Fred Kuo :: Blog

談一下 G7 +

Printing United Alliance 在今年年初推出 G7+，顯然就是 G7 的後繼規格，開宗明義大標題就說明了這兩個規格在概念上的不同：Reference dataset (RPC) vs. algebraic concept

Fig. 開宗明義大標題就說明了這兩個規格在概念上的不同：Reference dataset (RPC) vs. algebraic concept

G7+ 版調目標值是基於某一個參照數據集Reference dataset (RPC)，如 CRPC6 就是一個 reference dataset，相對於先前的目標值是從代數概念而來。這個代數指是TR015的版調曲線公式。

Fig. TR015 版調公式。

G7 +的版調值是來自 Reference dataset ，下面圖例是CRPC6的版調值(Tonality)，以 CIEXYZ_Y來標示版調值。但要做為印刷目標值之前，必須經由印刷品的紙白及cmy300的CIE_Y來做修正。

Fig. CRPC6參照數據集的版調定義。

Fig. 要做為印刷的目標版調之前，參照數據集的版調必須經由印刷品的紙白及cmy300的CIE_Y來做修正，也就是上面的 scaled_RPC(Reference Printing Condition)。

神奇的是，就CRPC6 這個數據集，從TR015 與scaled_RPC算出來的結果幾乎是一致的。

Fig. CRPC6 這個數據集，從TR015 與scaled_RPC算出來的結果幾乎是一致的。灰色是 TR015 版調，粉色是 CRPC6 scaled_RPC 版調，幾乎是重疊的。

灰平衡的定義倒是有明顯的不同，撇開公式， G7+ 的灰平衡受紙張的影響更大。在舊的G7定義中，cmy300 處的 a*b*值直接歸零，在G7+ cmy300的a*b*值仍受到紙張影響，還會透出少許的色相。

Fig. TR015 灰平衡 a* b*定義。

Fig.  G7+ 的灰平衡定義，a*,b*值須由 CIEXYZ 換算而來。

Fig. 以紙張 a*b* 值在 2.7,-6.6為例，在舊的G7定義，cmy300 處的 a*b*值直接歸零，在G7+ cmy300的a*b*值仍受到紙張影響，還會透出少許的色相。

除了版調與灰平衡定義不同，G7+提出一個新的元素：High Density Smoothing(HDS)，他主要帶來的影響就是要避免高濃度漸層斷階，讓高濃度部分層次更順暢。這個元素也帶來新的檢測項目：ΔTVI。

Fig.  DonHutchson 示範HDS在噴墨印表機高濃度階調的影響。比較一下右邊兩張圖，最右邊一張經由G7+校正，天空漸層的分佈相對平順。

相對來說，HDS主要給噴墨印表機這類比印刷機色域高出很多的設備，讓它在高飽和度的地方一樣有順暢的表現。相對於平版印刷機超過75%的部分在層次的表現已經有限，噴墨印表機這類高色域設備在超過75%還有很多表現空間，HDS的確保這個部分能有順暢的表現。

或者這麼說，當參照數據集色域越大，越能顯示HDS其效用。

在 G7+ 的驗證項目中，如前述，除了之前的 wΔL*_k、wΔL*_cmy and wΔCh外，因 HDS 又多了一個項目叫做ΔTVI。這個 ΔTVI 只發生在 CMY channel的 80%、85%、90%、95% 。也因為ΔTVI項目，wΔL*_cmy and wΔCh只需測到2%-75%。

Fig. MaxΔTVI 與 Average ΔTVI 算法。

同樣的，為因應HDS， G7+ 也推出新的P2P導具：P2P75+ target。主要變化是取消RGB 95%色塊，再加入 CMY 75%及85%色塊。舊的導具一樣可以做G7 +，舊導具缺的 cmy 75%及85%部分，可以用內差補點算出來，帶出來的數據不至於有太大的差異。

Fig. G7+ 也推出新的P2P導具：P2P75+ target。主要變化是取消RGB 95%色塊，再加入 CMY 75%及85%色塊。

既然公式都有了，我的工具自然也要能跟上。就我的工作場合，先寫了CRPC6參照組。

目前我把 G7、G7+兩個規格都放上來，先觀察一陣子再來決定要不要將這兩個功能分開。

Fig. ΔL*與 Δa*Δb*圖示，上半部為G7規格，下半部為G7+規格。

Fig. Avgw∆L*、Maxw∆L*、Avgw∆Ch、Maxw∆Ch、Avg∆TVI、Max∆TVI各項規格數據。上半部爲G7規範，下半部為G7+規範，可以看出數據有點不同，但差異不會太大。

Fig. 同樣的，灰色修正邏輯也是兩套，上爲G7，下為G7+，是有一點點差別。

Fig. 為了處理RPC、SPC、scaled_RPC、HDS…及各種圖示需求的先導數據。

Fig. 為了處理∆TVI的先導數具。

Fig. 各種樣本測試，三點(25%、50%、75%)灰色預測邏輯還是管用的。

以上，把理論搞清楚，工具也做出來了，工具流程介面與數據呈現方式要再整理一下。