Fred Kuo :: Blog

Lightsource compensate on press control

Fig. 左邊為辦公室LED光源拍照，CCT色溫在6692K，SSI為65；右邊為”修飾過”的辦公室光源，CCT色溫在4346K，SSI為76。擺在上面的樣張為噴墨稿，下面為碳粉稿。修飾光源帶有更多的紅色光譜，兩個樣張的吻合度也顯得更好。

在廠裏經常會聽到這樣說法：領機在印刷機控墨台下照著樣張印，但業務把成品拿到客戶那邊時還是被打槍。

慢慢的，印前、業務、印刷這端可以了解是因為觀看光源的關係，也慢慢有一些客戶能理解這些問題，但是絕大部分的客戶是不理解的。

於是，廠裡出現了一種做法：當領機在控墨台跟上數位樣後，要再多加一些紅色，好讓印刷品在客戶辦公室的光源下，比較對得上數位樣。

從大致上的邏輯我們可以理解這樣的做法：(比對上圖光源光譜分布)一般辦公室LED光源相對於D50光源少了很多長波長(紅色)的光譜分佈，以至於在該光源底下的影像感受不夠紅；那麼，在印刷時多印一點紅色，到了在辦公室LED下觀看，紅色就比較足夠了。

也就是說，當光源裡面的紅色不夠，那就在色料上再多加點紅吧。

這樣的做法，在邏輯策略上沒有問題，那，能有精確的操作數值嗎？我試著要做的是：這樣的操作行為，有辦法量化嗎？

模擬一個測試案例：我在數位碳粉樣上取樣一個M30Y30(接近膚色)色塊的樣本光譜，光譜分佈如下圖所示。

把這個光譜值積分兩度視角及D50光源後計算出Lab值約為 78, 13, 9；積分兩度視角及辦公室LED光源後計算出Lab值約為78, 6, 7。從Lab數值了解，這個M30Y30色塊在辦公室光源下，相對於D50光源下偏藍，或者說是不夠紅。

將這兩個Lab值丟到CRPC6的對應表，得出CMY 6, 25, 24 及 9, 21, 25 兩組 CMY 組合 。

所以，可以有一種量化的解釋為：要在辦公室LED光源下對色，印機操作需要C墨-3, M墨+4, Y墨-1，這樣就比較可以讓印刷品接近以D50光源下計算的數位樣。也就是印刷領機講的”再加點紅”上去。

這裡只是個概略的邏輯驗證，也就是在印刷機台上再多加一點紅色是可以彌補客戶端光源紅色不足的現象，真的要去量化是可以取得一個數值的。

也可以知道產線上是不可能運用這樣的工作方法，但如果真的要這樣做，從原稿定義到印前作業到印刷作業，所有的Lab數值都可以由辦公室LED光源計算出來；在數據的運作上，它是行得通的！換個說法，客製化光源的色彩管理是行得通的。

Fig. 從碳粉樣的P2P取M30Y30光譜值。

Fig.  M30Y30 光譜值與D50、辦公室LED光譜值。將M30Y30光譜值積分兩度視角及D50光源後計算出Lab值約為 78, 13, 9；積分兩度視角及辦公室LED光源後計算出Lab值約為78, 6, 7。

Fig. 將這兩個Lab值丟到CRPC6的對應表，得出CMY 6, 25, 24 及 9, 21, 25 兩組 CMY 組合 。當在辦公室LED光源下，印機將C-3, M+4, Y-1就比較可以讓印刷品接近數位樣

光源一直是印刷標準化作業中一個難以處理的題目，這個難處不是技術上問題，而是客戶對色彩認知的問題；若客戶有這個認知而且願意架設標準光源，自然就沒這個問題，但顯然在這裡並不容易執行。

退而求其次，現在有一些很輕便的標準光源產品，可以讓業務帶著標準光源到客戶那邊看樣，也是一種可行的方法。

我自己有一個更簡潔的方法，就是用我的手機光源(手電筒)對印刷品做補光。我手機的光源大概在4000多度K，比辦公室光源提供了更多紅色(長波長)能量，這個簡單的做法雖然不嚴謹，但還是有其一定的效益。從最開始圖示可以看得出，修飾過後的光源讓兩個樣張有更好的相似性。

#PrintByNumber

#客製化光源色彩管理

If you torture the data long enough, it will confess to anything”

G7 operation on offset press without Curve

做一下廠裏G7能力維護，這次比較不一樣的是不透過Curve 軟體，不透過CTP改版，從1：1的線性版直接經從機器上調整來達成G7 規範。

Fig. 不透過Curve 軟體，不透過CTP改版，從1：1的線性版直接經從機器上調整來達成G7規範。

這次測兩部印刷機，都是用1：1線性版開始。

A機樣本#1

https://fredkuo.idv.tw/FograCT1/pbnCT25dbapi.php?f123=target.txt&f321=upload/ct25_RB0519_2025-5-19_100928.txt&target=CRPC6&rule=c9&more=1

Fig. A#1樣張，注意到K座TV到位但濃度嚴重不足。

Fig. A#1 樣張TV及灰平衡。M座TV不足。

A機#1號樣本拉出來就不會太差，C9 分數為80分，看一下滿版分數，除了K墨不夠重，CMY都有達標，RGB 也同時達標，墨的品質沒有問題。把關注點拉到中間調部分，有兩個比較明顯的問題：M墨滿版達標，但中間調不足，也導致灰平衡不夠好。K墨50%達標，但滿版太低，我們可以假定說，K座的網點擴張太大，所以領機在調好中間調的時候，滿版下墨不足；當滿版下墨到位時，K的中間調又會過多。

Fig. 印機壓力設定。

處理問題，一件一件來。先處理K座，領機將K座壓力退了0.03(30條)然後增加放墨，拉出第二個樣張：

Fig. A#2樣張，退壓加墨，試著改善K放墨與TV的關係，效果不大。

第二張樣張K的濃度從1.33增加到1.4，色差從6.9進步到5.7，濃度一樣不夠，色差也不到位。第二樣張操作M墨也加了一些，從1.26加到1.37，試著讓M座擴張再多一點，量測結果M座擴張是多了一些但依然不夠，不過灰平衡是有改善。

繼續處理K座問題，第三次樣張的處理，領機的方法倒是我以前沒碰到過的，他把K墨拿去降溫，照領機說法，說是這組K墨溫度太高，油墨變軟，導至中間調擴張太大，將油墨降溫，油墨變硬，網點擴張就會減少。依此推測，我們拉出第三次樣張：

Fig. A#3 樣張，K墨降溫，達成滿版與中間調同時到位。

看來將油墨降溫的策略奏效，K墨濃度放到1.8，色差2.6，50%的網擴才多了2.3，也就是滿版跟中間調可以同時到位，這就是我們要的效果。

處理第三次樣張時也同時加M墨濃度，試著讓M座網擴再多一些出來，濃度增加到了1.44，色差1.3，但網擴還是沒起來，倒是把B帶跑了。

接著操作第四個樣張，試著把B拉回來，從A#3 六角圖判斷，加C減M，B會拉近到標準位置，所以領機在這次操作C墨加了4%，M就減了一點。

Fig.A#3 樣張六角圖，預計降M，B會回到更好的位置。

於是C由1.28加到1.34，M由1.44減到1.39，A#4樣張B色差回到0.8，G7滿版部分算是完成。

Fig. A#4 樣張，CMYKRGB 滿版到位。

Fig. A#4TV，M座仍然不足。

檢視A#4樣張，滿版到位，灰也還可以，就M的TV差了一點些，照說這張差不多就可以進G7了，我們還是試著看有什麼方法讓M的TV也能到位，於是繼續做A#5樣張。

Fig. A#5 樣張，M座TV 改善有限。

Fig.A#5 TVI，M座TV 改善有限。

這個A#5樣張的目的是希望增加M的TV，領機用的方法是加墨、加壓，M墨濃度從1.39加到1.45，壓力加了5條，TV從-5.4 增加到-5.2，幾乎沒什麼效果，領機覺得可以再試別的方法。

第六個樣張的操作，領機對M墨加了凡利油，讓油墨變軟，好讓網點擴大可以變大(跟讓K墨變硬做相反的操作)，M的TV50%從-5.2 增加到-3.7，滿版與中間調能同時進入合格範圍，算是有效的操作。但同時，B又跑走了，那就再處理吧！

Fig. A#6 樣張，改善M座TV。B還差了0.3色差。

Fig. A#6 TVI，改善M座TV，還是少了一點。

再作最後一波調整，加C減M，讓B回到位置，同時也讓灰回到位置。A#7 數據呈現如下：

Fig A#7 樣張，滿版到位，灰階到位，C9 分數爲 87.5。

Fig. A#7 樣張， M的TVI少了一點，不過灰平衡有過，以G7評分，只看灰平衡，不看TVI。

Fig. 從A#7 取 P2P第四行及第五號資料，K 及 CMY 的最大、平均亮度差∆L*、及CMY 的最大、平均灰度差∆Ch均符合Grayscale規範。

從A#7 樣張量取P2P第4、5行，取得K 及 CMY 的最大、平均亮度差∆L*、及CMY 的最大、平均灰度差∆Ch均符合Grayscale規範。A機的機上調整算是完成。

有了A機的經驗，B機處理起來就快了一些。

B機第一個數據下來：

Fig. B#1 樣張，與A機一樣的問題，K墨太軟以致K座TV到位但滿版不足。

從B機的第一個數據下來我們就注意到幾個問題：第一個是同樣的M油墨，在A機的Beer’s Law 預測的最佳色差可以到1以下，但在 B 機的預測只能到2，我們要懷疑B機的M墨座沒有洗乾淨，有可能被污染；要不然同樣的紙張、同樣的油墨，預測最佳色差應該會非常的接近。

Fig. A#1 Beer’s Law 預測的最佳色差可以到1以下

Fig. B#1 Beer’s Law 預測的最佳色差在2以上。懷疑B機的M墨座沒有洗乾淨，有可能被污染；同樣的紙張、同樣的油墨，預測最佳色差應該會非常的接近。

第二個是這兩個機器的TVI有些不同的表現，比較之下，B機的M座漲得很好，A機的M座漲不上來；現在想來，把A機M座的橡皮布換掉，也許就可以很快達到目標值，不必去做加壓、加凡利油之類的工作。再來是B機C座的TVI曲線不正常，我們很快的決定把C座的橡皮布換掉。

Fig. A 機TVI(左) vs. B 機TVI，在同樣的放墨濃度下，顯得A機M色座異常及B機C色座異常。

換完C座橡皮布後取出B機第二個樣張，從TVI曲線看出來相對正常，是一個有效的操作。

Fig. B#2 TVI 從C座TVI曲線看出來相對正常，換橡皮布是一個有效的操作。

接下來處理其他部分的問題：K墨座與A機同樣狀況，墨太軟，以致TV到位時SID濃度不足，或是SID 到位時TV會太大。打算跟A機一樣對K墨降溫處理。另外是B還未到位，根據六角圖，加M可以將B帶到更好的位置。

Fig.處理B#2 問題，K座TV50到位，但SID不足，打算降溫K 墨來應對。

Fig. 處理B#2問題，B未能到位，預計加M處理。

處理K墨座及M墨座後取處B機第三個樣張，滿版部分7個主色都有到位，再下來就是把灰色處理到位。

Fig B#3 滿版部分7個主色都有到位，再下來就是把灰色處理到位

依據CT25在B#3的工具指令，無法在機上同時做25%,50%,75%的調整，只能依據50%部分對Y座做減墨的操作，再來看看最後的結果。

Fig. CT25在B#3的灰平衡操做指令，機上無法同時做25%,50%,75%的調整，只能依據50%部分對Y座做減墨的操作。

Y座減墨後，取出B#4樣張，以CT125檢測，Grayscale 部分能夠到位。

Fig. B#4 Grayscale 到位。

有點可惜的是C色差差了0.35，G色差差了0.09，無法一舉取得G7 Targeted，不過由Beer’s Law 預測，只要降一點C，C跟B就應該可同時到位。

Fig. 由Beer’s Law 預測，只要降一點C，C跟B就應該可同時到位。

先做到這狀態，可以確定的是在1：1的線性版上面，機器就可以調整到G7灰階、版調及主色同時到位 。撇開考試時需要更嚴謹的數據，把機器維持在這個狀態已經足夠給領機最好的操作空間來應付各種印件，更容易跟上所謂的標準色樣。

從CT125工具的TVI R2指數(Tone Value index、網點擴張指數，發展中…)，除了Y座為0.944，其他色座都在0.96以上，這也可以顯示出機器的狀況都還不錯。把這樣子狀態的機器交到領機手上，後面應該可以減少很多與印前、業務、客戶之間的紛爭。

Fig. CT125 工具的TVI R2指數(Tone Value index、網點擴張指數)，除了Y座為0.944，其他色座都在0.96以上，這也可以顯示出機器的狀況都還不錯。

以上這些程序算是立下一個範例：我們可以在1：1線性版的狀況下把機器調整到符合G7的規格。

根據這一次在機器上作業的經驗，我期待系統人員在廠裡的工作規範為：

1.以後印前只出1：1線性版 ，要調機、調版、委外……都不成問題；印前不再有出錯版、調錯版的負擔。

2.不再有因為印刷機跟不上顏色就要求印前修色這件工作，因為機上就應該在線性版上達成規範的色彩。

3.培養領機要有數據的認知，這數據不是只有濃度，還要有色度、版調(TV)及灰平衡。

4.廠裏要去思考一下，要如何提供順手、有效率的數據(量測)設備，讓領機願意去使用、去實踐數據。

整理一下這次在機上的調整作業用了哪些操作來影響滿版與中間調的位置：

1.換橡皮布，讓網點擴張曲線變得正常。

2.油墨降溫，讓油墨變硬，可以降低中間調的網點擴張。

3.增加放墨可以增加中間調網點擴張。

4.加凡利油讓油墨變軟可以加大網點擴張。

5.增加壓力，可以增加中間調網點擴張。

後面再來追加一點，用Beer’s Law 來預測墨座顏色是否受到汙染。以同樣的油墨紙張，在不同機座應該要預測出非常相近的數值，如果數值相差太大就表示墨座有受到污染。

綜合上述方法，只要油墨及紙張的品質夠好，要在1：1的線性版上直接從機上操作達成G7或是Fogra規格應該都是沒問題的。

這一次作業中，油墨溫度變化所帶來的影響超出我的預期，這個會是廠裏作業的問題；不過廠裡領機還是有個認知，必要時放掉滿版位置，還是以中間調為主。目前能做的就是更注重環境的溫濕度控制。

在新的具備墨輥控溫的機型這個問題就比較容易處理。

重要的是，領機如果能夠及時知道機器狀況的數據，自有其應對的手法。如果沒能有數據認知，通常的情況是要求印前修版或是修圖，這種態度一方面造成印前的負擔，另一方面機器就越來越偏離健康狀態，這個以後處理起來才是更大的問題。

這次用兩個小時整理兩部機器，第一部還在摸索方法，用了比較多的時間，第二部機器半個小時就整理下來了。

之前談過的，做為一個營利單位，追求的是80分的穩定輸出，而不是每個印件細致的打磨。每天花點時間，依數據讓機器到達一個狀態，讓客戶、業務、印前、印刷之間流程得以順暢，會是整體效率最佳化的作業投資。期待這樣的觀念能在廠裏建立起來。

Skin tone measurement

學生的專案題目，其中有提到膚色與個性的關聯，同學希望要讓”膚色" 這個" 感官敘述“數據化，我這裡提個意見。

要將膚色數據化，拿儀器去量就是了!

同學原本有幾個方案來取得膚色數據：一個是在控制的拍攝環境，透過ColorChecker 取得相機Profile，從相機取得的膚色RGB透過 Profile可以取得其Lab，這方法我認為也是可行的，但拍攝環境的控制穩定度及Profile 的精度還是不如直接拿儀器在膚色上測量。於是同學有直接拿iOne在膚色上測量的方案。

也沒有不可以，但拿i1直接在皮膚測量至少有兩個問題：1. i1 作為一個0/45的量測幾何，只適合在平面不反光的樣本上做測量，對皮膚這樣的樣本並不合適。2.通常i1的量測需要載體(substrate，like paper)反射儀器的入光量才能接受到足夠的光譜反應，直接對”皮膚”測量並沒有這個載體，儀器的光源會被皮膚吸收到組織內而無法得到足夠的反射量，具體一點講就是測得的數據都太暗，因為取不到足夠的光源反射。

於是，在我在對Beer’s Law光譜計算認知的基礎上，我認為可以用Beer’s Law來對這個光譜反應加上一些能量分佈，其數據應該會更為合理，於是有了這個工具開發想法。

第一個是量測儀器的建議，i1 這種0/45的儀器並不適合，我會建議d8積光球試的儀器，同樣的，基於取得成本，我只能提供學生這部ColorMeter Pro，絕對精度可能不是很好，但對一個封閉式的相對比較，運作是沒問題的。

Fig. 提供學生這部ColorMeter Pro，絕對精度可能不是很好，但對一個封閉式的相對比較，運作是沒問題的。

我也參考了一些其他儀器的運作模式，如Xrite 的CAPSUREme，看來是用一些相對參考的模式來決定色彩值，我覺得也是可以的。但就儀器面，它還是0/45的機制，也沒有提到光源被皮膚組織吸收的補償，那就跟用i1去測量是一樣的意思。

Fig. Xrite 的CAPSUREme，看來是用一些相對參考的模式來決定色彩值，我覺得也是可以的。但就儀器面，它還是0/45的機制，也沒有提到光源被皮膚組織吸收的補償，那就跟用i1去測量是一樣的意思。

另外如這個的DSM II ColorMeter，不管效果怎麼樣， 這個7000 USD 的價格就不好在我們這邊繼續做業下去了。

Fig. DSM II ColorMeter，不管效果怎麼樣， 這個7000 USD 的價格就不好在我們這邊繼續做業下去了。

再來就儀器光源補償這一塊，我會用Beer’s Law 去做光源補償，也有跟同學提到過，這個補償的量與補償的光譜分配就可以是一個題目。目前先自己訂一個值，先把工具發給同學，在相同的光譜補償基礎下去做數據分析，就光數據比較、比對這個層次，這樣的工作邏輯是可以的。

Fig. 以Beer’s Law 對膚色做光譜補償。

目前這個版本我的補償值得設定在6%。下面圖例，當取得數據時，左上那一塊原始值明顯偏暗，右邊的補償排序從上到下是：0%,3%,6%,9%,12%。撇開精度不談，補償過後的數值一定是更合理的，我目前是取在6%，先以這個設定交給同學使用，至於之後數據的應用就交個同學去發揮了，會請同學在交付paper參考一下這邊的敘述，交待一下數值取用的基礎邏輯。

Fig. 左上那一塊原始值明顯偏暗，右邊的補償排序從上到下是：0%,3%,6%,9%,12%。補償過後的數值一定是更合理的，我目前是取在6%，先以這個設定交給同學使用

在工具設計上，Lab值的呈現已經含6%光譜的補償，取得10組數據後按 upload 可以取得10組數據的 cvs檔，Airdrop 到MacBook裏就可以用Excel作業了。

Fig. 在工具設計上，Lab值的呈現已經含6%光譜的補償，取得10組數據後按 upload 可以取得10組數據的 cvs檔，Airdrop 到MacBook裏就可以用Excel作業了。

Fig. 本次作業主要機器理光C7200

Fig. 本次作業A4樣張 ，含CT10、CT23 i1導具，及加大色塊供CR30使用。

在發給學生的第一次作業，先學習做CT10的控制，CT10 是一個最精簡的控制方法，十個色塊的的結構包含紙白、CMYK 100%、CMYK 50%及灰平衡(C50MY40)。

紙白數據有三個作用，一個是用來計算灰平衡目標(C50MY40目標L*訂在58，a*,b* 目標值為紙白a*,b*值 x 0.5)，再一個是計算TV時必須知道紙張濃度，第三個作用是用來與Beer’s Law 計算(預測)CMYK 100%的最佳放墨濃度。

CMYK 100%色塊的作用自然就是用來比對是否達到規定的最佳色度，配合紙張光譜數據及Beer’s Law 可以用來計算(預測)CMYK 100%的最佳放墨濃度。

CMYK 50% 則是用來比對是否達到規定的TV值，依比對值取得控制指令(控制方向及控制量)。

C50MY40 則是用來比對是否達到規定的灰平衡L*值與a*,b*值，並取得控制指令。

我會多次跟學生強調，當TV的控制指令與灰平衡的控制指令有衝突時要以灰平衡為優先，畢竟人眼的感受更接近Lab數據而不是TV數據。

同樣的，色彩輸出控制的程序是先把滿版做到位再去做中間調。以這一次的作業環境，我沒有找到理光機器在RIP裡面控制濃度的功能，但機器的控制面板是有找到濃度控制的部分；雖然說控制間隔只能是+-5，控制間隔較大，但已足以帶出滿版控制的概念。中間調部分預計這一次就讓學生在Photoshop裡面操作；在生產單位裏，我會盡可能讓曲線控制項直接進到RIP裡面。

Fig. 理光7200的濃度可以在機器的面板做操作。

量測儀器用的是CR30，由於價格不高，我得以提供8部儀器讓學生分組使用，工具軟體則分別寫了Android及iOS的App供學生使用，同學只要CR30加手機就可以完成這次作業。

Fig. Android 介面(左)及 iOS 介面。

Fig. 手機只負責取資料，工作指令由手機上傳數據到雲端後由Server運算及呈現。

由後台統計，總共35位同學有34位成功資料上傳。34位同學總共上傳583筆資料。其中有同學上傳高達61次，取得91.33分的分數，最高分同學為99.16分，總共上傳8次達成，上傳次數最少的是兩次，但兩次修正就已經能拿到86.62分。

Fig. 34位同學總共上傳583筆資料

Fig. 34位同學最高分為99.16分，其中30位同學拿到80分以上的分數。

Fig. 單一同學上傳最高達61次，取得91.33分。最高分同學為99.16分，上傳8次達成。上傳次數最少的是兩次，但兩次修正就已經能拿到86.62分。

綜合幾項同學操作上的錯誤，第一個是有部分同學在Photoshop開樣張pdf檔的時候把它開成RGB檔，一旦開成RGB，後面就沒有修正的可能，修正指令完全對不上。經過修正後都能很快的拿到80分以上。

Fig. 觀察學號xxx838同學上傳的數據，前面10筆分數始終無法提上來，了解情況後知道是開成RGB檔的原故；修正後，兩次修正上傳就能達到81.41分。

另一個影響控制的因素是有同學啟用了RIP裡面的icc程序；在這個作業裡，要練習的是，只透過兩個單純的控制項：滿版到位及中間調到位，兩個控制項就能將輸出品質控制到可以符合某一個規範的品質。icc 的介入反而會稀釋掉控制指令的運作；況且我們還不能確定這部機器是在什麼樣的狀況下形成它的icc程序，在未知的情況下直接啟動icc程序不見得能夠達成我們預期的結果。

再一個情況是，當黃色滿版濃度還不夠的情況下，TV已嚴重過大，顯示當時黃墨的線性是有狀況的， 由於我的分數系統TV的佔比遠大於滿版的佔比，雖然工作原則是先做滿版到位再做中間調到位，這時候放棄黃色滿版到位，不再增加黃色濃度，對TV的調整反而更容易達成。

Fig. 當黃色滿版濃度還不夠的情況下，TV已嚴重過大。

這一個作業的佈置除了讓學生了解及練習色彩輸出的控制程序，背後還有幾個重要的意義：

1. 低門檻的儀器及更方便的手機APP讓色彩控制這一項傳統上是高門檻設備及技術要求的工作變得更為普及可行。

2. 對於一個營利生產單位，80分的穩定的輸出遠重要於90分以上的品質追求；以這種低門檻但密集監控的運作方式已經有能力維持廠裡80分的穩定輸出。

3. 每一筆量測資料都記錄在雲端資料庫，後台可以經由這些數據知道每部機器的狀況，或者是每一個操作人員的作業狀況及作業能力。更甚者，經由大量數據的機器學習(machine learning)及人工智慧的介入，雲端服務器有可能在發覺跡象時主動介入機台的控制。低門檻且密集監控的程序更有助於後面大量資料的學習。

在後台數據的應用上可以有多種的可能性，下面一個例子是從雲端數據可以知道每一個學生的作業歷程；他們的修正次數及修正的成果雲端都有記錄。衍生的場景運用比如雲端可以知道廠裡每一部機台的狀況及其修正的歷程，一種以數據來管理廠裡生產品質的概念。

Fig. 從雲端數據可以知道每位同學的作業歷程：修正了幾次、修正的成果，Server都有記錄。

Fig. 放一些同學80分以上的輸出成品，都是可以接受品質。

Fig. 讓同學把他們過程中滿版放墨的位置及中間調修正的位置記錄下來，即使在不同的位置，經由灰平衡指令的引導，輸出的成品都有其視覺一致性。

簡單總結一下，這個作業的用意主要讓學生認知到色彩是一個可以用數字來傳達的物理量，一旦以數字的方式呈現，我們就可以透過數學的方式去操作、去定規範、去預測、去檢驗、去品管、去做機器學習、去做自動化管理…，這一次經由同學親自使用儀器去取得數據，透過數值上的操作，然後取得一個合乎規範的品質；通過這次作業，讓同學在處理色彩問題時有不同的認知。

順帶一提，學生中有一位視弱的同學，依著數字規則操作，其成果與其他同學並沒有兩樣。還是那句話，色彩這個感官現象，一旦進入生產行為，完全可以用數字的方法去操作。

NTUA standardization class

學生作業演練

作業佈置：

基本架構：要求同學輸出符合CRPC6規格的輸出品，輸出方式不拘，可以是噴墨、碳粉、平印、網印…只要數據合規即可。

評分規則：C9、gmi、或是自訂(如pbn)。光是以數值規則來對輸出品評分的做法就足以上一堂課，看現行規則如C9、gmi 對 Delta-L並沒做評分我就認為是不夠的，所以有自己有一套把灰色權重(both Delta-L and Delta-ch)拉高的規則。也許我們會在課堂上自己訂出一套規則。

我的分數規則可以參考這裡：

https://fredkuo.idv.tw/wordpress/?p=3752

導具：CT10、CT23

Fig. A4 樣張含CT10、CT23 i1導具，另有加大色塊供CR30使用。

量測儀器：沒辦法提供同學那麼多i1，會爭取8到10支CR30發放給同學使用，也由於CR30 是 M2 量測，因此規範目標值可能有所變動；相關因素會課堂說明後，經由討論訂立最後規則。

輸出設備原則上是學校的理光C7200，但如前述，輸出形式並無限定，只要數據符合即可拿到分數。

整個作業的佈置最主要是希望同學建立幾個色彩輸出的概念：

1.色彩這個感官現象是可以被數據化的。

2.因為有數據，產業組織也因此得以發佈數據規則來規範輸出品值。

3.一旦有數據依據，就可以取得更精確的控制方向與操作的物理量。

4.經由數據，可以發展出驗收與管理的策略，如自訂目標、自訂容差、檢測週期…等等策略。

5.由於必須取得數據，同學務必要習慣性的使用儀器，即使是低階光譜儀如CR30，一但能取得數據，就能產出相對應的工作邏輯來提升輸出品質。

先做一個示範操作，由於對理光機器的熟悉度還不夠，先用別的機器做示範。

Fig. 起始輸出，沒做任何設定，CT23導具 C9 on CRPC6 評分得到42.5。

起始狀態：

https://fredkuo.idv.tw/FograCT1/pbnCT23dbapi.php?f123=target.txt&f321=upload/ct23_CNTT_2025-3-20_171108.txt&target=CRPC6&rule=c9&sccSt=&more=1

Fig. 起始輸出，沒做任何設定，CT23導具 C9 on CRPC6 評分得到42.5。

觀察一下分數分佈，滿版部分只拿到8分(滿分18)，TV拿了12分中的9分，灰色則沒拿到分數，總分42.5。

第一步先把滿版搞定，C墨現在色差5.4濃度1.5，程式預測濃度降到1.24，色差可以到2.06；M墨現在色差4.4濃度1.59，程式預測濃度降到1.32，色差可以到0.96。

這個階段的操作是在一個Trail and error 的方式，因為多少的調整量會影響多少濃度在現階段還不知道，就是嘗試給個量，取回數據後再來做修正。

Fig. Print Server 上有濃度調整及使用者調整曲線功能，有這兩個功能就足以把品質控制到某個位置，這次打算只使用濃度功能，曲線部分會在圖檔中調整。

Fig. Print Server濃度調整畫面，濃度最高可以拉到130，從100開始操作，有很大的操作空間。

第一次滿版調整，把C墨量從100降到95，M墨量從100降到94，YK 不變，來看看結果。

Fig. 第一次調整，分數進步到67.5。

第一次調整，M墨的3分有拿到，C降得不夠，色差還在5.4，二次色的B也拿回2分，其它TV部分與灰色部分有同時改善，最後拿到67.5分。

第二次滿版調整，把C墨量再降到90，M墨維持94，YK 不變，來看看結果。

Fig. 第二次調整，再一次調降C墨，色差來到2.8，這次C的分數有拿到，但B跑走了，TV也掉了1分，所以還是67.5分。

Fig. 觀察一下六角圖，B 跟 G 還沒到位，從六角圖判斷，Y 再減一些對G幫助，C 再加一些對G跟B都有幫助，所以下一個放墨組合設在C92.5,M94,Y95，再來看看下一輪的結果。

Fig. 第三次調整，在升C降Y後G是到位了，但C又跑了，連帶25%的灰也跑了，還有B也還沒到位，總分降到57.5。

Fig. 再從六角圖觀察，M再降一些B可拉回來一些，C則勢必要降，那就再降一點M、再降一點點C；Y也有降的空間，對G會有一些幫助。再次調整為C91,M93,Y93，看看下一輪的結果。

Fig. 如預期的，SID 部份全部到位，分數達到87.5分，但C9的評分規則對灰部位太寬鬆，目前灰的數據還是不夠好，有必要對中間調及灰部位再做修正。

整理一下4次SID修正

C→100→95→90→92.5→91

M→100→94→94→94.0→93

Y→100→100→100→95→93

Fig. 4次SID修正濃度與色差的變化。

Fig.  4次SID修正六角圖的變化。

SID 到位後，接下來是對中間調(灰平衡)修正，CT23工具提供25%,50%,75%三點灰平衡修正邏輯，依指示在Photoshop用曲線功能修改曲線後再次輸出，最後取得92.5分，算是完成一趟標準化修正邏輯。

Fig. CT23 工具對25%,50%,75%灰部位的修正建議。

Fig. Photoshop曲線功能，依CT23 三點修正指令帶入曲線修正。

Fig. 從42.5分到92.5分，算是完成一趟標準化修正邏輯。

最後總結整理一下：

1. 工作原則：先做完SID(滿版設定)，再來做中間調(灰平衡)。

2. 滿版部位由Beer’s Law做預測，Beer’s Law 會提出操作方向及調整量，但這個調整量如何在這部機器上實現原則上還是一個 Trail and error (嘗試錯誤)的工作方式，以這次測試為例，滿版部分做了4次修正才將CMYKRGB 七個顏色做到位。

3. 中間調灰平衡部位由三點(25%,50%,75%)灰色邏輯做修正，這個邏輯我一直在修正，這次倒是一次就到位，應該是機器也本身的狀態也沒有太差，所以可以一次到位，沒有再做額外的修飾。

以上是一個42.5分到92.5分的示範，希望同學都能得到好的成績。

談一下分數。

前言：印刷品質的評分有很多面向，這裡僅對色彩、版調的數值部分做說明。

================================

能夠打分數的前提是：評分的對象可以被數據化下來，才有可能拿來打分數。

印刷品質可以打分數嗎？

先要有 print by number 的觀念及能力，才會有印刷品評分這回事。

市面上的 fogra pso 跟 idealliance G7都是建立在數據的基礎上去做評分。

這裡先不去談那個一年只做一次的認證系統；這裡來談一下在日常工作中如何去對每一個印件都去做評分。

再往前提一個題目。

是buyer來評分？還是生產者自己來評分？

先說一下這個日常印件檢驗用的評分系統不會像認證系統一樣每次要測量上百格的數據(PSO 84×3=252，G7 300×2=600)；市面上至少會有gmi提出來的一種23格的評分方式；後來的中國c9也沿用同樣23格去做他們的評分方法。

Fig. CT23

這23格的組成意義是這樣子的。

CMYKRGB 100 色彩值 (7格)

CMYK 50 TV + Gray(C50M40Y40) 灰度差(ΔF) (5格)

CMYK 25 TV + Gray(C25M19Y19) 灰度差(ΔF) (5格)

CMYK 75 TV + Gray(C75M64Y64)* 灰度差(ΔF) (5格)   *(C9 75灰為 C75M66Y66)

再加上紙白總共是23格。

至於是buyer來評、生產者來評，還是認證單位來評？我留到後面再來提我的想法。

我要來先看看，同樣是這23格， gmi跟C9有怎麼樣不同的評分觀點。

gmi/c9 用同樣的23格來評估印刷品色彩品質，分數規則有一些不同，但精神是一致的；大約就是對主色(CMYK)評分(含二次色RGB)，對中間調(Tone Value, TV)評分，對灰平衡評分。

1.  主色色彩值

gmi

gmi 主色的最高分為32分

c9

c9主色的最高分為18分

2. TVI

ps. gmi 的TVI分數是 per CMYK primary colors ，所以gm在TVI的最高總分數為(2×4+3×4+2×4=)28， C9並沒有標示是per chanel，C9的TVI最高分是(4+4+4=)12分。

3. 灰平衡

gmi 灰平衡的最高分為15分

c9灰平衡的最高分為10分

在這部分的色彩/影像評分，C9 滿分為40分，32分以下判定為不合格；gmi滿分為75分，沒有特別標示”不及格”的分數門檻，如果按C9採80%門檻的話，姑且定在60吧。

由於分數系統定義不一樣，所以這兩種評分方式的分數是不等值的；如果以百分比的方式來看這三大類的分數，可以比較的清楚這兩種評分系統的評分觀點。

先看第1類主色色彩值部分， gmi的占比是42.67%， C9的占比是45%。在TVI部分gmi占比為37.33%， C9的占比是30%。在灰平衡部分，gmi占比是20%， C9的占比是25%。

以百分比的方式看下來，兩邊著重的比例大致上差不多，大的方向都是主色色彩值占比最高，其次是TVI，最後才是灰平衡。要再細一點看的話， gmi在TVI的著重度要大於C9，灰平衡則少於C9。

我對這樣子的評分比重有我自己的看法。

先說第一個部分：這兩種評分方法TVI的比重都大於灰平衡；我則認為這三個不同階調的灰平衡色塊它的重要性應該大於TVI。

我這邊先提一個點， Lab是一種視覺的數據而TV是一種機械的數據，雖然TV還是有視覺上的意義，但相對於Lab，TV還是不如Lab系統對於人眼來得有關聯。

我經常會遇到TV與灰平衡行為衝突的時候(http:…)，這時候我是要取TV的分數而放棄灰平衡？或者是去維持灰平衡而放棄TV？

如果照gmi 或是C9的評分方式，應該是去爭取TV而放棄灰平衡才會有較好的分數。但是我認為應該是要去維護灰平衡而放棄TV，因為，就如上面提到的，灰平衡是以Lab的數據來做評估，是一種比TV更接近人眼感覺的數據系統；所以，我認為維持灰平衡的數據要比維持TV的數據來得重要。

還是要再補充一下， gmi與C9的評分系統在評分灰平衡色塊的時候只取delta-ch，並沒有取delta-L，因此，在缺乏delta-L的元素下，版調的品質交由TV數據來評估是可以理解的；但我的想法是，既然這三個階段的灰平衡色塊同時也有L*的數據，版調評估是可以直接用L*做依據的，就像G7的認證方式，版調的評估全都是以L*為依據。

因此，我自己做了一套評分系統也是把delta-L納入評分的元素。

再來談一下主色占比的部分。

gmi跟C9評分系統在主色的占比都是最大的。這裏我要從生產者的觀點跟影像分佈的觀點來談談為什麼我認為主色的占比不須要是占比最大的。

我們來設定一個場景，當印刷系統校定好的時候，主色的位置、TV的位置及灰平衡的位置都是到位的；印機操作幾個星期之後，一些機械變數會導致當初的設定離開原有的位置。簡單拿橡皮布作為變數好了，用了兩個星期之後，彈性、壓力跟幾個星期之前的狀況絕對不會一樣，這時候可能會出現一個狀況：當你要維持中間調(/灰平衡)到位的時候，滿版色彩值無法到位；或是你要維持滿版色彩值到位的時候，中間調(/灰平衡)無法到位；這時候該是中間調(/灰平衡)到位比較重要，還是主色到位比較重要？

(ps. 以官方說法，這時該做的事是換新橡皮布，讓滿版與中間調能夠同時回到原始位置，沒有這種二擇一的衝突問題；但實際狀況是，在我接觸過的廠裡的經驗，更換橡皮布的時機總是能撐就撐；這種二擇一的衝突狀況經常會發生)

我的看法是，維持中間調要比維持滿版值重要。我們印刷品影像的版調分佈，中間調的分佈都是大於滿版，因此，在兩者有衝突的狀況之下，我認為維持中間調會比維持滿版重要。(這裏再來個 ps. 對於注重色塊的包裝印刷，我會同意主色有較高占比，但有影像的話，我還是認為中間調的重要性要大於滿版)

基於以上，我自己有一套有別於gmi與C9的評分方式(就先叫他pbn吧，as print by numer)，主要的差別是：

1. 中間調的重要性要大於滿版的重要性。

2. 以L*值取代TV值來評估版調。

我自己的評分系統如下：

主色部分如下：

TV的評分規則如下：

灰平衡色塊的評分規則如下：

評分占比分析

從占比上看，主色的占比從4x%降低到33%， TV的占比從3x%降到14.x%，灰色塊在delta-ch占比從2x%升到33%，如果再加上delta L*因素，全部灰色塊的占比高達51%。

這是我提出來的跟gmi 與c9不同觀點的評分方法。

這個評分規則把超過50%的比重押在灰平衡色塊上的delta-Ch 與 delta-L*上面，這個方式承接了G7的觀點：只要把灰平衡色塊的亮度差(delta-L*)與灰差(delta-Ch)照顧好，影像品質不會出太大的問題。

如果要再談細一點，當我用G7的觀點，完全以L*取代TV來做中間調的評分，那這些TV色塊其實是可以不用出現的；但我的系統裡還是讓他占了將近15%的占比。就如上面講的，TV是一種機械的數據， TV的數據可以是一個很好的參考值來檢視你的機械狀態是不是在好的位置。一個好的印刷系統應該會是TV值與灰色塊數值(both Ch and L*)都同時到位；如果不是的話，這裡就是一個重要的信號，提示你應該去檢查機械的狀態了。

從這裡再接回上面提到的：誰來執行對印刷品質評分這件工作？Buyer或是生產者？(認證單位一年只來一次，這裡先沒他們的事！)

以buyer觀點對印刷品評分是理所當然的事，就依官方gmi或c9規則要求生產方達成gmi或c9的規定也是合情合理。

以生產者對自己的印刷品評分是一種自我管理與自我稽核的手段； 採用官方 gmi或C9的方法都不是問題；問題是機器不是每天都在最好的狀態，一旦發生滿版與中間調的操作衝突的時候，怎麼樣才會是比較合理的操作？

我認為這種以灰平衡色塊(中間調)為重點的操作方法，能夠在更務實的面對機器狀態的變異，同時也能達成穩定的印刷品質。(ps. 簡單講，這樣的操作觀點可以“合理的”延長橡皮布的更換時機，但如果主色與中間調的操作衝突太大，該換的還是得換)

最終要用什麼樣的方式來做印刷品的評分依據？

不管是gmi也好或者是C9的規則也好 ，Buyer與生產者必須達成共識；

如果雙方能認同這種相對務實的，以灰平衡色塊為重點的驗收方式，我認為對buyer方與生產方都能有彼此的最大效益；

在生產端，維持灰色平衡色塊的操作其實比為TV更難 ，但它能帶出更一致的影像品質；就buyer 端這邊來講，犧牲一些CMYK滿版的品質，但維持了穩定的中間調，同時也給予了生產端一些操作的空間；如果雙方能達成這樣的共識，這會是一個雙贏的局面。

可以先參這裡的數據樣本。

https://pbn.com.tw/FograCT23/pbnct25demo.php?f123=target.txt&f321=upload/CT25_Xerox.txt&target=CRPC6&company=pbndemo&rule=gmi&more=1

https://pbn.com.tw/FograCT23/pbnct25demo.php?f123=target.txt&f321=upload/CT25_Press.txt&target=CRPC6&company=pbndemo&rule=gmi&more=1

目前工具頁面裡有gmi、c9與pbn三種評分規則；參考資料集(reference data set)目前放了有Fogra39、Fogra51與CRPC6。

工具要如何釋放會在下一次整理出來。

and there is one "more" thing.

有興趣的人可以在頁面裡點一下“more”。會再發一篇交代"more"裡面的內容。

Curve4 Alternative

Fig. p2p chart.

老話，處理影像輸出就兩回事，滿版到位與中間調到位。滿版工具就是用Beer’s Law，中間調工具就看要做到什麼程度？

我有最簡單的單點修正，在一個已經是健康的系統上，只要把 C50MY40 這一個點拉到位，其它部分就該跟上來。所以它是一個在已經健全系統上的，很有效率的維護工具；也所以，它不是一個系統的校正工具。

要再更完整一點的，我也有一個3點灰平衡修正工具，比起只看50%這個部位，多了25%及75%部位。這個工具勉強也可以是系統校正工具，在一個還算健全的系統下，這三個點是可以把系統帶回來的。

當遇到系統有更多狀況的時候，正規軍 Curve4 還是得上來。300個點的數據操作裏，有200個點是用來尋找正確的灰色分佈；其中技術重點主要是用TR015去定義版調及用Grayfinder 工具去預測灰平衡落點。

Fig. p2p 導具，300個點的數據操作裏，有200個點是用來尋找正確的灰色分佈。

Fig. G7 Grayfinder，用來尋找灰平衡落點。

Fig.NPDC FanGraph derive from TR015, 用來預測版調落點，Curve 4 就是一個實現Grayfinder 與 NPDC 的軟體工具。

Fig. TR015 公式，用於計算NPDC 版調。

整個TR015及Grayfinder的能力還是很強大的。當系統狀況太多的時候，與其用三點修正不斷的trail and error ，倒不如一次處理300個點給它一次到位(當然也不一定都能一次到位，頂多修三次，還沒見過拿不到Grayscale 的)。

近年來的工作大多是使用我自己做的工具，面對狀況比差的系統，我有機會可以脫離Curve4嗎？

同樣是300個點的操作下，應該有機會！基本工具邏輯是：icc profile。

我曾經用36個點去完成一個icc的大致輪廓；這次有300個點，其中200個點是灰色組合，這300個點的icc profile會是一個很好的，用來預測灰平衡落點的Look up table。

我暫且把這個工具叫做 icc Curve。

icc Curve  工具建構如下：

1.由 i1 sdk 取得 p2p 導具300個數據。

2.取出紙張Lab，CMY300 Lab及K100 Lab供TR015做版調計算使用(各階版調的目標 L 值)。

3.由ArgyllCMS從300個點計算出不含K頻道的icc profile。

4.建立各階灰平衡目標 Lab值，L 目標值來自TR015計算，a,b 目標值來自紙張 a,b 值計算。

5. 依目標值 Lab 從 icc profile 中取得其CMY組合。這個組合就是我們要達成灰平衡的預測值。

以上，這樣的工具組合就可以用來校正及維護任何CMYK輸出系統。其目的功能相當於Curve4，如同開頭提及，是一個 Curve 4 替代方案。

來驗證一下 icc Curve 與 Curve 4 的預測差異。以下是一個所謂”有狀況”的系統，曲線修正量相當的大，它們在25%及50%的預測值很接近，差距最多的在Y40的預測，差了1.55；75%的預測就差很多，最多差到9.63。不過我沒有太在意這個部分，這個系統太過異常，Curve4的預測一樣不到位。

Fig. Sample1 Curve4 曲線補償

Fig.Sample1 icc Curve 曲線補償

Fig. Sample1 icc Curve 與 Curve4 的預測差距，25%及50%的預測值很接近，75%的預測就差很多。

第二個樣本是相對正常的系統，兩者之間在25%與50%幾乎沒有差異，75%部分最多差到2.47。

Fig. Sample2  icc Curve 與 Curve4 的預測差距，25%與50%幾乎沒有差異，75%部分最多差到2.47。

第三個樣本是一個健康的系統，兩者之間預測數值相當接近，差最多是在75%部分，最大差到1.54。

Fig. Sample3  icc Curve 與 Curve4 的預測差距，兩者之間預測數值相當接近。

很快的再來比對三組樣本，可以發現在25%及50%的部分預測值都非常相近，75%較差一些，隨著系統狀況的好壞，越不好的系統差越多。先假定Curve4是一個非常好的校正系統，以上的數據差，我認為 icc Curve 表現也不會差到哪裡，也就是說，在我的工具架構裏，看來可以脫離Curve4 了。

Fig. 再來比對三組樣本，可以發現在25%及50%的部分預測值都非常相近，75%較差一些，隨著系統狀況的好壞，越不好的系統差越多。

最後再提一下，Curve4 與 icc Curve 用的是不同的邏輯方法，但數值可以如此接近，這到底是icc厲害還是Curve4厲害？終究是，以數學規則來處理物理現象，真是奇妙！

另外，Curve4 + 已經上架，與 Curve4 的差別在於版調與目標 a,b 值的重新定義，這些不同定義的L值與a,b值，一樣適用於 icc Curve。

手邊又一個單位裝配墨系統，負責執行的操作員還在練習，與他了解一下狀況，他說一般狀況都能操作到一個色差(de00)，但有水光(水性上光)要求的時候數字都沒有太好。

想説看他實際演練一下，看有什麼地方我可以幫得上忙的，我也順便做個紀錄。

他挑了一個上次被退件的案例，下圖中紅色框框的部分，目標是Pantone 281C。

Fig. 這次的目標，紅色框框部分，目標Pantone 281C。

從談話中了解，客戶端同意用電子色票為目標值，這裡就幾個方面要講清楚，

1. 客戶同意用電子色票，以這個案子為例，標定 Pantone 281C，電子色票標定D50 M1 Lab數據在 13.03, 10.93, -43.06，這個結果與客戶的實體Pantone色票可能會有差異，要確定是以電子色票數據為主，而不是以實體色票數據為目標。

2. 最後的成品有上水光，這個地方要講清楚：我們配墨的目標值是上光前的數據還是上光後的數據？依照對作業內容的理解，目標值應是上光後的數據，這一點要跟客戶確認清楚。

3. 如果配墨目標是上光後的數據，這個視覺效果跟沒上水光的Pantone實體色票視覺效果會不一樣。即使數據有對上，視覺不一定對得上，這一點也務必跟客戶確認。

配墨系統倒是有提供兩種配墨方案，一個是沒上水光的方案，一個是上水光的方案，配方不一樣。還沒搞清楚其中的邏輯。據我了解系統內並無我們水光的量化數劇，這個配方差異的邏輯另外找時間再來請教廠商。

Fig. 含水光與不含水光的配方組合。我以為含水光的目標值會不一樣，結果是一樣的，以後再找時間來了解裡面的邏輯。

確定用含水光的配方，需要4個原料，準備好4支墨刀。

Fig. 含水光的配方需要4個原料，準備好4支墨刀。

要求精度在小數點第三位正負0.001。

Fig. 要求精度小數點第三位正負0.001。

混好墨後，依廠商提供的放墨量對應表，測試三階段墨量(圖中1與3相同墨量，做驗證用)。

Fig.  依廠商提供放墨量對應表，測試三階段墨量(圖中1與3相同墨量，做驗證用)

展墨轉印後，準備水光，目前這個程序還沒有做任何量化，操作員給水光給得很隨性。

Fig. 操作員給水光給得很隨性

Fig. 水光效果，以本次測試樣本，水光(左)與無水光(右)之間色差 de76 1.8，de00 0.92。

第一輪配方檢驗，驗證18格墨量色差de00 2.84，還沒到預期位置。觀察L值太亮，繼續檢查19格墨量色差。

Fig. 驗證18格墨量色差de00 2.84，觀察到L值太亮。

驗證19格墨量色差de00 1.6，有比較好，但還是未到 de00 1 的位置，這時候有兩個決定：做第二次配墨修正，或是再做一次墨量調整即可？

要再做一次配方修正，重新秤，重新攪…還是蠻花時間的。那修正墨量的可能性呢？

依Beer’s Law 預測再加墨量0.1即可達到de00 0.89色差，這條路應該更快速，也可以得到好的結果。

Fig. 驗證19格墨量色差de00 1.6，Beer’s Law 預測再加墨量0.1即可達到de00 0.89色差。這條路應該比較快。

最後在墨量20格取得 de00 0.67 的結果，足夠交差了。

Fig. 最後在墨量20格取得 de00 0.67 的結果，足夠交差了。

測試結束後檢討，我大概提出兩個建議做法：

1. 配墨計算應該沒問題，但廠商提供的放墨量對應表與單位內的材料如紙張、橡皮滾、展墨機狀態、油墨現狀…不一定完全匹配，適當的修正也許能更增加效率，以這次案例，再多加兩格就可以一次到位，節省二次操作的時間。當然這也許是這一次碰到的狀況，要再多跑幾次確認才好下定論。

2. 善用 Beer’s Law， 如果 Beer’s Law 可以預測到 de00 1 以下的數字，就可以確認配方無誤，無需做二次修正，只要測試墨量就可以了，減少二次修正也可就節省很多時間。

至於水光的量化，會找機先問一下廠商那邊的邏輯，我自己也先收集一些數據，再來看看能怎麼做。

最後，我手邊兩個單位各自有不同的配墨系統，可以確認計算能力都沒問題，操作嚴謹程度或有些差別，越嚴謹的操作預期能達到更好的數值，但也代表要花更多的時間。這兩個工作單位都必須各自找出精度與效能間的平衡點，不能是一味的精度追求，效能還是要考慮到。各自系統有各自的優缺點，怎麼有效率的使用工具必須依自己的經驗去尋找，我會從數據面及工具面幫著想想看怎麼做會更好。

How Beer’s Law predict “Best Color” density

Beer’s Law 如何預測 “最佳色彩” 濃度

我經常説的，影像輸出控制就這兩件事：滿版與中間調。

要搞定滿版，靠的是 Beer’s Law；要搞定中間調，靠的是曲線。不管是 PSO、G7、gmi…都是一樣的。

趁著準備教材，一次把Beer’s Law講清楚。

Beer’s Law (or Beer Lambert’s Law)原本是用來計算化學溶劑濃度的工具，至於為何會用來預測印刷放墨濃度，我的原始來源是RIT Prof. Bob Chung 的一個Excel Spreadsheet，看 spreadsheet 裏的註記，把它用來預測放墨濃度看來是 Prof. Franz Sigg 的手筆，順便提一下，GCR (Gray Component Replacement) 這個詞彙也是 Franz Sigg 定下來了的。

Fig. Beer’s Law 原本是用來計算化學溶劑濃度的工具。A 為吸收率，I0 為原始光量，I 為被溶劑吸收後的光量。

Fig. Beer’s Law 溶劑吸收率示意

至於如何轉化為印刷油墨濃度的推算，Excel 裏用的公式如下：

Rnm=10^(-((((-LOG(U$12))-(-LOG(U$11)))*$T14)+(-LOG(U$11))))*1

敘述如下：

光譜反射率nm=10^(-((((-LOG(油墨光譜反射率nm))-(-LOG(紙張光譜反射率nm)))*模擬修正量)+(-LOG(紙張光譜反射率nm))))*1

用的方式跟化學的溶劑計算不太一樣，是一種 Beer’s Law 轉化的應用，不是完全一樣的套用。

Beer’s Law 是用單一波長來對化學溶劑做濃度計算，在印刷油墨的應用，因光譜儀對油墨樣本以10nm間隔，從 380nm 到 730nm 總共取了 36 個單一波長樣本，如此，就可以用 Beer’s Law 套用在這36組單一光譜資料。我們對每一個單一波長以 Beer’s Law 做劑量加減模擬，最後重組這36組資料，就可以推測出模擬的Lab值及其濃度值；當找到與目標Lab值最接近的那組光譜值，也就可以算得出應該放的油墨濃度。

實際用數據來說明一下：

取一洋紅墨及其紙張樣本光譜。

Fig. 取一洋紅墨及其紙張光譜

計算出該洋紅墨Lab值為：44.92, 71.86, -1.65, 濃度為1.488， 與Fogra39 標準洋紅 Lab 48, 74, -3 色差 De76 3.98。

Fig. 洋紅墨樣本光譜

模擬一下在 430 nm 處加1個單元劑量，原本 430 nm 處光譜反射率為 0.1834，紙張在 430nm 處的反射率為 0.7733，每一個劑量設為0.015，套入公式：

模擬反射率430nm=10^(-((((-LOG(0.1834))-(-LOG(0.7733)))*(1+0.015*1))+(-LOG(0.7733))))*1= 0.1795

模擬一下在 430 nm 處減1個單元劑量：

模擬反射率430nm=10^(-((((-LOG(0.1834))-(-LOG(0.7733)))*(1-0.015*1))+(-LOG(0.7733))))*1= 0.1874

模擬一直加到15個單元及減15個單元得到430nm處的光譜模擬值為

Fig. 加15個單元到減15個單元在430nm處的光譜模擬值

Fig. 圖表顯示+15及-15個單元在430nm處模擬值(因資訊太密集，圖示為間隔3個單元的數據)

以+3單元為例，此邏輯推演到其它380nm~730nm，得到+3的光譜模擬數據為：

Fig. 380nm~730nm，+3的光譜模擬數據

+3單元光譜模擬分布曲線為：

Fig. +3單元光譜模擬分布曲線(綠色為原始曲線，紅色為+3模擬曲線)

同樣邏輯衍生到所有的+15到-15單元，數據如下：

依此數據取得所有30條模擬光譜分布曲線。

Fig. 從+15到-15單元，取得30條模擬光譜分布曲線。(因資訊太密集，圖示為間隔3個單元的數據)

從這30條模擬光譜分布曲線可以取得30組相應的 Lab值。這30組Lab值會有一組最接近我們的標準值：48, 74, -3。

由數據顯示，當模擬減2個單元時，取得Lab為 45.47, 71.32, -2.46，與標準值差 de76 3.721，濃度為1.448。 依此運算結果，從現在的濃度1.488降到濃度1.448時，色差可以從3.98降到3.72。

Fig. 由數據顯示，當模擬減2個單元時，取得Lab為 45.47, 71.32, -2.46，與標準值差 de76 3.721，濃度為1.448。

Fig. 依運算結果，從現在的濃度1.488降到濃度1.448時，色差可以從de76 3.98降到 de76 3.72。

這個案例修正量並不大，但 Beer’s Law 的運作邏輯已足以交代清除。

再簡單整理一下，當取得一個樣本資料時，以Beer’s Law 對每一單一光譜值(380nm~730nm in 10nm intervals)做加減劑量的模擬，串聯每單一光譜的模擬光譜值即可取得其光譜分布曲線進而計算出其Lab值及濃度值(此範例模擬-15到+15共30組模擬值)，在眾多的模擬Lab值中總有一個最接近我們的目標Lab，而其相應濃度就是我們應該下的濃度。

以此，我們可以用Beer’s Law來預測滿版的“最佳色彩”濃度值(Best Color)。

Tool for student #1-SpreadSheet

續上篇，教學工具由擷取光譜資料的Keywizard 及 建好算式的Excel Spreadsheet，這裡來談一下Spreadsheet 裏的功能頁面。

在眾多的印刷輔助工具中，不管是硬體內建功能的eXact、Techkon，或是軟體的PressSign，裡面的功能只要能取得光譜資料就都算得出來。當作為一個教學的目的，可以透過Spreadsheet 裏，應用各種算式將光譜值計算出印刷所需的相關數據如Lab、濃度、版調…等等。

Fig.-8 Excel 功能頁面，從光譜值出發，盡可能收集印刷相關應用的各種算式。第一個功能頁面為光譜形狀顯示。

這個spreadsheet的用意在於讓同學更快、更簡潔的掌握數據的意義。數據的取得由Keywizard擷取就已經帶來很大的方便，功能性數值(如Lab,濃度)的產出只要選用適當的算式即可很迅速的取得。

所有的算式都盡可能是明碼，也就是在cell裏面就看得到，而不是藏在VBA巨集或是增益集裏，讓有心了解的同學可以知道這些數值是經由怎樣運算及怎樣的流動而呈現出我們需要的數值模式。

以下簡單敘述目前已經建構好的功能頁面。

第一個功能頁面為光譜形狀顯示(Fig.-8)，有時候光從這些光譜形狀就可以判斷出一些色彩問題。如同上面提到的，GCR有沒有介入icc profile，從C50MY40色塊的光譜形狀就可以判斷出來。

第二個頁面是Observer reference table，觀察者光譜反應參照表，有2度觀察者與10度觀察者的數據，同時呈現光譜形狀，這一頁僅是數據參照表，不帶計算公式。

Fig.-9 Observer reference table，觀察者光譜反應參照表，有2度觀察者與10度觀察者的數據，同時呈現光譜形狀。

第三個頁面 Light Source reference table，光源光譜參照表，先放最常用到的D50及D65兩種光源，同時呈現光譜形狀，這一頁一樣僅是數據參照表，不帶計算公式。

Fig.-10  Light Source reference table，光源光譜參照表，先放最常用到的D50及D65光源，同時呈現光譜形狀。

第四個頁面為 Lab 計算頁面，Lab 計算牽涉到很多算式，一路由樣本光譜值乘積觀察者視角光譜反應及光源光譜到XYZ再到 Lab，所有的計算在 cell 裡面都會顯示出來。圖示Fig.-11顯示 cell F2 裏X值的計算來自樣本光譜乘積2度觀察者 ‘x’ 反應及D50光源。

cell F2 內容：

=SUMPRODUCT(B2:B37,IF(D2="2 degree",Observer!B7:B42,Observer!E7:E42),IF(E2="D50",Light!B7:B42,Light!C7:C42)/SUMPRODUCT(IF(D2="2 degree",Observer!C7:C42,Observer!F7:F42),IF(E2="D50",Light!B7:B42,Light!C7:C42)))

其中 B2:B37 為樣本光譜值，Observer!B7:B42 為2度視角 ‘x’ 反應值，Observer!E7:E42 為10度視角 x 反應值，Light!B7:B42 為D50光源光譜值，Light!C7:C42 為D65光源光譜值。2度/10度視角及D50/D65可在 cell D2 及 cell E2 做切換。這裡的Excel算式可以很容易用 ChatGPT轉成 php, java, Python 等其他程式語言，在別種語言裏繼續開發。

從這個頁面，要傳達給同學一個重要的概念，色彩管理的基礎是光譜，不是Lab，同一個樣本顏色，在這個頁面裡經由兩種視角度(2度/10度)及兩種光源(D50/D65)的切換可以得到4個不同結果的Lab，也就是說，當我們處理一個Lab值的時候，還要多問一下是哪個視角及哪個光源，才能正確的將這個顏色處理到位。

整個Lab計算牽涉到相當多的算式，每個算式都會在cell裡面呈現出來。

Fig.-11 Lab 計算，圖示顯示 cell F2 裏X值的計算來自樣本光譜乘積2度觀察者 ‘x’ 反應及D50光源。

Fig.-12 Lab 計算頁面，同一個樣本顏色，在這個頁面裡經由兩種視角度(2度/10度)及兩種光源(D50/D65)的切換(由cell D2 & cell E2做切換)可以得到4個不同結果的Lab。

再下來是 ΔE 功能頁面，裡面先放ΔEab 及ΔE2000兩種色差功能。ΔEab相對單純，一個算式就可以交代清楚。ΔE2000 要複雜很多，其中牽涉到a值調整、Chrome調整、Hue 調整、權重、接近紫色的RT(Rotation Term)調整…多達22個算式才能把色差算出來。

Fig.-13 ΔEab相對單純，一個算式就可以交代清楚。

Fig.-14 ΔE2000 要多達22個算式才能把色差算出來。

第六個功能頁面是濃度計算，參照表及計算方式同時都在裡面。參照表先放 Status T 及 Status M兩種 Reference Table，主要是用來比對兩種”濃度濾片”帶出來濃度計算的影響。

以圖例(Fig.-15)簡單說明一下，一個Magenta 滿版色樣本，套用綠色濾片做濃度計算，Status T 綠色濾片峰值在530nm，過濾總量為524%，Status M 綠色濾片峰值在540nm，過濾總量為446%。乘積出 Status T 濃度為1.335，Status M 濃度為1.472。

Fig.-15 濃度計算，一個Magenta 滿版色樣本，套用綠色濾片做濃度計算， Status T 濃度為1.335，Status M 濃度為1.472。

第七個功能頁面是版調(Tone Value)計算，版調計算需要紙張濃度，滿版濃度及平網(Tint)濃度共同計算。這裡的濃度計算是用status T濾片。

可以多提一點的是只要觀察470nm及620nm的光譜值差異就可以判斷需要用RGB的哪一個濾片來做濃度計算。

濾片的判斷公式如下：

=IF(E3>3, "C", IF(AND(E3<=3, E3>0.5), "K", IF(AND(E3<=0.5, E3>0.18), "M", IF(E3<=0.18, "Y", ""))))

說明：當E3(470nm反射率/620nm反射率)大於3則用紅色濾片來計算C濃度，E3 小於 3且大於0.5則用Visual 濾片來計算K濃度，E3 小於 0.5且大於0.18則用綠色濾片來計算M濃度，E3 小於 0.18則用藍色濾片來計算Y濃度。

Fig.-16 版調計算。版調計算需要紙張濃度，滿版濃度及平網(Tint)濃度共同計算。

以上，先準備這些算式來處理印刷數據上的需求，之後陸續會將SCTV、SCCA、TR015、Curve Plus、Beer’s Law 、Grayfinder…等算式帶入Excel 裏，期盼一個單一Excel檔就能處理大部分印刷所需的數據。