掌握光影的魔法——调色完全手册

一直以来，我以为调色是很难的，但看了书之后回过头看却发现：之前靠感觉调的色与书上讲的大差不差。看来人类的审美差异并不大，即便野路子也能殊途同归！

色彩空间

彩色图片可以看做是三种基本颜色 RGB 的有机混合，通行的色彩空间有很多，主要是以下三种：

sRGB：色域最窄，但几乎被应用在所有屏幕上
CMYK：与一般色彩空间不同，用于打印
Adobe RGB：色域最大，用于数码摄影等专业级产品

色彩空间选取原则

建议采取色域最大 Adobe RGB，因为这样可以尽可能多得保留信息（即使在屏幕上显示不出来，但那也不代表它不存在）方法如下：

Ctrl+Shift+K打开颜色设置：设置工作空间 RGB 为 Adobe RGB(1988)；设置色彩管理方案为 “转换为工作中的 RGB”；点击确定。

调色

调色基础

首先是颜色的三个属性：

色调：反映图片的整体印象
亮度：反映图片的明暗程度
饱和度：反映图片的鲜艳程度

这三者并不是独立的参数，任何一个参数的独立变化都会影响整体的印象，-

接下来是原色与补色。
原色是不能再分解的基本色，它们可以互相混合来组合成任何其他的颜色。亦即：红色 Red、绿色 Green、蓝色 Blue。
补色是一个概念，当两个颜色可以互补形成中性的灰黑色时我们就会称它们为一对互补色。
原色与其互补色是调色的基础，在 PS 的 “色彩平衡” 中可以很清晰的看到：

红色的互补色是青色，绿色是洋红，蓝色的则是黄色。

书中第 107 页还有关于 RAW 的颜色较准的讲解，由于我没有可以生成 RAW 的设备，在此就不谈了，大概就是在 ACR 软件中用标准色卡来校正。

题外话

在 Python 中，调整图像的亮度, 可以使用 opencv 的cv2.add, cv2.subtract,cv2.bitwise(加法, 减法, 反色) 函数. 彩色图像可以借助cv2.split, 可以把图像的各个色彩通道分离出来, 再通过merge可以把通道合并，这里以 “snail” 为例：

import cv2
import numpy as np


img = cv2.imread("snail.jpeg")
bitwise = cv2.bitwise_not(img)


r1,g1,b1=cv2.split(bitwise)
r2,g2,b2=cv2.split(img)


m= cv2.merge([r1,g1,b1])
cv2.imshow("Merge",m)
cv2.waitKey(0)
cv2.destroyAllWindows()

具体效果可见 (烂尾文章) 图像处理 - 基础

调色原则

根据互补色很容易得到这样的技巧：

如果照片偏红色，就增加青色，如果照片偏青色，就增加红色。
如果照片偏洋红色，就增加绿色。如果照片偏绿色，就增加洋红色。
如果照片偏黄色，就增加蓝色，如果照片偏蓝色，就增加黄色。

这样就能增加颜色的互补，进行色彩的校准。

应用·色彩平衡工具

色彩平衡主要可以调节中间调、阴影、高光三个部分的色彩。这里举个例子：

这张图片是在去年冬天在野外的一个小池塘里里照的，想要模仿出来黄石虹彩温泉的效果。

照片整体有点显得偏蓝，就在中间色调中调节蓝——黄滑块，来降低蓝色：
阴影处有点偏绿，那就往洋红上调点：
高光处不够红，再加一点红：

看起来好点了。

但是色彩平衡只能调节整体的色调，并不能调节局部。下面我们就用曲线来更加深入的调整一下。

应用·曲线工具与色相饱和度工具

如果在 PhotoShop 中只选择一个工具，那么毫无疑问一定会选择 "曲线"。因为 “曲线” 不仅可以用来精细调节照片亮度、对比度，修复偏色、制作各种色调效果。“曲线”也可以制作黑白、低饱和效果、高饱和、低调、高调、高反差、低反差效果。通过配合图层蒙版做暗角、修复 “死白” 的天空、完成色调分离、复杂选区、精细抠图、精细磨皮等。
——陈建强《PhotoShop 后期强：数码摄影后期完全宝典》

操作细节太繁琐，不想记录😖，主要就是用曲线中的 “抓手工具” 来进行局部的调整：