当我谈修图时，我谈些什么
source link: https://leovan.me/cn/2023/04/what-i-talk-about-when-i-talk-about-photo-retouching-colors-part-1/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
当我谈修图时，我谈些什么
色彩篇 Part 1
范叶亮 / 2023-04-22
分类: 科普, 当我谈, 生活 / 标签: 修图, 色彩空间, 色彩模型, RGB, 加法混色模型, CMYK, 减法混色模型, HSV, HSL, 色相, 饱和度, 明度, 亮度, 直方图, 色温, 色调 / 字数: 2696
文本是「当我谈」系列的第一篇博客，后续「当我谈」系列会从程序员的视角一起科普认知未曾触及的其他领域。
色彩空间是对色彩的组织方式，借助色彩空间和针对物理设备的测试，可以得到色彩的固定模拟和数字表示。色彩模型是一种抽象数学模型，通过一组数字来描述颜色。由于“色彩空间”有着固定的色彩模型和映射函数组合，非正式场合下，这一词汇也被用来指代色彩模型。
红绿蓝（RGB）色彩模型，是一种加法混色模型，将红（Red）、绿（Green）、蓝（Blue）三原色的色光以不同的比例相加，以合成产生各种色彩光。三原色的原理不是出于物理原因，而是由于生理原因造成的。
RGB 色彩模型可以映射到一个立方体上，如下图所示：
红绿蓝的三原色光显示技术广泛用于电视和计算机的显示器，利用红、绿、蓝三原色作为子像素组成的真色彩像素，透过眼睛及大脑的模糊化，“人类看到”不存在于显示器上的感知色彩。
印刷四分色模式（CMYK）是彩色印刷中采用的一种减法混色模型，利用色料的三原色混色原理，加上黑色油墨，共计四种颜色混合叠加，形成所谓的“全彩印刷”。四种标准颜色分别是：
- Cyan：青色或“水蓝”
- Magenta：洋红色或“紫色”
- Yellow：黄色
- Key plate：因实务上多使用黑色，所以也可以简单视为 blacK
CMY 叠色的示意图如下所示：
利用 0 到 1 的浮点数表示 R,G,B 和 C,M,Y,K，从四分色向三原光转换公式如下：
(1)R=(1−C)(1−K)G=(1−M)(1−K)B=(1−Y)(1−K)
从三原光向四分色转换公式如下：
(2)C=1−Rmax(R,G,B)M=1−Gmax(R,G,B)Y=1−Bmax(R,G,B)K=1−max(R,G,B)
HSL 和 HSV
HSL 和 HSV 都是一种将 RGB 色彩模型中的点在圆柱坐标系中的表示法。这两种表示法试图做到比基于笛卡尔坐标系的几何结构 RGB 更加直观。HSL 即色相、饱和度、亮度（Hue，Saturation，Lightness），HSV 即色相、饱和度、明度（Hue，Saturation，Value），又称 HSB，其中 B 为 Brightness。另种色彩空间定义如下图所示：
HSL 和 HSV 色彩空间
色相（Hue）指的是色彩的外相，是在不同波长的光照射下，人眼所感觉到的不同的颜色。在 HSL 和 HSV 色彩空间中，色相是以红色为 0 度（360 度）、黄色为 60 度、绿色为 120 度、青色为 180 度、蓝色为 240 度、洋红色为 300 度。如下图所示：
饱和度（Saturation）指的是色彩的纯度，饱和度由光强度和它在不同波长的光谱中分布的程度共同决定。下图为红色从最小饱和度到最大饱和度的示例：
亮度和明度
明度值是与同样亮的白色物体相比，某物的亮的程度。如果我们拍摄一张图像，提取图像色相、饱和度和明度值，然后将它们与不同色彩空间的明度值进行比较，可以迅速地从视觉上得出差异。如下图所示，HSV 色彩空间中的 V 值和 HSL 色彩空间中的 L 值与感知明度值明显不同：
HSV 和 HSL 两者对于色相（H）的定义一致，但对于饱和度（S）和亮度与明度（L 与 B）的定义并不一致。
在 HSL 中，饱和度独立于亮度存在，也就是说非常浅的颜色和非常深的颜色都可以在 HSL 中非常饱和。而在 HSV 中，接近于白色的颜色都具有较低的饱和度。
- HSV 中的 S 控制纯色中混入白色的量，值越大，混入的白色越少，颜色越纯。
- HSV 中的 V 控制纯色中混入黑色的量，值越大，混入的黑色越少，明度越高。
- HSL 中的 S 和黑白没有关系，饱和度不控制颜色中混入白色和黑色的多少。
- HSL 中的 L 控制纯色中混入白色和黑色的多少。
以 Photoshop 和 Afiinity Photo 两款软件的拾色器为例：
两个软件分别采用 HSV 和 HSL 色彩空间，其横轴为饱和度（S），纵轴分别为明度（V）和亮度（L）。不难看出，在 Photoshop 拾色器中，越往上混入的黑色越少，明度越高；越往右混入的白色越少，纯度越高。在 Afiinity Photo 拾色器中，下部为纯黑色，亮度最小，从下往上，混入的黑色逐渐减少，直到 50% 位置处完全没有黑色混入，继续往上走，混入的白色逐渐增加，直到 100% 位置处完全变为纯白色，亮度最高。
图像直方图是反映图像色彩亮度的直方图，其中 x 轴表示亮度值，y 轴表示图像中该亮度值像素点的个数。以 8 位图像为例，亮度的取值范围为 [0,28−1]，即 [0,255]。以如下图片为例（原始图片：链接）：
原始图片
在 Lightroom 中直方图如下所示：
原始图片 Lightroom 直方图
利用 Python 绘制的直方图如下所示：
直方图代码
import cv2
import numpy as np
import matplotlib.pyplot as plt
gray_img = cv2.imread('demo.jpg', cv2.IMREAD_GRAYSCALE)
img = cv2.imread('demo.jpg')
img_channels = cv2.split(img)
height, width = gray_img.shape
gray_img_hist = cv2.calcHist([gray_img], [0], None, [256], [0, 256])
img_channels_hist = [cv2.calcHist([img_channel], [0], None, [256], [0, 256])
for img_channel in img_channels]
fig, ax = plt.subplots(1, 1)
ax.plot(gray_img_hist, color='0.6', label='灰')
for (img_channel_hist, color, label) in zip(
img_channels_hist, ['#6695ff', '#70df5f', '#f74048'], ['蓝', '绿', '红']):
ax.plot(img_channel_hist, color=color, label=label)
segments = [0, 28, 85, 170, 227, 255]
segments_text = ['黑色', '阴影', '曝光', '高光', '白色']
for (left_border, right_border, segment_text) in \
zip(segments[:-1], segments[1:], segments_text):
if left_border != 0:
ax.axvline(x=left_border, ymin=0, color='black')
ax.annotate(
segment_text,
xy=((left_border + right_border) / 2, np.max(img_channels_hist) / 3),
ha='center')
ax.legend(loc='upper center')
plt.xlim([0, 256])
ax.set_xticks([0, 32, 64, 96, 128, 160, 192, 224, 256])
ax.axes.get_yaxis().set_visible(False)
plt.tight_layout()
fig.set_size_inches(8, 4)
plt.savefig('demo-image-histgram.png', dpi=100)
原始图片直方图
直方图以 28,85,170,227 为分界线可以划分为黑色、阴影、曝光、高光、白色共 5 个区域。其中曝光区域以适中的亮度保留了图片最多的细节，阴影和高光对应了照片中较暗和较亮的区域，黑色和白色两个部分则几乎没有任何细节。当整个直方图过于偏左时表示欠曝，过于偏右时则表示过曝。
色温（Temperature）是指照片中光源发出相似的光的黑体辐射体所具有的开尔文温度。开尔文温度越低光越暖，开尔文温度越高光越冷，如下图所示：
针对图片分别应用 5000K 和 10000K 色温的对比结果如下图所示：
色温代码
import math
import cv2
import numpy as np
def __kelvin_to_rgb(kelvin: int) -> (int, int, int):
kelvin = np.clip(kelvin, min_val=1000, max_val=40000)
temperature = kelvin / 100.0
# 红色通道
if temperature < 66.0:
red = 255
else:
# a + b x + c Log[x] /.
# {a -> 351.97690566805693`,
# b -> 0.114206453784165`,
# c -> -40.25366309332127
# x -> (kelvin/100) - 55}
red = temperature - 55.0
red = 351.97690566805693 + 0.114206453784165 * red \
- 40.25366309332127 * math.log(red)
# 绿色通道
if temperature < 66.0:
# a + b x + c Log[x] /.
# {a -> -155.25485562709179`,
# b -> -0.44596950469579133`,
# c -> 104.49216199393888`,
# x -> (kelvin/100) - 2}
green = temperature - 2
green = -155.25485562709179 - 0.44596950469579133 * green \
+ 104.49216199393888 * math.log(green)
else:
# a + b x + c Log[x] /.
# {a -> 325.4494125711974`,
# b -> 0.07943456536662342`,
# c -> -28.0852963507957`,
# x -> (kelvin/100) - 50}
green = temperature - 50.0
green = 325.4494125711974 + 0.07943456536662342 * green \
- 28.0852963507957 * math.log(green)
# 蓝色通道
if temperature >= 66.0:
blue = 255
elif temperature <= 20.0:
blue = 0
else:
# a + b x + c Log[x] /.
# {a -> -254.76935184120902`,
# b -> 0.8274096064007395`,
# c -> 115.67994401066147`,
# x -> kelvin/100 - 10}
blue = temperature - 10.0
blue = -254.76935184120902 + 0.8274096064007395 * blue \
+ 115.67994401066147 * math.log(blue)
return np.clip(red, 0, 255), np.clip(green, 0, 255), np.clip(blue, 0, 255)
def __mix_color(v1, v2, ratio: float):
return np.array((1.0 - ratio) * v1 + 0.5).astype(np.uint8) \
+ np.array(ratio * v2).astype(np.uint8)
def __keep_original_lightness(original_image, image):
original_l = cv2.cvtColor(original_image, cv2.COLOR_BGR2HLS)[..., 1]
h, l, s = cv2.split(cv2.cvtColor(image, cv2.COLOR_BGR2HLS))
return cv2.cvtColor(cv2.merge([h, original_l, s]), cv2.COLOR_HLS2BGR)
def apply_temperature(
image,
temperature,
keep_original_lightness: bool = True):
b, g, r = cv2.split(image)
n_b = np.clip(b.astype(np.single) - temperature, 0, 255).astype(np.uint8)
n_r = np.clip(r.astype(np.single) + temperature, 0, 255).astype(np.uint8)
ret_image = cv2.merge([n_b, g, n_r])
return __keep_original_lightness(image, ret_image) \
if keep_original_lightness else ret_image
def apply_kelvin(
image,
kelvin: int,
strength: float = 0.6,
keep_original_lightness: bool = True):
b, g, r = cv2.split(image)
k_r, k_g, k_b = __kelvin_to_rgb(kelvin)
n_r, n_g, n_b = __mix_color(r, k_r, strength), \
__mix_color(g, k_g, strength), __mix_color(b, k_b, strength)
ret_image = cv2.merge([n_b, n_g, n_r])
return __keep_original_lightness(image, ret_image) \
if keep_original_lightness else ret_image
img = cv2.imread('demo.jpg')
cv2.imwrite('demo-color-temperature-cold.jpg', apply_kelvin(img, 5000))
cv2.imwrite('demo-color-temperature-cold.jpg', apply_kelvin(img, 10000))
色调（Tint）允许我们为了实现中和色偏或增加色偏的目的，而将色偏向绿色或洋红色转变。针对图片分别应用 -30 和 +30 色调的对比结果如下图所示：
色调代码
import cv2
import numpy as np
def __keep_original_lightness(original_image, image):
original_l = cv2.cvtColor(original_image, cv2.COLOR_BGR2HLS)[..., 1]
h, l, s = cv2.split(cv2.cvtColor(image, cv2.COLOR_BGR2HLS))
return cv2.cvtColor(cv2.merge([h, original_l, s]), cv2.COLOR_HLS2BGR)
def apply_tint(image, tint, keep_original_lightness: bool = True):
b, g, r = cv2.split(image)
n_g = np.clip(g.astype(np.single) + tint, 0, 255).astype(np.uint8)
ret_image = cv2.merge([b, n_g, r])
return __keep_original_lightness(image, ret_image) \
if keep_original_lightness else ret_image
img = cv2.imread('demo.jpg')
cv2.imwrite('demo-color-tint-negative.jpg', apply_tint(img, -30))
cv2.imwrite('demo-color-tint-positive.jpg', apply_tint(img, +30))
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK