部落格(16) 終身 VIP
|
2536兄: http://www.flickr.com/groups/hdr/在我瞭解的範圍內,這是專門討論HDR技巧與影像的最大網頁。 有空去看看,當然,其中大部分影像都不怎麼樣。 請注意,該網頁的下側有一段註明: About HDR The intent of this group is to feature pictures and discussion surrounding HDR specific technology and tools (Photoshop CS2 / Photomatix / Maya / HDR cameras) used for creating or developing high bit HDR images. (if it doesn't say HDR it's not HDR) 關於HDR 這個團體的宗旨,是針對創造高位元HDR影像(如果沒有說是HDR影像,就不是HDR影像)之HDR相關技術與工具(Photoshop CS2 / Photomatix / Maya / HDR cameras)做討論,並提供影像。 |
網路會員
|
滴答兄:
很抱歉給你一些干擾。
基本上我對HDR研究應該沒有你多,至少在各種軟體的測試與使用上沒有, 我僅有的是以前底片時代到現在用自己的方式去得到更大的濃度的處理經驗, 本質上應該差異不大。
我所要說的是HDR能處理合成出相當優秀的高動態範圍影像, 但是數位相機的先天缺陷就是影像上的一層翳霧, 這常常是相機計算GRGB CCD後的缺失。 HDR處理如果也能同時改善這個問題, 那麼每個物體的立體感與層次反差都會更上層樓,影像會更乾淨, 或許是那些網站與說明沒有更深入或我沒有看仔細, 但是我最主要的目的就是要說這個。
|
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
|
關於下面這篇文章: 《如何讓天空變藍》 http://www.savefile.com/files/177226我們利用R頻道讓天空變得更藍(參考原稿)。一般來說,R頻道的雜訊都不至於太嚴重,但如果做這方面運用,雜訊可能成為問題。PS大師Dan Margulis建議一種解決辦法。 1. 複製RGB檔案。 2. 把複製檔案轉換到線性gamma空間,(使得天空與雜訊之間的階調數量變少,比較容易認定而不至於傷害影像的其他部位)。 3. 利用Surface Blur處理複製檔案R頻道的雜訊。 4. 把複製檔案轉換回到原來的編輯空間。 5. 利用這個複製檔案的R頻道來做Apply Image(使得天空變藍)。 4. |
部落格(16) 終身 VIP
|
如何讓天空變得更藍?
關於這點,PS CS3有一個新功能,很有幫助。
打開需要調整的影像,在圖層面板,選Create adjustment layer, 選擇CS3新提供的Black & White,OK。 把該圖層的混合模式改為Luminosity。 然後進入Black & White的對話窗,調整藍色滑桿。 調整其他滑桿也很有用。試試看! |
部落格(16) 終身 VIP
|
《色域外色彩處理》 http://www.savefile.com/files/367822****** ***** ****** 這篇文章內,藉由指派描述檔(Assign Profile)與轉換描述檔(Convert to Profile),協助我們強化鮮豔色彩部位的細節。以下稍微解釋「指派」與「轉換」描述檔的差別。 指派描述檔,檔案的色彩讀數資料不變,但由不同角度解釋既有的色彩讀數,內容不變而外貌會變動。可是,請注意,所謂的變動,是指綜合頻道的彩色影像看起來『會』變動,但R、G、B等個別頻道的灰階影像並『不』會變動。指派gamma值較低的RGB描述檔,彩色影像會變亮,指派gamma值較大的描述檔,彩色影像會變暗;所以,曝光不足的影像,可以指派gamma值較小的錯誤RGB描述檔(採用其他方法,或許會讓亮部爆掉),曝光過度的影像,可以指派gamma較大的錯誤RGB描述檔。指派色域較大的描述檔,影像色彩會變得鮮豔,指派色域較小的描述檔,影像色彩會變得晦澀。 轉換描述檔的情況則不同。影像經過轉換之後,解釋色彩讀數的角度變了(換言之,描述檔不一樣了),但為了維持影像外貌不變,色彩讀數(檔案資料)勢必會發生變動。可是,請注意,彩色影像雖然『不』變,但R、G、B等個別頻道的灰階影像則『會』變動。轉換為色域較大的RGB空間,個別頻道灰階影像變暗,尤其是色彩很鮮豔的部位(灰階影像特別亮的部位)。反之,轉換為色域較小的RGB空間,個別頻道灰階影像會變亮,尤其是色彩很鮮豔的部位。轉換到gamma值較小的RGB空間,個別頻道灰階影像會變暗,尤其是中性暗部的變動最明顯。轉換到gamma值較大的RGB空間,個別頻道灰階影像會變亮,尤其是中性暗部的變動最明顯。 請注意,前述的指派或轉換,。除了目前討論的用途之外,還可以用來修正色偏、調整反差、消除雜訊……等。我們甚至可以建立gamma值為3.0、2.6、1.8、1.4、1.0的AdobeRGB或其他RGB描述檔,然後用來指派或轉換。套句老話:用途很廣,只受限於想像力 |
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
|
這篇文章討論:如何利用既有頻道資料,彌補其他頻道喪失的細節。 文章內運用相對進階的PS技巧。 《鮮豔色彩處理補遺(三)》 http://www.savefile.com/files/380242文章中採用Blend If,其操作有幾點值得注意: 1.對於很多人來說,使用Blend If的時候,最大的難題就是: 選擇哪個頻道來調整滑桿? 關於這個問題,應該要考慮我們要分離的對象, 究竟是哪個頻道灰階影像的相關部位亮度差異最大。 以本文處理的影像來說,我們希望藉由Blend If來分離「臉部」與「衣服」, 分別讓不同圖層顯示這兩個部位,所以要找到某個頻道, 其中的臉部與衣服部分差別最大者(G頻道)。 2.調整的時候,究竟應該調整This Layer或Underlying Layer呢? 原則上,我們所要做的調整,不論調整哪個Layer, 通常都可以達到類似效果(換言之,隨便選其中一個), 但還是有理論上比較正確者: 哪個Layer的階調區間較大,就應該挑選哪個Layer (因為階調區間愈大,滑桿的控制可以更精準。稍微花腦筋想一下,應該很容易瞭解)。 3.請注意,頻道設定可以重複選擇。 譬如:我們可以先設定G頻道做調整,然後再設定綜合頻道做調整。 4.這個技巧也同樣適用其他色彩空間, 尤其是LAB空間的A頻道(綠-洋紅)或B頻道(藍-黃)。 5.運用範圍很廣,只要是圖層(不管是Curve、Hue/Saturation、 銳利化或其他Filters……等任何圖層),都可以運用。除了色彩之外, 也可以用來控制亮度。譬如說:如果This Layer的處理導致影像的亮部爆掉, 就可以透過Blend If的綜合頻道(Gray), 把This Layer的亮部取代為Underlying Layer的亮部(沒有爆掉)。 |
部落格(16) 終身 VIP
|
《強化色彩變異程度》
http://www.savefile.com/files/394543
這篇文章介紹
LAB
空間的最基本概念,主要目的有二:
1.
LAB
是短時間內處理大量影像的適當場所,操作非常簡單,而且可以得到顯著效果;
2.
LAB
是提升色彩變異程度的最佳場所。
對於
LAB
相關運用有興趣的人,絕對應該閱讀
Dan Margulis
的經典著作
Photoshop LAB Color
。這本書去年(
2006
)出版當時,原本預估屬於艱深而專業的書籍,行銷數量想必很有限。可是,非常令人訝異地,這本書曾經在電腦應用書籍排行榜上,連續數週位居最暢銷書。專業人士顯然不可能讓一本書變成暢銷書。這說明什麼?高階數位暗房技巧愈來愈受到一般攝影者或業餘愛好者的重視。
|
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
|
(本文內容曾經討論過,但我覺得這篇文章還算值得參考,所以重新整理。)
***** ***** ***** ***** ***** ***** *****
《數位暗房的幾點思考》
當我們閱讀安賽
˙
亞當斯的三巨作,必定會發現亞當斯的攝影,在技術層面上幾乎都是由暗房角度思考。換言之,如果亞當斯能夠代表傳統攝影的話,傳統攝影把暗房視為最重要的部分。
數位攝影呢?數位攝影是否也如同傳統攝影一樣,應該把暗房視為攝影的必要部分?本文試圖由某些角度回答這個問題。
這個問題大體上可以由三個角度來回答。第一,相機不等於肉眼。第二,鏡頭會造成扭曲。第三,數位相機擷取影像的過程,為了達到某種目的,往往必須犧牲其他因素。
關於第二點談到的鏡頭扭曲,這也是
ACR
的
Lens Correction
與
Lens Vignetting
,以及
PS>Filter>Distort>Lens Correction
等工具所試圖處理的。至於第三點,數位相機擷取過程的影響,最主要部分應該是相機為了正確解釋色彩而被迫引進的模糊化程序(至於很多其他細節,則超越我的理解範圍)。另外,數位相機只能記錄影像的亮度資料,以及一些我們沒有辦法直接觀察的色彩資訊。這些色彩如何被解釋,乃至於相機記錄的資料,究竟如何轉換為我們肉眼能夠看到的影像,都必須透過電腦軟體來轉換。這些轉換過程涉及很多足以造成重大影響的決策;關於這些決策,攝影者必須決定是否要處理。總之,就前述這兩方面而言,攝影者至少要決定是否要自行擬定決策,或交由罐頭程式處理。
現在,回到本文的主題上,讓我們看看人類肉眼與相機之間的差別。請注意,人類肉眼所看到的東西,實際上是由三部分構成:
物體性質
、
光線
,以及
大腦的解釋
(由某種角度來說,
根本沒有所謂客觀存在的景象或影像
)。即使相機能夠精準記錄前兩者,畢竟還是沒有辦法站在人類大腦的角度解釋影像。人類視覺是經過數萬年時間慢慢演化而成的,對於亮度與色彩的解釋,程序非常複雜。所以,關於這點,我們要立即面臨的問題就是:影像究竟應該「忠實」反映相機拍到的東西?或是反映肉眼看到(大腦解釋)的東西?哪個影像才是攝影者真正想要或應該要的?
人類視覺存在哪些值得攝影者特別留意的性質:
1.
色彩適應(
chromatic adaptation
)。人的視覺具有適應彈性。演化程序讓人類具備一種能力,會根據我們認定
——
而不是實際
——
的顏色(尤其是以白色做為參考基準),藉以判斷周遭環境的其他顏色。譬如說,在高色溫環境下,光線偏藍,但我們看到的白色還是白色(因為經驗告訴我們,某種東西是白色的);可是,相機看到的白色會偏藍。在森林裡拍照,中性物體會染上黃綠色,但肉眼仍然認定這些物體的色彩是中性的,例如:白襯衫或黑頭髮。所以,這些「白」襯衫究竟應該顯示相機記錄的黃綠色,或反映肉眼看到的白色?
這個效應還有其他意涵,或許值得在此稍做討論。我們透過電腦螢幕觀察影像,面對的情況截然不同於觀看印製影像(照片)。對於印製照片,我們通常有參考基準可以判斷顏色,例如:照片的白邊、周圍的空白或其他,所以相對容易察覺色偏。電腦螢幕的情況則不同,沒有清楚的色彩參考基準,很容易讓我們產生色彩迷航。即使是明顯存在色偏的影像,只要讓視覺經過一段適應時間,在電腦螢幕上看起來就愈來愈正常。這也是為什麼在做色彩修正的過程中,重要基準色彩需要藉由色彩讀數判斷的理由所在。舉例來說,人類的肌膚、綠色植物、藍天、中性物體……等,其色彩讀數都存在特定的關係;我們可以根據這些已知的關係做為輔助,用來判斷影像其他部分的色彩是否合理。另外,也正因為這種緣故,螢幕校正並不特別重要(藉由儀器校正螢幕,確實有其必要性,但沒有必要太講究),關鍵判斷還是需要仰賴
RGB
、
LAB
或
CMYK
的色彩讀數。換言之,螢幕即使能夠精確顯示色彩,能夠清楚顯示某個影像確實存在色偏,但使用者如果沒有能力「看到」色偏,螢幕校正對於色彩修正的助益,恐怕也很有限。
2.
同時反差(
simultaneous contrast
)。對於色彩非常單調的景象,人類的視覺會把前景顏色往相反方向調整,讓前景與背景產生更大的區別。可是,相機不具備這種能力。當我們看著一片森林,自然會讓眼前各種綠色之間的差異變大;肉眼自然會強化單調顏色之間的色彩差異。所以,當我們拍攝很漂亮的森林、沙灘、峽谷
……
等景象,結果往往大失所望,因為相機拍攝的影像,色彩往往太單調,跟肉眼看到的景像完全不同。一般來說,相較於相機拍攝的結果,我們記憶中的綠色會更綠,肌膚會更健康,天空會更藍……等。這些效應都應該在暗房處理過程中受到強調。
3.
肉眼對於不同光線強度的環境,適應力非常強(很亮的東西,會自動變暗;很暗的東西,也會自動變亮),相機則不然。
4.
環境的反射光或刺眼光源,肉眼會自動調整,所以看起來不會特別不舒服,甚至根本不覺得異樣,但相機拍攝的類似景象,就令人覺得很突兀,例如:眼鏡的反射光。這些問題都必須在暗房內處理。
5.
我們覺得有興趣的東西,肉眼會讓這些東西的反差自然加大,有別於其他東西。相機則一視同仁。所以,如何凸顯主題,也是暗房的重要工作之一。
6.
反之,對於我們覺得沒有興趣的東西,肉眼會自動喪失色彩感覺,但相機則不會。
7.
即使是色彩非常明確的東西,肉眼覺得其暗部通常是中性的(沒有顏色),但相機會看到明確的顏色。更詳細來說,
肉眼對於暗部的反差比較敏感(對於色彩比較不敏感),對於亮部的色彩比較敏感(對於反差比較不敏感)。這對於暗房處理也有顯著影響。譬如銳利化,影像暗部通常可以做大膽的銳利化,亮部則不適合,或需要採用不同的銳利化程序。
對於攝影,這些都是重要的視覺效應,在暗房處理或色彩修正上,也代表重要的指導準則。事實上,如果仔細研究色彩修正的處理程序,或閱讀這方面的書籍,我們還會察覺到很多類似細節。
當然,所謂的「肉眼所見」也不能太拘泥於字面意義。色彩修正在某種限度內,或許存在客觀標準;可是,在客觀標準之外,勢必還會反映主觀的美感判斷。所以,「肉眼所見」顯然有很大的彈性。
最後,我想要特別強調一點。我整理這篇文章,絕對沒有要引起爭論的意思。不論傳統或數位影像,相機擷取的資料,必須經過暗房處理才能轉變為肉眼能夠看到的格式。我相信,這點應該不至於引起爭議。容易引起爭議的是:暗房究竟有多重要?有些人認為,每個重要的影像,幾乎都應該根據其個別條件做暗房處理。另一些人則認為,暗房只要透過標準程序處理就行了,因為影像的關鍵內涵不會(或不應該)受暗房程序影響。我想,這兩種立場都應該受到尊重;換言之,喜歡安賽
˙亞當斯的人
,不要忘了布列松;喜歡布列松的人,也不要忘了安賽
˙
亞當斯。
對於那些強調數位暗房重要性的人,這篇文章希望引起各位的回饋,讓我們的結論能夠增進彼此的影像處理能力。至於那些反對或不認為暗房程序重要的人,也可以藉由這篇文章多瞭解一點相反意見。所以,不論認同或不認同暗房知識對於攝影的重要性,希望這篇文章都能夠提供一些助益。
|
部落格(16) 終身 VIP
|
《重要的色彩讀數》
色彩修正一向強調色彩讀數,因為肉眼判斷非常不可靠。
除了中性灰色之外,一般影像最常見的重要的色彩讀數包括:植物(綠)、膚色(紅)、天空(藍)。
綠色:綠色植物
就
CMYK
的讀數關係來說,綠色植物的讀數關係應該是
Y>C>M
;換言之,
Y
的讀數一定最大(所謂的
dominant color
),
M
一定最小(所謂的
unwanted color
),
C
則居中。植物的綠,通常是偏黃的綠,
Y
讀數明顯較大,甚至可能是
C
的
2
倍;
C
雖然可能接近
Y
,但不可能等於
Y
,更不可能大於
Y
,也就是說自然界沒有偏青的綠色。反之,
C
也不能太接近
M
,否則就是偏綠的黃色,而不是偏黃的綠色。
一般來說,
C
與
M
之間的距離如果劃為三等分,
C
應該在靠近
Y
的兩等分之內,不應該落在靠近
M
的一等分內。植物綠色如果需要調整,情況通常是太黃;換言之,
C
太接近
M
。
就
RGB
讀數來說,綠色植物的讀數關係應該是
G>R>B
。可是,
R
不可能等於
B
(就如同
C
不可能等於
Y
一樣),否則就是偏青的綠。同樣地,
R
也不會太接近
G
,否則就是偏綠的黃色,已經不是偏黃的綠色。
就
LAB
讀數來說,綠色植物通常是
A-
負,
B-
正的黃綠色。偏青的綠色,
B
讀數會接近
0
或甚至呈現負數。偏綠的黃色(換言之,已經不是綠色),
B
讀數很大,
A
的負數則很接近
0
。
很多情況下,透過
CMYK
判斷顏色比較精細。另外,任何準則都不可太過於拘泥。
紅色:膚色
膚色只適合採用
CMYK
讀數來判斷,
RGB
與
LAB
都不太有用。膚色可能是最重要的非中性參考色彩。
理論上來說,紅色的
M
與
Y
應該大致相等,
C
的讀數則遠較為小。如果
M
稍微大於
Y
,稱為玫瑰紅;如果
Y
稍微大於
M
,稱為橘紅。
人的臉部膚色,原則上屬於紅色,也就是說
M
與
Y
的讀數應該很接近。如果
M
不等於
Y
的話,正常膚色(不論白種、黃種、黑種、大人、小孩、男女)都是
Y
大於
M
。換言之,正常情況下,臉部膚色不會出現玫瑰紅(
C
最小,
Y
與
M
都很大,但
M
稍大於
Y
),也不會出現偏紅的黃色(
Y
最大,
C
最小,但
M
接近
C
而遠離
Y
)。
總之,正常臉部膚色的
C-M-Y
關係,一定是
C<M<Y
,更明確來說:
白種人:C大約是M的1/3~1/5,M非常接近Y,差距通常在10點以內。
黃種人:C大約是M的1/2~1/4,M接近Y,差距通常在10~15點之間。
小孩或女人:C很小,K為0,M幾乎等於Y。
黑種人:相較於白種人或黃種人,C的讀數更大,M與Y的差距也更大。
此處所謂的正常膚色或正常狀況,是指:正常光線照射,沒有經過化妝,不是在激烈運動之後,臉部沒有經過極端氣候影響(風吹等)。
藍色:天空
理論上來說,藍色是指
C
與
M
相等。可是,根據這個定義,實際上是紫色,不是藍色(請注意,
PS
的
Hue/Saturation
或
Selective Color
也是把藍色視為
C
=
M
)。實際上的藍色,
C
必定大於
M
。所謂的「藍天」,都明顯偏向青色(換言之,
C
明顯大於
M
,
Y
最小)。很多情況下,藍天實際上是偏藍的青色(
C
最大,
Y
最小,
M
相對接近
Y
),不是偏青的藍色(
C
最大,
Y
最小,
M
相對接近
C
)。
請注意,上文討論的這些色彩關係,只是參考基準。譬如說,碰到綠色植物,應該用滑鼠在綠色植物上到處移動,瀏覽
Info
面板顯示的讀數,觀察代表性色彩關係,看看它們合理或不合理,是否大致上符合應有的色彩讀數關係,千萬不要太僵硬解釋一、兩處的特殊讀數。
****** ****** ****** ****** ******
相較於相機拍攝的影像,肉眼看到的膚色都更健康(金黃色)、天空都更藍,綠色植物都更綠。
l
如果要膚色變得更健康,請參考過去刊載的文章:
《人像處理方法之三》
http://www.savefile.com/files/186748
l
如果要天空變得更藍,請參考過拒刊載的文章:
《如何讓天空變藍》
http://www.savefile.com/files/177226
l
如果要綠色變得更綠,請參考下面這篇新整理的文章。
|
部落格(16) 終身 VIP
| |
部落格(16) 終身 VIP
|
最近看
Lee Varis
寫的
Skin
:
The Complete Guide to Digitally Lighting, Photographing and Retouching Faces and Bodies
一書,其中有一段評論蠻有趣的(第
110
頁),翻文如下:
截至目前為止,數位攝影師面臨的最大問題,是如何取得正確的色彩。如果各位曾經長期使用傳統攝影器材,應該累積了很多曝光與光線控制的經驗。過去,攝影者除了挑選正確色溫的底片之外,並不需要真的負責顯色(color rendering)。如果拍攝負片,一切都交給沖洗店。即使是拍攝正片,基本上也是由沖洗店根據底片製造商批號而負責處理色彩。
現在,情況已經不是如此了。即使各位完全在沖洗店印製照片,也必須負起數位檔案精確顯色的部分責任。關於這方面,多數攝影者都訴諸色彩校正或色彩管理方法。這種處理方式與過去的傳統底片測試大致相同:取得新一批底片,需要先採用各種矯色濾片(例如:025Y、5M、81A……等)做測試拍攝。目的是要找到特定底片的色偏,然後做補償。數位色彩管理的目的也相同,雖然程序要複雜的多。可是,過去的傳統底片,階調/色彩的顯示(tonal/color rendering)是由底片製造商設定的,攝影者/沖洗店對於色彩顯示的影響很小。數位攝影的情況則不同,顯色的彈性很大;不論是色相、飽和或亮度等讀數,都有很大的調整空間。這方面的控制程序,嚇壞了很多傳統攝影者,因為固定顯色的安全網已經不存在。我們可以任意顯示色彩;所以,怎麼辦?
很多數位色影者試圖透過嚴格的色彩管理系統(相機校正)來取代過去的安全網。拍色標準色塊構成的色板,然後透過校正軟體,製作相機描述檔;然後,所有的數位影像檔案都夾帶著(tag)相機描述檔,希望藉此保證影像顏色精確對應實際景象……對於某些商業攝影者來說,「精確色彩」可能就是他們所需要的,因為色彩方面的進一步決策,是在後製階段(post-production)決定。
不幸地,精確色彩通常都是很無趣的色彩。對於很多人來說,譬如專業攝影師Jeff Schewe所說的,「實際令人生厭」(Reality sucks)。我們已經習慣於好萊塢是的影像色彩。當然,這未必是Velvia之類的高飽和色彩,但好的色彩通常都不是精確的實際色彩。
|
部落格(16) 終身 VIP
|
這兩天重新做相機校正(
capture calibration
),一些感想如下。
一般數位相機都是針對非常明確的拍照環境進行校正,所以只要光線條件稍有變動,相關的校正結果就不適用。可是,
ACR
的情況則非如此,所做的校正可以運用於一般攝影;事實上,
Thomas Knoll
曾經表示,
ACR
可以只做
daylight
與
tungsten
校正。
根據我的瞭解,
ACR
可能是唯一能夠做這方面校正的
Raw
檔轉換軟體。關於校正的程序,我曾經見過三種方法。第一,剛過世的
Bruce Fraser
在其所著的
Real World Camera Raw
一書曾經提及。第二,
Thomas Fors
提供
ACR
校正的
Script
,下載網址:
http://fors.net/chromoholics/download/
。第三,
Lee Varis
的方法(觀念很容易瞭解,操作程序也很簡單)。
我這次是採用
Lee Varis
的方法進行校正。相機拍攝
Gretag Macbeth
的
24
色
ColorChecker
,然後以此比較
Bruce Lindbloom
提供的參考基準,兩者之間的差值在
ACR 4.0 Beta
進行校正(校正結果可以直接運用於
ACR 3.6
)。
Bruce Lindbloom
的參考基準下載位址:
http://brucelindbloom.com/downloads/ColorChecherCalculator.tif.zip
經過校正之後,相機拍攝標的的
R-G-B
三原色,可以調整到完全對應參考基準的讀數。就這方面來說,結果是絕對完美的。可是,除了
RGB
三原色之外,其他色塊的結果就不太理想,尤其是「膚色」明顯太紅(採用
Thomas Fors
的
scrip
做校正,膚色也是偏紅)。根據
Lee Varis
的解釋,他認為這是數位相機所使用之
Bayer pattern
的瑕疵,因為膚色介於
R
與
G
之間的交錯位置,沒有辦法做精準的
demosaic
運算。所以,正常情況下,數位相機擷取的膚色都會偏紅。基於這個緣故,如果準備運用於人像攝影,校正結果還需要針對膚色做調整,
Red
色相(
Hue
)必須往正數移動,飽和程度(
Saturation
)要降低(當然,如果膚色變得比較正確,就會損及其他原本應該較飽和的紅色)。
Lee Varis
提供一些校正的資料,各位如果有需要,可以透過
Email
跟我拿:
1.
Capture Calibration: Calibration for digital capture using Adobe Camera Raw
(這是一份英文
PDF
,詳細說明校正程序,但並沒有解釋如何針對膚色進行調整)。
2.
Lee Varis
的
3
個
ColorChecker
影像檔:未經校正、校正、膚色校正。
cphuang@ms2.hinet.net
|
部落格(16) 終身 VIP
|
很久沒有到重慶南路逛書店。過年前不久,在天瓏書局看到很多有關
Photoshop
的書,種類之多,實在驚人,似乎也意味著數位相機的普及程度。可是,我發現,除了工具書之外,一般有關攝影的
PS
書籍,內容看起來都很類似,真正有用而值得研讀的書,還是那幾本(當然,這只代表個人的主觀偏見)。不過,很意外地看到一本書,這不是純粹的
PS
書籍,也不是探討攝影技巧的書:
Welcome to Oz: A Cinematic Approach to Digital Still Photography with Photoshop
這本書的核心內容,是探討如何把
PS
技巧運用於攝影,藉以表達攝影者的意念,試圖在
PS
與攝影之間搭起溝通的橋樑,讓攝影者認真思考如何運用
PS
。我個人認為,這本書引用的
PS
技巧本身實在不怎麼樣,甚至有很多值得商榷之處,但作者使用
PS
的立場或心態,則很值得深入瞭解,或許能夠帶來很多啟發,引導我們由另一個角度切入或思考攝影。
本書作者
Vincent Versace
曾經獲得
Computerworld
的
Smithsonian
奬,三度被提名為
PS
名人堂候選人,其作品請參考:
http://www.versacephotography.com/v2/gallery/index.html
各位如果有機會,不妨到書店翻翻這本書,說不定會喜歡。
|
網路會員
|
原發文者: didadida 發文時間: 2007/02/15 10:32 這兩天重新做相機校正( capture calibration ),一些感想如下。
一般數位相機都是針對非常明確的拍照環境進行校正,所以只要光線條件稍有變動,相關的校正結果就不適用。可是, ACR 的情況則非如此,所做的校正可以運用於一般攝影;事實上, Thomas Knoll 曾經表示, ACR 可以只做 daylight 與 tungsten 校正。
關於這個議題,我發現了另外一種可行的方法. 前陣子我發表了一篇關於光譜的論文,就是作數位相機校正的. 雖然其想法停留在理論上,不過理論的正確性也經過程式驗證是可行的. 我認為是可以實際應用在實務上的,將來我開發的raw converter,我會把這個校正技術應用進去,可惜的是,目前我的能力無法使程式跟PS接軌,否則以ps plug-in的方式製作raw converter,我覺得更具有實際上的意義. 關於光源變動造成校正結果失效,我也有做驗證,基本上光源稍微有點不同,結果真的就是天差地遠.數位相機使用的校正方式99%都是採用回歸的方式,我測試D50以及D65兩種光源,將D50校正結果套用在D65上,平均色差就高達7.8,反過來也好不到哪裡,這樣的結果根本就不可用,色差只要在3以上,人眼就認為顏色有所差異. 而我所使用的方式,校正結果大致上都能與傳統回歸方式有接近的效能,或者稍差,但還是在可以接受的範圍內.這就是說,這個方式可以適用在各種光源,而且都有尚可接受的校正結果. 但是這個方法我認為只能應用在Raw檔上.此外,必須要測量出數位相機的光譜反應曲線.不過這個問題,透過事先的測量應該就可以解決,反正同一型的相機其光譜反應差異不會太大. |
網路會員
|
SKYFORCE兄:
看你99頁的文章,我想跟你說, 有個跟數位相機色彩有關的東西我本來上個月準備去申請專利, 這幾天就會過去拜訪你,看看你的意見, 如果OK的話可以一起合作看看。 |