23 9 月, 2026 () Uncategorized › Administrator › No Comments
Ink saver – pure math and statistics
節墨機制 – 數學與統計
學弟問了節墨的問題，我回說在icc做適當的設定就可以了。再問：要怎麼證明有節墨？我回說邏輯上沒有問題，光把TAC(Total Area Covered)降下來就會有一定的效果，至於要用什麼方式來證明？方法有很多種，這裡試著帶帶看。
工作邏輯：
同一個版面，先算出目前 CMYK 各色座色料(油墨)用量。
同一版面，經由修飾過的 icc(GCR and TAC)重新組合CMYK ，算出CMYK 各色座色料(油墨)用量，與原本色料用量相比較，即可算出節省多少墨量。
附加：檢視修飾過的icc 影響了多少色差？
為讓數據檢測單純化，版面直接用TC1617。
Fig. 版面直接用TC1617。
就這1617個樣本，經由GCR(Gray Component Replacement)及TAC的設定之後，C墨減少11.43%，M墨減少11.91%，Y墨減少12.20%，K墨增加24.66%，總體減少了5.12%的墨量。
又，CMYK油墨目價錢並不相同，通常是K墨最便宜M墨最貴，這裡抓個權重設定K為1.0，若CMY權重為1.25、1.7、1.3，則，這一個樣本節省了9.16%的成本。
Fig. 經由GCR(Gray Component Replacement)及TAC的設定之後，總體減少了5.12%的墨量。CMYK油墨目價錢並不相同，權重後，這一個樣本節省了9.16%。
Fig. 節墨統計，總墨量節省5.12%，其中C墨節省11.43%，M墨節省11.91%，Y墨節省12.2%，K墨增加24.66%。成本權重後，總成本節省9.16%。
Fig.1632 個樣本(1617+15個空白)，有1103個色塊墨量減少，455個色塊墨量增加，整體大約節省了5%的墨量。
墨是省下來了，那色差受到多少影響？差太多還是不行啊！
整體算下來，1617個色塊平均色差1.01，最大4.26，90th percentile 1.74；低於一個色差的色塊佔了57%，累計低於兩個色差的色塊佔了94%，大於兩個色差的色塊佔了6%。比較大的色差都分布在暗部，亮部及中間調的平均色差都沒有超過1；這樣的色差能不能被接受？我認為是可以的。
Fig.1617個色塊平均色差1.01，最大4.16，90th percentile 1.74。低於一個色差的色塊佔了57%，累計低於兩個色差的色塊佔了94%，大於兩個色差的色塊佔了6%。
Fig. 比較大的色差都分布在暗部，亮部及中間調的平均色差都沒有超過1。
Fig. 墨量變異及色差分佈圖，最大色差4.16。有關Correlation說明：增減墨與色差並無強烈關聯，墨量變化只是眾多因素中的一環。某個色塊即便大幅降低了墨量，仍可能保持視覺上的一致性（ΔE00 很低）；而另一個色塊即使墨量變化極小，也可能出現明顯的色差。
Fig. 色差最大的15個樣本，全都在暗部。
經由 GCR 及 TAC 的設定來達成節省油墨(成本)的概念是沒有問題的，但會帶來色差的損失也是一定的。不同的設定帶出來的效果也都不一樣。TAC 設定很清楚的就是要減少墨量，但也很清楚的會造成暗部細節的損失；GCR 則是在同一個顏色用便宜的黑墨來取代較貴的CMY墨，除了有降低墨量的功能外，也有助於灰平衡的控制。
至於什麼樣的設定參數可以被接受？這些還是需要人為介入，主觀判定。這個設定是我們實際在用的設定，當時也是出了很多測試樣才決定下來的。
加入一個實際的印樣測試，用同樣的規則來看看這個版面能節省多少墨量/成本。
Fig. 實際印樣樣本。
Fig. 整個版面省墨12.3%。藍色部分代表減墨分佈，紅色代表加墨部分。
Fig. 整體版面最大色差4.37，平均色差1.07。紅色越明顯部分代表色差越大，但最大也只有4.37。
Fig. 價格權重後整體版面成本降低14.5%。
以上，TAC + GCR 的省墨邏輯沒有問題，但也確實會帶來色差損失(主要是暗部細節)，優缺點請自行取捨。當時做這個設定主要是處理背印問題，節墨並不是最初的考量。
Filed under: Uncategorized › Tags:
23 9 月, 2026 () Uncategorized › Administrator › No Comments
Pressroom tool, make it simple.
印刷車間精簡工具
將工具或工作流程精簡化，一直是我在做的事情。我在談印刷標準化，不管是Fogra還是CRPC，終究是要在領機的手上實現出來，終極工具還是自動掃描，自動控墨，但也經常見到有這類廠設備的單位並沒有去使用它，最常聽到的說法是，這類設備反應太慢，還不如師傅手動控墨來的快，還有就是車數太少，等設備反應上來，就差不多要印完了。
我也見到過很多能力很好的師傅，在經驗值與熟悉機器設備的基礎下，就那一雙眼睛也能把影像控制得很好(我側錄過一些灰平衡的數據，數值都還蠻好的)，我把那個叫做工藝 Craft，一旦換了人，同樣一部機器生出來的東西會完全不一樣。
Fig.同一部印刷機，同一組版，日晚兩班兩個領機印出來的成品
要達成有效的控制管理，還是要有數據，車間最基礎的數據工具要數是單點的濃度計，不管怎麼樣，這也是print by number 數據的起點。
但也經常看到的，師傅會用濃度計去測量滿版的濃度，卻很少會測量中間調在哪裡？其中一個原因是，一般濃度計雖然可以取得中間調，但操作上比較麻煩；還有就是一般中間調影像的維持，全憑師傅的經驗在操作，所以也沒有那個必要去了解數據代表的狀況。
經驗好的師傅確實能很快的達成能被接受的印刷品質，問題是，這種過於依賴個人能力的生產方式對管理方面是個困擾，一旦換人操作，就不能保證得到相同的品質，即使是同一個人操作，那也是在應對機器每天不同狀況下的操作，機器狀況一旦偏離太多，品質還是不能保持穩定。
我在談by number，就是要用明確的數值去瞭解狀態，進而維持操作的品質。
要去瞭解一部機器的狀態，借由這9格加紙張，總共10格的測量是最精簡操作。這9格是4個滿版，4個中間調，加一個灰平衡，含紙張總共10格的操作就可以知道機器大致的狀態。這也是我經常講的，把滿版做對，把中間調做對，再加上把灰平衡做對，印刷品質就差不到哪裡，而且是持續穩定的。
Fig. 印機基礎10格。
這個格式我其中一個單位用scan的方式已經操作了很久，但在其他單位師傅並不習慣用scan的操作，再來這個自定的格式要占掉一些紙邊，紙張太緊時，通常就不放了。
有鑒於師傅還是習慣單點操作， 而這些印刷系統都有各自的導表，基本上也都會有滿版跟中間調的色塊，那就讓師傅在既有的導具上以單點的方式執行這10格吧！所以有了以下工具的開發。
Fig. 新開發的工具直接以單點在既有的導具上執行。
Fig. 工具主視窗，簡單明瞭交代滿版、中間調、灰平衡狀況及其操作指令。
經由AI助力，盡可能將各種可能的工作狀況都考慮進去。由系統人員設定好工作狀況，印機師傅只需做單點量測，量測時會自動辨識滿版、中間調、灰平衡，無需在量測中變更儀器設定，讓師傅可以更快的得到滿版、中間調及灰平衡的狀況。
Fig. 目前量測儀器的支援有 i1Pro 1,2,3 及CR30
Fig. 視儀器不同，可支援 M0,M1,M2光源測量。
雖說各個印刷系統的導具都會有滿版及中間調色格，歐系機器的導具如海德堡、高寶會將中間調色格放在40%而不是50%，所以中間調可選擇設定在40%或50%。
Fig. 中間調可選擇設定在40%或50%。
對於K50與灰平衡的自動辨識，在平版印刷上沒有問題，雖然K50與灰平衡的Lab值非常相似，但光譜訊號有很大的差異，要辨識出來並不困難。但對某一些數位印刷，K50與灰平衡色塊的CMYK組合已被ICC打亂，它們會有相似的光譜波形，所以沒有辦法用光譜的差異來分辨K50與灰平衡，不過這種被icc混過的數位印刷會有個特點，那就是K50的L值一定會比灰平衡(C50MY40)的L值要高，所以我讓程式在取得這兩個相似色塊時，會再經由L值比對，讓它們各自歸位K50或是灰平衡訊號。
Fig. 印刷方式的選項會引導出不同的K50與灰平衡的自動辨識規則。
Fig. 目前語言設定可選擇英文與繁體中文版。
Fig. 必要時這些讀取的數據可以儲存下來或者是匯入進來。
當取得數據後，點開滿版色塊可以取得Beer’s Law 滿版濃度預測圖像顯示。點開中間調色塊。可取得與標準版調的比對圖像。點開灰平衡色塊則顯示要達成灰平衡的CMY調整量。
Fig. Bee’s Law 滿版濃度預測，紅色點為濃度預測最佳落點，藍色點為實際測量落點，當藍色點在紅色點左側就加墨，當藍色點在紅色的右側則減墨。
Fig. 中間調比對圖像，比綠色曲線低則表示網點擴張不夠，比綠色曲線高則表示網點擴張太大。
Fig. 點開灰平衡色塊則顯示要達成灰平衡的CMY調整量
這類的工具其實我一直在做，衹是AI上來後，我現在可以把介面做的好一點，把相關設定的內容做得更仔細一點，工作邏輯可以更深入一點；希望帶出來成果，就是讓使用者用起來更方便。
這一次工具的應用場景及想像是：師傅經由單點的量測，除了可以知道滿版濃度，也可以很快的知道怎麼調整能得到最好的色彩值。
更重要的是，一般師傅都只注重在濃度值，這個工具可以讓他很快的知道網點擴張量，經由網點擴張量可以來評估現在的機器狀態，這是之前很少會去注意到的；而這個資訊對評估一個機器來講，是一個很重要的資訊。
再來就是灰平衡的評估，衹要一個單點測量，就可以知道灰平衡的差異量，以及知道怎麼去調整CMY來達到更好的灰平衡。
以上，我的工具一直在進化，但最重要的還是，要有人去把它執行出來。
還是要提一下，真要維持標準化，自動掃描，自動控墨，才是最終極的工具，但在那個長遠目標達成之前，我一直在試著提供更精簡的起步工具。
#印刷標準化 #PrintByNumber #色彩管理 #Fogra #CRPC #灰平衡 #網點擴張 #印刷色彩控制 #BeerLaw #印刷數位化
Filed under: Uncategorized › Tags:
23 9 月, 2026 () Uncategorized › Administrator › No Comments
I got a desk in press room
我在車間有個工作桌
我平常到一個單位大部分的時間都是待在印前，這一次有一個來自澳洲的重要客戶要到車間看印，老闆希望我也能到車間幫忙注意一下狀態，所以才有了這樣的設置。
先交代一下印件來由，這個來自澳洲的印件以往一直是在大陸印刷，由於內容審查的關係後來改到香港印，現在香港也不給印，才跑到台灣。
再一點是圖像內容大多是中性色，對控墨來講是更加敏感，也希望能藉由數據的監看，給予領機更好的控墨操作。
我一直在講標準化，但我也知道，在面對客戶的時候，只能是客觀的提標準化，不能是絕對主觀的做標準化。
以這個印件為例，客戶提供了標準的Fogra39色樣，以M0 去檢測紙張，Lab 為 95,0.5,-2。然客戶挑選的印刷紙張，M0 量測為 95,1.98,-6。若依照標準化作業，亮部灰色會跟不上客戶的色樣；再者，印刷完後要上亮油，經驗上會偏黃；這些因素都導致我們在車間控墨不能全照標準數據去執行，我能做的是，確定機器是在好的狀態，在這個狀態下，領機能有餘裕去控制到客戶想要達成的色調。
Fig. 客戶提供了Fogra39 標準色樣，紙白 Lab 95,0.5,-2(M0)。
由於台數非常多，公司安排了兩部機器作業，這又多了一個變數，兩部機器的行為能一致嗎？做了一次簡單CT25驗證，兩部機器行為顯然不一樣。
首先，同樣的墨同樣的紙，Beer’s Law 在兩部機器應該預測出同樣的最佳濃度及同樣的最佳色差。數據顯示，Beer’s Law在B車的最佳色差預測在CK座都優於A車約0.5，M座更達1.09，Y座則略差0.12。向廠長提出問題，廠長推測B車為固定CMYK作業，A車經常有特別色作業，換墨時可能受到一點污染，才有數值不如B的狀況。
數字還是敏感的，只要對數字有懷疑，通常也都能帶出合理的物理性質解釋。
得到合理的解釋就好，一方面這個印件重點在中性色，灰平衡及階調的控制要重於滿版的位置，也就沒有在這個方面做更嚴謹的要求。
Fig. 上為A車，下為B車，B車的最佳色差預測大都優於A車。
最終B車將帶到了98.61分的位置，B車則勉強帶到81.48分的位置，只能說，先建立好一個基礎，到時還是得依客戶的要求由領機現場反應。
Fig. B車已能帶到98.61分的位置。
Fig. A車勉強帶到81.48分的位置。
這一次再試著用另一種數據來觀察印機版調是否處於“健康” 狀態： Polynomial Regression R²(R square) ，收集( 0%)，25%，50%，75%，(100%)數據形成一完美(理論)曲線，以實際落點與完美曲線落點的差距得到此 R²值，當R² 越接近1，表示實際落點都落在完美曲線上，也代表機器版調分佈越好，離1越遠則越差。
另一種R²的觀察是將標準TVI(Fogra39 or CRPC6)視為完美曲線，R²取實際落點與標準完美曲線的差距，同樣，數值越接近1表示狀況越好，離1越遠表示狀態越差。
看一下A車R²值表現，自身的平滑度(smoothness)R²都在0.98以上，表示機器狀態還是可以，但R² vs Std都低於0.93，代表是整體性的誤差，從圖上可以看出整體性的網點擴張都太大。相對於B車，B車在 R² vs Std 除K座低於0.92，其它座大約能維持在0.94以上，代表能執行到標準化的程度很高，但若觀察 自身平滑度R²值，M座是差了一些，但也還有0.94。
這樣的觀察，讓我查覺到，以 CT25 導具 去對一個系統評分，除了色格該到的數值要到位，R² 數值的表現也要列入考慮，要不然B車98.61 的分數會誤導了M座尚存的小缺陷。
Fig. A車在自身平滑度上表現很好，但相對於標準曲線則差了一些。
Fig. B車 在自身平滑度上M座稍微差了一點，在標準曲線比對上表現還不錯。
看一下實際生產狀況，因前述因素，生產不會落在標準數據上。從六角圖看(左A車右B車)，考慮上油光偏黃的問題，AB車Y墨都放了比預計少了一些。
Fig. 因考慮上油光偏黃的問題，AB車Y墨都放了比預計少了一些，左為A車，右為B車。
無論如何，這是一個領機判斷與客戶確認下的結果，數據已脫離標準化，但最後結果客戶認可即可。
老闆有特地過來跟我說，以往客戶看樣不認可，常常是讓印前修色後重印，這一次客戶的意見大多能在車間就處理掉，這代表有數值監控下，”健康狀況”良好的印機能夠更系統化的有效控墨。也趁這次機會讓廠裡知道，當色樣跟不上，先用簡單的工具檢討一下自己機器的狀況，而不是一味的將問題往印前推。
也再一次提到，在面對客戶的時候，只能是客觀的提標準化，不能是絕對主觀的做標準化。
標準化更重要的意義是確認你的機器是在合格(標準)的狀態，當現場有不同的需求時，標準狀態的機器能夠最有效率的達成你的目標。
#PrintByNumber
Filed under: Uncategorized › Tags:
23 9 月, 2026 () Uncategorized › Administrator › No Comments
The G7(+) for RGB
G7(+) RGB 程序
G7 是一種對CMYK輸出設備的校正(控制)方式，校正的目標分三個項目：K 的版調值、CMY的版調值及CMY的灰度值。
在版調值方面(K and CMY)，G7 遵守 TR015 公式，較新的 G7+ 則遵循 Scaled RPC to CRPC6 規則；在灰度值(CMY)方面，G7 與 G7+ 也都有其各自定義，之前發文都有談過，就不再於此贅述。
然而，另外還有一種輸出方式叫做 RGB print out，基本上所有由印表機廠商提供的printer driver都是 RGB print out，雖然印墨還是CMYK 墨，但輸入資訊是由RGB資訊驅動，至於RGB 如何分配成CMYK，這個Lookup table 只有廠商自己知道，外人無從得知，但我們也假設，這個Lookup table是廠商能做出來最好的分配，但也再一次假設，這是基於原廠墨與原廠紙做出來的最好分配，一旦脫離原廠墨、原廠紙，這個look up table就不一定是最好的分配。
Fig. 廠商Printer driver，一般以RGB to CMYK Lookup table 運行
我們夠現在在CMYK輸出有清楚的灰平衡修正方法，但從來沒有RGB列印的灰平衡修正方法。既然G7是一種已經被認同的版調與灰平衡的修正方式，我們是不是可以用同樣的邏輯實現在RGB printer身上？
當然可以， RGB輸出一樣有版調與灰平衡的問題，只是導具的安排上，又是另外一番邏輯。
到這裡先整理一下，我們要從G7 CMYK 轉到G7 RGB要做哪些事情？
由版調定義推導RGB組合安排
版調目標值(L*)與灰目標值(a*b*)定義
灰平衡預測工具
灰平衡檢測工具(Verifier)
先談版調定義，G7 CMYK 會要求K的版調及CMY的版調，RGB列印顯然就沒有K的事了，衹要把CMY的版調對應出來就可以了。問題是如何對應對？對應的邏輯規則是什麼？
在CMY版調驗證，Verifier 會驗證 0%,2%,4%,6%,8%,10%,15%,20%~95%,98%,100%總共25格的版調值(L*)，各版調值有其CMY的組合，如25%為CMY 25,19,19，50%為CMY 50,40,40……那其RGB的對應組合為何？在50%處的RGB該是127,127,127嗎？25%處該是191,191,191嗎？
如果照這個規則去運作，會發現驗證出來的影像調子會太暗；我們在顯示器上顯示RGB影像，不管是 sRGB, AdobeRGB或是P3RGB都會加上一個Gamma 2.2的顯示修正，將這個修正疊加上去，Tone 50%會落在135,135,135，Tone 25%會落在185,185,185……，如此，原有的cmy版調分配再加入一個gamma修正，我們的G7 RGB Verifier 就可以形成了。
Fig. G7 verifier CMYK，one strip for K and one strip for CMY。
Fig. G7 vrrfier RGB，版調定義要做一次gamma 2.2修正。
RGB版調組合的定義出來以後，還發現一個問題，G7的版調計算會根據紙白及最黑的地方來推算出各個版調的目標值(L*)，在CMY系統就是紙白與CMY300的地方，在RGB系統就是紙白與RGB 0,0,0的地方，這裡要注意到，RGB 0,0,0 的L*值會低於CMY300很多；我們可以想像，RGB 0,0,0經由Lookup Table帶出來的CMYK墨量很大的機會要大於CMY300，這使得依TR015(or SRPC)計算出來的版調會低於CMY300基礎計算出來的版調，換一個講法就是會比較暗。
經由一連串試驗性質的測試(experimental)，L*的目標值再導入gamma 0.9可以使得版調50%處(RGB135)輸出的L*值接近CRPC6 C50MY40的L*值(57.5)。
基於此，G7 RGB Verifier 的 RGB組合得以確認，L*的目標值也得到了定義，RGB Printer 的版調作業邏輯於是可以建立。
至於輸出的a*b*目標值依G7的規則是隨著版調做變化，版調值定義下來後，a*b*也就跟著被定下來了。
再來是製作灰平衡預測工具。
沿用上一次發文，i1Pro3 一條strip能讀取最多的格數是36格，放到RGB工具不再處理K，如此扣掉紙白與RGB0,0,0，總共有34格可以讓我用來做五個區域的灰色預測。
Fig. RGB Gray finder 36 (5 zone)
Fig. 36格導具，5點灰平衡預測，NPDC Gamma 0.9 修正。
Fig. RGB Verifier on 5點修正，以NPDC Gamma 0.9 驗證，能夠符合G7+ Grayscale 規範。
再進一步做工具精簡的嚐試，試著用23格來做3點修正，導具組合如下圖示。
Fig. 嘗試用23格做3點修正。
Fig. 23格工具做3點灰平衡預測修正。
Fig. 3點修正的結果一樣可以進入Grayscale 規範。
Fig. 上是verifier導具於原廠墨，但非原廠紙的列印輸出，版調看起來還可以，但灰平衡已明顯偏差。下為Verifier根據G7 plus校正後的輸出，灰平衡已有明顯修正。
Fig.上為 Printer driver的原始輸出，比對下面一張是經由G7+修正，修正過後的輸出在調子跟灰平衡上面看起來都比較好看(more pleasing)。
Fig. 上為G7+ NPDC Gamma1.0無修飾。下為NPDC Gamma 0.9 修正，Gamma 0.9的修正看起來還是比較好看一點。
以上，RGB Printer 一樣可以做G7(+)校正，校正完的結果還是不錯的。這裡除了帶出一個RGB printer的校正方法，RGB 輸出還有下列幾個好處：1、省掉RIP，用printer driver就可以達成Graysacle控制。2、RGB輸出通常會比CMYK輸出來的色彩更鮮豔，尤其在噴墨印表機上面。
Filed under: Uncategorized › Tags:
23 9 月, 2026 () Uncategorized › Administrator › No Comments
Gray Finder 的精簡極限：從 P2P 300 格到 36 格
這個精簡極限分兩個方面，一個是設備工具上的極限，一個是方法邏輯上的極限。
先說結論，工具設備上的極限已經很清楚，方法邏輯沒有極限，一直可以有新的想法出現。
首先，這個 ”精簡” 一詞的對照，自然是 P2P 300 格色塊的量測加上 Curve 軟體的操作。
所謂”精簡“的回應是：用最少的操作色塊達成足夠精度的輸出成果。
這一件事情我一直在做，雖礙於本身在程式上、統計上、數學上的能力，也發展了幾代”堪用” 的工具，也確實能達成認證，但也如前述：方法邏輯沒有極限，一直可以有新的想法出現。
AI 工具上來後，程式碼的堆積已不太是負擔，統計能力、數學能力就看我能挖出多少，這樣的情況下，容我可以只專注在邏輯方法；程式、數學、統計的問題，AI 能以大於我十倍百倍的能力承接過去，以前只能想，不敢做的題目，現在都有機會拿出來嘗試。
回到這次的題目：Gray finder 。在沒有Curve 軟體之前，依賴7個階調(12.5%,25%,37.5%,50%,62.5%,75%,87.5%)的7×7=49的 [+3-3] 灰矩陣配合 FanGraph 共同完成；手動找灰，手動繪圖，一趟下來一個半天就過了，如果這個 [+3-3] 的矩陣找不到目標灰，那就再來一個 [+12-12 ] 矩陣，又一個半天過去了。
Fig. 階調50的 [+3-3] 7*7=49 灰矩陣。
Fig. [+3-3], [+9-9] ~ [+18-18] 灰矩陣。
Fig. G7 NPDC FanGraph paper.
顯然，不可能還有人在做這種手工藝，於是，P2P 導具加上 Curve 軟體成為要做G7認證的標配，繞不開它。
我認為還是有其他的方式，前幾代發展的工作邏輯也有一定的能力，但現今是AI年代，能調用到的統計、數學、程式的資源已不再同日而語，所以才有了這一波Grayfinder的開發。
工具開發的目標是要能達成Grayscale，工具方法則是越精簡越好，然而精簡與精度這兩個互相矛盾的概念則須達到一個平衡。
就精簡這個概念，標題直接就說要推到極限，前述也提及，工具設備的極限已能有具體的描述，工作邏輯的極限則是沒有止境。
工具設備上的極限如下：
以i1Pro3 的使用，希望能從一次Strip reading 即可取得足夠達成Grayscale 的修正指令，既要精簡，又要有足夠的精度。
多次嘗試的結果是，i1Pro3 能支援最長的strip 長度是25cm，每個色格的極限寬度是6.5mm，加上間隔線，一次strip reading 的極限格數落在36個。也就是說，我必須在36個數據裡面取得足夠達成grayscale的曲線修正指令。
匯總工具設備的極限是：
色條長度：25 cm
色格寬度：6.5mm
色格數量：36個
Fig. 我測得最大的長度與官方文件相同，都是25公分，但與其說是i1Pro3被限制在25公分，應該說是那隻斑馬尺最多只能量到25公分。
談一下工作邏輯，官方做法是p2p 300格導具加Curve軟體；要做到精簡，色格自然要越少越好；之前也有過一點修正或是3點修正的邏輯，如果機器狀態良好，是有其作用。對於一個狀況不明的系統，要一次帶到grayscale規格的信任度還是不夠。改善邏輯自然就是擴大樣本數，原則上樣本越多越好，在取得設備極限是在36格的情況下，這36格要怎麼分配？會是第1道邏輯題目。
這36格中，先扣掉紙白及CMY300這兩個錨點， 再留了K100,K75,K50,K25做為K的版調處理，那就只剩下30格可以用來處理CMY的色調及灰平衡。
一開始還是把30格都用在 25% 50% 75% 三點的預測，每個階調可以用到9個探測樣本來做灰色預測，預測結果也足以讓這三點的位置可以到位，整體的Grayscale 數據也可以到位，但觀察到50%到75% 之間及75%以上的a*b*值呈發散現象，與AI 溝通後決定再插入65%及85%兩個點的探針(probe)。
不過這樣勢必會影響到原本三點的探測精度，探測樣本的用量關係到統計工具的應用，原本寄望耦合式局部線性解（Jacobian）工具能有較好的預測能力，但分佈到5個階調後，就無法每一個階調都用Jacobian 的方式來做探測，這使得某些階調必須用最小平方迴歸（OLS）來做預測； 前後試了至少三種30格的分佈方式。
也是AI的評估，認為Tone 25%的預測數值較容易達成，於是Tone 25%只採4個探測點，用 OLS 來預測，將較完整的7個探測點(完整雙向)留給Tone 85%使用。
Fig. 25%.50%.75% 3點修正也能帶入Grayscale，但50%~75%間及75%以後a*b*數據會發散
Fig. 三種版本的5階調灰平衡預測，最終版降低25%階的探測點，加強了85%階的探測點，總共還是維持在30個探測點。
36個色格目前的組成是：
紙張、CMY300：2 格
K100，K75，K50，K25，4格做K版版調預測
Tone 25%，4個探測點，單向，以OLS 方法預測。
Tone 50%，7個探測點，完整雙向，Jacobian 預測。
Tone 65%，5個探測點，含C雙向，Jacobian 預測。
Tone 75%，7個探測點，完整雙向，Jacobian 預測。
Tone 85%，7個探測點，完整雙向，Jacobian 預測。
Fig. 36格色樣分佈，能同時取得CMY及K版的校正曲線。
ps. 本次第一階段測試內容以家用印表機進行輸出，CMY數據會透過Print driver 的 look up table自行組合 CMY 墨量輸出，對統計工具來講無須理解這個黑盒子作業，它只要關注到前後輸入輸出的資訊差異即可進行分析預測，這也是統計工具的一個優勢：只需關注數字差異，無關輸出型態，平版、噴墨、柔版、碳粉、有沒有經過RIP……皆可適用。本次作業只專注在CMY組合預測，K版預測未列入本次測試。
目前的成果如下：
Fig. 紙張代號 mm4 G7 5點曲線修正
Fig. 紙張代號 mm4 G7+ 5點曲線修正
Fig. mm4紙張 G7 Grayscale CMY 通過, AvgwΔL*= 0.55, MaxwΔL*= 2.31,AvgwΔCh*= 1.07, MaxwΔCh*= 2.51。
Fig. mm4紙張 G7+ Grayscale CMY 通過, AvgwΔL*= 1.06, MaxwΔL*= 2.31,AvgwΔCh*= 1.04, MaxwΔCh*= 2.29。
Fig. 紙張代號 pm5 G7 5點曲線修正
Fig. 紙張代號 pm5 G7+ 5點曲線修正
Fig. pm5 G7 Grayscale CMY 通過, AvgwΔL*= 0.23, MaxwΔL*= 0.74,AvgwΔCh*= 0.83, MaxwΔCh*=1.56。
Fig. pm5 G7+ Grayscale CMY 通過, AvgwΔL*= 0.47, MaxwΔL*= 2.05,AvgwΔCh*= 0.80, MaxwΔCh*=1.89。
再接下來的測試紙張在暗部的修飾異常的大，已經無法達成Grayscale規格，觀察其輸出結果Y100的墨量偏高導致95%，98%無法進入規格。在要求AI做出限墨的機制後，在將Y的墨量降到90%，修正曲線已能帶到Grayscale規格。
Fig. 滿版限墨機制，pm5 紙張在將Y100降到90後能，修正曲線能通過Grayscale規格。
Fig.紙張代號 pm5 G7 5點曲線修正
Fig. 紙張代號 pm5 G7+ 5點曲線修正
Fig. pm5紙張 G7 Grascale CMY 通過, AvgwΔL*= 0.39, MaxwΔL*= 1.49,AvgwΔCh*= 0.80, MaxwΔCh*=2.45。
Fig. pm5紙張 G7 Grayscale CMY 通過, AvgwΔL*= 1.36, MaxwΔL*= 2.91,AvgwΔCh*= 1.45, MaxwΔCh*=2.68。
以上，在僅有的36格的數據內要求達成Grayscale 規格；以OLS 與 Jacobian 的混用下，確實能達成目標。
36 格，是設備的極限；不是方法的極限。
另外，我們列印輸出還有另外一種形式，叫做 RGB print out，基本上所有由印表機廠商提供的printer driver都是 RGB print out，雖然印墨還是CMYK 墨，但輸入資訊是由RGB資訊驅動，至於RGB 如何分配成CMYK，這個Lookup table 只有廠商自己知道，外人無從得知，但我們也假設，這個Lookup table是廠商能做出來最好的分配，但也再一次假設，這是基於原廠墨與原廠紙做出來的最好分配，一旦脫離原廠墨、原廠紙，這個look up table就不一定是最好的分配。
Fig. 廠商Printer driver，一般以RGB to CMYK Lookup table 運行
我們夠現在在CMYK輸出有清楚的灰平衡修正方法，但從來沒有RGB列印的灰平衡修正方法。既然G7是一種已經被認同的版調與灰平衡的修正方式，我們是不是可以用同樣的邏輯實現在RGB printer身上？
當然可以， RGB輸出一樣有版調與灰平衡的問題，只是導具的安排上，又是另外一番邏輯。
到這裡先整理一下，我們要從G7 CMYK 轉到G7 RGB要做哪些事情？
由版調定義推導RGB組合安排
版調目標值(L*)與灰目標值(a*b*)定義
灰平衡預測工具
灰平衡檢測工具(Verifier)
先談版調定義，G7 CMYK 會要求K的版調及CMY的版調，RGB列印顯然就不需要處理K頻道的版調，衹要把CMY的版調對應出來就可以了。問題是如何對應對？對應的邏輯規則是什麼？
在CMY版調驗證，Verifier 會驗證 0%,2%,4%,6%,8%,10%,15%,20%~95%,98%,100%總共25格的版調值(L*)，各版調值有其CMY的組合，如25%為CMY 25,19,19，50%為CMY 50,40,40……那其RGB的對應組合為何？在50%處的RGB該是127,127,127嗎？25%處該是191,191,191嗎？
如果照這個規則去運作，會發現驗證出來的影像調子會太暗；我們在顯示器上顯示RGB影像，不管是 sRGB, AdobeRGB或是P3RGB都會加上一個Gamma 2.2的顯示修正，將這個修正疊加上去，Tone 50%會落在135,135,135，Tone 25%會落在185,185,185……，如此，原有的cmy版調分配再加入一個gamma修正，我們的G7 RGB Verifier 就可以形成了。
Fig. G7 verifier CMYK，one strip for K and one strip for CMY。
Fig. G7 Verifier RGB，版調定義要做一次gamma 2.2修正。
RGB版調組合的定義出來以後，還發現一個問題，G7的版調計算會根據紙白及最黑的地方來推算出各個版調的目標值(L*)，在CMY系統是紙白與CMY300的地方，在RGB系統是紙白與RGB 0,0,0的地方，這裡要注意到，RGB 0,0,0 的L*值會低於CMY300很多；我們可以想像，RGB 0,0,0經由Lookup Table帶出來的CMYK墨量很大的機會要大於CMY300，這使得依TR015(or SRPC)計算出來的版調會低於CMY300基礎計算出來的版調，換一個講法就是會比較暗。
經由一連串試驗性質的測試(experimental)，L*的目標值再導入gamma 0.9可以使得版調50%處(RGB135)輸出的L*值接近CRPC6 C50MY40的L*值(57.5)。
基於此，G7 RGB Verifier 的 RGB組合得以確認，L*的目標值也得到了定義，RGB Printer 的版調作業邏輯於是可以建立。
至於輸出的a*b*目標值依G7的規則是隨著版調做變化，版調值定義下來後，a*b*也就跟著被定下來了。
再來是製作灰平衡預測工具。
沿用上述，i1Pro3 一條strip能讀取最多的格數是36格，放到RGB工具不再處理K，如此扣掉紙白與RGB0,0,0，總共有34格可以讓用來做五個區域的灰色預測。
Fig. RGB Gray finder 36 (5 zone)
Fig. 36格導具，5點灰平衡預測，NPDC Gamma 0.9 修正。
Fig. RGB Verifier on 5點修正，以NPDC Gamma 0.9 驗證，能夠符合G7+ Grayscale 規範。
再進一步做工具精簡的嚐試，試著用23格來做3點修正，導具組合如下圖示。
Fig. 嘗試用23格做3點修正。
Fig. 23格工具做3點灰平衡預測修正。
Fig. 3點修正的結果一樣可以進入Grayscale 規範。
Fig. 上是verifier導具於原廠墨，但非原廠紙的列印輸出，版調看起來還可以，但灰平衡已明顯偏差。下為Verifier根據G7 plus校正後的輸出，灰平衡已有明顯修正。
Fig.上為 Printer driver的原始輸出，比對下面一張是經由G7+修正，修正過後的輸出在調子跟灰平衡上面看起來都比較好看(more pleasing)。
Fig. 上為G7+ NPDC Gamma1.0無修飾。下為NPDC Gamma 0.9 修正，Gamma 0.9的修正看起來還是比較好看一點。
以上，RGB Printer 一樣可以做G7(+)校正，校正完的結果還是不錯的。這裡除了帶出一個RGB printer的校正方法，RGB 輸出還有下列幾個好處：1、省掉RIP，用printer driver就可以達成Graysacle控制。2、RGB輸出通常會比CMYK輸出來的色彩更鮮豔，尤其在噴墨印表機上面。
在工具及工作方法的設計上，我試著以最精簡的流程，但同時能達到一定的精度。在設備運作的極限，能夠去支配運用的就衹有36個數據；如何去安排這36個數據的組成來達成有效率的工作程序還會有很多的嘗試、很多的可能。 Ai卸掉了我在程式能力上的負擔，更多的想法，或是更大膽的想法，都可以一一拿出來嘗試；要達成好的版調、好的灰平衡，不必一定限制在P2P 300格的工作方法。
#精簡極限 #GrayFinder #灰平衡 #G7認證 #G7Grayscale #色彩管理 #CMY校正 #印刷色彩管理 #印刷校正 #i1Pro3 #色彩科學 #演算法 #AI輔助開發 #36格色樣 #P2P300格#PrintByNumber
CMY 校正預測演算法與除錯誌
Filed under: Uncategorized › Tags:
23 9 月, 2026 () Uncategorized › Administrator › No Comments
Vision of CMF
對色函數願景
這個月13號在台灣科技大學有個講座是有關顯示器一致性的演講，主講 Fransisco Imai 是 CIE JCT22 的主席(Chair)，有興趣的讀者 Google 一下 CIE JTC22 可能就有挖不完的技術資料。
我到了會場也沒預期要獲得什麼樣的技術資料，主要是感受一下這個領域的頂尖工作者他們經歷些什麼？他們又看到了什麼(vision)？
簡單 Google CIE JCT22 是什麼東西：
=======================================
「CIE JTC 22」是指國際照明委員會（International Commission on Illumination，簡稱 CIE）下屬的第 22 號聯合技術委員會（Joint Technical Committee 22）。核心功能與目標JTC 22 的全稱是「針對顯示器顏色一致性最佳化的色彩匹配函數」（Optimized Colour Matching Functions for Display Colour Consistency）。其主要任務包括：
修正觀測者標準：致力於標準化一組新的色彩匹配函數（CMFs），以減少因 CIE 1931 標準觀察者模型的瑕疵而導致自發光顯示設備（如各類螢幕）產生的色彩不一致問題。
最佳化框架：提議一個以生理學為基礎的色彩匹配函數最佳化框架，旨在讓不同技術（如 OLED、LCD）的顯示器在不同觀察者眼中達成更一致的視覺呈現。
生理參數應用：該框架會結合人類眼睛的生理模板和組成部分來設定最佳化參數。
=========================================
我現在每天用的兩度觀察者CMF (Color Matching Function) 源自1928年，W.David Wright 在倫敦帝國學院以10名觀察者為對象，進行了一系列視覺感知實驗。他的目標是量化人類視覺的三色特性。之後 John Guild 用另一種光源方式(Broadband)做了7名觀察者的實驗。CIE 綜合了兩邊的資料，基於這17個白色人種測試者，於 1931 年發布了直到現在還在使用的 CIE 1931 Color Matching Function 。
就這樣， CIE 1931 CMF 已經用了快100年；現今的科學環境已經完全不一樣了，不管是重新創造，還是做必要的修正，這個100年的東西是該動一動了！JTC22 算是這樣子的任務編組。
Fig. CIE 1931 Color Matching Function
Fig. JTC22 Time line
看一下 JTC22 TIME line：2025年7月提Proposal ，2026 年3月成立，也就幾個月前的事情，之後就是開會、確認數據，預計2027年7月成立IS (International Standard)。
依計畫JTC22 2025 7月提Proposal 到 2027 7月 IS 成立，看似蠻快的，但事件的醞釀應是幾十年的事情，這只是讓事件浮出檯面的時間點。
來看一下JTC22 主席 Imai 先生的工作經歷。就讀電機工程，研究分子物理，然後展開感官訊息的領域，先是處理聲音的數位化(DSP)，之後進入日本千葉大學研究色彩外觀，這個階段就應該會接觸到 CIE 1931 CMF；接著在RIT處理光譜影像、到PIXIM 處理HDR、到三星處理低光源影像、在Canon研究計算成像，最後落腳Apple 為資深色彩科學家。2026 年 Apple 提出 Apple CMF 2026，3月推出的Apple Studio Display 應該就用上了，等 2027 年 IS 下來，很大的成分應該也是這個基礎。
Fig. Dr. Imai 工作經歷。
回來談一點技術/數據方面的東西，就講座 PPT 呈現，1931 CMF 至少有兩個缺陷：小於 460nm 的敏感度被低估、藍光匹配的刺激強度有所偏差。
現在還 Google不到CIE 2027 CMF，但可以Google 到 Apple CMF 2026；裡面會特別提到 D65 白點xy座標會由 1931 年的 0.3127,0.3290 改成 2026 年的 0.3144,0.3302。
從PPT材料裏也得知新的 CMF 測試觀察者超過200位，年齡分佈在23與66歲之間(平均37)，不再是只有17位白色人種的基礎。
就這樣缺陷的東西我們也用了快100年，但畢竟時空不同，這個有缺陷的模型在這100年來也是帶來巨大的貢獻，技術文明本就是不斷的累積與修正。
Fig. 1931年模型有幾個基本缺陷：小於 460nm 的敏感度被低估、藍光匹配的刺激強度有所偏差。
最後來談一下 JTC22 RoadMap，這個RoadMap 應該是 2027 7月 IS 成立後的願景。短期目標是以最佳CMF讓顯示器色彩一致，中期目標是讓用可調整的CMF讓顯示器色彩一致，長期目標是達成個人化CMF讓顯示器色彩一致。
以我的理解再敘述一下。
短期目標就像是 Apple Studio Display 依 Apple CMF 2026 生產製作，其它的生產廠家如三星、BenQ…，不同的生產技術如OLED、LCD…，也都依Apple CMF 2026生產，這樣子所有顯示器的行為是不是就可以達成一致了！但也可理解，三星顯示器不可能標榜內建 “Apple CMF 2026”，那如果像是”CIE 2027 CMF” 那是可以的。IS 的形成從來都不只是科學數據，商業/政治的影響一直佔有一定的成份。
中期目標是在最佳(內建)CFM下，提供一個機制讓user可以透過第三方硬體(量測儀)/軟體調整(或是彌補)內建CFM的誤差，讓顯示結果更符合user的預期。如Calman就一直在做這樣事情，也期待如ArgyllCMS這樣的open source 能支援新一代的CMF。
長期目標則基於可調整的CMF下，將個人生理差異參數也考慮進去，比如55歲眼睛的水晶體會比22歲的水晶體要偏黃一些，年齡就是一個生理參數，人種也可能是一個生理參數。每個個體都有可能有一些生理參數的差異，能否透過某一個精簡的機制將個人差異帶入CMF裡面，想像一下同一個顏色經由個人CMF在不同個人的面板顯示是不一樣的，但是，他們”看到”是一樣的。
最終極的目標是尊重每一個個體，相對於我這篇發文裡面第三次提到：17位白色人種的基礎。這個長期究竟要多長？沒人知道，它就是一個長遠的願景。順便提一下，Imai 先生是巴西籍，non-white。
新的CMF，新的技術累積讓我們可以把色彩問題處理得更好。但更基本的問題是，把影像產業用數據方式去處理的user還是不夠多。就平版印刷， 1996 的 12647-2 draft 就已經把規則定清楚了，即使有瑕疵，但如果認真把1996年的規格實現出來，它會在最新標準的Gracol2013(CRPC6) 或是 Fogra51:2013的寬容範圍內，所以，讓更多user願意去用數據去處理工作，會是目前更重要的課題。
Fig. JTC22 Road map
Fig. 同一個影像檔，在不同的面板顯示，呈現不同的顏色。藉由新的CMF及適當的設定，我們是有機會讓這兩個面板呈現出一樣的顏色。
Filed under: Uncategorized › Tags:
20 5 月, 2026 () Uncategorized › Administrator › No Comments
Finding Gray with ai
與人工智能一起尋找灰平衡
Finding Gray with ai
灰平衡(含亮度差與灰差)對印刷作業來講是一個重要的控制項，現今市場上的技術也非常成熟，基本上P2P (300格)導具+Curve 軟體可以達到很好的效果，但畢竟有其建置成本及技術的門檻，也就是說，大多數的圖像輸出從業人員還是沒能具備這樣的能力，無法做這樣的操作，再者，很多產品也無須達到 P2P+Curve 的精度，因此，我也一直在尋找更簡便的做法，精度或許差一些，但建置成本及技術門檻會降低很多，希望能讓更多的同業人員能進入這個領域。
我自己在灰色平衡尋找的工具上至少發展過三代，也都有一定的效果。現今AI的能力如此強大，我就試著看看AI能提出什麼樣的工作方法。
在程式開發上，一直比較習慣用Claude，這一次工作的開發，在概念的討論及程式碼的形成，90%以上是經由Claude 完成。
Fig. P2P (300格)導具+Curve 軟體可以達到很好的灰平衡效果
如前述，正規做法的p2p導具需要測量300個色塊，這一次試著改寫我經常使用的CT 25工具，同樣是25格，但這25格會全部用來尋找更好的灰平衡。
於是我開起了與AI的對話：
取得的第一次反應如下
規劃策略如下：7 個主軸色塊 （定義 L* 與 CMY 覆蓋率曲線）+ 6 個星狀色塊 × 3 個區域（映射局部的 CMY->Lab 梯度以進行逆向計算）。
第 1 組 — 中性主軸：7 個色塊 建立各階調區域的 L* 位置。C（青色）的比例保持略高於 M（洋紅）= Y（黃色），這是多數印刷機典型的灰平衡偏置：
# C M Y Purpose 1 0 0 0 Paper white 2 10 8 8 Near highlight 3 20 16 16 25% zone center 4 35 28 28 Between zones 5 50 40 40 50% zone center 6 62 50 50 Between zones 7 75 62 62 75% zone center
第 2 組 — 25% 區域星狀分佈：6 個色塊（圍繞主軸色塊 #3） # C M Y Maps 8 20 16 21 +Y → b* positive 9 20 16 11 −Y → b* negative 10 20 21 16 +M → a* positive 11 20 11 16 −M → a* negative 12 25 16 16 +C → L* darker 13 15 16 16 −C → L* lighter
第 3 組 — 50% 區域星狀分佈：6 個色塊（圍繞主軸色塊 #5） # C M Y Maps 14 50 40 45 +Y 15 50 40 35 −Y 16 50 45 40 +M 17 50 35 40 −M 18 55 40 40 +C 19 45 40 40 −C
第 4 組 — 75% 區域星狀分佈：6 個色塊（圍繞主軸色塊 #7） # C M Y Maps 20 75 62 67 +Y 21 75 62 57 −Y 22 75 67 62 +M 23 75 57 62 −M 24 80 62 62 +C 25 70 62 62 −C
其主要灰色預測策略如下：
在每個區域，這 6 個星狀色塊能提供一個局部3×3 雅可比矩陣（Jacobian）：
Fig. 3×3 Jacobian matrix
求此 3×3 矩陣的逆矩陣，即可計算出相對於主軸中心的ΔC, ΔM, ΔY修正量，從而精準達到目標值（例如 75, 0.48, 1.92 等）。
先說，我也不清楚 Jacobian matrix 是什麼東西？是如何運作？但我可以把它預測出來的數值去做實體的驗證，可不可行， 數據出來就知道了！
總之，經過幾輪的修正，最後的25格分佈如下：
Group 1 — Neutral Spine: 7 patches
# C M Y Purpose 1 0 0 0 Paper white — highlight L* anchor 2 100 100 100 CMY solid — shadow L* anchor 3 25 19 19 25% zone center 4 38 30 30 Between zones 5 50 40 40 50% zone center 6 63 53 53 Between zones 7 75 66 66 75% zone center
Group 2 — 25% Zone Star: 6 patches
# C M Y Maps 8 25 19 24 +Y → b* positive 9 25 19 14 −Y → b* negative 10 25 24 19 +M → a* positive 11 25 14 19 −M → a* negative 12 30 19 19 +C → L* darker 13 20 19 19 −C → L* lighter
Group 3 — 50% Zone Star: 6 patches
# C M Y Maps 14 50 40 45 +Y 15 50 40 35 −Y 16 50 45 40 +M 17 50 35 40 −M 18 55 40 40 +C 19 45 40 40 −C
Group 4 — 75% Zone Star: 6 patches
# C M Y Maps 20 75 66 71 +Y 21 75 66 61 −Y 22 75 71 66 +M 23 75 61 66 −M 24 80 66 66 +C 25 70 66 66 −C
其間，提供Claude 相關G7對於目標 L*及目標 a*,b*的計算方法，以此，準備好導具，改寫SDK，灰色預測及評分由 Claude agent 自行形成程式碼。
Fig. CT25gray 導具，CMY 模式。
把這個工具拿到一數位碳粉機做測試，直接看一下成果：
Fig. 某數位碳粉機原始狀態，在我的灰平衡評分系統取得滿分28分中的3分，25%灰修正值為(20,20,16)，50%灰修正值(40,39,33)，75%灰修正值(62,63,55)。
Fig. 修正狀態，在灰平衡評分系統取得滿分28，改善效果非常明顯。
由上述案例可以看得出來改善效果非常明顯，原本偏綠及偏暗的狀況都有修正回來，而且得到的數值都還不錯。
再一個案例：
Fig. 另一型碳粉機，原始分數14/28。
Fig. 修正後取得 28/28。
第二個案例修正值一樣明顯有效。
再下來我想知道一下它跟Curve 軟體300格作業的差距，於是用P2P跟Curve再做一次修正作業，驗證結果自然是28/28滿分。
目前兩個案例下來，CT25Gray 工具有機會取代 P2P+ Curve 嗎？現在還不好說，但非常有機會，我會持續驗證。我也問了AI對於一種新型作業的開發，要多少樣本才能宣告有效？AI 回答Minimum valid claim 至少達到30個，那就等到收夠30個樣本再來做一次整理說明。
Fig. P2P + Curve 的修正表現，自然是28/28。
既然都是滿分，那還有什麼好比的？我把規格再分細一點，把P2P作業與CT25Gray作業的亮度差與灰差做總個總合；P2P 是 3.5，CT25Gray 是3.2，依數據，CT25Gray 表現還好一些；不過，這個差距已經沒有什麼意義了。
Fig. 把兩邊的亮度差與灰差做總個總合，P2P 是 3.5，CT25 Gray 是3.2，這個差距已經沒有什麼意義了。
同樣的概念再延伸發展，對影像輸出而言，對於色域較廣的輸出設備(數位噴墨、廣色域印刷……)直接以RGB 模式輸出有可能取得較CMYK模式(如CRPC6, Fogra39)更飽和的色彩；但G7並未定義RGB printer 的做法，我跟AI討論了這方面的問題，於是有了這樣的做法：
RGB 25-Patch Gray Balance Layout
The star-pattern structure maps directly from CMY→RGB by substituting channels. The central patch at each tone has R=G=B (equal channels), surrounded by ±Δ satellites for each channel.
Channel analogy
CMY channel RGB equivalent Lab axis primarily affected
C (cyan) R (red) a*
M (magenta) G (green) a*, b*
Y (yellow) B (blue) b*
Full 25-patch layout (0–255 scale, Δ=13 ≈ 5%)
# Role R G B 1 White 255 255 255 2 RGB Black 0 0 0 3 Ctr Highlight 191 191 191 4 TRC linearity 217 217 217 5 Ctr Midtone 128 128 128 6 GB+Δ 128 141 141 7 Ctr Shadow 64 64 64 8 B+Δ @ Hi 191 191 204 9 B−Δ @ Hi 191 191 178 10 G+Δ @ Hi 191 204 191 11 G−Δ @ Hi 191 178 191 12 R+Δ @ Hi 204 191 191 13 R−Δ @ Hi 178 191 191 14 B+Δ @ Mid 128 128 141 15 B−Δ @ Mid 128 128 115 16 G+Δ @ Mid 128 141 128 17 G−Δ @ Mid 128 115 128 18 R+Δ @ Mid 141 128 128 19 R−Δ @ Mid 115 128 128 20 B+Δ @ Shad 64 64 77 21 B−Δ @ Shad 64 64 51 22 G+Δ @ Shad 64 77 64 23 G−Δ @ Shad 64 51 64 24 R+Δ @ Shad 77 64 64 25 R−Δ @ Shad 51 64 64
Fig. CT25gray 導具，RGB printer 模式
跟CMY 模式不同的是，目標L*不是依照 G7 TR015 曲線，而是用Gamma 2.2 曲線；目標 a*,b*則沿用G7 規則。
這一次在一個噴墨印表機測試，直接由RGB driver 列印。
Fig. 噴墨原始狀態，28分裡面拿到6分。
Fig. 修正後拿到滿分 28/28。
再一個樣本證實是有效的修正，我會持續在各種場合取得測試樣本，在一定的樣本量之後再來做一次整理說明。
Filed under: Uncategorized › Tags:
21 4 月, 2026 () Uncategorized › Administrator › No Comments
發表會紀錄
上一次發文參訪的機器於禮拜三(4/15)正式在台北做第一場發布會，我還是到了會場，主要是想看一下實際操作的部分，會中還有其他的主題，機器發佈部分大概佔20分鐘，還是一樣，我只說一下我感興趣的部分。同上次發文，我感興趣的有三個部分：第一個是紙張偵測器(Substrate Profiler)，第二個是6色印刷，第三個是自動色彩校正。
Substrate Profiler 在發布會時有做實際操作，現場的演示大約30秒的時間就可以完成紙張設定，從演示過程看出主要收集4種參數：類型(普通紙、銅版紙、膠片…)，塗佈，色彩，基重。及兩種機器關連設定：轉印輸出、AI 分析。
對於這4種參數，色彩可以理解、基重(厚度)可以理解，塗佈/類型猜測可以從光線/接受器之間訊息差歸納其屬性。轉印輸出項目大約是從前面四個參數來關聯到機器本身的壓力設定、溫度設定、電壓設定…等參數；至於AI分析，大概可以理解為綜合前述參數再參照累積的資料庫訓練來共同完成一組新的紙張設定。
整個程序看來30秒就可以完成，非常的impressive。
還沒能去驗證這30秒的工作程序是不是真的帶出來不同材質間數據及視覺上的穏定/一致性，但整個工作邏輯是合理的，配合有效率的sensor及軟硬體架構是可以在很短的時間達成這個在以前需要很花時間工作程序。
這個30秒的動作可以參考以下這個視頻https://youtube.com/shorts/89atEYctciA?si=ntaN9NXfdWPPtkXC
Fig. Substrate Profiler 執行4個參數偵測及兩個機器關連設定。
第2個部分是6色印刷，會場一些展示品的確是有更鮮豔更飽和的顏色。前個發文也提到過，上次參訪現場測試三個Pantone色號都能在三個色差以內。
第3個部分也就是我在上次發文提到的第4個單元：自動色彩偵測修正及影像列印檢查。
會場上有請技術人員打開第4單元的機門，想試著能不能看到有什麼sensoror之類的名堂，但就是黑壓壓一整塊，看不到裡面有什麼東西。不過也多知道了一些資訊，比如：這個單元還分兩部分銷售：一個是內建的影像/色彩偵測，另一個是偵測影像與資料庫數據(如.csv)做數據對比，這一部分還要再多加一部電腦，是另一筆費用。
至於色彩偵測是不是用光譜儀？想來是沒有必要，在一個封閉被控制的環境裡，影像RGB sensor是可以穩定的轉成色彩資訊。就我的認知，幾年前的nvidia Jetson Nano 的邊緣AI(Edge AI)就能夠處理這類影像/色彩的比對問題。
Fig. 即時偵測與修正，偵測模組可在列印過程中持續監測色彩濃度與正反面對位準確度並自動進行修正，確保大量列印任務時能維持一致的列印品質。
Fig. 即時偵測與修正，第4單元的掃描資訊會回饋到列印單位做自動修正。
Fig. 自動快速檢查列印缺陷：透過將RIP影像(參考影像)與列印輸出的掃描資料進行比對,即可在線執行檢查作業。
Fig. 自動錯誤排出並重新列印，偵測模組與檢測PC可自動檢測出含髒污 汙點…等瑕疵頁面後,自動排出瑕疵頁面並重新列印。
以上，現場還提到很多功能，如工務系統、財務系統的整合。有興趣的讀者可以自己去Follow，這裡只對自己比較感興趣的部分做一些整理。
Filed under: Uncategorized › Tags:
9 4 月, 2026 () Uncategorized › Administrator › No Comments
參訪紀錄
Fig. 參訪新機，我對這個4號單元很感興趣。
上個月陪同去參訪一部數位機，是一部彩色碳粉系統，大約是一個半鐘頭的時間，看到了廠商在技術方面的努力，對於新機型的推出，總有其市場面與技術面的推廣，在有限的時間內也沒能有深入的了解，就針對我有興趣的部分做一些說明。
第一個有興趣的是自動化紙張設定，之前在理光的機器也遇到過這樣的設備，但那時候沒有特別的去研究怎麼使用它，這個設備叫做 Substrate Profiler，透過設備可以讀取紙張種類(表面)、顏色、厚度(重量)…等訊息，在一個基礎設定下，透過這些資訊可以很快的設定出另一組新的紙張參數。相對於傳統作法，需重新設定厚度(磅數)、線性、icc profile 色塊…，據文件說明說是可以節省80%的流程，我可以理解這種設備的邏輯，可以預想到它帶來的效率，如果有機會，希望能到它實際表現。
劇本演示如下：
在某一標準規範下(如CRPC6)，一個基礎紙張設定能取得90分的輸出品質，當換了另一種紙，經由一次Substrate Profiler 讀取，很快的設定出新紙張，輸出分數還能維持在85分以上。
這是我設想的劇本，就看有沒有機會實現。
相對於對紙張重新線性及重新profile，的確能節省80%以上的流程。
這個產業對於品質的追求沒有一定要去追求95%以上，長期穩定的80%的輸出，可能更是我們更必須在意的。我們當然也願意用100分的努力去取得100分的成果，但如果能找到一種輕便的、20%的程序，去取得穩定的80%的輸出，這樣的工作流程才更有機會影響更多的人進入標準化的領域。
Fig. Substrate Profiler ，讀取紙張表面性質、厚度及色彩即可設定一組新紙張。文件中表示可以節省80%的流程。
第二個有興趣的項目是這個機器支援6色印刷，內定是CMYK加上綠色及粉紅，文件中顯示可達93%的Pantone 色彩，當場有用儀器測了三個Pantone色號，都有在三個色差以內。多出來的兩個色座除了綠色跟粉紅，也可以是金色、銀色、白色、透明色…，應用上可以很靈活。
Fig. 支援6色印刷。多出來的兩個色座除了綠色跟粉紅，也可以是金色、銀色、白色、透明色…，應用上可以很靈活。
再下來也就是我最感興趣的第四個擴充單元，叫做Smart Monitoring Gate，至少有三個功能：自動色彩修正、自動對位修正及印紋檢查(墨點、折痕、文字、條碼等)。現場問不到太多的技術資料，我只能以自己的邏輯來腦補一下這裡面的工作架構。
第一個功能是自動修正色彩偏差，我提問到裡面的偵測單元是光譜儀(spectrophotometer)還是RGB sensor，現場沒能得到清楚的回答；我自己的感覺是RGB image sensor 就可以同時勝任上述的三個功能。
光譜儀是能提供更精確的色彩資訊，但是它偵測的動作比較慢，數據的計算量比較龐大，要在產線上做快速的自動補償反應可能會不夠快；相對的，RGB sensor 有成熟的快速反應機制，而且在一個控制的環境裏，RGB反應是可以穩定的轉換成色彩(Lab)數值，也就可以來完成自動修正色彩偏差的功能。
再來是所謂的自動對位，RGB image sensor 資訊以足以用來偵測對位標來達成自動對位的功能。
第三是印紋比對，同樣的，RGB image sensor 能提供足夠的訊息與RIP之後影像訊息甚或是資料CSV檔做印紋比對，這對可變印紋流程的偵錯有很大的幫助。
這個單元盡可能的集合了影像科學、色彩科學、偵測能力及各種軟體硬體參數的整合來改善傳統印刷流程上一些棘手的問題，如色偏問題、對位問題、文字/條碼錯漏…；一方面在邏輯上我認為是可以堆積得出來的，一方面很樂意看到系統廠商能將這樣的單元實現在產線上。
Fig. 即時列印修正，能將色彩偏差及對位不齊問題回饋到主機來修正輸出。
Fig. 印紋檢測功能，能偵測印紋缺陷、文字/條碼缺漏問題。
現場很快的做了一次CT25測試，沒有事先安排，直接用現有流程出了一張樣張，以CRPC6評分，分數為81.94；主色部分18分拿滿，而且除了K之外都能維持在色差2以內。灰平衡部分拿到21/28，灰差都OK，主要是亮度差暗了一些。對一個現場臨時做的測試，這樣的表現沒有問題，簡單調整就應該能進到G7規格。
Fig. 現場簡單做了CT 25測試。
Fig. 現場簡單做的CT25測試，以CRPC6評分，分數為81.94；主色部分18分拿滿，而且除了K之外都能維持在色差2以內。灰平衡部分拿到21/28，灰差都OK，主要是亮度差暗了一些。
Fig. CMYRGB 六角圖，色彩精度表現不錯 。
Fig. 灰平衡部分灰差都沒有問題，亮度差暗了一些。
除了以上三個項目我比較感興趣，其它如SIQA診斷圖表、Cloud Color Management 也都很有興趣。礙於時間，沒能做較深入的了解，不過邏輯都能理解，有機會會想看以一下它們是怎麼運作的。
Fig. SIQA 簡單影像品質調整。
Fig. 雲端色彩管理。
以上，產品一直在進步，現場兩個簡單測試，一個是三個Pantone 色號都能維持在三個色差以內。一個是CT25 數據有一定的水準。機器的色彩能力應該是沒有問題，至於色彩的穩定性在現場是看不出來，所以我的另外一個劇本是：
比較現場第一張、第100張及第200張之間的色彩差異數據；第一天、第二天、第三天到一個星期之後樣張的色彩差異。綜合這些數據才能評斷這第四單元(Smart Monitoring Gate)是不是真的能夠穩定輸出的品質。
Filed under: Uncategorized › Tags:
29 3 月, 2026 () Uncategorized › Administrator › No Comments
工作紀錄
CRPC3 G7+ demo & digital proof approaching
CRPC3 G7+ 演示及數位打樣追色
上一次發文，確認G7 + Verify 機制沒有問題，表示我在這方面的計算沒有問題。手邊有單位要做 CRPC3 模造紙打樣，剛好來做一次 CRPC3 G7 與 G7+ 的比較。
Fig. 視覺比較，左邊為G7規格，右邊為G7+規格，明顯的 G7+ 在膚色部分要亮一些，在較飽和色部分(水果籃)並沒有很大的差別。
來看一下數據呈現。
Fig. 測試樣張滿版部分18分全拿，飽和色部分都能維持住。
Fig. 測試樣張與CRPC6 六角圖比對，色域明顯比CRPC6小很多。
Fig.測試樣張與CRPC3 六角圖比對，滿版Y不足，以至G,R也顯得不足，M及C太多，B的飽和度也多了一點，不過都在合格範圍內。
Fig. CRPC3 G7 灰部位測試樣，灰平衡部分24/28。
Fig. CRPC3 G7 + 測試樣，灰平衡部分 26/28。
比較一下灰部位G7與 G7 + 的差異：
一個是目標亮度值(L*)：G7 在25%、50%、75% 的目標亮度值 75,59,45，G7+ 為 77.7,61.4,46.4；明顯的 G7+ 的中間調亮度值要比G7 高。
再一個是目標灰(Δch)，在紙白為96,3-10的紙張上，G7 在25%、50%、75% 的目標灰度值
(2.2,-7.5、1.5,-5、0.7,-2.5)，G7+ 為 (2.5,-8.3、2.05,-6.28、1.7,-5.5)； 相對起來，越深色的地方，灰值相對越接近紙張。
G7+ 在數據規範上是中間調更亮、更接近紙張；在視覺上明顯的感覺到中間調更亮一些；實際比較起來是更好看一些。作為一個標準化的規範，我認同這樣子的修正，視覺上確實比舊的規範要好。但也如同之前的發文，銅版紙(CRPC6)上沒有太大的差異，但一旦脫離CRPC6 ，G7+ 會是更好的應用。
=========================================
接下來的任務要用一部噴墨打樣去追色另外一部噴墨打樣。
工作單位有兩部不同性質的彩色噴墨打樣，一部是Epson原廠設備，紙張必須塗佈才能抓得住色料；另一部為原紙直噴打樣，紙張無須塗佈，是以墨水特性及加熱讓色料固化。
當我們依G7的規則去輸出時，兩部機器都有很好的分數，但是視覺上卻有一些差異。
Fig. 左邊為Epson 系統，使用塗佈紙，系統分數為94.91。右邊為直噴系統，使用印刷銅版紙，系統分數為91.2。分數都不差，但視覺上灰平衡有明顯差異。另外是，各位看得出這兩種紙張有三個色差的差異嗎？
Fig. 銅版紙直噴，紙白 93.3,1.5,-6.1，系統分數92.1。50% 灰色a*,b*目標值為0.8,-3。
Fig. Epson 系統使用塗佈紙，紙白 94.6,0.2,-3.1，系統分數94.91。50% 灰色a*,b*目標值為0.1,-1.6。
我們從客觀數據上來分析這個差異，Epson 上的塗佈紙紙白落在 94.6,0.2,-3.1，而直噴紙的紙白落在 93.3,1.5,-6.1，這個差距在色差計算上超過三個de00，問題是，這是數據上的差異，視覺上真的感受不到三個色差的差異；人眼在對紙張增白劑的感受與儀器的反應並不一致，但這個數據已然對灰目標的計算有明顯的影響。這也導致後續的輸出在數分數系統上表現不錯，但視覺卻有明顯的差異，因為灰色目標並不相同。
這樣的不一致，該由Epson去跟色直噴系統，還是直噴系統去跟Epson呢？
基於客觀的使用情況，直噴用紙更接近實際用紙，策略上很明顯的就是讓Epson系統去跟直噴系統。
這也直接導致我的工具必須在加入一個去Follow自訂規格的功能。這個功能其實很早就有寫，只是這是第一次用來做數位打樣機之間一致性的工作。
Fig. 右邊一組為直噴系統(右)與Epson系統(左)的差異，Epson系統的灰平衡相對偏黃；左邊一組為直噴系統與Epson系統修飾過後的差異，視覺上修飾了Epson系統灰平衡偏黃的現象。
最後再做幾個說明。
直噴系統在印紋精細度上還是比不過Epson原廠，對於太厚的紙材或是不容易乾燥的表面會有暗部聚墨的現象，也可能導致暗部飽和度不夠；但因為紙材運用靈活，紙材成本上與塗佈紙比較起來節省很多。更主要的是紙材與實際印刷接近(甚或一致)，色彩處理能夠更合理一些。在各項優缺點比較下，直噴系統還是有其競爭性。
原本CT25工具的灰平衡修正是針對CMY三座個別油墨系統操作的修正；在數位打樣的系統裡，CMY分佈已經被icc打散後重新分佈，因此在數位系統裡，CT25的灰色修正值並不能直接反應到真正的修正結果，所以作業時還是要經過一些trial and error。
更精確的做法是要調出數位機端的icc來做灰色修正預測的基礎，這個工作邏輯將列入下一個發展的項目，以降低數位機在灰色修正時的trail and error。
Filed under: Uncategorized › Tags:
