bk_H+S_H%7D%7D& alt=&\Delta E^{*} = \sqrt{\left(\frac{\Delta L'}{k_L S_L}\right)^2 +
\left(\frac{\Delta C'}{k_C S_C}\right)^2 +
\left(\frac{\Delta H'}{k_H S_H}\right)^2 +
R_T\frac{\Delta C'}{k_C S_C}\frac{\Delta H'}{k_H S_H}}& eeimg=&1&&&br&&p&其中各个符号的定义和计算写下来能写一页纸，这里就不放出来了，感兴趣的朋友可以参照 &a href=&https://link.zhihu.com/?target=https%3A//www.wikiwand.com/en/Color_difference& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&颜色差异（Color Difference）&/a& 的维基页面。&/p&&p&（如无特殊说明，本文所有图片均为我自己绘制或重制）&/p&&br&&p&&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上一篇文章：《色彩空间基础》&/a&&/p&
讲述了色彩空间的基础，我们看到人类的色视觉可以用一个三维的线性空间表示，人类对色彩的感知，相当于是在光谱分布这样一个无穷维的函数空间（巴拿赫空间）中，进行了一个三维投影。在此基础上，简单介绍了两个重要的线性色彩空间， CIE 1931 R…
&figure&&img src=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_b.jpg& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_r.jpg&&&/figure&&p&&strong&作者： Thomas看看世界&br&公众号： thomaskksj&/strong&&/p&&p&你是否被sRGB，ProPhoto RGB，16位每通道等等词语搞得晕头转向，不知道在后期处理和输出图片时该如何设置？&/p&&p&本文将详细谈谈色域和色深的相关知识，以及后期流程中的色彩设置。&/p&&br&&h1&1. 什么是色域、色深&/h1&&p&色域和色彩空间“几乎”是同义词，指的是设备、软件中可以显示和处理的色彩范围。常见的RGB色彩空间包括sRGB，AdobeRGB以及ProPhoto RGB。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_b.jpg& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic4.zhimg.com/v2-bc13c6802efc369aa9ff2_r.jpg&&&/figure&&p&其中sRGB所能表示的色彩最少。但是sRGB是世界上最为广泛使用的色彩空间，绝大多数显示器以及各种网络服务，都只支持sRGB的色域范围。&/p&&p&AdobeRGB和sRGB相比，能表示出更加细腻的绿色和青色。广色域的显示器，以及很多喷墨打印机，都能够表现出AdobeRGB的色彩范围。&/p&&p&ProPhoto RGB是常见色彩空间里范围最广的，甚至可以表现出很多肉眼也无法识别的颜色。ProPhoto色彩空间，和大部分专业相机能记录的色彩范围，最为接近。但是只有少数的软件和硬件能够支持ProPhoto。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-bb8cb5b904a_b.jpg& data-rawwidth=&590& data-rawheight=&512& class=&origin_image zh-lightbox-thumb& width=&590& data-original=&https://pic1.zhimg.com/v2-bb8cb5b904a_r.jpg&&&/figure&&p&另外一个概念叫做色彩深度，也就是电脑描述每个像素所用的二进制储存位数。&/p&&p&常见的色彩深度为了8位/通道和16位/通道。我们的RGB图像，是由红绿蓝三个通道组成的。&/p&&p&所以8位/通道的色深下，我们可以表示 2^8*2^8*2^8=种颜色。&/p&&p&而16位/通道的色深下，我们可以表示 2^16*2^16*2^16=280万亿种颜色。&/p&&p&要区别色域和色深的概念，只需要记住这两句话就可以了：&/p&&p&&b&色彩空间决定了哪些颜色可以被表示，色彩深度决定了色彩间的过渡和变化有多细腻。色彩空间是范围，色彩深度是精度。&/b&&/p&&br&&br&&h1&2. 输出8位sRGB，为何先要用16位ProPhoto调整？&/h1&&p&前面提到过，大部分的显示设备和网络程式，都只支持8位的sRGB，因此我们在设计后期流程时，有两种思路。&/p&&p&方法1）在后期第一步就将色域色深设置为8位sRGB。这种方法的好处，就是最终输出的照片会和我们处理的时候一模一样，不用再做配置文件转换。但是这种方法处理的照片，在颜色细节和过渡上，比第二种方法差。&/p&&p&方法2）后期处理时一直在16位ProPhoto RGB中进行，最后输出时才导出8位sRGB的JPEG图像。这种方法优势明显，一是我们可以最大限度的利用Raw文件中储存的丰富细节，二是后期处理和运算时精度很高，过渡区域细腻自然。输出时的ProPhoto转sRGB，只要我们转换选项设置合理，几乎不会有肉眼可见的区别和损失。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-232fa8ca193_b.jpg& data-rawwidth=&1024& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/v2-232fa8ca193_r.jpg&&&/figure&&p&这两种思路，托马斯强烈推荐第二种。因为一开始就转换8位sRGB，在Raw解析以及后期处理的每一步，都会有画质损失。而最后转换8位sRGB，只在最后一步有画质损失。下面我会用类比和假设的方式举两个例子：&/p&&p&色彩空间是颜色范围，我们假设sRGB能表示1-10000数值的这1万种颜色，ProPhoto可以表示1-20000的2万种颜色。如果我们有一个Raw文件，里面有一个数值11000的颜色，在PS中我进行调色，颜色数值先+5000，再-8000。&/p&&p&我们来看看第一种方法，由于我一来就转换了sRGB，所以Raw中11000值的颜色，现在只能保存为10000（假设转换模型为相对比度）。调色+5000，由于色彩已经到sRGB的极限，所以任然还是10000。调色-8000，最后我们得到了数值2000的错误颜色。&/p&&p&再来看看第二种方法，Raw以ProPhoto解析，所以11000值原封不动的进入PS。调色+5000，仍然在20000范围内，得到16000。调色-8000，得到8000。最后一步是ProPhoto转sRGB，所有数值超过10000的颜色都会被强制变为10000。而8000没有超过，所以输出值是正确的8000。&/p&&p&上面这个例子虽然极端，但是可以很明显的发现，越晚转换sRGB，后期结果中的细节越丰富。&/p&&p&再来看看色深。色深是颜色表达的精度。我们用类比的方式，假设8位色深的精度只到整数位，16位色深可以精确到一位小数。那么我们如果把一个Raw中1.4数值的颜色，后期调色再增加1.4。&/p&&p&方法1由于第一步就转换为8位，所以1.4变成1，后面调色+1.4也变成+1，最后得到2（和精确值2.8差了0.8）。&/p&&p&方法2是前面一直保持16位色深，所以1.4+1.4=2.8，最后一步转换为8位，2.8取近似整数为3（和精确值2.8差了0.2）。&/p&&p&同样的，越晚转换8位色深，后期时处理精度越高，过渡更加细腻。&/p&&p&上面是两个理论上的类比解释，下面我们再来看一个实际的例子。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-f5b3ba5ab04d02e_b.jpg& data-rawwidth=&1442& data-rawheight=&1167& class=&origin_image zh-lightbox-thumb& width=&1442& data-original=&https://pic2.zhimg.com/v2-f5b3ba5ab04d02e_r.jpg&&&/figure&&p&这张图片我以2种方式打开，一种是8位sRGB，一种是16位ProPhoto RGB。然后都进行下面两步操作。&/p&&p&首先把色阶中的输出色阶设置为120、140，极大的减少图片对比度。&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d37c81fccdb24d9f8481d_b.jpg& data-rawwidth=&1864& data-rawheight=&966& class=&origin_image zh-lightbox-thumb& width=&1864& data-original=&https://pic1.zhimg.com/v2-d37c81fccdb24d9f8481d_r.jpg&&&/figure&&p&接着再使用一个色阶工具，把输入色阶设置成120和140，恢复照片的对比度。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-d3a6ae594162edcaae430_b.jpg& data-rawwidth=&806& data-rawheight=&748& class=&origin_image zh-lightbox-thumb& width=&806& data-original=&https://pic4.zhimg.com/v2-d3a6ae594162edcaae430_r.jpg&&&/figure&&p&下面第一张图片就是8位sRGB的效果，由于运算的范围和精度问题，结果惨不忍睹，各种杂色和断层，细节丢失严重。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-9068a40edd9ad2e7e0bb2c1b69a8da16_b.jpg& data-rawwidth=&1066& data-rawheight=&940& class=&origin_image zh-lightbox-thumb& width=&1066& data-original=&https://pic2.zhimg.com/v2-9068a40edd9ad2e7e0bb2c1b69a8da16_r.jpg&&&/figure&&p&下面这张图片是16位Prophoto RGB运算后，再转换为8位sRGB的效果。可以看到，在我第一步把照片对比度几乎压缩成一坨灰色的情况下，16位ProPhoto还是近乎完美的恢复了所有细节。&figure&&img src=&https://pic2.zhimg.com/v2-075df6ef08f71662b85c_b.jpg& data-rawwidth=&1070& data-rawheight=&940& class=&origin_image zh-lightbox-thumb& width=&1070& data-original=&https://pic2.zhimg.com/v2-075df6ef08f71662b85c_r.jpg&&&/figure&&/p&&p&虽然我们实际后期时，几乎不会用到这么极端的操作。但是上面理论和实践的例子，都说明了一个道理：&br&&/p&&p&&b&后期时先一直用16位ProPhoto处理，在最后输出时再转换为8位sRGB，效果更好。&/b&&/p&&p&（原因跟我们用哪种显示器无关，而是跟后期时最大限度保持细节和画质有关。）&/p&&br&&br&&h1&3. 后期流程中的色域色深设置&/h1&&p&每款相机芯片，都有和硬件相关的能记录的色域。因此Raw文件中，色域一般是与厂家相关的非标准色彩空间。相机中设置的sRGB或者AdobeRGB，只对Raw中的预览JPEG起作用。Raw文件的色深，一般是12-14位。&/p&&p&在ACR和Lightroom中，Adobe使用了一套类似ProPhoto的色域，以及16位的色深对Raw文件进行处理。这个设置是无法更改的。&/p&&p&真正我们能控制的，是ACR进入PS后，在PS中处理的色彩空间和色彩深度。&/p&&p&在ACR面板的底部，有一行小字，点击之后可以打开设置面板。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-ca86c64c6ccd83e5ed5cdf4c01a79edc_b.jpg& data-rawwidth=&1231& data-rawheight=&1144& class=&origin_image zh-lightbox-thumb& width=&1231& data-original=&https://pic4.zhimg.com/v2-ca86c64c6ccd83e5ed5cdf4c01a79edc_r.jpg&&&/figure&&p&色彩空间设置为“ProPhoto RGB”，色彩深度设置为“16位/通道”。这样以后照片从ACR进入Photoshop后，PS会自动使用16位ProPhoto进行编辑。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-eac02428cb29af_b.jpg& data-rawwidth=&1528& data-rawheight=&998& class=&origin_image zh-lightbox-thumb& width=&1528& data-original=&https://pic2.zhimg.com/v2-eac02428cb29af_r.jpg&&&/figure&&p&16位的照片，在PS中，文件名后面会显示“（RGB/16）”。8位色深的照片，在PS中文件名末尾是（RGB/8）。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6a49f80fbc3c2bbf4be49795cae0b361_b.jpg& data-rawwidth=&1061& data-rawheight=&1230& class=&origin_image zh-lightbox-thumb& width=&1061& data-original=&https://pic1.zhimg.com/v2-6a49f80fbc3c2bbf4be49795cae0b361_r.jpg&&&/figure&&p&导出JPEG格式，用于网络交流时。一般使用“文件-导出-导出为”选项。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-1fa28f5ad1da9c170bde41f_b.jpg& data-rawwidth=&1095& data-rawheight=&1206& class=&origin_image zh-lightbox-thumb& width=&1095& data-original=&https://pic1.zhimg.com/v2-1fa28f5ad1da9c170bde41f_r.jpg&&&/figure&&p&在导出面板中，设置输出JPEG的相关参数。由于JPEG格式只支持8位/通道，因此输出JPEG时色深会自动转换。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-257daccf08520aec86aa1_b.jpg& data-rawwidth=&2199& data-rawheight=&1444& class=&origin_image zh-lightbox-thumb& width=&2199& data-original=&https://pic2.zhimg.com/v2-257daccf08520aec86aa1_r.jpg&&&/figure&&p&其中特别注意的是要勾上这两个选项：“转换为sRGB”和“嵌入颜色配置文件”&/p&&figure&&img src=&https://pic3.zhimg.com/v2-3faa78ac79b832d2219288c_b.jpg& data-rawwidth=&592& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&592& data-original=&https://pic3.zhimg.com/v2-3faa78ac79b832d2219288c_r.jpg&&&/figure&&br&&br&&h1&总结&/h1&&p&&b&1. 色彩空间决定了哪些颜色可以被表示，色彩深度决定了色彩间的过渡和变化有多细腻。色彩空间是范围，色彩深度是精度。&/b&&/p&&p&&b&2. 后期时一直用16位ProPhoto处理，在最后输出时再转换为8位sRGB，成片细节和效果更好。&/b&&/p&&p&&b&&b&3. &b&&b&理解“Raw - ACR - Photoshop - 输出JPEG”完整后期流程中，各个步骤的色域和色深设置。&/b&&/b&&/b&&/b&&/p&&br&&br&&p&欢迎关注@Thomas看看世界，每周学会一个摄影技能。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bd1bad0bf491cda_b.jpg& data-rawwidth=&1149& data-rawheight=&561& class=&origin_image zh-lightbox-thumb& width=&1149& data-original=&https://pic2.zhimg.com/v2-bd1bad0bf491cda_r.jpg&&&/figure&
作者： Thomas看看世界 公众号： thomaskksj你是否被sRGB，ProPhoto RGB，16位每通道等等词语搞得晕头转向，不知道在后期处理和输出图片时该如何设置？本文将详细谈谈色域和色深的相关知识，以及后期流程中的色彩设置。 1. 什么是色域、色深色域和色彩空间…
&figure&&img src=&https://pic1.zhimg.com/fb9ab17c94cf5f_b.jpg& data-rawwidth=&1620& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1620& data-original=&https://pic1.zhimg.com/fb9ab17c94cf5f_r.jpg&&&/figure&&p&Ladies and 乡亲们，大家好。&/p&&p&首先要恭喜各位，耐住性子看完了前面三篇冗长且有点枯燥的流水记。&/p&&p&今天周一。由于周末写知乎专栏过于起劲，导致早上红着眼就去了公司。&/p&&p&领导十分关切的问：“同学周末你又加班了吧？”
&/p&&p&答曰：“没.....还好，一点点而已！！”（实话，确实小小加一下班）&/p&&p&领导来劲了：“恩~！我就喜欢你这种拼劲，你明天去帝都出差跑一趟吧，如果这周内那边的事情忙不完，你就下周再回来也没问题！”&/p&&p&WTF.......*&￥&#*#！&/p&&p&因此为了对得起前来捧场的求知若渴的各位，我决定写完这篇文章之后直接去赶飞机。&/p&&br&&br&&p&话题拉回来。接下来的第四篇文章，也是我希望为这个系列写的最后一篇文章，将讲述在显示器已进行Calibration和Profiling之后，如何将后缀名为.icc的Profile文件应用到日常使用环境当中的，也算是为这几篇又臭又长的裹脚布打个结。&/p&&p&作为预告，这里先做个小小剧透：下文将主要介绍Windows系统层面的色彩管理、Photoshop的颜色配置的搭配和建议、日常看图软件的选择建议、主流浏览器的色彩管理设置（正规军，各类杂种混血的不在讨论范围）、视频的色彩管理、游戏等程序中关于色彩方面的讨论等内容。&/p&&h2&&b&〇. 补遗&/b&&/h2&&p&文章写多了写长了，难免会把有些有必要提出来说一说的东西忘掉。因此本篇开章是对前篇一些内容的补遗。&/p&&p&首先是前一篇文章中留下的悬念：&b&高手们所谓的校色和色彩管理会让色彩丢失，最高甚至可能丢失40%之多的色彩是怎么得来的？&/b&&/p&&p&不得不说，高手们的数学确实不是体育老师教的，但他们的逻辑思维又确确实实是体育老师训练出来的。&/p&&p&我们在前面反复强调过，若不是偏色到无以复加的地步，则尽量不要调节显示器OSD或显卡驱动中的色彩选项，留给Profiling步骤解决问题。而不带有硬件LUT的显示器，也不建议将显示器色彩空间通过校色或Profiling步骤限制在某个标准空间（如sRGB或ARGB）内。&/p&&p&而高手则认为，假如我有一台色域为114% NTSC的广色域显示器，而为了避免过饱和等现象发生，则需要将显示器色域校正到74% NTSC，即sRGB色彩空间上，因此显示器就丢失了40%的色彩，那真是巨大的灾难啊！！因此高手们甚至提出了“广色域之灾”的理论（这个说法我倒是第一次听说，还是知乎的朋友在前几篇文章的评论中给我科普的）。！&/p&&p&&b&而事实呢？本来将显示器由Native Gamut强行校正到另一个色彩空间就已经够傻了，更傻的是这类高手还将自己的无知怪罪到校色和色彩管理上，认为校色和色彩管理是造成色彩丢失的罪魁祸首，因此要保证色彩灰阶等不丢失，就什么都别做。&/b&&/p&&p&&b&对于这类高手我只想说一句话：药不能停OK？&/b&&/p&&p&&b&病急乱投医是不行的，要治病请认真阅读本系列文章。&/b&&/p&&p&遥想当年，哦不对，是前两天，我们在前面花了较大篇幅解释Color remapping intent，也就是色彩空间映射方式的问题。作为广色域显示器来说，在显示非广色域图片时，选择合理的映射方式也成为本文接下来重点探讨的话题。&b&而对于带有硬件LUT，能最大限度保证色彩映射精度的显示器而言（不然你以为众多广色域面板的非广色域专业显示器是怎么来的？）这不是问题，难不成sRGB的图片转换到ARGB空间或广色域Native Gamut后还能比直接显示在sRGB显示器上多出来不少颜色？&/b&&/p&&p&&b&快去吃药！！&/b&&/p&&p&待高手吃过药差不多歇停了，我们也要继续讨论色彩管理流程中剩下的步骤了。&/p&&h2&&b&一. 手持Monitor Profile，Windows下也无压力&/b&&/h2&&p&如果大家按照前文中的步骤，用dispcalGUI、basICColor或其他软件做完了Calibration和Profiling，那么一定会得到一个xxx.icc文件。&/p&&p&对于dispcalGUI来说，软件贴心地在完成Profiling后显示概要时，就同时给出了安装Profile的选项：&/p&&p&&figure&&img data-rawheight=&304& data-rawwidth=&432& src=&http://pic3.zhimg.com/42ca0af5eea37ee6a03c88cf20e2632e_b.jpg& class=&origin_image zh-lightbox-thumb& width=&432& data-original=&http://pic3.zhimg.com/42ca0af5eea37ee6a03c88cf20e2632e_r.jpg&&&/figure&此时我们只需要选中Load calibration on login（如果你确实用软件做了Calibrate步骤的话），以及Let the operating system handle calibration loading（此选项能避免dispcalGUI的Profile Loader跟随系统自启动，减少开机资源），并选择Install profile system-wide（默认情况下，在Windows7当中可能会弹出UAC警告，因为会更改系统设置），最终点击右下角的Install profile即可。&/p&&p&此时我们在桌面上点击右键--&个性化--&高级设置--&色彩管理，在设备一栏选择显示器，界面将如下图所示：&/p&&p&&figure&&img data-rawheight=&626& data-rawwidth=&740& src=&http://pic2.zhimg.com/6fe810f12e2a9084ecdcf765c3a168c5_b.jpg& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&http://pic2.zhimg.com/6fe810f12e2a9084ecdcf765c3a168c5_r.jpg&&&/figure&显示器Profile已被自动安装到了对应的显示器上。 &br&&/p&&p&而在“高级”标签中，我们还需要做如下改变：&br&&figure&&img data-rawheight=&626& data-rawwidth=&740& src=&http://pic1.zhimg.com/0f9cfd09fb4d7dad31c97c_b.jpg& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&http://pic1.zhimg.com/0f9cfd09fb4d7dad31c97c_r.jpg&&&/figure&&/p&&p&将Windows颜色系统默认值下的“设备配置文件”选择为显示器的Profile，并将“查看条件配置文件”设置为ICC条件查看WCS配置文件。&/p&&p&&b&另一处需要注意的是：如果你的显示器不带有硬件LUT，或没有用显示器内置的硬件LUT做Calibrate，而是通过dispcalGUI或其他软件方式进行的Calibrate&Profile，请点击此界面左下角的“更改系统默认值”，并在弹出的系统默认设置中做同样设置，并将使用Windows显示器校准选中&/b&。此操作会让系统在启动进入桌面的同时，加载Profile中的显示器校正曲线到显卡驱动的LUT里面，从而改变整个系统环境下的颜色，达到模拟硬件校准的效果。&/p&&p&进行到这一步后，我们对Windows层面的设置就可以告一段落了。但这里需要解释一下刚刚那个窗口中各项设置的含义及这样配置的理由。&/p&&p&首先，设备配置文件毋庸置疑应该选择与当前显示器设备相同的Profile。而查看条件配置文件则是告诉Windows，当我查看图片等内置有Profile的文件时，请以源文件的ICC Profile为准向设备配置文件进行映射。（WCS是Windows Color System的简称）&/p&&p&下方提供了四种不同系统内应用场景下的Gamut remapping策略。由于我们已经定义设备的配置文件就是刚刚得到的显示器Profile，因此ICC调色到Windows Color System Gamut映射，也就是源文件ICC映射到显示器Gamut。&br&&/p&&p&首先是默认映射方式：此选项是定义Windows在默认情况下要执行的映射方式，也是从下面四种应用场景中选择一个默认应用场景。&b&由于我们大部分面对显示器的时间内，都是对照片等图像进行交互，或者说我们更关心其映射后的感官体验而非其他目的，因此默认调色应该选择永恒。&/b&&/p&&p& 下面四种不同场景，分别可以选择四种不同的映射方式，也就是Gamut remapping intent。这就把我们在前面文章中讨论和总结出的知识结论用上了。为了方便大家理解（英文翻译成中文，翻译方式多变，因此用英文最能表达原意），这里提供Windows这四种映射方式的中英文对照：&b&永恒（摄影） - Perceptual&/b&（英语专业学生表示无法理解这个单词是如何才能被翻译成永恒的........）、&b&相对色度（线形图片） - Relative Colorimetric、绝对色度（模拟纸张） - Absolute Colorimetric、饱和度（图表和图形） - Saturation。（来源：&a href=&http://link.zhihu.com/?target=http%3A//windows.microsoft.com/en-us/windows-vista/color-management-settings-frequently-asked-questions& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Color management settings: frequently asked questions&/a&，其中有MS官方对几种intent的应用场景详解）&/b&&/p&&p&在了解了四种映射方式的准确含义之后，我们要确定这些选项的配置当然就很轻松了。查看照片和图像，保证视觉上的正常时用Perceptual；当要最大化保证图像色彩间的相关性时（即尽量不改变源空间中已存在于目标空间中的色彩），用Relative；当我们要模拟另一种介质的色彩呈现方式时（如模拟纸张）用Absolute；最后当我们只关心饱和度，而对丢失色彩过渡和真实度无所谓时，用Saturation（即对应CMYK时的映射方式）。&/p&&p&&b&上面的一段话中的选择方式，也是Windows默认的选项，也就是说这段话只是告诉大家这样选择的目的，而非让大家对其做任何不明意图的改变。 &/b&而Windows默认就设置如此，也基本可以说明，Windows在色彩管理机制方面，与Mac OSX或Linux等系统并无太大差异和差距。后文还会对我们这样设置的正确性进行验证，以免有果粉跳出来表示Mac OSX才是最好的..........怕了他们了。&/p&&h2&&b&二. Photoshop需要设置吗？&/b&&/h2&&p&Windows系统自身设置完毕以后，我们要将注意力转向Photoshop以及其他各类第三方看图软件或图形处理软件。&/p&&p&Photoshop的专业性和其在行业中的标杆地位是不可动摇的，因此它也提供了很完善的色彩管理方法，甚至还能在各种条件满足的情况下支持10bit色彩输出。那么正确设置Photoshop的色彩管理，显得尤为重要。&/p&&p&本文以Photoshop CS6为例进行设置，其他各版本Photoshop的设置基本于此无异。&/p&&p&点击菜单栏的编辑按钮，倒数第六项即是颜色设置：&/p&&p&&figure&&img data-rawheight=&763& data-rawwidth=&537& src=&http://pic2.zhimg.com/af75101e22ed_b.jpg& class=&origin_image zh-lightbox-thumb& width=&537& data-original=&http://pic2.zhimg.com/af75101e22ed_r.jpg&&&/figure&大家可能需要点击窗口右边的”更多选项“按钮才能看到与上图一样的界面。&/p&&p&此处，我们需要先在”设置“一栏中，选择显示器颜色。而第二步，我们还需要修改转换选项中的”意图“。此处我的建议是选择Perceptual，即”可感知“（瞧别人的翻译，MS学着点啊），代替默认的Relative - ”相对比色“。当你把鼠标悬停在这个选项上时，每种选项都会在下方说明中有详细描述。&/p&&p&由于我们一般来说都是在Perceptual和Relative两种方式之间选择，Photoshop对两种方式的描述就更耐人寻味了：&/p&&figure&&img data-rawheight=&375& data-rawwidth=&531& src=&http://pic2.zhimg.com/01d4f3bfa760f2472ddefe8e18906b79_b.jpg& class=&origin_image zh-lightbox-thumb& width=&531& data-original=&http://pic2.zhimg.com/01d4f3bfa760f2472ddefe8e18906b79_r.jpg&&&/figure&&p&&figure&&img data-rawheight=&368& data-rawwidth=&528& src=&http://pic3.zhimg.com/b2c8cd2e4f200a7fcbb516_b.jpg& class=&origin_image zh-lightbox-thumb& width=&528& data-original=&http://pic3.zhimg.com/b2c8cd2e4f200a7fcbb516_r.jpg&&&/figure&从Photoshop的建议来看，更偏向于用Relative intent，理由也很充分：当大部分来源色彩已经在目的色域中时。&b&对应我们的情况而言，就是大部分费工夫做Calibrate和Profile的显示器都是广色域显示器，而大部分照片等都是sRGB色彩空间。那么如此一来，似乎用Relative是最佳选择？&/b&&/p&&p&而对于Perceptual，Photoshop的描述是，通常用来计算色域范围较宽的来源图像，保留目标色域内部与外部色彩的关联，也就是更符合人眼的感知和逻辑。&b&如果按照这种说法，我们很少遇到要把ARGB图片映射到sRGB色彩空间的显示器上（因为ARGB的图片不算常见），或把sRGB的图片映射到小于sRGB色彩空间的显示器上（这种显示器虽然多，但没人会对这种显示器费本文这么大的功夫做色彩管理吧？），因此好像我们在广色域显示器上就不应该以此为首选？&/b&&/p&&p&&b&别忘了，Photoshop是专业的，因此Adobe理所当然的认为Photoshop用户的显示器也是能完全覆盖sRGB或ARGB色彩空间的专业显示器。但事实上呢？&/b&&/p&&p&我们可以从dispcalGUI的Profile结果下手进行实际分析：&/p&&p&&figure&&img data-rawheight=&1104& data-rawwidth=&1156& src=&http://pic4.zhimg.com/a9ec9a01f7ea9a1d6c0b_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1156& data-original=&http://pic4.zhimg.com/a9ec9a01f7ea9a1d6c0b_r.jpg&&&/figure&上图是我的DELLU3014显示器的色域覆盖范围与sRGB色彩空间的对比图。在做分析之前需要向大家说明的是：在dispcalGUI的Profile information预览窗口中，无论Rendering intent选择是选择Perceptual还是Relative，显示器的色域覆盖范围都是几乎相同的，也就是说Perceptual和Relative&b&在映射后&/b&&b&都不会丢掉&/b&任何在显示器覆盖范围内的色彩。&/p&&p&&b&但请大家仔细看色域覆盖的左下角。对于蓝色和黑色部分，身为广色域显示器的U3014是无法覆盖sRGB此处的色彩的。&/b&是不是DELL吹了牛，U3014实际上很烂呢？&/p&&p&下图是另一款专业显示器 - NEC PA241W的Profile Gamut对比图：&/p&&p&&figure&&img data-rawheight=&701& data-rawwidth=&651& src=&http://pic3.zhimg.com/bbf_b.jpg& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&http://pic3.zhimg.com/bbf_r.jpg&&&/figure&可以看出，同样是面向专业用户的显示器，DELL和NEC，都无法100%覆盖sRGB，而会有点小遗漏。So，有请EIZO大爷登台：&/p&&p&由于暂时没发现闲得蛋疼的EIZO用户在网上公布Calibrate和Profile之后的CG246 和CG276显示器的Gamut数据，但从其Profile前的Native Gamut来看，97%的ARGB覆盖率（与U3014同为100% sRGB，而ARGB方面，U3014甚至到了99%），也无法完全保证其在Calibrate和Profile后还能得到100%的sRGB覆盖率（之前分析过了，remapping后，显示器对Color Space的覆盖率会轻微减小）。&/p&&p&唯一的例外是前面被表扬过的HP ZR2740w：&/p&&p&&figure&&img data-rawheight=&1225& data-rawwidth=&1245& src=&http://pic2.zhimg.com/9bccd32ae581c74236e5babd9429abb5_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1245& data-original=&http://pic2.zhimg.com/9bccd32ae581c74236e5babd9429abb5_r.jpg&&&/figure&OMG，Calibrate后也是100%sRGB。HP你为何这么吊？&/p&&p&&b&费这么多口舌就是想说明，即使在大部分sRGB色域都被显示器覆盖的情况下，仍然会在实际的大部分情况下出现白点的Remapping和out of Gamut的Remapping。&/b&&/p&&p&&b&因此，如果贸然根据Photoshop的建议使用Relative，则会造成暗部色彩的被压缩或丢失。&/b&&/p&&p&&b&是否真是如此呢？留个悬念，稍后揭晓谜题。&/b&&/p&&p&Anyway，我们先选”可感知“吧。至此，Photoshop需要更改的固定设置就告一段落。&/p&&p&另一个需要注意的地方是，当我们用这样设置的Photoshop打开带有ICC Profile的图片时（例如图片本身就被tag为sRGB或ARGB），Photoshop会弹出如下对话框提示：&/p&&p&&figure&&img data-rawheight=&279& data-rawwidth=&396& src=&http://pic3.zhimg.com/e6a05ff2c168e2e0b11b56e_b.jpg& class=&content_image& width=&396&&&/figure&并且默认选项还是被选中为扔掉嵌入配置文件的。。。。无法理解。&/p&&p&总之，我们要么选择使用嵌入的配置文件来代替我们刚刚设置的显示器工作空间，或将图片嵌入的配置文件转换到显示器工作空间来。&/p&&p&这里就面临一个问题：两种选择背后到底发生了什么？&/p&&p&以图中打开一张sRGB的图片为例，整理一下逻辑就可以发现，使用嵌入的配置文件代替工作空间，意味着Photoshop不理会显示器到底是什么样的Gamut，直接以sRGB色彩空间显示图片，而把转换工作交给Windows完成。而如果选择转换到色彩空间，则是Photoshop先完成这个转换工作，Windows发现图片的色彩空间已经被转换后，就闭目放行了。 &/p&&p&两种选择的差别在于：用Windows进行转换，使用的转换引擎为Microsoft ICM，而使用Photoshop做转换，使用的转换引擎是Adobe Color Engine（ACE）。由于我们之前说过，这两种转换引擎在效果上并无太大区别，因此理论选择这两种方式的任何一种，我们都能看到几乎相同的图像。但毕竟图像处理是Adobe的专精技能，还是把这项工作交给更擅长的ACE来做吧。因此我们选择转换到色彩空间就OK了。&/p&&p&至此，你在Photoshop中看到的图像，就应该是细节保留最多、色彩偏差尽量最小、最接近真实拍摄器材或图片制作人所见的图像了。&/p&&p&&b&而当我们要把在自己显示器上调好的图片分享给其他人作为查看而非打印用途，或在网络上发表，由于sRGB才是普遍的工作色彩空间（转换为自己显示器的Gamut只为了在调色和使用滤镜时，能够看到更多色彩、细节和色彩过渡），因此在保存时，请按这位同学的文件保存步骤执行：&/b&&/p&&p&&a class=&internal& href=&http://www.zhihu.com/question//answer/&&Photoshop 的颜色配置该怎么设置？&/a&&br&&/p&&p&&b&对于在前篇文章的评论中提问的同学，这里给出解答：&/b&&/p&&p&&b&有同学表示，自己在家修图完毕后的图片，拿去冲印或打印，拿到的照片色彩却不是自己想要的，和解？&/b&&/p&&p&原因有两点：&/p&&p&一是你没有告知对方你的工作色彩空间，或在大家都默认使用sRGB色彩空间的情况下，你使用了“显示器设置”，却忘记了在保存图片时重新对图片色彩空间进行转换。 &/p&&p&二是对方虽然与你的工作色彩空间相同，但在打印的最后验证步骤，保持了Perceptual映射方式，导致色彩还原能力比显示器弱得多的打印机或数字照片冲洗机无法还原色彩。正确方式是，在修图完毕，做最终打印预览时，采用Relative方式面向打印机或冲印机的Native Gamut进行色彩转换。此举目的是确认打印机或冲印机是否有足够能力还原你照片的绝大部分色彩和色彩间的视觉对应关系。如果这家照片冲印店设备无法满足你需求，你应该换一家店试试。&br&&/p&&h2&&b&三. 浏览器神马的怎么办？&/b&&/h2&&p&作为一个天天面对电脑，与浏览器打交道时间不少的人而言，浏览器要是没色彩管理机制，我们每天的生活就太悲催了。&/p&&p&首先回顾一下第一篇文章中提到的，由&a href=&http://link.zhihu.com/?target=http%3A//cameratico.com/tools/web-browser-color-management-test/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Web browser color management test&/a&提供的浏览器色彩管理测试而得出的浏览器色彩管理现状：&/p&&p&&b&首先是已逐渐成为大家主力武器的Chrome：&/b&&/p&&p&&figure&&img src=&http://pic1.zhimg.com/4e8adb12c39ee493eb9c_b.jpg& data-rawwidth=&1060& data-rawheight=&903& class=&origin_image zh-lightbox-thumb& width=&1060& data-original=&http://pic1.zhimg.com/4e8adb12c39ee493eb9c_r.jpg&&&/figure&&figure&&img src=&http://pic2.zhimg.com/87bf98fcee7aecb032241_b.jpg& data-rawwidth=&1054& data-rawheight=&789& class=&origin_image zh-lightbox-thumb& width=&1054& data-original=&http://pic2.zhimg.com/87bf98fcee7aecb032241_r.jpg&&&/figure&花花绿绿的色块并不是说Chrome你真牛，啥颜色都被你显示出来了。相反，从上图可以看出，Chrome首先是不支持v4 ICC Profile的图片，不过这不要紧，这样的图片在网络上真是太少见了，不支持也罢。但第二张图却说明更明显的问题：无法将Untagged的图片和CSS元素正确默认为sRGB色彩空间。总之就是一点：Chrome有着残废一般的色彩管理能力，只能把已经被tag的图片和元素按正确方式映射到显示器Gamut上。而这样的图片和CSS元素，在互联网上也少得可怜。&/p&&p&&b&再来看看IE的表现如何。&/b&&/p&&p&纵观最近10年的IE浏览器，其功过都十分显著。而到了今天，IE已经更新到第11个主要版本，也就是IE11了，我们没理由不用它来作为测试目标：&/p&&p&&figure&&img src=&http://pic2.zhimg.com/ad31e832eed4c5_b.jpg& data-rawwidth=&1194& data-rawheight=&899& class=&origin_image zh-lightbox-thumb& width=&1194& data-original=&http://pic2.zhimg.com/ad31e832eed4c5_r.jpg&&&/figure&&figure&&img src=&http://pic4.zhimg.com/13f62ff3249ff5bcae298c69df87a407_b.jpg& data-rawwidth=&1194& data-rawheight=&869& class=&origin_image zh-lightbox-thumb& width=&1194& data-original=&http://pic4.zhimg.com/13f62ff3249ff5bcae298c69df87a407_r.jpg&&&/figure&What？？？IE11能支持v4 ICC Profile，真是有点意外。&/p&&p&但又似乎有点奇怪，因为IE11显示的图片，色彩明显过饱和，而且sRGB与我显示器的广色域Native Gamut差距应该很大，却在How far from sRGB is your display color gamut测试中没有任何体现。&/p&&p&&b&测试说明：这项测试是由ProPhotoRGB映射到显示器色域后的色彩，与sRGB映射到显示器后的色彩进行对比。由于ProPhotoRGB的色彩范围比sRGB广得多，因此在映射到广色域显示器后，与sRGB相比应该有更多色彩将得到保留，也就是ProPhotoRGB图片应该比sRGB图片色彩更饱和（回顾：remapping只做重映射，不会凭空变出更多色彩）。如果你的显示器Gamut接近或刚好与sRGB一样，那么上下就应该几乎看不出任何区别（因为无论Perceptual还是Relative，都会把广色域色彩压缩到更小色域中最接近的极限上）。&/b&&/p&&p&由此可见，IE11虽然能够识别tagged和untagged的图片和CSS元素，却无法正确按我们的意图将图片的ICC Profile映射到显示器Gamut上，而是将显示器Gamut默认为是sRGB色彩空间（也就是把ProPhotoRGB的255,0,0与sRGB的255,0,0直接划等号对应）。我实在不明白这样做到底是什么逻辑.........&b&这跟什么都不做有什么区别？你干嘛还要去识别图片的ICC Profile呢？哦，对了，至少在IE11下面，非广色域显示器，或者说Native Gamut接近sRGB的用户才能体验到正确的色彩。&/b&&/p&&p&&b&被Chrome和IE这两个市场占有率最大，使用频率最高的浏览器的奇葩行为气炸肺之后，我们还是看看FireFox算了。&/b&&/p&&p&在企图让FireFox表现正常之前，我们需要先对其进行设置。此处提供两种方法：通过about:config进行参数配置，以及安装Color Management插件对同样的参数做修改。这里为了方便对FireFox不太熟悉的用户，我推荐第二种方法，也便于以后又需要更改设置：&/p&&p&点击FireFox的附加选项按钮：&/p&&p&&figure&&img src=&http://pic4.zhimg.com/efc400bcfe19ddef7ce8893_b.jpg& data-rawwidth=&301& data-rawheight=&302& class=&content_image& width=&301&&&/figure&然后在获取附加组件的搜索框中输入Color Management进行检索，并安装描述为Provides a user interface for the built in color management options附加组件。&/p&&p&之后我们就可以在右边的扩展分类中找到并配置它了，点击它右面的“选项”：&/p&&p&&figure&&img src=&http://pic1.zhimg.com/eedee38f6e470_b.jpg& data-rawwidth=&374& data-rawheight=&410& class=&content_image& width=&374&&&/figure&此处选择All Images，并手动指定显示器的Color Profile（如果你没有改变过dispcalGUI}
我要回帖
更多关于 mac 色彩描述文件 的文章
更多推荐
- ·请问怎么弄出这个页面分页怎么弄？
- ·玩鸣潮适合用哪个辅助游戏自动挂机辅助软件脚本？
- ·龙腾世纪3新手职业推荐审判启动不了
- ·魔兽怀旧猎人升级刷怪快还是任务快猎人鲁布丝多长时间刷一次？
- ·龙腾世纪3新手职业推荐哪个职业最厉害
- ·泰坦黎明抽到沃尔先抽后抽的几率大吗
- ·左面上有北斗七星风水用途，右脚板底有一星，有什么寓意吗？知道的能说说吗，谢谢！
- ·这里面（百度知道的“远洋君神秘大奖杯”）抽奖，有人抽到过礼品吗？我感觉是骗人的，太假了～求解
- ·手柄玩穿越火线手游游比赛，是用手柄操作还是用手机屏幕？
- ·谁有倩女幽魂不删档激活码手游激活码
- ·全世界最高的人是谁有多少人叫席晓旭
- ·cf礼包免费领取永cf手游雷神礼包价格表
- ·极绝地战兵兵140章
- ·苹果逃出上锁的房间2攻略房间过关秘籍
- ·网易梦幻月卡没用完西游2月卡是一个月内无限时间，还是就一百小时，用完一百小时再扣，谢谢
- ·英雄联盟战斗力查询器英雄郑家才简介
- ·魔域怀旧版怎么赚钱魔域新区冲两千能搞多少站?
- ·网络游戏：今晚去网吧打开游戏菜单下载网吧版看见一个游戏封面有点兴趣，名字好象叫什么（西游） 我下面大概描述下
- ·植物大战僵尸2高清版兑换码有没有补偿码?
- ·求王者荣耀体验服账号帐号，玩玩，谢谢
- ·对mac 色彩描述文件画质的最佳描述
- ·全民飞机大战最新战机商城的军团套最近什么时间出啊？
- ·逢战必胜狭路相逢是什么生肖肖
- ·云南边防部队改革最新消息好嘛
- ·剑豪主手90剑皇巨剑流刷图加点刷图两仪调什么模式
- ·零钱夺宝 陈武的配置文件
- ·5,6年前的三寨谷小游戏有哪些
- ·一个4399小游戏马上玩单人，4399上看到的，一个人因为很讨厌邻居就拿着高尔夫球杆，除草机，电锯就去破坏他家，平面
- ·诅咒解说索尔思背景音乐
- ·王者荣耀中 暴击伤害花木兰暴击270和240区别
- ·求求大神这部片子的种子片
- ·三国杀苏晓女朋友褒姒的的朋友有哪些
- ·新版领主之塔开放时间战2开新区时间?
- ·DNF 凯丽称号的最爱称号，对增幅是否有效？
- ·如何制作一款手机游戏戏，开始系统给你几个兵种和一个队长然后点对战之后似乎不受玩家控制，画面是3d的RMB购买
