2cv雪铁龙老爷车:巫师作品——photoshop的一些心得：第二章：我的参照系

2 我的参照系

我曾经有幸听过中国著名经济学家许小年教授讲述的《宏观经济》，我对这位教授的学识和人格魅力非常尊敬。在4天的课程里，他非常有条理的为我们搭建了一个宏观经济学的体系。在讲课的第一天，他做的第一件事情是搭建框架，他在头2个小时制定了一系列在课程上会使用的判定标准和讨论方法，这使得随后4天的所有的争论和疑问都有了一个基础。在力学范畴，牛顿管这样的框架叫做“参照系”，作为探讨一切物理现象的基础。

摄影和PS也是如此，大家对照片的口味是如此不同，如果不建立一个框架和讨论的方法，所有的争论都会因为没有共同的基础而变得毫无意义。我期望制定的框架是试图避免一些非常个人化的争论，比如“这个人的皮肤颜色调的太红了”，“ 照片要是亮一点会更好”。说实话，争论这些问题，就像争论鸡肉和牛肉哪个好吃一样没有意义。2.1 第4个问题

严格意义上说，本节并不属于“参照系”的范畴，因为包含了大量我个人的审美观和看法，不具备普遍性。摄影技巧也不是本节讨论的内容，如果你需要学习这方面的知识，去买一本纽摄看看就够了。我写本节的目的，其实只想回答一个问题：这张照片到底值不值得PS？换句话说：怎么得到值得PS的照片？

我经常遇到的一个困境：我最好的朋友去了某个地方，拍了上千张照片，兴高采烈的请我去看片子，并且指着其中一张说“看呀，我最喜欢这张了！你拿去帮我PS一下吧！”。90%的情况，我会和他说，“你挑20张你最喜欢的，然后让我挑其中的5张帮你PS”。因为他选的那张，通常都是一个惨白的瀑布直直的挂在头顶正上方，他开心的露着白牙站在画面正中央，衣服微敞，手伸向两侧扶着栏杆，照片的右下角，还有个“请勿翻越”的牌子，更别提照片从他的膝盖处齐刷刷的截断的！他喜欢这张照片的唯一原因是因为他笑的很灿烂！

他喜欢这样的照片没有错，请你PS也没有错，但是你要是答应就是你的不对了。它可能是一张对他有特殊意义的生活照，但是实在谈不上是一张好的摄影作品，面对这样的照片我完全不知道从哪里入手，因为我不知道要强调什么，它几乎违反了我知道的所有好照片的“定式”。在你开始真正的PS之前，请记住这句话：“PS可以使照片变得更美观，但是绝不能改变一张不好的照片的本质”。

所以，用挑剔的眼光筛选你的作品，用严谨的方式分析你的作品，用科学的方法PS你的作品。

我们都知道，在拍照的时候，需要问自己三个问题：
1. 这张照片的主体是什么？
2. 如何把注意力集中到主体上？
3. 画面中还能减去什么？

相信这三个问题对摄影人来说，就像牛顿三定律对我这种engineer一样深植脑海。从现在起，再加上第四个问题：
4. 需要怎么PS才能强化前3个问题?

这个问题，在拍摄的时候问，在选片的时候问，在PS操作的时候也要不断的问！让我们做一些练习：

这是我第一次遇见磕长头的藏民，听司机说，他们围着青海湖磕一圈要2 个月。途中如果遇到河流、高山等无法俯身的地方，他们会用哈达丈量下距离，等到了平地处，要一一补齐……
他们动作很快，快的远超出我的想象。我拿着相机和笨重的三脚架，在海拔3200米的马路上一路狂奔到他们前方，把脚架收到最短，趴在地上，脑海里刷刷刷的闪过牛顿三定律！

1. 主体是什么：还用问吗？就是他！

2. 如何把注意力集中到主体上：我的机位要尽量低，因为我希望观众体会到他的视角；我要拍他的正面，因为磕长头的任何非正面构图在瞬间看起来都会像失足跌倒或者弯腰捡东西（打开Google，点击“图片”搜索，输入“磕长头”，你可以看看我说的是不是真的）；我要使用大光圈，除了虚化背景以外，还要加快曝光速度；想好这一切估计不到0.5秒，剩下的就是把相机设置在连拍模式，持续的把快门按下去……（注意，这些都是我个人的看法，你可以有不同的看法）

3. 画面中还能减去什么：在问题2的限制下，除了焦距，我没法做别的调整了，但当时的我是如此兴奋，以至于我压根忘了调整焦距，同时忘记的还有把相机调成点测光。管不了那么多了，剩下的交给第4个问题吧。于是，我得到了这张四平八稳的图片。

4. 需要怎么PS才能强化前3个问题?
a) 照片构图太居中了，可以用1/3构图法裁剪，同时可以利用那些汇聚的斑马线，增强纵深感。

b) 海拔3200米的上午，紫外线强烈，造成蓝色色偏，尽管并不严重，但是我喜欢至少是中性灰的调调（大部分人都喜欢偏暖的调调）

c) 略微有一点点欠曝，主体的脸部暗的几乎看不清了，需要后期调整。但是要注意自然提亮主体的同时，避免背景过亮。放弃套索加羽化这样的工具吧，这会在这个虔诚的哥们儿周围套上一个神圣的光环，还会让光影结构变得混乱。我曾经和你一样是选区的狂热追捧者，但是后来发现70%的片子不需要用到选区，对于剩下的30%（比如这张）尽量不要手工建立选区。本书的后续章节会告诉你如何做到这一点。

d) 除了增加曝光外，还需要增加主体对比度，同时要保护暗部细节，避免出现死黑（这看起来是矛盾的，不是吗？）。

e) 他的红色头巾是亮点，是整个画面最醒目的地方，需要强化颜色。但是千万不能损失头巾的细节。（你可以增加红色对比度试试，看看会发生什么？）

f) 背后的卡车、电线杆、草地不是我关心的内容，可以放弃！也不得不放弃，因为……能量总是守恒的，我突出了某一部分的细节，就必须放弃另一部分，但是记住，别用选区！

g) 图片需要更加清晰和锐利。他五官的轮廓和衣服的皱褶会成为决定锐化“粒度”的关键因素，谁会在乎他脸上有多少皱纹呢？

经过了20分钟的操作，于是我得到了下面这张图：
我不知道你怎么想，反正我觉得图 13比原图的主体更加突出，我对天发誓当时我看到的不是像原图那样灰蒙蒙的！而是更贴近PS后的效果。恢复人眼看到的真实并且变得更加美观，不是吗？

所以，巫师第一定律是：PS首要任务是纠正错误（色差、曝光、噪点等）并强化主体。是为了前3个问题服务的。

我不得不提醒你一下：如果你站在书店看到这里还没买下这本书，赶紧付钱去吧，躺在床头看比这么站着舒服多了。本书会有大量这样的思路式的描述，同时会详细介绍如何实施这些思路的具体方法。在我看来，具备这些PS的思路要比知道每个参数什么意思重要的多！

再举一个例子吧。

2008年的4月底的一个下午，下着毛毛雨，我一个人开车在从黄山回上海的高速上行驶。我至今仍然怀疑那段高速有诈骗的嫌疑，如此优良的路况，居然限速是60公里。眼前一辆车都没有，转过一个弯道，就看见前方一片金黄，几栋江南白色的民居伫立在雨中的油菜花田里，眼前的一切湿润的都能滴出水来。靠边停车后，随手拍了这张照片。

2011-11-19 02:05 1. 主体是什么：伫立在油菜花田里的白色房子。

2. 如何把注意力集中到主体上：将画面分成4份——绿色的稻田、黄色的油菜花、白色的房子和深色的山坡各占据1/4，这样的构图使得画面具有一定层次，观众的注意力会由近及远的被图片内容所引导；机位要尽量高，保证相机有足够大的俯仰视角，否则油菜花田会被压的扁平；前景的农架让画面变的生动，一定要拍进去一些；选择两栋白色房屋主体增加了平衡感，光圈16，确保前景和背景一样清晰；画面亮度没啥特殊的，评价测光就行了。（注意，这些都是我个人的看法，你可以有不同的看法）

3. 画面中还能减去什么：我没有把天空放进来，因为我觉得明亮的天空会吸引观众的注意力；我也没有选择更多的房子，因为那会破坏画面的平衡感 ；当然，我不需要告诉观众这张照片我是违章停车在高速公路边上拍的，所以高速公路护栏被我坚定的排斥在画面之外。

4. 需要怎么PS才能强化前3个问题?

a) 由于是雨天拍摄，画面的对比度很低，这在直方图上体现为像素堆积在横轴中央的位置，需要增加对比度，但是增加对比度会破坏原片的朦胧感。（千万不要以为增加对比度仅仅是拉动色阶两段的小三角）

b) 画面有大量的中间调细节，需要突出。其中对黄色油菜花的处理要尤其小心，因为弄不好他们就会变成天津的煎饼果子。正确的做法是强化它们的细节，如果运气好的话，可以让画面更加“油润”（我很鄙视这个词，因为它让我迷惑了很久，现在我也用这个词来折磨一下你！）。

c) 注意到房屋白墙的些许红色了吗？画面高光存在着红色色偏；如果你的眼睛受过训练的话，不需要工具，就能感觉到阴影部分还存在蓝色色偏（注意看深色的屋顶，和最右边阴影中白墙的颜色）。我一向喜欢中性的色调，所以要把这些纠正过来。对于这种在不同亮度有不同色偏的图片，不要妄图用颜色滤镜或者色相来调节；色彩平衡可以对高光、中调、阴影分别调节，但是还是做的不够好。

d) 画面中至少有两种锐化粒度，油菜花朵的细小粒度以及油菜花田波纹的立体明暗对比。

图 15 江南晚春（PS后）
上述的所有问题，你都可以有不同的答案和想法，但是你必须学会这样的思路，无论是在拍摄的时候还是在PS的时候。养成这样的习惯是至关重要的，你在拍照的时候就考虑到哪些是可以事后依靠PS弥补和提高，你在PS的时候要时刻记住如何贯彻并延续拍摄时的思路。这种贯彻和延续是如此的习惯成自然，以至于每当我PS别人的照片时，产生的割裂感总是让我无所适从。

《抱歉各位啦，江南晚春那张是在半夜PS的，想把那根电线去掉，那个时候还没有CS5，仿制图章没弄好，嘿嘿，右边的房子裂了，哈哈哈。
还有，由于256K的限制，PS后效果图，油菜花细节损失非常严重，这也是坑爹的jpg压缩算法对高光舍弃的后果！
》2.2 细节，动态范围和宽容度

丰富的细节是美观照片的特点之一，我们的注意力很容易被细节造成的延展性所吸引，并且愿意进一步探究下去。

2.2.1 细节和注意力

中学时候我在课堂上一直是最调皮的一个，前后左右四处讲话，当然，一个人的贡献是有限的，其他同学们讲的也都非常给力。尤其是在政治、中国近代史这样的课程上，没有人把注意力放在老师身上。有趣的是，政治和近代史的两位老师处理这样局面的方法完全不同。近代史会把声音会越提越高，试图压过嗡嗡声，这当然是徒劳的，并且很快他的嗓子就哑了，在同学们的耳中，近代史的声音只不过是背景沙哑的噪音而已；政治要聪明的多，他会把音量慢慢的降下来，降到几乎听不清内容，很快教室里安静下来，每个人都希望听清政治低沉的声调在说什么。不得不说这招的确吸引了同学的注意力。细节，就能够帮助你做到这一点：利用人们探究的心里吸引注意力！

我见过形容徕卡相机最有才的一句话是网友写在论坛里的“徕卡拍出来的片子总有一种鸭屎绿一样的油润感，让人好不喜欢”。不得不承认，看到这句话的瞬间我就凌乱了。你能告诉我什么是“油润”吗？几年前，初学拍照的我一遍遍的对比各种照片，试图能够理解这个词。其实所谓“油润”，就是自然且致密的亮度或色彩的过度。换句话说，“油润”中包含了大量细节：当过度颜色和亮度非常丰富，以至于其变化是如此细腻的时候，我们称之为“油润”。到达珠峰大本营天已经擦黑了。孩子明黄色的衣服煞是醒目。我们住在他家的毡房里。那天我过生日，同伴悄悄准备了蛋糕，还有音乐蜡烛，他们一直悄悄的藏着，到了晚饭的时候才拿出来，已经被舟车颠簸折腾成一个面饼。我们幸福的哄抢着蛋糕，并把音乐蜡烛送给了他。他兴高采烈的拿着到一边不停的把玩……一直到深夜，当我呼吸着清冷的空气，在星光中伫望着暮色沉沉的珠峰时，耳边还能想起“Happy birthday to you”。

注意到他的额头和黄色的衣服了吗？“油润”吗？高光到阴影的变化细腻而分明，包含了从最亮到最暗各种色调；饱和的黄色过度也非常丰富自然。你甚至觉得这个孩子是立体的，马上就要从画面中站起来。再看看他身后的石头，苍白而单薄，几乎是仅仅由缺少细节的高光和阴影构成，即使存在过渡带，也是一闪而过。但是，谁会在意那些石头呢？
如果我给你看这张照片的原片，你不会再有这样的油润的感觉。你可以说我PS的颜色太饱和了，我把照片处理的太暗了，但是这些是鸡肉和牛肉的区别，我乐意！不行吗？ 我想告诉你的其实是巫师第二定律：PS要做的是增加主体的细节，从而吸引人的注意力。



那么，细节是怎么产生的呢？让我们暂时忘掉“鸭屎绿一样的油润”，坐稳身体，因为接下去我准备把你打晕！
2.2.2 亮度动态范围和宽容度

细节，在图片中体现为亮度和颜色的微小变化。为了让你事后能够醒过来，我们这里先不管颜色细节，只看亮度。在讲清楚亮度细节之前，必须介绍动态范围、宽容度和采样位数这三个概念。

还记得美丽的西湖和二大爷的脸吗？西湖、远山、天空很亮，而二大爷在桃花树荫下的脸很黑，我们用了一个很神奇的方法来表示亮度——EV （Exposure Value，中文译为曝光值）。EV每相差1，亮度相差一倍。打个比方说，强烈阳光下雪山的亮度可能是16EV，而你家的房间内部可能是4~6EV。如果你家刚好在雪山边上，并且你刚好在透过窗子看雪山，你眼前的景象的亮度差可能是10~12EV。我们管这个亮度差，叫做“动态范围”。知道这是什么概念吗？远处的雪山要比你脚下的地板亮1024~4096倍！ （2的10~12次方）

而我们的相机能够表达的亮度范围是有限的，通常来说胶片正片能表达的亮度范围是4~5EV（16~32倍）；负片则可能达到9EV（512倍）；数码相机相对复杂些，与ISO值，是否用JPG还是RAW拍摄都有关系。通常来说，在ISO100的条件下，如果用JPG拍摄，动态范围可以达到8.5EV（362倍）左右，如果用RAW拍摄，动态范围可以达到10EV（1024倍）左右。我们管胶片或者光学传感器能表达的动态范围，叫做相机的“宽容度”。

EV实际上是一个归一化的表示方法，是一个比值的对数，没有单位。之所以用对数的方式描述亮度，是因为人眼对亮度的感觉与进光量是对数关系。换句话说，当光线越强时，人眼对光线的变化越不敏感，几百万年的生物进化让我们具备这一本领，这可以有效的保护我们的眼睛不会因为外界的强光遭到损害，如下图所示：
EV看起来是不是那么眼熟？对，它也出现在相机上的曝光补偿中。曝光补偿实际上决定了把真实场景的哪一段亮度，放进相机的可以表达的范围中。
让我们假设用一个宽容度是8.5EV的相机去拍摄动态范围为12EV的场景。当曝光补偿是0时，场景中最亮的部分和最暗的部分都会超出相机能够表达的极值，于是在照片中会出现死白和死黑。当把曝光补偿+1EV时，实际上你是决定要通过增加曝光把照片拍的更亮一些，于是更多的暗部细节进入照片可表达的范围中，可以想象，更多的亮部细节将会变成死白；当我们把曝光补偿-1EV时，则会出现更多的死黑而白色细节更加丰富。通常，相机会提供+-2EV的曝光补偿。

看到这里估计你要开始骂娘了，不是要谈什么是亮度细节嘛，咋讲了半天曝光原理？别着急，下面我们就要介绍第三个概念：模数转换的采样位数。

相机究竟是怎么把光信号转换成数字电信号的？简单地说，需要经过两个过程：1. 光电转换，就是把光信号转换成连续的模拟电信号，但是这种电信号无法被计算机处理，1.4节描述的所有相机对JPG施加的暴行都无法应用在模拟电信号上；因此需要第二个步骤：2. 模数转换，就是把模拟电信号转换成二进制数字信号，方便被计算机识别，这需要一个对模拟信号的采样过程。数字信号是不连续的，每个数字之间有一个相等的最小间隔，我们管这个间隔，叫做“最小分辨率”，注意：这里的最小分辨率，就是相机能够表示的最小亮度差别（闻到点细节的味道了吗？），和那个什么“2000万像素分辨率”是两个概念！问题就出在这个采样环节。它采样的对象是进光量并非亮度。相机没有人眼的抵抗强光的本领，它的采样结果与进光量是成线性关系的。

假设你的相机宽容度是8.5EV，对应的最小进光量是1（2的0次方），最大进光量是362（2的8.5次方）。你的模数转换器只有1-bit，那么很显然，它的采样输出是“0”和“1”（我们用带引号的数字表示采样输出），那么“0”就代表最小进光量1，对应着0EV亮度；“1”就代表最大进光量362，对应着8.5EV亮度。
让我们把事情变得复杂点，如果你的模数转换器是2-bit，它能够输出4个数字：“0”、“1”、“2”、“3”；他们代表的进光量线性分布的，分别是1、120.7、241.3、362，而其对应的亮度是0EV、6.92EV、7.91EV、8.5EV。
当相机具有14-bit的模数转换器时，可以把（1~362）的进光量均分成16384份，其代表的进光量是：1、1.022、1.044、1.066……362；其对应的亮度是：0EV、0.0314EV、0.0622EV、0.0923EV……8.4997EV、8.5EV。

因此，我们可以得到以下结论：

1. 如果要产生同样亮度变化的感觉，对于图片的阴影区域，只需要少量的进光量；对于图片的高光区，则需要更多的进光量。

2. 对于同样的进光量，在暗部产生的亮度变化大，在高光产生的亮度变化小。

3. 对于同样的进光量，在亮部可以产生更多的细节（亮度变化更细腻）

如果你善于思考，那么应该能够猜到我想说什么——细节就是亮度的变化，就是进光量的对数变化。当你的相机宽容度和采样位数确定了，你能够表达的最小亮度细节也就确定了，要想增加细节，在拍摄时，就要把采样到的进光量数值，尽量充分的利用在主体的亮度上。在PS过程中，增加细节就是增加主体亮度的变化：

1. 如果你的主体出现在高光区，那么PS时把图片亮度降低可以有效的增加细节，因为降低亮度可以让更少的进光量（采样值）带来更多的亮度变化，这意味着对采样器获得的进光量更充分的利用。（估计你可能要拍桌子了？“什么！把亮度降低？那我的照片岂不是看起来是曝光不足？”，的确有可能，所以你在拍照的时候，要尽可能的把照片拍的亮一点。）

2. 如果你的主体出现在中间调，那么PS时把主体偏亮的部分变得更亮，偏暗的部分变得更暗，可以有效增加细节，实际上，这就是我们说的S型曲线。（多想想，既然主体出现在中间调，说明你不在乎高光细节，那为什么不把它拍的亮一点呢？让更多的采样器的进光量为你的主体服务）

3. 如果你的主体出现在阴影区，在PS的时候当然应该把主体提亮，增加细节。（但是为什么不干脆拍亮一点呢？）

估计上面3条中括号里面的话会更加让你迷惑，你一定会想，难道我应该尽量的把照片拍的亮一些？没错！的确是这样！2.3 向右曝光

向右曝光理论最早产生于2003年，是英国摄影家Michael H. Reichmann和Photoshop原作者Thomas Knoll一次讨论中提及的（每次打开Photoshop，注意一下在启动对话框里面排第一的人是谁？）。

Michael把这个方法发表在Luminous-Landscape 网站上，这一方法后来被网友Rex8848于2005年翻译成了中文。

向右曝光基本结论是：当采用RAW格式拍摄时，可以尽量的把图片曝光增加（增加多少由你决定，只要你的感兴趣的物体不过曝就行），这样带来的后果是图片偏亮。在后处理时，用RAW处理软件（例如：ACR: Adobe Camera RAW）将其调整回正确的亮度。这样做的好处是：在完全不损失高光细节的条件下，可以恢复大量暗部细节，并且有效提高信噪比，降低噪点。

我最早看到这篇译文大概是在2006年，当时嗤之以鼻的飘过。原因是那篇译文里面的一个不严谨的描述（关于采样的描述）和一个翻译错误的地方（关于ISO的描述，当时不知道是译文的错误）。说实话，Rex8848翻译的还是不错的，但是这两个译文的问题，让我对这个结论产生了怀疑。直到后来我重读了原文，并且动手做了一系列的实验。假设相机的采样器有14-bit，它能表达16384种亮度，宽容度从0EV到8.5EV。很显然，当拍摄一个亮度是8.5EV的物体时，并且正常曝光，它在照片中的亮度也是8.5EV，那么采样器的输出就是第16384级，对应的进光量是362。
让我们假设把曝光补偿-1EV，还是那个8.5EV的物体，这时在照片里会呈现出7.5EV的亮度，对应的进光量是181，对应的采样器输出是第8192级。发现了吗？降低1/8.5的亮度（1EV），会损失掉整整一半采样细节。你的1万块的相机，你只用到了5千块。
那好，假设我们拍摄对象的实际亮度现在是7.5EV，如果正常曝光，那么它在照片中显示出来的也是7.5EV（仅仅用了5千块）。如果把曝光补偿+1EV，那岂不是赚了5千？的确，你赚了5千，因为你更加充分的利用了你的采样器
让我们看一个实验
向右曝光实验基准图片（光圈F4；曝光1/4S；曝光补偿0）
这是我布置的一个实验场景，右下角的纸团包含了很多高光细节；左下角的小鸭子基本可以看成中间调，用来观察信噪比；而上方黑色的瓶盖实际上有个黑色的Logo，可以用来评判阴影的细节。不好意思，那盆花好几天没浇水了，有点儿蔫，但是不影响实验结论。

基准图采用了F4光圈优先，评价测光得到快门速度为0.25秒，我们姑且认为这就是正确的曝光。接下来，我们仅仅改变快门速度，拍摄5张照片，曝光时间分别为：0.33、0.4、0.5、0.6、0.8，得到的6张照片的直方图如下：
从直方图上就可以看到，0.5S时，已经到达了最右侧，而0.6秒和0.8秒都发生了过曝。相信我们大多数人在曝光的时候，都会止步于0.5S。事实上，我的相机在0.5S曝光时就执着的在纸团的中央给出了过曝闪烁，告诉我悲剧已经发生了，然而我没有听从它的劝告，继续增加了2张曝光。
如果我们直接比对6张照片的高光和阴影细节，如下图所示：
图 26 A的细节丰富，曝光正常，B、C就开始略显单薄，而D、E、F的确发生了过曝
图 27 E和F已经可以清晰的看出瓶盖上的LOGO。可惜，相机判定这两张照片高光过曝了。
用PS打开这6张图片，在ACR中，分别对他们进行曝光调整，让他们都达到和A图一样的亮度，让我们一起见证奇迹发生的时刻。
你能看出这6张图片的差别吗？至少我没有，在我看来哪怕是图F中包含的细节，和A都是完全一样的（天呀，那刚才相机说过曝了岂不是在晃点我？的确是的）。我第一次把图 26和图 28的F图对比，下巴都掉了，这到底是从哪里恢复出来的细节？有一点我是确定的，肯定不是PS凭空造出来的数据。

奇迹还不至于此，让我们看看暗部细节
我不知道印刷出来会怎么样，但是在我的30英寸的屏幕上，A和F是有巨大差别的，F图亮度和A相同，但是那个LOGO在F图中仍然清晰可见
再看看信噪比吧

看见A图中的恼人的噪点了吗？和F图相比，我觉的噪点的程度至少相差3档ISO。
在刚才向右曝光的实验中，发生了3件神奇的事情：

1. 图 28中的F神奇的恢复了高光细节。

2. 图 30神奇的恢复了阴影中的LOGO。

3. 图 31中的F神奇的提高了信噪比，降低了噪点。

首先解释一下奇迹1：为什么能恢复“过曝”了的高光细节？那是因为我使用了RAW拍摄，拥有14-bit的采样。而JPG图片、相机屏幕所对应的色彩空间（颜色仓库），都只有8-bit。即使你使用RAW拍摄，你的相机为了把缩略图显示给你看，内部需要生成一张JPG，并且据此判断是否过曝，所以你的相机再次欺骗了你。当用ACR以16-bit模式打开你拍摄的RAW时，一切细节都回来了。

再解释一下奇迹2：为什么能够恢复暗部细节？当我们增加曝光补偿时，实际上充分的利用了采样器的全部输出，增加1EV可以捕捉到多出一倍的细节；而本实验中我们增加了1.678EV，这可是多出来3.2倍的细节呀！这些细节在图 29. A中，是完全不存在的，无论你通过什么方式，都不可能恢复出来，因为巧妇难为无米之炊嘛；而在图 29.F中，ACR可以很好的利用这些新的信息，将细节恢复出来。

最后说一下奇迹3：为什么能提高信噪比。这个很好理解。相机中的“沙沙声”是均匀分布在各个亮度的；假设你的相机采样器能够输出0~16383档，沙沙声占据了其中的5档，意味着不管采样器输出什么进光量，都会有5档的误差。我们知道同样进光量在高光处产生的亮度变化不明显，而在阴影处可以产生明显的变化，这也是为什么我们总是在暗部发现噪点的原因。当我们通过ACR把图片压暗时，噪声也是跟着被压暗了，就变得越发不明显了。本实验中，噪声被压暗了3.2倍。所以，向右曝光理论在数码摄影中完全成立！

当然，任何事情都是有代价的，采用向右曝光的缺点是：

1. 你必须采用RAW拍摄，否则高光细节会损失

2. 到底向右曝光多少，是需要实践的，在你熟练掌握之前，你需要承担过曝的风险。

3. 每张图片看起来都比正常图片亮，你需要花更多的时间坐在电脑前调整。

4. 90%的情况下，我们采用光圈优先模式拍摄，增加曝光补偿相当于增加曝光时间，你需要把相机端的更稳，如果你做不到这一点，那么就必须增加ISO，这样会削弱对信噪比的改善。

我在完成本节的时候，请我的一位身材丰满的朋友提意见，我曾经教过她一些基本的摄影知识，她平常叫我“师傅”，那我自然很理所应当的叫她“八戒”……她看完后惊呼“天呀，师傅……你是在玩‘找不同’的游戏吗？！”我知道这对一般人来说，差别是细微而且难以理解的。但是我仍然建议你亲自做一下这个实验，以下的建议可以让你测量的更加准确：

1. 场景中同时具有高光、中间调、阴影的细节。同时也要有一些比较平滑的物体（就像那个小鸭子），方便观察噪点

2. 去除一切相机的自动因素：首次自动测光，然后放到M档、手动对焦、手动白平衡、ISO固定（100）

3. 去除一切相机的抖动：三脚架、反光板预升、快门线或者延迟曝光

4. 可以设置相机同时生成RAW和 JPG的图片，以便对比他们的不同2.4 颜色

你看过姜文拍的《鬼子来了》吗？知道为什么没有被公映吗？传说（仅仅是传说而已）本山大叔曾经对姜文说“你这拍的是啥玩意儿嘛~中国人看了要不高兴，日本人看了也要不高兴，拍一个谁看了都不高兴的片子，怎么可能让放呀！”。这一节的内容也是一样，颜色是如此复杂，以至于至今我对颜色仍然是一知半解。我相信这一节写出来，外行人要骂街，内行人看了也要骂街。没办法，因为如果没有这节，你会遇到更多的困扰。希望我能够像姜文一样“站着也能把钱挣了！”。

我写本节的目的，是为了回答以下几个问题：

1. 如何准确的描述颜色。明快、鲜艳、单薄这些词汇是你看到一副图片的感觉，但是他们不是准确描述颜色的词汇。如果你想改变单薄的颜色，获得明快、鲜艳的效果，那么必须知道这些感觉对应这哪些颜色属性，并且有针对性的去调整他们。

2. 为什么图片在你的屏幕上和在别人屏幕上看起来是不同的，打印出来的颜色也是不同的，甚至用不同的软件打开看起来也是不同的。我只能告诉你他们为什么是不同的，但是我没法告诉你怎么才能让他们相同，因为光这一个话题就足以写一本厚厚的书。

3. 理解什么是RGB、CMYK、LAB以及各个通道的含义和特点，这些对后面的章节至关重要2.4.1 什么是颜色

还记得酒吧里的那个妞儿吗？“白色的裙子在红色的灯光下飘动，而你却仍然确定她的裙子是白色的”。这句话其实包含了颜色定义的3个方面：颜色是光的一种特性；颜色是物质的一种特性；颜色是人的一种感觉。这就牵扯到了物理学、表面化学和生物学三门学科，当希望用数字系统来准确的表达颜色时，还牵扯到编码学和材料学。我可没有奢望能够在一节里面把这些东西都说清楚，但是理解什么是颜色仍然是重要的。

颜色的产生是由3个因素共同作用的：光源、物体和人。光源发出不同波长的可见光，这些可见光被物体改变（有些物体只反射某些波长的光，有些透明物体只允许某些波长的光透过），这些经过物体改变的光到达我们的眼睛，刺激我们的神经系统，我们的大脑就会产生颜色的感觉。

.4.2 光源

光源在生活中有很多，太阳、灯泡和我们的显示器，都是光源。当忽略空气的影响，这些光源发出的光会直接送到我们的眼睛里，产生颜色的感觉。实际上，空气对光的影响是如此重要，以至于当早晚的时候，阳光透过空气斜射到地球，我们能够感觉到的颜色是如此的不同。为了不把问题复杂化，我们把空气和光源的组合看成一体，这意味着中午的太阳和早上的太阳是两个光源。

前面说过，不同颜色的光其实是包含了各种波长的电磁波，要准确描述它，最严格的做法是穷举每个波长都包含了多少能量，也就是要描述它的光谱分布。这种方式太复杂了，因此我们采用“色温”是用来大概描述光源。我们假设有这样的一个物体，它不反光、不透光，不管用什么颜色的光照上去，它都是黑的（全部吸收了），我们管这种宝贝叫做“绝对黑体”。当把这个宝贝加热到不同的温度时，它会发出不同颜色的光。当某一光源所发出的光谱分布与“绝对黑体”在某一温度时辐射出的光谱分布相似时（注意，一向严谨的我在这里用的是相似），我们就把这个温度称之为该光源的色温。换句话说，色温是描述光的颜色的一种方式。顺便说一句，这里的温度，不是摄氏度，而是开尔文温度，单位是K。

小于3300K的色温，颜色偏红，给人以温暖，健康的感觉；3300K~5300K之间的色温，是中性白色，给人柔和、舒适的感觉；5300以上的色温，是冷白色光，给人以明亮，清凉的感觉。写到这里，我觉的浑身不舒服，因为这个概念根本无法准确严格的定义光的颜色。

但是这个概念可以让我们比较准确的了解相机或者软件中的白平衡。比如说，白平衡告诉相机，现在照亮场景的的是一盏白炽灯，对应的色温是2850K，那么相机就会知道，所有的东西都会偏红偏黄，于是内部的算法就会把图片朝着相反的方向——偏绿偏蓝方向调节。很显然，如果你是在白色的阳光下（5500K）拍摄的照片，但是错误的告诉相机采用白炽灯的白平衡，那么算法会把你的照片变得蓝汪汪的。

很显然，色温仅仅能够描述光源整体的“颜色”的感觉，而无法准确的描述一个颜色。最准确表述纯色光的颜色，应该采用光的波长来说明，可惜的是，在自然界中，很少有颜色非常纯的光源（我们显示器上的荧光粉可能算是一种近似）。

2011-11-19 20:26

2.4.3 物体反射和人眼对颜色的感知

为什么我们身边的物体会呈现出不同的颜色呢？其原因就是不同物体可以反射不同波长的光线。我们假设身处在5500K的白色色温下，更加严格点说，我们假设有这么一种光源，它在每个光谱都包含了相同的能量。当它照在一束玫瑰上时，绿叶只反射其中绿色的波长，而玫瑰花却把绿色的波长全部吸收，把红色波长全部反射，貌似这个很容易理解。

现实生活中要是这么简单就好了，实际情况是：

1. 我们很难找到纯粹的白色光（包含全部光谱，且能量分布均匀），或者很难生成纯度非常高的有色光（只包含一种颜色的光谱）。日常生活中的大部分光源，包含了广泛的光谱，并且其能量在各个频率分布上是不均衡的。因此，我们看到的光，仅仅能够形成一个大概的颜色感觉。当我们看到落日的余晖的红色，感觉明明和屋里白炽灯的红色不同，但是我们很难描述究竟差别在哪里。

2. 我们很难找到一种物体，严格的只反射某一种波长，而吸收其他全部的波长。纯色的反光体在现实生活中几乎不存在。这也是为什么红色的玫瑰和红色的百合花看起来是多么不一样。

3. 更加郁闷的是，大多数情况下，光源的直射光和物体的反光和会同时进入我们的眼睛，我们的眼睛和大脑会根据光源的颜色对来自于物体的光线进行“自动白平衡”，修正我们对颜色的判断。这些自动白平衡甚至用到了我们过去的经验！当然，有时候这种白平衡也有失效的时候，下次你去酒吧，可以注意那些红色灯光下穿着绿色衣服的人，或是蓝色灯光穿着黄色衣服的人，他们看起来都是黑的。

谢天谢地，正是因为这么多非理想的因素，才让这个世界看起来五彩缤纷。但是这却让我这样的工程师几乎抓狂了，因为几乎无法找到一个精确的，严密的方式，描述“颜色”这种感觉。

2011-11-19 20:27 2.4.4 我们是如何描述颜色的

像我这样的工程师们想出了很多描述颜色的方法。每一种新方法的诞生，都解决了一定的实际问题，但是不可避免的引入了新的问题。很显然，工程师们还没有找到一种简单、直观的方法来严格、准确的定义颜色。唉，我恨死颜色了！最直观的描述颜色的方法，是用色相（H）、饱和度（S）、亮度（B）来描述的。打开Photoshop的拾色器，你可以看到这样的对话框
这种描述颜色的方法，在色谱上很容易理解。


在下图中，列出了4种颜色：
A、B具有相同的色相，C、D具有相同的另外一种色相，色相是描述了每种颜色的主波长落在哪里，这决定了人眼对这种颜色的直观感觉，例如A、B是某一种绿色；C、D是某一种红色。

而饱和度描述了颜色的纯度，也就是说，夹杂其他颜色的多少（主要是白色），图中A比B包含了更多的其他颜色，尽管他们色相相同，但是饱和度不同，B要比A更加“鲜艳一些”；注意到B比A要更窄了吗？我经常说，提高饱和度，其实就是颜色的“锐化”。

亮度则和颜色无关，它表明了光的强度。当然，有时候亮度变化会影响我们对颜色的判断，比如你能想象很暗的黄色吗？那个时候，通常你看到的是褐色。

我第一次看到这种表达方式，赞叹道：这是多么美好的一种表达方式呀，这种完全基于频域的描述是信号处理中傅立叶变换优美的运用！可惜，我相信99%的人看不懂这句话，并无法体会其中的美感。但是毋庸置疑的是这种方式和我们平常的习惯很接近。我6岁的侄子都知道主波长落在红色区域的苹果比落在绿色区域的要甜，并会从一堆各种波长的苹果中选出一个红色波束最窄的苹果，拿到一个500流明亮度的灯泡下看看有没有虫眼。

可惜，这种表述方法无法被另外一群工程师所接收，他们是制造显示器和照相机或者其他类似设备的，他们无法找到能够产生连续色相的物质（足够便宜、安全），无法通过调整某个变量改变颜色的宽窄。换句话说，他们无法用这套理论制造他们的采集装置和显示装置。这种模型好是好，但是造不出来！

于是就有了RGB模型
.4.4.2 RGB模型

RGB模型是基于仿生学原理，我的视网膜有三种细胞，分别对红、绿、蓝三种颜色敏感。这三种颜色的光可以混合出“任何一种”颜色（实际上不是）。当这三种颜色分量一样时，我们看到的是中性灰。于是（100R, 100G, 100B）表示某种灰色，（255R，0G，0B）表示明亮的、高饱和的红色，（155R, 0G, 0B）表示不那么明亮，高饱和的红色，而（255R，100G，100B）= （100R, 100G, 100B）+（155R，0G, 0B），表示在一个不太亮的饱和红色中加入一定的中性灰，降低了饱和度，同时提高了亮度。就像往一杯牛奶里掺水一样，牛奶变稀了，但是杯子里面的液体总量提高了。
于是显示器的工程师终于可以找到3种荧光物质，当电子束轰击它们的时候，他们可以发出高饱和的红绿蓝三种颜色，从而在显示器上混合出五彩缤纷的世界。数码相机工程师也很好的完成了他们的工作，他们在传感器前放上了四个小滤镜，其中红色、蓝色各一片，而绿色有两片，这是因为人眼对绿色亮度更加敏感。这三种颜色的滤镜分别只允许透过红、绿、蓝这三种光线，从而被传感器采样到，于是成功的将一个彩色的场景分解成3个颜色通道。整个世界清静了，他们暂时解决了所有的问题！一切看起来是那么的和谐。
在Photoshop和某些其他图像处理软件中，软件工程师甚至把一副图片按照RGB分成3层，在每层中，数值越高代表该成分越亮，有经验的用户会把这些通道当成宝贵的素材或者天然蒙版，通常把这些通道混来混去会得到意想不到的效果。于是软件工程师也开始沾沾自喜！

然而这只解决了相机工程师、显示器工程师和软件程序员的难题，另外两类工程师面对RGB几乎要抓狂了！他们是印刷工程师和图像处理工程师。于是分别又有了CMYK和LAB模型。2.4.4.3 CMYK模型

我相信印刷工程师和我小时候有着同样的迷惑：不是说RGB混合起来可以得到任何一种颜色吗？为嘛我买了无数块三色橡皮泥，不管我再怎么仔细把三块橡皮泥切成大小一样的混在一起，却怎么也无法得到我期望的白色，而是变成了黑乎乎的一坨？开始我还以为是我的手没洗干净，当我反复确认手和橡皮泥的大小都没问题的时候，我得出了一个结论：他们都是骗子！那一年，我5岁。

直到15年后，我才知道，他们其实不是骗子。

准确的说，是红绿蓝三种光能混合成任何一种颜色的光。这是加色混合，数码相机，显示器都属于加色混合，因为他们处理的都是发光体。而橡皮泥则是反光体，红色的橡皮泥只能反射红色的光，但是更重要的是它会吸收其他所有颜色的光，当然，包括绿光！那么绿色橡皮泥呢？它和红色的一样，固执的只反射绿光，吸收包括红光在内的其他所有颜色的光。于是，红色橡皮泥反射的红光被绿色橡皮泥吸收了，绿色橡皮泥反射的绿光被红色橡皮泥吸收了，看起来就是黑乎乎的一坨，更别提再加上蓝色橡皮泥了。

如果你把橡皮泥换成印刷中的油墨，就不难理解印刷工程师面对RGB模型的痛苦了。

解决方法很简单，如果找到3种颜色，它分别能够吸收红、绿、蓝三种颜色的光，而反射其他所有的颜色光，那么把它们混合在一起，不就可以生成各种颜色了吗？这三种颜色分别是青（Cyan）、品红（Magenta）、和黄（Yellow）。因此我们管红-青、绿-品红、蓝-黄叫做互为补色，或者相反色。如果一副画面偏红，那么就往里面多放一些青色油墨，偏绿则要添加品红色油墨，不够蓝则需要减少黄色油墨的用量。很显然，当三种油墨等量存在时，就会是中性灰，直至黑色；当 三种油墨都没有时，就是纸张的白色，这句话的意思是，印刷工程师无法印出比纸张还要亮的白色。
当然，油墨的特性没那么理想，里面的杂质使得它们不可能只吸收某一种颜色的光，而反射其他全部的颜色，这就使得有时候把三种颜色混起来后，无法得到很深的黑色，于是印刷工程师干脆直接再加一种油墨——黑色（Black），这就形成了CMYK的颜色模型。

实际上，RGB和CMYK在本质上没有任何区别，它们都是基于同样的原理：将一些基本颜色叠加得到其他所有的颜色。所不同的是，CMYK是基于油墨的特性，由于油墨表现能力有限，CMYK模型能够表达的颜色要少于RGB模型（也有例外的时候，比如明亮的黄色），这也意味着我们能够印刷出来的颜色要少于我们在屏幕上看到的颜色。

软件工程师也在Photoshop中加入了CMYK模型，所不同的是，这次他们用百分比表示不同油墨所占的比例，百分比越高，说明该颜色的油墨喷的越多，画面也就越暗。

印刷工程师面对CMYK模型露出了满意的笑容，软件工程师也高兴的拍拍手，为自己在软件中支持CMYK模型感到欣慰。

现在就剩下图像处理工程师了，HSB符合人的直觉，但是造不出来；RGB是给那些和光打交道的工程师用的；CMYK是给那些与油墨为伍的工程师用的。但是当图像处理工程师面对RGB和CMYK时，他们发现当他们改变了颜色，同时也改变了亮度；当他们改变了亮度，那么颜色也要随之变化。这对这些以艺术家自居的工程师来说，颜色就像一个茶几，上面摆满了杯具。

在我们解决这个问题之前，先看看一个更大的餐具！2.4.5 更大的餐具

制造相机的工程师和制造显示器的工程师突然发现，尽管他们都采用RGB模型，相机拍下来的照片在不同显示器上呈现的不一样；印刷工程师也发现，他们在以RGB为模型的显示器上调整好的颜色，在CMYK的印刷机上却满不是那么回事儿；而我们老百姓在卖电视的地方面对着电视墙上的20台液晶，也看到了20种不同颜色的画面

其实这个原因用脚指头就能想的出来：相机传感器前面的RGB滤镜和显示器里面RGB荧光粉的颜色特性不一样，而RGB荧光粉的颜色特性和印刷机里面的CMYK的油墨的颜色特性也不同；不同品牌的相机、电视、印刷机采用的滤镜、荧光粉和油墨相互之间也有差别；而这些东西的颜色特性还会随着时间、温度、湿度的变化产生变化。天呀，所有的东西都在变，没有一个常量，这个方程咋解嘛！

问题的本质，其实是无论RGB还是CMYK里面的颜色数值，其实仅仅是告诉设备要使用着色剂的用量（油墨的数量、轰击荧光屏的电子束强度、改变液晶排列的电压的大小），而不代表真实的颜色感觉。没错，（R255, G0, B0）代表了最亮的红色，但是究竟是玫瑰的红色还是鸡冠花的红色？没人知道！如果大家把颜色想象成语言，不同设备都在使用不同的方言，有四川话、东北话、天津话，尽管大家能够大概听懂意思，但却无法做到完全一样。

还有一个问题，不同设备能够表达出来的颜色范围是不同的。显示器不可能发出比红色荧光粉更红的颜色，打印机也打不出比黄色墨水更黄的颜色。在颜色学中，我们把设备能够表达的颜色范围叫做色域或者色彩空间。色彩空间好比一个颜色仓库，里面存储了不同数量的颜色，并且为不同颜色编了号码，这些号码就对应着RGB, CMYK里面的数值，不同的彩空间对这些数值有不同的定义，也就是说，（R255, G0, B0）在sRGB中可能代表的是玫瑰的红，在aRGB中可能代表鸡冠花的红。按照颜色数量的多少，常用色彩空间有：LAB, Adobe RGB（aRGB）, Standard RGB（sRGB）, CMYK。

2011-11-19 20:37 举个例子吧：比如说（R255, G0, B0）在20台显示器上都是红色，但是每台显示的红色都不同，于是某个颜色组织说，这怎么行呢？要和谐嘛！于是挑了一个大部分显示器都能显示出来的红色，说“大家都按照这个规定来显示吧”，于是20台显示器显示的颜色就一样了。可想而知，这个红色不会太红。这个规定，就是sRGB。但是那些能够生产更好显示器的厂家不愿意了，他们抱怨道，明明我们能显示出更红的红色，凭啥让我和那帮垃圾显示器显示的一样？于是，又出现了一个更广的色域——aRGB。尽管如此，能够显示aRGB全色域的显示器又少又贵！所以，sRGB和aRGB都属于RGB模型，但是色彩范围不同。除此以外，还有至少10种不同的色彩空间，都是为了解决不同的问题或者利益博弈的结果。但是现在LAB，aRGB， sRGB， CMYK是在Windows平台下使用最广泛的标准颜色空间。A
用sRGB的方式显示sRBG的图片
B
用aRGB的方式显示sRBG的图片，明显看到颜色变得浓郁了，这其实是一种不匹配的显示方式。注意看船身的红色和右边草地的黄色。
想想看，如果在你的显示器上几乎分辨不出图A和图B的区别，说明了什么？
C
将图A转换成CMYK空间，颜色变得平淡。注意看船身的蓝色和红色。
把三张图重新截图的方式再贴一遍
这张彩色的下午是我们用了11天徒步完尼泊尔的安娜普尔娜东线后，终于来到了腐败的博卡拉，坐在湖边，吃着牛排，晒着太阳。彩色的船像花朵一样盛开在湖边，在拍这张照片的时候，一只友善的令人不知所措的小狗还在疯狂的扯着我满是泥浆的裤腿。

1. 图A是用sRGB的空间去解释sRGB的数据，匹配显示，可以作为参考基准。

2. 图B是我给它指定了一个错误的aRGB的配置文件，也就是说尽管这幅图片里面的数据是sRGB，但是我告诉Photoshop按照aRGB的方式解释，这实际上是一种不匹配的显示。我们知道aRGB空间要大于sRGB空间，能够表达比sRGB更饱和的颜色，aRGB中的（R200, G0, B0）要比sRGB中的（R200, G0, B0）更红。因此如果用aRGB的规则去解释一个在sRGB中的（R200, G0, B0），其饱和度可能相当于sRBG的（R235, G0, B0），这也是为什么图B要比图A显得饱和的原因。

3. 图C中，我用转换配置文件的功能，把图A转换成了CMYK空间，这个操作的意思是：如果用CMYK最大努力逼近图A的效果，可以做到什么程度？也就是说，你想看看图A印刷出来是什么样子的。很显然，基于CMYK的油墨对饱和红色，蓝色表现力要不如sRGB，所以画面显得颜色平淡。理论上图A的效果印刷出来，会和我在电脑屏幕上看图C的效果一样，那图C究竟会变成什么样呢？写到这里我非常好奇，迫不及待的想看到这本书出版的时候，这三张图片会给印刷厂带来多大的麻烦。在我刚开始使用PS的时候，对颜色管理一窍不通，盲目的听从“那个论坛”的某位“资深泡菜”的建议，毅然决然的把PS的色彩空间设置成了aRGB，因为“专业摄影师都这么做”。当我用普通看图软件查看图片，或者把图片传到网上以后（这些都是用sRGB的方式解释图片的），你能想象我看见的效果和沮丧的心情吗？（先别往下看，猜一下我这样设置会造成什么后果？）没错，我出现的情况刚好和图B相反，所有动人的颜色饱和度大幅下降，每张照片都变的单薄乏味。这些都是方言惹的祸呀！

解决方法当然是把方言都翻译成普通话——把“使用着色剂的数量”翻译成“人类对真实颜色的感觉”。我们需要一种能够描述颜色感觉的标准语言。很幸运，工程师又发明了一种颜色模型，能够用数学方法唯一精确定义颜色刺激所产生的感觉，这种模型就是LAB模型，他的原理非常复杂但是使用起来却非常简单，同时LAB还解决了图像处理工程师的困恼：可以把颜色和亮度分开调整。

让我们把LAB模型的细节放在一边，现在你只需要记住LAB是可以精确的描述人眼对颜色的感觉，它与设备无关，是颜色在计算机领域的基准。很显然，要解决刚才的那个餐具，就是要把各个设备一种颜色方言先翻译成LAB普通话，再转换到另外一种颜色方言去。这样才能获得颜色传导的一致性。在每种设备中都有一个设备描述文件，用来描述自己这个设备的颜色特性（自己所说方言的特点），每个设备制造商都有责任提供这个文件，甚至允许某些高级用户通过测量来生成新的设备描述文件以校准自己的设备（显示器，扫描仪，打印机，印刷机等等）。同时色彩管理模块（CMM：Color Management Module）可以看成一个翻译的机器，负责根据设备描述文件把自身的颜色特性和通用的色彩空间——LAB之间进行翻译。如果某一种颜色仅仅存在于某个色彩空间，而在另外一个不存在（比如很明亮的青色仅仅存在于CMYK中）,那么还需要选择一种妥协的策略：是降低颜色的饱和度？还是直接去掉用最近的颜色替代？
所以，要想颜色在不同设备之间准确的传递（甚至在不同软件之间准确的传递），就必须准确的指定3件事情，分别是：

1. 源和目的的设备特性文件，用来描述它们各自的颜色特点

2. CMM模块：起到翻译器的作用，一般这个东西操作系统已经有了，Adobe也提供默认的CMM

3. 选择一种妥协策略

至此，整个世界才真的清静了！所有工程师拍拍手，开心的笑了。相信95%的用户会茫然不知所措。
现在你可以自己想想，你的照片是从照相机到显示器，你可能会打印出来，也可能送到店里冲洗出来挂在墙上，你当然会传到博客里去分享，甚至想用投影仪举办一个看片会，偶尔还会把照片copy到你朋友的电脑上去炫耀……如果你想在这所有环节都保证颜色一致性的话，你都需要做哪些事情？没办法，这是我们这样工程师能够给你的最好的方案了。

最后，让我提出巫师第三定律“PS是为了给画面赋予自然而动人的颜色，从而吸引人的注意力”。