10 2 月, 2026 › Uncategorized › Administrator › no comments ›
Compact tool on print standardization
印刷標準化精簡工具
現在看到的平版印刷標準化規格不外乎Fogra PSO、G7、gmi，都有一個清楚的數字規則，在我這邊，就是一個 Print by Number 的操作。操作的原則統歸就兩個大原則：滿版到位與中間調到位。
滿版到位的原則很清楚，就是CMYK(RGB)主色必須符合某一個Lab 值；中間調到位隨不同單位各有其規範。如G7驗證不看TVI，只看中間調的 ΔL 與 Δch，PSO 與 gmi 則會驗證TVI 數值。
其實我們把這些數字規範分析下來，這三個規範都在彼此的寬容範圍內，也就是當你達成PSO 規範時，很大的機率同時也能通過G7規範。所以我在做顧問工作時，不會太在意這個廠應該走哪一個規範，重點在於能夠穩定的，持續的去達成數字上的管理。把這個概念建立下來後，不同的產業，不同的領域，也可以自定自己的規範，設計自己的管理系統。
以上簡單的把 Print by Number 與印刷規範做一些說明，接下來談一下要怎麼達成。
如上述，兩個原則：滿版數值到位與中間調數值到位。
工作的第一個要點是：要能夠取得數值。要取得數值勢必透過某種儀器，這裡講的儀器，明白清楚的講，就是需要一部光譜儀 (spectrophotometer)，如彩譜的CR30 Xrite 的 i1 、eXact，Techkon 的 SpectroDens…都是屬於光譜儀。像低階的Nix，Spyder等這些儀器只是Colorimeter ，不能達成印刷驗證的需求。
無關高階低階，Colorimeter 也能取得Lab 數值，但無法取得光譜數值，沒有光譜資料就無法計算出濃度，沒有濃度就無法取得印機操作的放墨指引。沒有濃度，也無法取得TV(Murray-Davies)數值，也就無法取得CTP 的版調修正值。所以，工作的第一個要點，就是要取得一部光譜儀，只要是光譜儀，就能達成印刷驗證/管理的需求。這邊要多談一下，如果只是做內部數字管理，低階光譜儀如CR30、倉庫翻出來十多年前的i1 Pro也能勝任工作。如果要去做印刷標準化認證考試，i1 Pro2 是最低需求。
有了儀器取得數據後，接下來是解讀數據，甚者，依此數據來取得工作指引，透過工作指引來讓輸出品質/數值符合某個印刷標準化規範。
也就是說，需要一個計算軟體將光譜儀的光譜數值轉化成印機的品質驗證，更進一步者，能夠提出印機的操作指引，讓印機能操作出合乎規範的數值。
再簡單講，市面上的PressTune/PressSign這類軟體都能提供這方面的能力。
所以，善用 i1 加上類PressSign軟體就能達成印刷標準化的功能。
我這邊要提出的是，一個更加精簡(compact)的軟體工具來達成印刷標準化的功能。操作上基本上就是掃描導具、看結果。若未達到預期數值，則依工作指引修正、重新輸出，掃描導具，依指令修正，直到達成預期結果。這一個工具在嚴謹的執行下，已證實可以達到G7 Colorspace的規格。
再來，我一直認為這是一個簡單而且有效的工具，在期待這個產業能夠有更多的廠家能夠進入”數字管理”的工作概念，這個工具將以有限度的*開放給產業界使用，只要廠裏有i1，無需負擔軟體成本，就可以進來體驗這個”數字管理”的作業概念，屆時若有更高規格/更有效率的追求，市面上有已經很多的硬體/軟體等著廠家繼續去探索。
有在關注我發文的讀者應該都會常看到我提到這個工具：CT25( as Color Target with 25 patches)。趁著這一次SDK部分介面改善，再一次把這個工具的意圖與工作方法再做一些說明。
Fig. CT25 Target
Fig. 精簡的CT25工具，分三個部分：滿版、中間調(TV)及灰平衡對印刷品作評，並提出操作指令。
首先，還是先交代一下這25格的組成及其意義，這25格分別是主色CMYK100，二次色RGB100，中間調CMYK25%，CMYK50%，CMYK75%，灰平衡25%，灰平衡50%，灰平衡75%，兩格紙白及CMY300%，總共25個色塊。
CMYKRGB 這7個色塊想當然就是要測試滿版的Lab值有沒有到位；CMYK 25%、50%、75%這12個色塊是用來觀察/驗證TVI曲線；灰平衡 25%、50%、75%這3個色塊是用來驗證灰階曲線的亮度差與灰差；兩個紙白一個是用來提供紙白資訊，一個是用來區分出另一段CT10 功能(CT10只專注在滿版與50%TV/Gray)；CMY300 是用來計算TR015或是G7 Plus版調，這個功能目前並未啟用，算是預先留個位置。
這25個色塊就足夠用來驗證/評分/觀察機器狀態，就看你用什麼樣的觀點/立場去操作它。
除了用來觀察/評分機器狀態，這個工具更重要的是能提供修正指令。
修正指令分4個方向來呈現。
第一個是CMYK滿版的放墨指令，幾年用下來，證實Beer’s Law的算法能夠有效的預測放墨量，領機只要依指令操作都能將CMYK主色帶到很好的Lab位置。
Fig. Beer’s Law 主色預測。圖例顯示實測濃度1.27時色差3.4(ΔE00)；Beer’s Law 預測濃度增加到1.46時色差可以降到0.57。
再下來是用六角圖用來推演二次色 RGB 的落點，Beer’s Law 可以將CMYK 帶到最佳的位置，但不一定能將RGB 帶到正確位置。六角圖可以用來調配CMY 落點以達成符合規範的RGB數值。
Fig. 六角圖範例，增加Y濃度可以改善R及G的數值，增加C濃度也可以更拉近G的數值。
再來是以0%,25%,50%,75%,100%來呈現TVI曲線，這裡除了很直接的知道TVI 的差異值，還可以觀察曲線的順暢度來評估機器是否在健康良好的狀態。
Fig. TVI 曲線，圖示M版及K版的狀況良好，C版、Y版 有一些問題。
最後一個是根據灰平衡25%,50%,75%的亮度差與灰度差推演出三點的CMY 灰階修正值。這一部分的功能是與其它軟體差別最明顯的地方，就目前我所知，其他軟體能以2D的方式顯示出亮度差與差灰差，這個資訊是能夠提供有經驗的人去反推CMY的大致修正量，但並沒有提供明確的CMY修正數值；我試著讓這個數值明確下來，讓領機能有更清楚的指令。
關於這個灰色指令的發展，我發展了至少三代以上，目前公開發布的還是留在第一代的邏輯，第一代的修正比較保守，通常可以在三次以內把數值帶到位，對於狀況比較好的機器，也能一次帶到位；較新一代的邏輯試著盡可能一次將灰色帶到位，修正量比較積極，但也可能出現修過頭的狀態；所以我也是視狀況在使用，機器狀況良好的情況下用一代邏輯保守修正即可，狀態不好時，先用三代邏輯做積極修正，待進入狀況再改用一代邏輯操作。幕前公開發布的版本還是維持在第一代邏輯。
Fig. 灰平衡修正圖示，顯示25%,50%的灰差及亮度差都符合，75%部分灰差符合但亮度太亮(L值太高)，需同時在 CMY 75% 加墨來降低L值。
對於我灰色工具的發展也可參考以下Bolg 發文。
對於做G7的程序，原則上先用Beer’s Law 及六角圖確認好CMYKRGB位置，再依25%,50%,75%灰色修正量將數值帶到位。這個將灰色帶到位的修正值如果不大，在滿版色差寬容度容許下，從機器上做加減墨量處理即可達成G7 Targeted；若修正量太大，則交由CTP曲線處理。如此明確精簡的操作，依機器狀況，兩到四小時內應該就足以取得G7 Targeted 規格。
至於Colorspace 規格，在更嚴謹的執行下，也是有機會在兩個小時內達成。整個前置動作與執行可參考以下四篇 Blog 發文：
簡單總結一下以上四篇發文，第一篇敘述我們嘗試著在線性版(1：1 無修正曲線)用盡機器上的設定，甚至將油墨放入冰櫃降溫以降低網點擴張來
達成G7 Targeted 數據。證實只要調整機器/材料狀態，就足以將無修飾的線性版帶入G7 Targeted 規格。
第二篇敘述了我們在上一篇的基礎下，以較嚴格的分數規則去操作，成功的進入 Colorspace 規範。
第三篇紀錄了Colorspace 驗證當日的紀事，在不修版調的狀態下，以兩個小時不到的時間操作出Colorspace 規範。特別要提出來的是，當日廠房氣溫較低，可以在不將油墨放入冰櫃的狀態下，成功的以很短的時間操作到Colorspace 規範 。再要提一點的是，在沒有自動量測設備(isis,i1io)的情況下，改版(縮小)了TC1617版面， 1617個色塊用i1Pro3 總共掃了48條色條，大約花20分鐘，還算是應付得來的工作量。
Fig. G7 驗證當日室內氣溫合宜，在不將油墨放入冰櫃的狀態下，成功的以很短的時間操作到Colorspace 規範 。
Fig. 色條寬度縮到 25公分，Pro3 導尺就足以涵蓋左右兩個白點及中間34個數據。
第四篇比較了稽核單位的數據我們自己測量的數據，這兩邊的數據除了使用的儀器不一樣，還有就是時間大概差了兩個星期左右，可以稍微了解一下器差的問題還有這兩個禮拜乾燥時間的問題。比對的結果是差異並不大，可以確認我們的儀器跟工作模式都沒有問題。
Fig. 廠裏數據與稽核單位的數據差別最大的兩個顏色是黑色的0.61與藍色的0.67，不管是器差或是乾燥因素都在信任範圍內。
這些所有作業主要都依賴在CT25這個單一工具，嚴謹的執行，是可以達到Colorspace的規格。
Fig. pbn 評分規則，滿版色總分16，佔比33.33%；TV(K50)總分四分，佔比8.33%；灰平衡總分48，佔比58.33%。能在這個規則取得90分可以達成Targeted，能取得95分則可以進入 Colorspace 。
以下是發佈軟體工具的一些說明。
CT25 這個工具已經用了好多年，確實是一個快速、簡單、好用的工具，可以很快速的一次掃描就可以知道很多狀況；礙於程式能力，一直都是在C++的 command line模式工作，對一般的使用者是有點距離。趁著AI(主要是Claude agent)的協助，改善了多年的介面，好讓大家能夠更輕便、更頻繁的去關心機器/系統狀態，主打一個精簡，基本上就是連上儀器、校正，掃描、看結果。
Fig. 新版 CT25 tool from Cocoa(Object-C) (Mac), and C sharp (Win10)
Fig. 舊版CT25 tool from C++ DOS command line
同時發布四種設定：
Windows Pro3 M1 reading
Windows Pro1/2 M0 reading
MacOS Pro3 M1 reading
MacOS Pro1/2 M0 reading
載點：
https://fredkuo.idv.tw/source/pbntool/Mac-CT25-Pro1_2-M0.zip
https://fredkuo.idv.tw/source/pbntool/Mac-CT25_Pro3_M1.zip
https://fredkuo.idv.tw/source/pbntool/Win_CT25_Pro1_2-M0.zip
https://fredkuo.idv.tw/source/pbntool/Win_CT25_Pro3-M1.zip
使用時注意幾點。
安全因素：由於沒有在官方正式登錄，有可能因安全因素被系統攔截，Windows 處理如下：
1. 將開發資料夾加入「排除項」（最推薦）
這是最有效的方法。與其針對單一檔案，不如將你存放程式碼與編譯輸出的整個資料夾加入白名單，這樣每次重新編譯生成的 .exe 都不會被阻攔。
開啟 [設定] -> [更新與安全性]。
點擊左側的 [Windows 安全性]。
點擊 [病毒與威脅防護]。
在「病毒與威脅防護設定」下方，點擊 [管理設定]。
捲動到最下方找到「排除項目」，點擊 [新增或移除排除項目]。
點擊 [新增排除項目] 並選擇 [資料夾]，然後選取你的專案目錄。
2. 處理 SmartScreen 藍色警告視窗
即使檔案沒有病毒，Windows SmartScreen 也可能因為不認識該程式而攔截。
當出現「Windows 已保護您的電腦」畫面時：
點擊 [其他資訊]。
此時右下角會出現 [仍要執行] 按鈕，點擊即可。
Mac 版可參考以下連結：https://fredkuo.idv.tw/source/i1-color-tool-guide-zh-Mac.html
儀器連結：Windows Pro3、Mac Pro1/2/3會自動連接儀器，按下”Calibrate” 校正完成之後就可以開始工作。
Windows Pro1/2 無法自動連結，要按一下 ” Device” 欄位，選擇儀器後再按”Calibrate” 。
Fig. Windows Pro1/2 無法自動連結，要按一下 ” Device”欄位，選擇儀器後再按”Calibrate” 。
另外Windows版檔案夾中有一個pncode.txt，可自行填入10個字母內的個人代碼，方便以後如果有需要管理數據時有所依循(index and collect)。
i1操作小提醒，量測紙白起點與終點的時間停留稍微久一點可提昇掃描成功率。
關於軟體開放的幾點聲明：
1.基於 Xrite SDK 合約，不得做無限制發布，因此，此版設定軟體有效期限定在 2026/12/31。
2.在有限的程式能力上，目前介面還在持續努力中，但功能沒問題。
3.目前先只開放 CT25 一個工具。
4.數據運算在雲端，所以工作環境必須連網。
5.不能保證運算server能保持 always on line，遇到問題請回報處理。
這是一個印刷品質數字管理的起點，印刷標準化是基本配備，最終目的還是要做有效的數字管理，這裡提供一個可以自定方法/規格的工作模型，有興趣的讀者可以一起來共同發展。
21 1 月, 2026 › Uncategorized › Administrator › no comments ›
Face-lifting
介面升級
Fig. 新版 CT25 tool from Cocoa(Object-C) (Mac), and C sharp (Win10)
CT25 工具已經用了好多年，確實是一個快速、簡單、好用的工具，可以很快速的一次掃描就可以知道很多狀況；礙於程式能力，一直都是在C++的 command line模式工作，對一般的使用者是有點距離。
Fig. 舊版CT25 tool from C++ DOS command line
繼上一次發文，為讓大家能夠更輕便、更頻繁的去關心機器/系統狀態，打算有條件的發布這個工具，也趁這個機會把介面稍微再做好一點。
主打一個精簡，基本上就是連上儀器、校正，掃描、看結果。
同時發布四種設定：
Windows Pro3 M1 reading
Windows Pro1/2 M0 reading
MacOS Pro3 M1 reading
MacOS Pro1/2 M0 reading
載點：
https://fredkuo.idv.tw/source/pbntool/Mac-CT25-Pro1_2-M0.zip
https://fredkuo.idv.tw/source/pbntool/Mac-CT25_Pro3_M1.zip
https://fredkuo.idv.tw/source/pbntool/Win_CT25_Pro1_2-M0.zip
https://fredkuo.idv.tw/source/pbntool/Win_CT25_Pro3-M1.zip
使用時注意幾點。
安全因素：由於沒有在官方正式登錄，有可能因安全因素被系統攔截，Windows 處理如下：
1. 將開發資料夾加入「排除項」（最推薦）
這是最有效的方法。與其針對單一檔案，不如將你存放程式碼與編譯輸出的整個資料夾加入白名單，這樣每次重新編譯生成的 .exe 都不會被阻攔。
開啟 [設定] -> [更新與安全性]。
點擊左側的 [Windows 安全性]。
點擊 [病毒與威脅防護]。
在「病毒與威脅防護設定」下方，點擊 [管理設定]。
捲動到最下方找到「排除項目」，點擊 [新增或移除排除項目]。
點擊 [新增排除項目] 並選擇 [資料夾]，然後選取你的專案目錄。
2. 處理 SmartScreen 藍色警告視窗
即使檔案沒有病毒，Windows SmartScreen 也可能因為不認識該程式而攔截。
當出現「Windows 已保護您的電腦」畫面時：
點擊 [其他資訊]。
此時右下角會出現 [仍要執行] 按鈕，點擊即可。
Mac 版可參考以下連結：https://fredkuo.idv.tw/source/i1-color-tool-guide-zh-Mac.html
儀器連結：Windows Pro3、Mac Pro1/2/3會自動連接儀器，按下”Calibrate” 校正完成之後就可以開始工作。
Windows Pro1/2 無法自動連結，要按一下 ” Device” 欄位，選擇儀器後再按”Calibrate” 。
Fig. Windows Pro1/2 無法自動連結，要按一下 ” Device”欄位，選擇儀器後再按”Calibrate” 。
另外Windows版檔案夾中有一個pncode.txt，可自行填入10個字母內的個人代碼，方便以後如果有需要管理數據時有所依循(index and collect)。
i1操作小提醒，量測紙白起點與終點的時間停留稍微久一點可提昇掃描成功率。
關於軟體開放的幾點聲明：
1.基於 Xrite SDK 合約，不得做無限制發布，因此設定軟體有效期限為一年。
2.在有限的程式能力上，目前介面還在努力中，但功能沒問題。
3.目前先只開放 CT25 一個工具。
4.數據運算在雲端，所以工作環境必須連網。
5.不能保證運算server能保持 always on line，遇到問題請回報處理。
這是一個印刷品質數字管理的起點，印刷標準化是基本配備，最終目的還是要做有效的數字管理，這裡提供一個可以自定方法/規格的工作模型，有興趣的讀者可以一起來共同發展。
4 1 月, 2026 › Uncategorized › Administrator › no comments ›
委外測試。
有印件需委外，但又不知委外單位的能力如何，先放一個導具測試看看。
Fig. 委外測試，主要用了兩個工具：CT25 與 CT88。
先看一下CT25，gmi 分數只有40分，狀況不是太好。
Fig. CT25 工具 gmi 評分只取得40分，狀況不是太好。
三個TVI落點都不太好，機器的狀況是不好。三點灰平衡也都沒有到位。50%(CMY需降墨)與75%(CM需加墨，Y減墨)灰平衡的調整方向沒有一致，已無法由機器上調整完成，需改變印版曲線才能將3點灰平衡歸位。
Fig. 三個TVI落點都不好，機器的狀況是不好。三點灰平衡也都沒有到位。50%(CMY需降墨)與75%(CM需加墨，Y減墨)灰平衡的調整方向沒有一致，已無法由機器上調整完成，需改變印版曲線才能將3點灰平衡歸位。
CT88 工具呈現 TVI 落點與標準差距頗多，更清楚的反應出委外機器的狀態不是很好。
Fig. CT88 工具呈現 TVI 落點差距頗多，更詳細的反應出委外機器的狀態不是很好。
觀察TVI曲線，C、K網點擴張太大，但分佈上相對好一些，MY 的曲線形狀及分佈的狀態都不是很好，觀察一下 R square (TVI指數)，C、K還有0.9以上，M 只有 0.7， Y 才只有0.2，這兩座的機器狀況不是太好。
Fig. 觀察TVI曲線，C、K網點擴張太大，但分佈上相對好一些，MY 的曲線形狀及分佈的狀態都不是很好，觀察一下 R square (TVI指數)，C、K還有0.9以上，M 只有 0.7 Y 才只有0.2，這兩座的機器狀況不是太好。
可以確定這部委外的機器狀況不是很好，測試樣中其實還含有icc導表，想說也許可以透過icc profile修改圖檔使得最終輸出可以到位，但這也是治標不治本，委外單位必須將他們的機器維護到位才是治本的方法。
28 12 月, 2025 › Uncategorized › Administrator › no comments ›
A journey with no destination – Phone camera as colorimeter
只有方向，沒有終點。
對於印刷品質的檢驗 i1Pro3 + CT25 已能有 Colorspace 的能力。
對於與更便攜性的工作方法，CR30 + PBN9 是一種輕便的做法，絕對精度不若 i1，但相對運算如版調與灰平衡沒有問題，信任度能有85%以上，對產品的檢驗或管理可以很有效率。
我一直想做一個用手機相機來檢驗印刷品質的工作方法，除了程式能力，最主要是工作邏輯的建構。最近的嘗試下，AI Agent 能 cover 我 80% 以上的有效程式碼，在這個底氣下，啟動了這次App 的開發。
Android 跟 iOS 皆有發行，無付費發放，還有太多變因無法處理，不保証成效。
先對此 App 做簡單說(申)明。
0.導具為 3×3 CT9。 導具載點：https://fredkuo.idv.tw/dropfile/php/upload/—-pbn3x3.tif
1.相機取景採橫向操作。
2.在控制的拍攝環境下可達80%的信任度。
3.拍攝環境的變因會至少降低20%信任度，或者直接說不堪使用，能用來改善的數學與統計方法太多太多，目前只用了單點Normalization ，之後會嘗試 parabola 多點 Normalization & fitting、或是SCCA 轉換……，也就是一開頭說的：只有方向，沒有終點；我也不知道我還能(願意)去嘗試多少種數學與統計的做法，所以只有方向，不知道終點在哪裡。
4.有兩種操作模式，Flip mode，正向拍完後需倒過來再拍一次，取其對應位置平均值，這是第一道抵抗環境變因做法。第二種為 No-Flip mode，先拍標準稿再拍樣本稿，單純比較兩邊色差及可對樣本稿做出評分，這個模式非常有效的抵消環境變因，信任度很高，但手邊要有標準稿。
5.,提供 exposure slider 改變曝光值，盡可能將紙白RGB 值操作到超過 230，這算是一種手動 Normalization。
6.Andriod 版 綠色十字標提供 live RGB 數值，方便配合 exposure slider 使用。
7.這個 App 最大的意圖是想讓更多人進入”色彩即數字” 的領域，引路的作用更大於實質作用，當然，我一直想辦法讓它呈現實質作用。
https://play.google.com/store/apps/details?id=com.pbn.ct9crop
https://apps.apple.com/tw/app/ct9crop/id6756100572
本篇簡要版在這裡結束，以下是開發歷程的一些想法，有興趣的讀者可以接著看。
=================================================================
我的工作是 Print by number，或者叫做Color by Number，總之，色彩現象可以是明確的數值；可以驗證，可以管理，可以操控。
這個 “Number” 勢必要經過某種儀器 ，可以是 Color data、Xrite、Techkon、Konica-Minolta、Nix……的某一型儀器，這些儀器的使用也代表著某種技術與購置成本的門檻，所謂的門檻，擋住了一批人，使得多數的色彩相關從業人員無法輕易的將色彩現象用數值的觀念去處理。
所以，把這個儀器的門檻解除掉，就可以有一大批的色彩相關人員得以進入”色彩即數值”的領域，用數字去驗證、去管理、去操控色彩現象。
照說，數位相機的本質就是Color sensor ，在這個人手一機的時代，每個人隨時都帶著color sensor在身邊，這不就是把儀器門檻解除掉的契機嗎？
理論上是對的，手機相機就是一個color sensor ，在固定的監控環境下操作，手機相機可以是Colorimeter ，取得的數值可以用來對色彩現象做驗證、管理、操控。
這裡到要説一下，打造一個可控的拍攝設置跟選用一個便宜的spectrophotometer ，哪個門檻更高一些？也不好說，拍攝設置可以很簡單，也可以很嚴謹，就看我們想要達成的精度。
現實的問題是，我之以想用手機來處理色彩問題，主要是便攜性，一旦要方便，就比較難有可控的環境，一旦拍攝環境不可控，手機相機就不可能成為 Colorimeter 。但有些基本原則還是可以去努力去嘗試一下，所以，有了這一個旅程的開端：Phone camera as Colorimeter。
先說幾個原則：
1. 一旦拍攝環境不可控制，Phone camera 就不可能成為 Colorimeter 。
2. 用相對性(relativity)的觀點來詮釋數據，絕對精度就沒那麼重要，重點是要有清楚的參考點，從參考點來建立數據相似性的邏輯。
3. 對不可控的環境，建立幾個Normalization 的歸一點，不同環境的取得數值可以藉由幾個(次)歸依一化邏輯來抵消環境帶來的數值差異。
次(sub)原則：
1. 相機的數值反應是RGB，印刷標準化的數值要求是 Lab、TV、de00、deCh…，這之間牽涉到很多轉換公式，甚或有些部分是轉不過來的。
2.相機RGB 反應值內定白點為D65，而印刷業的數值建立在D50，這裏使用 D50 P3 RGB Table將RGB轉到D50 Lab，之間轉換會有一些失誤，所以在工作方法上會做一些數值修飾以達成印刷標準化評估目的。
3.對於 TV 的計算，由於無法從RGB訊號轉換出濃度值，因此無法使用濃度方式計算TV。這裡會將D50 Lab 轉到 XYZ 再以SCTV 方式算出版調值，因此也會做一些數值修飾以達成印刷標準化評估目的。
4. 拍攝環境變因本就是很大難題，而手機本身的曝光邏輯也是很大的問題。現在的手機對拍照都很有自己的想法， 對同一個畫面 Android 跟 iOS 想的不一樣，不同廠牌的 Android 也想得不一樣，或是同一部手機在不同的設定下想的也不一樣，這使得要用 phone camera 來對印刷色彩做評估幾乎是不可行；但初步的 Normalization 還是有成效的，數學/統計的工具還是有機會來克服這些問題，如同開頭講的，有方向 ，但不知道終點在哪裡 ，總要踏出去，才有機會慢慢接近那未知的終點。
8 12 月, 2025 › Uncategorized › Administrator › no comments ›
G7 ColorSpace Report
Fig. 2025 G7 Colorspace 續証通過。
11/18的續証作業於12/05 取得回覆通過 Colorspace ；文件量測日期押在12/02。
趁這個機會再整理一下這次作業的一些想法。
雖說11/18的機上作業時間用不到一個半鐘頭，但請先參考這兩篇，我們是有前置作業的。
這一篇提到我們怎麼樣在1:1線性版，不重新出版(不改CTP曲線)的情況下完全由機上的操作達到 G7 Targeted，雖然是經歷了各種不同的操作/設定，但是經由這一次操作，我們可以確定，是可以在線性版的情況下達到G7 Targeted 規格。機器也是在這一次的操作下回到它應該有的狀態。
機器是海德堡CX-102，一部老機器了，沒有太多先進的配備，全憑領機的經驗/能力，經由數據的輔助，硬把印刷規格拉進G7規範裏。這是今年6月間的事。
7月間受某單位委託要測試G7 Colorspace (不知道是否是看我上一篇發文才來這裡做測試？)，這一次在CT25 工具兩次取樣(時間碼 095034,095628)，不到10分鐘的時間確定CMYK下墨量後交由 Curve4 調整CTP曲線，重新出版後於時間碼112835在CT25 工具取得99.07分即交由委託單位用isis自行驗證Colorspace ，數據結果是通過的。在6月份那次機器設定的基礎下，兩個鐘頭內即達成Colorspace規範。
可能也是這次的經驗，公司續証以往都是Targeted，今年也打算走Colorspace ，於是有了11/18的這一篇記事。
公司沒有自動化量測設備，只有i1Pro3，Colorspace要量1617個數據，會是個問題。
不可能手動去單點1617個數據，必須去找strip reading的可能性，不論是isis導具或是i1io導具，那個寬度i1Pro3導尺是過不去的，isis 就不用說了，i1io 或許可以嘗試一下。
Fig. i1io 原始導具對i1Pro3導尺是過不去的。
以i1Pro3導尺去對應 i1io 原始導具，寬度不夠，大約會少掉5個數據，想法是，那就將原始導具縮小一點吧？
經過一些不同寬度的嘗試，i1io 原始色條的長度約30公分，縮到25公分左右導尺就足以涵蓋左右兩個白點及中間34個數據。對個別色塊檢查，寬度由原來8.4mm縮到7mm左右，7mm 對Pro3來講是足夠完成工作的。將這個25公分的版本拿到別的單位的i1iO去測試，工作下來是沒問題的。
Fig. 原始色條的寬度在30公分左右。
Fig. 色條寬度縮到 25公分，Pro3 導尺就足以涵蓋左右兩個白點及中間34個數據。
Fig. 原始色塊寬度約8.4mm。
Fig. 縮小後的色塊寬度約7mm，對Pro3來講是足夠完成工作的。
這個25公分版本的導具應該就可以應付我們用Pro3來完成Colorspace 的工作。
手動去拉48條色條總共1617個數據大約花20分鐘，還算是可以應付的工作，就只怕中間拉錯色條，Debug 起來很麻煩，所以做這個工作的時候，精神狀態還是要有點要求的。
處理完數據讀取問題，接下來要來看一下我在11月18號處理的數據與驗證單位(印刷傳播興財文教基金會，以下稱GCF, Graphic Communications Foundation)在12月2號的數據有什麼差別。
這期間的時間間隔是14天， 讀取設備不一樣、油墨乾燥的狀態不一樣、讀取的樣張不一樣(雖是同一批)，雖然最後的結果是通過了，我還是很想知道這之間的差異。
首先是主色部分，我的數據與基金會的數據差別最大的兩個顏色是黑色的0.61與藍色的0.67，都是屬於較暗的顏色，有可能是來自乾濕墨的影響；在諸多條件不同的狀況下差異最多是0.67；這個數據讓人安心嗎？0.67在某些狀態下是足以影響到過與不過的門檻。這個數值也告訴我，在處理主色色差的時候寬容值時有必要從官方的值再減個0.5下來(尤其在暗色)，才足以保證當樣張送到基金會的時候還是足以通過。
Fig. 數據與基金會的數據差別最大的兩個顏色是黑色的0.61與藍色的0.67。
再下來是灰平衡部分，兩邊數據也比起來最大差異在灰色塊的最大亮度差部分(Weighted Lightness-cmy Peak)，差值為0.37，但發生在寬容值為3，實際值為1.78的狀態下，這裡到是不用太多擔心。
Fig.最大差異在灰色塊的最大亮度差部分(Weighted Lightness-cmy Peak)，差值為0.37。
再看Colorspace 部分，1617個數據平均下來，平均相差0.06，95th 部分差0.16，看下來也還好。
Fig. 1617個數據平均下來，平均相差0.06，95th 部分差0.16，看下來也還好。
就三個部分整理下來，在諸多條件影響下，這樣的數據表現讓我對我的i1還是有信心的。
這次續証作業在幾個前置工作下，直接在1:1的線性版上，用很短時間達成Colorspace，算是一次很好的工作典範。以後還能經常這樣子作業嗎？很難講，還是需要很多外在的條件配合，只能自我期許繼續努力，繼續發展有效的工具。
最後感謝一下基金會，在沒有用正式官方版面的情況下，一樣通過我們的續證。
Fig. i1Pro3 版 Colorspace test form。i1io 導具寬度從30公分縮到25公分讓Pro3導尺得以工作，但版面多出一些空白，我直接將CT25工具塞到裡面，工作起來還算有效率。
30 11 月, 2025 › Uncategorized › Administrator › no comments ›
Printing quality assessment from phone camera
以手機相機來評定印刷品質
Fig. 用手機來做為評判印刷品質的工具。
從事色彩的工作很長的時間，對於色彩這個現象，我工作宗旨叫做 ”By Number” ，可以是 ” Print by Number”、”Display by Number” 、” Paint by Number”、”Textile printing/dyeing by Number”……
色彩現象要形成 ”Number”，少不了通過某一種儀器，一直以來接觸過各型各樣的色彩儀器，及其相應的各種軟體。目前手邊的主力是 i1 Pro 3及自行撰寫的軟體。在各方面都能夠跟迅速的達成色彩上的工作目標；以印刷產業面來講，要操作的重點不外色差、版調值(Tone Value)及灰平衡，目前都有成熟的工作邏輯與工具。
Fig. 曾經用過和各式各樣的色彩儀器，i1 還是最順手最有效率的工具。
Fig. 不同時期的i1 光譜儀。
色彩工作一直以來被認為是一種相對技術高端、建置成本高端的工作。但如果理解了其中的工作本質，其實也就是兩件事情：一是經由儀器取得物件表面的光譜數據，二是將此光譜數據轉換成我們要達成的工作目標的指引，如CIE 色度、濃度、版調(TV)、色差、灰差……。再就是根據這些工作指引架構出操作及管理的邏輯。
我一直試著要降低色彩工作在操作技術及建置成本上的門檻；軟體能夠自己撰寫，自然沒有所謂的軟體成本可言。硬體方面 i1 是一個非常有效率的工具，如果要去做認証如 Fogra PSO 或是 idealliance G7，i1 會是個最低等級的硬體要求。但如果是一種封閉式的、自訂標準的管理設計，也沒有一定要用到i1，只要能夠穩定的輸出色彩數據，就能夠達成管理與操控的目的。
前幾年開始就慢慢接觸一些比較低階的色彩儀器，各有其優缺點，漸漸的，CR30變成我最常使用的工具，主要是方便攜帶，而且能透過藍牙與手機一起工作，這個帶來很大的方便。
相對於必須把筆電設置好後連上USB線去驅動i1讀取資料再判讀資料，只要把手機掏出來，與CR30連上藍牙就可以把工作完成。雖然說CR30的絕對精度我估它只有90%左右，但對處理相對數據如版調(TV)與灰平衡，它與高階儀器沒有兩樣。所以撇開考試認證，很多情況我用手機及CR30就足以處理掉問題。
Fig. 近幾年開始接觸一些低階的色彩儀器。
Fig. CR30 絕對精度不若 i1 但方便性有很大的優勢。在礙於對位機制，及 i1 Scan (strip reading)的能力，i1 與CR30 的使用情境大約是一半一半。
但雖然CR30已經達成我某種程度降低色彩工作門檻的目的，但終究還是有其一定的成本。對於”色彩即是數字”沒有概念的一般使用者，要進入這個領域的動機其實還是不足的。
我終極的想法一直是只要拿著手機相機，在不依賴任何其他週邊設備，就能實現某種”色彩即是數字”的這種概念的操作。一直有些想法，也一直知道其中困難與不足的地方，再加上IT能力不足，所以一直沒有去嘗試。
程式邏輯現在可以透過AI的協助取得品質還不錯的程式碼，重點還是工作邏輯必須有效。編碼這端現在不是我擔心的部分，拍攝環境的變數才是真正必須去克服的地方。
這陣子跟幾款AI(ChatGPT、Claude、Copilot、Gemini……)工作下來的經驗，覺得是時候該下來先建立一個模型試試，以做為後續繼續發展的基礎，於是展開了以下的這一串工作。
Fig. 與Claude 開啟第一次對話，就問如何在圖像裏框出這 3×3 的九宮格導具。
Fig. 與Claude 開啟第一次對話，問如何在圖像裏框出這 3×3 的九宮格導具。
以手機鏡頭來評估印刷品質的基本構想是這個樣子：
印刷品必須印出圖中3×3的九宮格導具，這九個色塊的構成之前就提到過多次：CMYK 滿版、CMYK 50%及C50MY40 灰平衡。相機必須分辨出這九宮格的範圍，取出RGB值後，轉換成CIE 系統值，再換算出色差、TV、灰差等數值，再根據滿版色色差、TV 差值與灰平衡的亮度差及灰差來做評分。
第一個要解決的問題是，如何在拍攝到的圖片中將這個三乘三的九宮格框出來？
這期間與Claude共同做著各種嘗試，如：偵測色塊色彩特性、自定標記……種種努力的成果並不能穩定的框出我要的範圍。
Fig. 由左至右分別是為色塊偵測、小標記偵測及大標記偵測的各種嘗試。
Fig. Claude 建議將 RGB 訊息轉為HSV 訊息來判定左上的黃色，左下的青色及右下的黑色來框住3×3 導具。
花了很多時間在色彩偵測與標記偵測的種種嘗試下，一直未能取得能穩定的把3×3圖框捕捉下來的方法。再者，色塊偵測與標記偵測出來的範圍通常未能是正方型，還必須要有一段程式修正其變形才得以做後續應用。
Fig. 標記偵測的失誤導至捕捉圖像的變形，需要另一套程式碼校正回正方形。
於是嘗試了另一種方式：直接在取景畫面上打上正方形的取景框，將3×3導具主動帶入正方形取景框後再捕捉拍攝。這樣的工作方式可以直接避免掉色塊與標記偵測的失誤。
Fig. 直接在取景畫面上標示出取景框，導具主動帶入取景框後拍攝，用法更直接，避免掉色塊與標記偵測錯誤的不穩定性。其中還設計了一個邏輯，就是當RGB反應值未能達到200的時候，表示光源過低，或者是曝光不足，App 畫面增加一個 exposure slider，可以在曝光不足時手動增加曝光量。
測試下來，主動取景的方式確實是有比色塊偵測和標記偵測來的穩定很多，基本上會是以此邏輯來發展後續的工作。
再接下來遇到的問題是，由於不是在固定控制的拍攝環境，光源的色溫、光源的分佈、光源的閃頻、相機自動白平衡判定、自動曝光判斷定……都會導致數據的誤差。
其中一個現象，一般光源都是由上往下照射的環境，上半部的受光量一定比下半部的受光量高，依此，衍生出來其中的一個工作邏輯是：在同一個拍攝場景，將導具上下翻轉再拍攝一次，然後再將上下左右顛倒的九宮格數據再做一次平均。
Fig. 樣本稿拍攝完後，App 提示上下翻轉後再拍一次。
完成第二次拍攝後，系統會顯示這9個位置的平均 RGB值，並依 DidplayP3 RGB profile 將RGB訊息轉換為Lab。 這裡要注意到，這時候的Lab還是D65下的Lab，然而印刷的標準值都是在D50下設定的，如果用這一組Lab去對應印刷標準，數值差異會很大，會失去我們標準化評估的目的，因此系統該必須介入一個D65到D50的Lab轉換函式，數值才能跟接近我們熟悉的印刷上的Lab值。
Fig. Copilot 提供的 LabD65ToLabD50 轉換程式碼。
Fig. 兩次翻轉拍攝後，系統顯示兩組影像平均後的RGB值及其P3RGB(D50) Lab 值，並取樣最亮的30個像素平均做為白點參考(white reference)。
再接續一個問題，紙白數值是印刷品評估的重要訊息，它會用來做灰平衡目標值及版調計算的基礎。程式會取樣本裏最亮的30個像素平均做為白點參考(white reference)。
在隨機的拍攝環境，參考白點(white reference)是很不穩定的，試著處理這個問題的時候有各種想法，包括單點線性Normalization，parabola 多點 Normalization & fitting、或是SCCA 轉換……都在考慮之中。目前先選定用最亮像素作為做線性Normalization 的規則，強制將最白點像素歸一化在R=233,G=231,B=236，其餘像素依線性(linear)規則轉換。
Fig. 目前先選定用最亮像素作為做線性Normalization 的規則，強制將最白點像素歸一化在 R=233, G=231, B=236，其餘像素依線性(linear)規則轉換。
大約可以知道，線性的Normalization 並不能做得很精確，但幾個測試下來，確實是比沒做Normalization能取得更好的數據。這個App 主要還是先把基礎工作邏輯堆上來，後續還有很多修正、優化或是各種不同的工作想法會慢慢引導出來。
再者，P3RGB 色域涵蓋不到Cyan 100%的位置，為了讓評估數值更合理化，Cyan 100%的標準Lab會做一些變動，這邊會先暫定一個數值下來，至於如何才是更好、更合理的數值還需要更多時間的嘗試與測試。
Fig. P3 RGB 色域(黃色範圍)無法涵蓋CRPC6 Cyan 100%的位置，所以C的參考標準值會做一些修正。
接下來是設定一個評分機制：對滿版這種要求絕對精度的項目，相機環境很難充分達成，分數佔比要低一些，CMYK滿版色塊各占5分，四個色塊的占比是20/80。其他TV及灰平衡是一種相對的運算，分數佔比可以高一些。CMYK 50%各佔10分，四個色塊佔比是40/80，C50MY40灰平衡單一色塊占20/80，分別是亮度差10分及灰度差10分。
階梯式分數分配如以下圖表。
Fig. 九宮格階梯式評分表。
接著是顯示 Delta-E 與 TV 的計算結果，可以看得出來CMYK滿版部分 Normalized 之後色差會降低，但相對計算的TV 部分沒有太大變化。
Delta-E 的計算比較沒有問題。TV 的計算是將紙白、滿版與版調(50%)的Lab 換算成XYZ 後，以 Colorimetric TV 公式計算，結果會與濃度方式計算的TV有所不同。不過，作為一種封閉式的管理，只要是維持相同的模式，就可以是有效的管理。
Fig. 第三頁顯示 Delta-E 與 TV 的計算結果，TV 的計算以 Colorimetric TV 公式計算，結果會與濃度方式計算的TV有所不同。作為一種封閉式的管理，只要是維持相同的模式，就可以是有效的管理。
最後一頁以分數的方式呈現出來，裡面會呈現滿版、TV與灰平衡的各別分數，然後會有一個總分。總分超過80分以綠色顯示，70分到80分之間以黃色顯示，70分以下則以紅色顯示。
以相機鏡頭這一種環境變數影響很大的狀況下，能看到綠色分數就等於是還不錯的品質。
這其中要去探索、嘗試的題目還非常非常的多；如Normalization 的策略、標準值相對於P3RGB的 Fitting、寬容值的設定、SCCA 介入的影響、TV 的計算方式(是否直接採用SCTV？)……可以想像還有很多方法可以來增加這種情境運用的信任度。
如同上述，這個APP只是一個開端，一個開啟用手機鏡頭來評估印刷品質可行性的開端，缺失當然還很多，但總是要開始。
Fig. 最後一頁以分數的方式呈現出來，裡面會呈現滿版、TV與灰平衡的個別分數，然後會有一個總分。總分超過80分以綠色顯示，70分到80分之間以黃色顯示，70分以下則以紅色顯示。
繼續衍生下一個工作邏輯。
上一個工作邏輯是設定在某個標準數據(CRPC6)下對拍攝的樣本作評分，拍攝環境會帶來很大的影響/干擾。
再下來的工作邏輯是：手邊有一個實體標準稿，在同一個拍攝環境下，先拍標準稿再拍樣本稿，單純的比較兩邊的色差，就可以判斷樣本的品質好不好。
由於拍攝環境是相同的狀況下，環境變數的干擾因而相對的抵消掉，這個邏輯的信任度要比上一個邏輯要好一些。
這次在Copilot 主動編碼下，長按 ”CAPTURE” 鍵會轉換到 No-flip 模式，第一張先拍標準稿，再拍第二張樣本稿，比對兩張稿件九個部位(再加紙白)的色差即可對樣本稿做出評分。
Fig. 長按 “CAPTURE” 即可轉換為 ”No-flip” 模式，先拍標準稿，再拍樣本稿即可取得評分。
同樣的，會有一個階梯式分數分配，分數分配圖表如下。
評分項目有10個部位，除了九宮格的九個位置，再加上像素最亮的部分(紙白)。分數88分以上呈綠色，88分 與 78分之間呈黃色，78分以下為紅色。
Fig. No-flip mode 階梯式分數分配。
Fig. 評分項目有10個部位，除了九宮格的九個位置，再加上像素最亮部分(紙白)。分數88分以上呈綠色，88分 與 78分之間呈黃色，78分以下為紅色。
Fig. No-flip mode，88 分以上呈綠色。
第二種邏輯的信任度要比第一個邏輯要高一些，主要是同一環境拍攝，環境干擾的因素可以相對抵減，但其中人造光源閃頻的因素一樣不能消除。
Fig. 手持取樣圖示。
Fig. 固定位置取樣圖示。
以上兩種邏輯分法，在控制良好的光源環境及固定位置拍攝下都可以有很好的信任度。然而視工作情況而定，有些時候就是必須在各種不同的環境下快速的取得數據，那第二個邏輯的信任度會高一些，不過手邊必須帶著標準稿。
如同之前的敘述，我對用手機來處理色彩問題有很多的想像，這只是諸多題目之一的一個開端。
更想表達的概念是，這些手機色彩相關App，它扮演著色彩產業” 帶路雞(台語)”的角色，經由最低的門檻帶入”色彩即數字” 的概念來處理色彩問題。手邊就有經由簡單的APP帶出後續近200萬設備的案例。一旦對” 色彩即數字” 有所體認，在有更高階的要求下，是能帶動上百萬的設備投入。
最後談一下，AI正確率並不是100%，但快速便宜的產生80%的正確率已經讓世界進步太多太多，就僅對我撰寫程式而言，這是毫無疑問的。
同樣的，在色彩品質的評估，不求100%，能用快速便宜的方式來達成80%的正確率，也同樣可以帶動這個產業很大的進步。
24 11 月, 2025 › Uncategorized › Administrator › no comments ›
G7 Colorspace 記事 251118
續證時間又到了，以往都是走Targeted，沒有走 Colorspace。兩個原因，Targeted 比較實際，是一個每天都能去驗證的規格；Colorspace 沒有辦法經常去驗證，做認証反正就是一年才一次，做Color space比較是一種宣告，表示有能力達到更好的規格。第二是沒有自動化的量測設備，操作起來比較麻煩。
在今年六月單位對機器做了一次測試，在以線性版的情況下讓機器達到G7狀態，那一次的經驗讓我們知道只透過機器的調整是可以達到G7狀態的，也透過那次調整我們認為機器是有能力拿到colorspace，因此今年的續証打算做一下Colorspace。
工序開始，CT25 工具先上場。
CT25 第一次數據，時間碼 101154 分數 86.11。
狀態：黑色不夠。
動作：加黑。
Fig. CT25 第一次數據
CT25 第二次資料 時間碼101639 分數81.48。
狀態：黑色到位，CMYKRGB 到位，18/18，灰階未到位 22/28。
動作：加青加紅及少許黃
Fig. CT25 第二次數據
Fig. CT25 第二次數據灰階修正指令
CT25 第三次數據，時間碼102501 分數92.13。
狀態：灰階到位，黑色過多，不過預計乾墨會回來。
動作：保持狀態，啟用CT125 工具做Targeted 確認。
Fig. CT25 第三次數據，除了滿版K未到位，其餘到位。
CT125 第一次數據，左下方P2P，時間碼102549，分數 131.16，Targeted 到位。
Fig. CT125 第一次數據，Grayscale 達成。
Fig. CT125 第一次數據，Targeted 達成。
CT125 第二次數據，右上方P2P，時間碼103156，分數 123.46，K45%-60%處版調太重，Grayscale 未能通過。
動作：降黑墨，CMY 保持狀態。
Fig. CT125 第二次數據，K45%-60%處版調太重
CT125 第三次數據，時間碼 103705，加入吹風機作業(5分鐘)模擬乾墨預測。
狀態：K版調到位，但乾掉的CMY 灰階、灰差未能到位，分數104.7。
動作：轉回 CT25 工具尋求放墨指令。
Fig. CT125 第三次數據，K版調到位，但乾掉的CMY 灰階、灰差未能到位。
CT25 第四次數據，時間碼 104047 分數 78.7。
狀態：滿版到位 18/18，灰階未到位 22/28。
動作：依CT25，綜合六角圖及灰指令判斷，加紅加青加黃。
Fig. CT25 第四次數據，滿版到位 18/18，灰階75%處未到位 22/28。
Fig CT25 第四次數據六角圖，綜合六角圖及灰指令判斷，CMY墨都可以再加。
Fig. CT25 第四次數據，依CT25 灰平衡指令，加紅加青加黃。
CT25 第五次數據，時間碼 105022 分數 79.63。
狀態：加CMY墨後，滿版依然到位 18/18，但灰階未到位 19/28。
動作：這次綜合Beer’s Law 及灰階指令，降C降M降少許Y及加K。
Fig. CT25 第五次數據，滿版到位 18/18，灰階未到位 19/28。
Fig. 綜合Beer’s Law 及灰階指令，降C降M降少許Y及加K。
CT25 第六次數據，時間碼 105643 分數來到 96.3。
狀態：滿版到位 18/18，灰平衡到位 27/28。
接下來用CT125驗證Targeted。
CT125 第四次數據，左下方P2P，時間105917，分數 133.73，Grayscale到位。
CT125 第五次數據，右上方P2P，時間110303，分數 131.09，Grayscale到位。
兩邊 P2P Targeted 均到位，再下來就是驗證Colorspace 了。
由於沒有自動化測量儀器，手動 i1 Pro3 測量1617格，48 條色條，大概20分鐘，數據時間碼11211，數據拉到Curve4做驗證，通過CRPC6 Colorspace Production規範。
Fig. 由於沒有自動化測量儀器，手動 i1 Pro3 測量1617格，48 條色條，大概20分鐘。
Fig. 數據拉到Curve4做驗證，通過CRPC6 Colorspace Production規範。
整理一下，就時間方面，第一個CT25數據時間碼101154到 Colorspace 通過時間碼112111，整個過程不到一個半鐘頭，在機上的時間大約是一個鐘頭，沒有透過Curve4計算版調曲線，直接以線性版在機器上完成。
這是我做過這麼多G7唯一次線性版直接達成規範，而且是Colorspace規範，還而且是時間最短一次。我想今年六月那次測試留下很好的基礎。
然後不得不談今天的優勢：當天廠房內溫度21.8，是油墨工作的適當溫度，不會因為過熱而影響網點擴張；記得6月的廠房溫度在27、8度，機器旁邊更接近30度，那次還必須把油墨拿到冰箱冰過才能維持網點擴張，今天在機器上就直接能達到不錯的位置，助於形成這次最快、最有效率的一次G7認證。
CT25 還是一個非常有效的工具，用Beer’s Law 來引導CMYK滿版濃度落點，六角圖來推測RGB落點，灰平衡指令去引導灰平衡操作，pbn 評分系統能有效的呈現印刷品質裝態。能在這個系統取得 95分以上幾乎可以確定能進入Colorspace 規範。
CT125 相對於 P2P (300格)也是相對的在 Targeted 規格是一個更有效率的工具，無須剪裁後量測(isis)，直接在印張上取數據，能確定認證送件與自行檢測是同一張印樣，再稍微減少一些變數。
以上，幾個因素的配合：良好的機器狀態(最主要)、足夠品質的材料(紙張、油墨)、領機的有效操作、適當的工作溫度、及好用的工具，共同達成這一次很有效率的G7續証。
Fig. 廠房內溫度21.8，油墨不會因為環境過熱而影響網點擴張。
31 10 月, 2025 › Uncategorized › Administrator › no comments ›
CMYK profile from Phone
CMYK profile from Phone
上一次發文提到用42個色塊來產生一個RGB printer profile，效果還可以，想說用42個色塊來做CMYK profile 不知道效果怎麼樣？
其實profile的效果還是好的，對於灰平衡、色彩、調子…都是有修正作用，但觀察其profile色域立體結構呈現破損狀態，有可能在某些區域會出現較大的色彩誤差，因此決定增加樣本數量，看能不能取得較完整的色域立方圖。
Fig.左邊為42個色塊的RGB profile 色域立方體，右邊為42 個色塊的CMYK 色域立方體，可以看得出來CMYK 的立方體是破損的。
繼之前6×7的結構，再加7個色塊形成7×7的結構，至於如何決定這49個組合，Claude 提出的幾種組合都還是呈現色域立方體破損狀態，最後是取ArgyllCMS的內定組合及自行決斷的色塊共同形成49個樣本，總算取得一個色立方體較完整的profile。
Fig. 新的7×7=49 組合及其較完整的色域立方體。
以標準化的觀點來看一下這個profile帶出來的作用，第一組樣本事先有用Beer’s Law 工具去調整滿版濃度，CMYK 主色應該沒有問題，icc Profile 的作用很明顯將 K的中間調(K50)及灰平衡(delta-L and delta-Ch)帶到更好的位置。
第二組樣本沒有用Beer’s Law 工具去調整滿版濃度，icc Profile 的作用將CMYK 主色從8/16拉到13/16，灰平衡的亮度差及灰差從9/28 拉到24/28，有明顯的改善。
Fig. 第一組樣本的總評分從43.75拉到97.92，主色的分數不變，灰平衡的亮度差及灰差從5/28 拉到27/28，以標準化的觀點是有明顯的改善。
Fig. 第二組樣本的總評分從43.75拉到85.42，主色的分數從8/16拉到13/16，灰平衡的亮度差及灰差從9/28 拉到24/28，有明顯的改善。
Fig. 第一組樣本修正的視覺效果，左邊維修正前，右邊為修正後，視覺感覺差異不大，但分數有很大的差異。
Fig. 第二組樣本修正的視覺效果，左邊維修正前，右邊為修正後，這一組很明顯灰平衡有很大的修正效果。
為了用手機做快速的評分，這一次又做了一個9格的評分工具，這一次的9格組合是：紙張、CMYK 100%、灰25%、灰50%、灰75%及K50。這個分佈可以看出來主要是以灰為重點，我還是認為只要能把這三個灰做對，影像就不會太差，因此評分系統裡面灰平衡的佔比會將近60%。評分規則可以參考以下的表格。
Fig. pbn9Gray 評分工具。
Fig. pbn9Gray 評分工具在上傳9格資料後會很快的得到滿版、TV(K50)、灰平衡的分數分佈，並給予一個總分。若要看更詳細的資料可以點入連結。
Fig. pbn9Gray 評分的規則，滿版色總分16，佔比33.33%；TV(K50)總分四分，佔比8.33%；灰平衡總分48，佔比58.33%。
我對於用手機來處理色彩題目有很多的想像，這些都只能算是基礎能力，就從這兩次的發文，接續需要處理的題目至少有：
* icc profile 相對於G7+ method，icc能提供較準確的顏色，但G7+能展現更好(pleasing)的調性，這之間的協作與取捨會是一個很有意思的題目。
* 就CMYK profile 而言，這一次profile的產生並沒有針對K頻道的分佈做進一步的設定，尤其對噴墨印表機的icc profile， K 與 Gray replacement (GCR) 的設定對視覺還是會產生一定的影響。同樣的，”好看”跟”準確” 並沒有在同一個軌道上面，這之間規則的取捨遠要重於icc的精確性。
我工作的原則是 by number，有數字，才能控制，才能管理，才能操弄(manipulate)。
#printByNumber
#cmyk_profile
#ProfileByPhone
17 10 月, 2025 › Uncategorized › Administrator › no comments ›
icc profile from phone
手機 icc profile 工具
如之前發文，我盡可能要把色彩工作在手機裏完成，已陸續完成印刷品10格檢測、23格檢測、光譜濃度計、特別色資料庫追色……這些都是簡潔有效的工具；那色彩管理的核心 icc profile 能做嗎？能做到多好？
icc profile 的基本精神是對設備取樣然後建立對應表，取樣當然是越多越好，於是就需要像i1、io、isis 這類能大量取樣的設備，但這些設備再加上軟體就是一個在成本上與技術上的都是相對高的門檻。我的工作目標之一就是要降低這些設備成本與技術的門檻。
工具的基本邏輯很單純：在手機端(地端)量取樣本，把數據送往雲端運算，計算出profile後再由地端下載。
這樣的工作結構沒有問題，問題是我希望在手機上操作的格數越少越好，那幾個色塊才足以取得質量夠好的profile?
以i1profiler 這個軟體為例，printer profile 最少格數是400個。問了ChatGPT 與Claude ，它們的答案是至少200個。200個我都覺得太多了，很難想像要求user以單點模式去取200個樣本，太冗長，太花時間。我自己試著一分鐘可以單點操作42個樣本，那就來個6×7=42的矩陣樣本吧！
Fig. RGB Printer 或是 CMYK Printer，i1profiler 印表機樣本最少數量為400個。
我問Claude，如果我只能用42個樣本，它有什麼建議，於是有了這樣的組合：(…from
Claude)
Primary Colors & Extremes (8 patches):
-
Pure RGB primaries: R100, G100, B100
-
RGB combinations: RG, RB, GB, RGB (white)
-
Black: R0+G0+B0
Gray Scale (6 patches):
-
Distributed gray levels: 10%, 25%, 50%, 75%, 87.5%, 90%
Secondary & Tertiary Colors (12 patches):
Gamut Boundary Colors (8 patches):
Mixed Tone Colors (8 patches):
整體安排很合邏輯，其中有6格用來做灰平衡，如同G7邏輯：只要把灰色塊的調子與灰差做好，影像表現就不會太差。就不曉得這個組合的表現怎麼樣？
Fig. 6×7 42格RGB Printer 樣本。
先看色域立方圖，儘管只有42個樣本，色域的3D結構還算完整，用起來不用太擔心。
Fig. 色域立方圖，儘管只有42個樣本，色域的3D結構還算完整。
Fig. P3 to RGB Printer，色域能力本身就差別很大，最大亮度及最飽和部分都會差很多。外圍黃色部分為P3 色域，內部綠色部分為RGB Printer 色域。
這次是一個P3RGB(MackBook Pro)到RGB Printer 的測試，色域能力本身就差別很大，最大亮度及最飽和部分都會差很多，但灰平衡可以要求到位，在數據評估上會以灰平衡為主。
從下面圖示可以看出icc 的修正在版調及灰平衡有很大的效益。
Fig. 下圖為印表機原始狀態，上圖為icc 修正狀態，可以明顯看出這個只有42格樣本的icc profile在調子與灰平衡有很大的改善。
從數據觀點來看一下這個 icc profile 的灰色評分：原始狀態調子與灰平衡全不到位，分數為0/28；icc 修正後分數為19/28，如果把調子與灰分開看，icc 的調子為3/10，灰平衡為16/18。
Fig. 上爲原始狀態，調子與灰平衡全不到位，分數為0/28；下為 icc 修正，分數為19/28，如果把調子與灰分開看，icc 的調子為3/10，灰平衡為16/18。
從色域比較圖示可以看出最大亮度及最飽和部分都差別很大，基於這最大亮度差異，輸出調子的結構有必要重新分佈以達到更好的視覺效果。icc 裏有相對色度(relative colorimetric) 與感應式(perceptual)來處理色域差異間的對應，不過在這次測試中，這兩個對應似乎還未能達到我認為好看(pleasing)的效果。
當然 pleasing 的認定很難數據化，我試著以G7+的規則應用到P3 顯示幕到印表機輸出的調子分佈做一下測試，程序及成果如下：
G7+ 版調是以CRPC6 為參考空間(RPC)，我這次是以P3 顯示為參考空間(RPC)，印表機為樣本空間(SPC)，依G7+規則重組輸出版調，與icc 輸出來比較一下視覺效果。
Fig. G7+ 版調重組公式。
Fig. 藍色為顯示器版調，橘色為印表機輸出版調，綠色為重新計算的G7+版調。
Fig. 圖像原稿
Fig. 上為icc 輸出(相對色度)，下為 G7+ 輸出，感覺 icc relative 輸出為保留更大範圍的色彩精確度犧牲調子及飽和度；G7+輸出的版調反差更大，更 pleasing，但色彩精確度較差。
Fig. 再一個例子，左為icc 輸出，右為G7+輸出，G7+帶出來的調子更討喜一些。
作為色域相差極大的輸出，我會更傾向於好看的輸出而不是 icc 原則性的輸出，當然這個”好看”無法數據定義，但大致上是淺色更明亮，飽和度更高的方向。
最後還是要提一下，如果不是牽涉到色域對應，以絕對色度(absolute colorimetric)方式來輸出色彩，那這個 icc profile 的能力如何？
參考上一篇發文，我在瑞典馬爾默圖書館紀錄了一個色彩，經由這個 profile 以絕對色度輸出，取得的色差是de00 1.34。以如此低階的儀器以及這麼少格數的操作還能取得de00 1.34，算是非常夠用了。
Fig. 在瑞典馬爾默圖書館紀錄了一個色彩，經由這個 profile 以絕對色度輸出，取得的色差是de00 1.34。以如此低階的儀器以及這麼少格數的操作還能取得de00 1.34，算是非常夠用了。
總結一下，用手機配合一個低階光譜儀以及最少格數(42)的操作，也能取得一個堪用的profile。
操作影片參考連結：https://www.youtube.com/watch?v=893I4HdaAeg
#Printbynumber
#G7plus
#iccprofile
12 9 月, 2025 › Uncategorized › Administrator › no comments ›
The color around.
瑞典 馬爾默(Malmö)市立圖書館一角，佈置溫馨的長板凳引起我的注意，用 Google Lens 讀了一下上頭的告示，啊，原來是這麽回事！
Fig. 長板凳上頭的告示
就這樣，這個板凳的色彩成了成了我旅行中的喜好色彩(favorite color)；背包裡還帶著小藍牙光譜儀，就把它紀錄下來吧。
Fig. 背包裡還帶著小藍牙光譜儀，就把它紀錄下來吧。
回來後，讓同事把這個色彩配出來，App 測出來色差1.62，可以了，是我記憶中的色彩。
Fig. 配墨操作
Fig. 配墨系統取得 1.62 色差。
順便測一下單位裡的設備能否實現這個色彩，方法是在Fogra39 設定下，Key 入目標 Lab (81,10, 64)，系統換算出可由M23,Y80組合。填入色塊後分別用噴墨及碳粉機輸出，來看看能否實現我的Lab？
輸出後，噴墨能實現色差1.67，碳粉能達到2.52，基於碳粉機的穩定度，這樣的結果是可以接受的。
Fig. 在Fogra39 設定下，Key 入目標 Lab (81,10, 64)，系統換算出可由M23,Y80組合。填入色塊後分別用噴墨及碳粉機輸出。
Fig.噴墨能實現色差1.67，碳粉能達到2.52。
對於創作者而言，色彩始終是一個主觀的概念，然而，在實體世界中，色彩是一個物理現象，是一個可以被數據化的物理現象。這一個色彩，我且主觀的稱它為”馬爾默黃”，但在客觀的物理現象裏，它就是一組數字而已。
當取得客觀的數據後，我可以很客觀的將它實現在我要表達的任何位置：可以是名片、可以是產品包裝、可以是手機殼、可以是3D列印的配件、可以是織品、可以是瓷杯、或者是汽車…
這是一個很小的、很輕便的系統，但這個配置有能力達到兩個色差。相對於主觀的色彩認定，我認為已經提升非常多了！
#PrintByNumber
#Spectrophotometer
