计算机颜色是坏的

Computer Color is Broken

频道:minutephysics · 时长:4:14 · 发布:2015-03-20 · 播放:4278904

在 YouTube 观看

简介

MinutePhysics 解释计算机以非线性方式存储亮度,因此在原始 RGB 中模糊和混合颜色会得到错误的、偏暗的结果。它展示了为什么混合颜色(例如在渐变中)看起来不对劲。

HN 为什么推荐

HN 引用它作为图像程序中伽马和颜色混合错误的易懂解释。

我发现 minutephysics 对这个主题的处理非常令人愉快且易于理解。 — HN, 2026

平面设计与排版 · 计算机图形与渲染

中文字幕节选

如果你把一张彩色图片放进 Photoshop 或 Instagram 并模糊它,你会看到相邻的亮色之间出现奇怪的、 暗色边界。 真难看!在现实世界中,失焦的颜色会平滑地融合, 从红到黄再到绿——而不是从红到棕再到绿! 这种颜色混合问题不仅限于数字照片模糊——几乎 任何时候计算机模糊图像或尝试使用透明边缘,你都会看到 同样难看的污迹。 这种难看现象有一个非常简单的解释——以及一个简单的修复方法。 这一切都始于我们如何感知亮度。 人类的视觉,就像我们的听觉一样,基于相对的、大致对数的尺度:这 意味着从一盏灯变成两盏灯,感知亮度的变化比从一百零一 变成一百 零二要大得多,尽管增加了相同物理量的光。 我们的眼睛和大脑只是更擅长检测 暗场景中绝对亮度的微小差异, 却难以察觉明亮场景中同样的差异。 而计算机和数字图像传感器 则纯粹根据 照射到光电探测器上的光子数量来检测亮度 ——因此无论周围场景如何, 额外光子带来的亮度增加都是相同的。 存储数字图像时,计算机 会为每种颜色记录一个亮度值 ——红、绿、蓝——对应图像的每个点。 通常,零代表零亮度,一代表100%亮度。 所以0.5的亮度是1的一半,对吧? 错。 这个颜色看起来可能像是黑白之间的中间值,但这是因为 我们的视觉是对数式的——就绝对物理亮度而言,它其实只有 只有白色光子数量的五分之一。 更疯狂的是,图像值为0.25时,光子数量仅为白色的二十分之一! 数字成像有充分的理由 采用这种比数值所暗示的更暗的 设计方式:记住,人类视觉更擅长检测 暗场景中亮度的微小差异, 软件工程师利用了这一点, 在数字成像的早期将其作为节省磁盘空间的方法。 技巧很简单:当数码相机捕捉图像时,不是存储 它给出的亮度值,而是存储它们的平方 根——这样用更多的数据点来采样暗色的 渐变,用较少的数据点采样亮色, 大致模仿了人类视觉的特性。 当你需要在显示器上显示图像时, 只需将亮度平方回去,就能正确呈现颜色。 这一切都很好——直到你决定修改图像文件。 例如,模糊是通过将 每个像素替换为附近像素颜色的平均值来实现的。 很简单。但取决于你是在平方根之前 还是之后取平均值,会得到不同的结果!! 不幸的是,绝大多数计算机软件都做错了。 比如,如果你想模糊红绿边界,你会期望中间是 一半红一半绿。大多数计算机试图通过偷懒地 对图像文件的亮度值取平均 来实现这一点,忘记了实际的亮度 值已被相机取平方根以更好地存储数据! 所以平均值最终太暗,正是因为 两个平方根的平均值 总是小于平均值的平方根。 要正确混合红色和绿色并避免 为了避免那难看的暗色污泥,计算机本应 先对每个亮度值求平方,以抵消相机的平方根处理,然后 取平均值,再开平方还原——看这效果要好多少!! 遗憾的是,绝大多数软件, 从 iOS 到 Instagram,再到 Adobe Photoshop 的默认

HN 上的讨论

对于对这个话题感兴趣的人,我发现 minutephysics 对这个主题的处理非常令人愉快且易于理解。我曾经在工作中做过一两次关于颜色转换的演讲,我会播放其中 90 秒的片段(适当注明出处),因为它能以非常可爱和通俗易懂的方式,快速让人们了解 EOTF 背后的原理:[VIDEO] — joedrago, 2026-06
> 最后一块拼图是 gamma 校正。对这些 RGB 坐标应用 gamma 校正会产生一组新值,我们称之为 (R', G', B'),它们通过传递函数与原始值相关 6 ... 这样做的原因是为了考虑我们的眼睛如何非线性地感知亮度。我们能更容易地区分暗色调的变化,因为当 R 很小时,R 的线性增加会产生更大的相对效果。因此,切换到 (R', G', B') 可以在图像暗部区域提供更多分辨率,而眼睛对亮度变化更敏感。我很惊讶这一点没有在更早和更显眼的地方被提到。相反,它几乎只是一个脚注。也许我错了,但我敢打赌,第一张图中 90% 的尴尬都来自于对渐变使用这些值 (R', G', B') 进行平均,而不是切换到真正的线性值、平均后再转换回来。这个经典的 MinutePhysics 视频很好地涵盖了这一点:[VIDEO] — quietbritishjim, 2026-02
我误解了你的意思。请忽略。顺便说一句,我说的色彩空间主要是指我们可以只用一个超宽色域的色彩空间。确实还有其他原因需要不同的色彩空间。(以下是我的原始评论,供参考。)------------- Gamma 其实和 CRT 没什么关系;或者我应该说,它们是两回事。CRT 具有某种物理上的“gamma”(光强度随电压非线性变化)这一事实,很可能只是与我们这里讨论的 gamma 巧合。sRGB 中使用 gamma 的原因是人眼对暗部区域的变化更敏感,也就是说,如果光强度线性变化,在暗部会感觉更“跳跃”(这会导致可见的色带)。这在色彩深度较低时尤其成问题。为了解决这个问题,我们发明了 gamma 空间,给暗部更多的位/强度间隔,以平滑感知亮度。> 不需要理解线性和非线性色彩空间之间的区别 绝对需要,因为任何 gamma 空间在“平均”时都会有问题,正如 GP 所解释的那样。实际上,这非常糟糕,以至… — fireattack, 2021-01
如果我们正在“如果你处理颜色就看这个YouTube视频”的列车上,这里有一个很好的解释,为什么渐变通常在中间有一个暗带,在MinutePhysics频道上:[VIDEO] 简而言之:图像中的RBG值实际上不是光的强度,而是强度的某种非线性函数。要对两种颜色进行加权平均,你需要先撤销这种非线性,然后进行平均,然后重新应用该函数。大多数软件不这样做,所以颜色最终是错误的。这也适用于调整图像大小。 — quietbritishjim, 2020-02
很好地提醒了在线性解释RGB值时这些持续存在的混合问题,这在MinutePhysics的一个相当受欢迎的视频中也向非程序员解释得很好:[VIDEO] 正如其他人评论的那样,gamma缩放问题似乎更加相关。只是请不要使用RGB颜色空间来生成渐变。事实上,它不适合大多数涉及颜色感知的操作。chroma.js : [LINK] D3 : [LINK] 有趣的题外话:历史上默认的观看gamma似乎降低了,因为广播默认用于昏暗的房间,而今天无处不在的显示器通常处于更明亮的环境中。[LINK] — mxfh, 2016-09

相关视频