2008.02.09, Автор: Александр Миловский3282 прочтений

Воспроизвести нельзя наврать

Теги: В лаборатории цвета с Александром Миловским В лаборатории цвета с Александром Миловским Publish

Александр Миловский

Специалист по цветокоррекции обычно использует очень простую стратегию «узнаваемых» цветов. Суть её в том, чтобы вывести цвета объектов изображения в привычные человеческому глазу диапазоны. Трава должна быть зелёной, небо голубым, лица здоровыми, а помидоры красными. Благодаря «правильным» цветам, человек быстрее идентифицирует объекты. Плюс цветовые пятна в хорошо скомпонованном снимке вызывают определённый психологический эффект, доставляя зрителю удовольствие, подобно гармоничному музыкальному аккорду.

В общем случае стратегия формулирует лишь требования к итоговым цветам, но не способ их достижения. В этом причина многообразия приёмов цветокоррекции и отсутствия единого подхода. Попробуем найти систему в хаотичном нагромождении алгоритмов цветокоррекции.

Основных классов алгоритмов два: учитывающие причины цветовых дефектов изображения и не учитывающие. В первом случае для эффективного подавления проблем используют знание (или предположение) о способе получения изображения, а во втором просто «в лоб» выводят «узнаваемые» цвета в надежде, что остальное «само рассосётся».

Первая группа особенно эффективна, если нужно восстановить истинные цвета, устранив искажения средств оцифровки. А поскольку она производится в модели RGB, именно в ней и должны работать алгоритмы. Но модель CMYK в первом приближении можно рассматривать как линейное преобразование модели RGB, значит, аналогичные манипуляции вполне возможны и в ней.

А вот в моделях HSB и Lab восстановление исходных цветов практически невозможно! Конечно, вы можете вывести цвета в требуемые диапазоны, но никакого отношения к исходному цвету они иметь не будут. Эти модели используются только в алгоритмах второй группы.

Точка чёрного, точка белого

Один из самых старых и самых эффективных алгоритмов первой группы. Основывается на предположении, что в нормальном среднестатистическом изображении обязательно есть участки с максимальной плотностью (практически чёрный) и минимальной (практически белый). Если же они не достигают чёрного и белого, то вследствие неверных условий оцифровки.

Классический инструмент для проведения коррекции — автоуровни (Autolevels): автоматическая установка уровней чёрного и белого по каналам в модели RGB. Или, если автор хочет запутать читателя, то же самое, но сделанное вручную манипуляцией кривыми, да ещё и в какой-нибудь неподходящей модели, типа Lab.

Чёрный, белый и нейтраль

Поскольку предположение о существовании «чёрных» и «белых» участков не всегда оправдывается, после установки точек чёрного и белого определённый дисбаланс может сохраняться.

Самый удобный индикатор наличия цветового оттенка — нейтрально-серые цвета. Применение кривых, выводящих баланс нейтральных цветов, чаще всего устраняет оттенок и во всём изображении, т. к. не учитывается причина оттенка — дисбаланс чувствительности цветовых каналов при оцифровке. Так в программах появились «пипетки серого». Впрочем, всегда есть вариант сделать то же вручную кривыми в RGB и CMYK — это даёт даже более аккуратный результат. А вот в Lab нейтрализацию провести, конечно, можно, но при этом нет гарантии, что отдельные цвета изображения не «поплывут».

Те же + узнаваемые

Серые цвета — самый удобный, но не всегда надёжный индикатор. Поэтому, помимо нейтральных, баланс выводят по «узнаваемым» цветам: неба, зелени, телесным оттенкам и пр. Если каждый цвет выводить в допустимый диапазон, получатся графики сложной формы. И если при этом обеспечить гладкость кривых, результат будет наиболее адекватным. Именно так и поступают в моделях RGB и CMYK. Так работают некоторые дополнительные модули для автоматизации цветокоррекции.

Коротко сформулируем основную идею методов первой группы: при выводе «основных» (чёрный, белый, нейтральные) и «узнаваемых» цветов к целевым значениям автоматически корректируются и все остальные цвета изображения, т. к. причина цветовых отклонений в 90% случаев — дисбаланс каналов при оцифровке.

Коррекция ради коррекции

Восстановление исходных цветов изображения — цель благородная, но часто ненужная. Зритель далеко не всегда хочет видеть истинный цвет! Как-то, выполняя цветоделение для одного слайда, я задался целью максимально точно воспроизвести профессиональный снимок, постоянно сверялся, выводил цвета. Коллеги по препрессу были в восторге — надо же, как попал в цвет. Но пришёл заказчик и, взглянув на цветопробу, сморщился: «Ну что это море такое зелёное, а соляные острова такие жёлтые, как будто… (далее следовало нелогичное предположение о происхождении цвета Мёртвого моря)». В общем, кончилось всё вполне предсказуемо — море стало голубым, острова — белоснежными, хотя к слайду это не имело уже никакого отношения…

Об авторе: Александр Миловский, эксперт по вопросам цветокоррекции и цветовоспроизведения, арт-директор студии «3D Master» (Санкт-Петербург), сертифицированный эксперт Adobe (www.milovsky.ru).

Архив журналов в свободном доступе.

На ту же тему:

comments powered by Disqus