Fred Kuo :: Blog

Grayscale Tools build up.

灰階工具組建

整個工具的目的在於控制輸出品質能達到某一個灰階定義(亮度值 L* 及灰值 a*,b*)。

要達成這個目的，要做到兩個項目：1.正確的預測CMY灰色組合落點。2.根據預測值改變CMY曲線以達到正確的輸出品質。

簡單的回答是i1加Curve軟體就可以了。

已經有解答了，那為什麼我一直持續在做這方面的題目？

一個主要因素：降低作業門檻，建置成本上的，及工作程序上的。

建置成本就先不談了，i1 + Curve 軟體的費用網路查一下就知道了。

工作程序上，i1+Curve 需量取 P2P 300個數據才能取得灰階預測值，這個在年度考試時執行這些程序是理所當然，但在日常的維護上，輸出品沒有這樣的空間，維護人員也沒有這樣的時間去執行300個數據的量測。

我需要一個更精簡的程序讓維護人員很快的去達成灰階修正的目的，因此，這個題目一直在發展。

再一個因素，在使用 Curve 執行灰階預測時，亮度目標值(L)需依循TR015或是RPC(Curve+)定義，灰目標值(a,b值)也有其規則(依紙白ab值對應定其版調值)。但在有些場合(比如同一個廠裏的不同機台輸出)，我可能會要求不同機台或不同材質依循絕對的Lab灰值來達成數據的一致性，而不是G7 規範裏相對的視覺一致性。在要求數據一致性的場合下，Curve 並沒有這樣的功能。另一種說法，當我要做灰平衡自定義(亮度值 L* 及灰值 a*,b*)的時候，Curve 沒辦法做到，還是得自己寫。

基於這一個主要及一些附加因數，我開始組建這方面的工具。

我把這個工具架構的工作分三個大的部分及一個附加工作：

1.工具在亮度差及灰差的成效至少要跟得上Curve軟體的預測成效。

2.在日常的維護的工作上可以有很精簡的工作方法達成。

3.有別於Curve軟體，可以自定目標亮度值及目標灰度值。(Curve4 能自定灰度值 a*,b* 但不能自訂亮度值 L*，亮度值必須依據 TR015 規則)

再一個附加工作是，當取得CMY修正值後，可以有兩種方式來執行輸出品的灰平衡修正：

1.改變RIP(CTP) CMY 曲線。

2.改圖檔 CMY 曲線。

先談第一個工作：如何正確的預測灰平衡組合。

如前述，Curve4 已經是一個非常有效能的灰平衡修正工具，在灰平衡的預測上主要是靠兩個原則：版調(cmy%L*)依據TR015規則，灰目標(cmy% a*,b*)依Grayfinder 規則。

Fig-1. G7 NPDC 版調來自TR015 規則。

Fig-2. TR015 G7 版調規則。

Fig-3. 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(Grayfinder)。

Fig-4. 依量測結果與TR015的版調預測取得C補償量。

Fig-5. 在Grayfinder 導具中尋找目標灰MY組合(MY補償量)，作為後續CMY版調修正依據。

Fig-6. 灰平衡工具。先依TR015找到目標版調，再依Grayfinder 找出MY灰修正值，結合版調(C)及灰(MY)修正值重新取得目標灰CMY組合。

Fig-7. 最後再做一次 ND Correction 取得最終的CMY灰平衡修正。

簡單歸納一下Curve 軟體的灰平衡運作程序：

1.量測P2P 導表(Fig-3)。

2.依紙白及CMY300數據經由TR015計算出NPDC版調，並取得版調的C補償量(Fig-4)。

3.依 Grayfinder 部分取得MY灰色補償量(Fig-5)。

4.從上述CMY 補償量對應TR015版調曲線取得新的CMY 灰平衡組合(New Aim Values, Fig-6)。

5.從新的CMY組合(New aim values)再做一次ND Correction 取得最終的CMY灰平衡修正值(Corrected Aims, Fig-7)。

Curve 軟體在灰平衡的預測所牽涉到的計算步驟非常多，計算量也都很大。對 user 來講，花1500-2000 USD取得工具軟體來幫忙做這件事自是有其價值。對工具開發者而言，有其困難度及一定的技術門檻。

我自己在灰平衡預測工具的開發從一開始到現在已經歷了好幾個階段。

舉例一個我現在還經常使用的工作邏輯：

在CRPC6 icc 的基礎上，取C45%-C55%，M35%-M45%，Y35%-Y45%總共11*11*11=1331個CMY組合及其在CRPC6 icc 對應中取得1331組Lab數值。以此 Lookup table 可以預估出當要彌補目標Lab 與實測Lab之間的差異時，可以修正多少個CMY網點值來補償這個色差。舉個例子，當目標Lab為L1,a1,b1，實際量測為L2,a2,b2，依據L差、a差、b差就可以預估出像似C-3,M+2,Y-4這樣的組合來達成目標Lab值。

這個工作邏輯不若Curve 軟體能一次演算就帶出正確的灰平衡落點，但它只需要兩個測量點(紙白及灰色塊)就可以有效的逼近灰平衡，或許不能一次到位，但再多逼近一次、兩次也能達到不錯的效果；這對沒有製版負擔(時間成本及材料成本)的數位印刷會是一個很有效率的工作方法。

這個工作方法的缺點是精確度不夠，但只要測兩個點(或是再加25%及75%共4個點)就可以做灰平衡逼近，相對於Curve 軟體要操作 P2P 300個點，在成本門檻、技術門檻、發佈門檻都降低非常非常多。

這個工作方式以其佔用的版面小，測量點數少，工作程序少…使得日常的維護得以執行。P2P 或許有些單位一年只執行一次，但這個精簡工作方式是每天或是每個印件都可以執行的。

但終究，我還是需要一個能匹配Curve 軟體，能讓灰平衡一次到位的工具。對數位印刷可以很快的做一次逼近、兩次逼近，但對有製版成本的平印機來講，一個一次到位的灰平衡工具還是很必要的。

在工具發展的進程中，最近一次的灰平衡邏輯架構如下：

1.基於Curve 軟體的複雜程度，要完全依其步驟程序遇到一些技術瓶頸無法突破，因而開發不同邏輯方式來處理灰平衡預測。

2.同樣要執行P2P 300點數據量測，這300個數據已足夠形成一icc profile (這裡且稱它 P2P profile)；依我上一個邏輯是可以在CRPC6 lookup table中取得逼近灰平衡的CMY組合，那把CRPC6  lookup table改成實際印出來的P2P lookup table，其精確性勢必優於 CRPC6 lookup table。

3.在日常維護工作上，以此P2P profile 為lookup table，一樣可以用最少的測量點去取得精確的灰平衡修正。

再敘述一下我新的灰平衡工具邏輯：

icc profile 作為一個設備(CMYK)與色彩空間(Lab)對話的機制，可以知道當要到達哪一個Lab值時，可以用什麼樣的CMY組合去實現。反之，某個CMY組合，也能透過icc profile 得知其Lab色彩值。

相對於Curve 軟體複雜且龐大的運算，此簡單(粗暴)邏輯即可找到正確的灰平衡落點。

工作邏輯已形成，把它落實到工具後，用一些樣本測試來看看能否達成效果。

Fig-8. 樣本示範，樣張內包含P2P導表供Curve4及profile 運算，CT25 色條提供灰色3點預測及驗證，另 5×5 25宮格可供低階光譜儀CR30做3點灰色預測及驗證。此樣張(組別fwsk5)為一噴墨機原始線性輸出，可以看出灰色塊明顯偏藍，灰色評分為7/28，評分規則如以下說明。

Fig-9. 灰色評分規則說明。

在灰色修正效能評分方面，須做3個灰色塊測量(C25MY19, C50MY40,C75MY66)。依其亮度差(delta-L)及灰差(delta-ch)做出評分。

如Fig-9圖表所示，以C50MY40為例，量測與目標灰差在2以內得7分，2-3之間得5分，3-3.5間得2分，超過3.5得0分。量測與目標亮度差在2以內得4分，2-3之間得3分，3-3.5間得2分，超過3.5得0分。3個量測點，6個評分點，總分28分。上述的噴墨原始樣張取得28分裏的7分。

Fig-10. 上圖為P2P profile 預測，下為Curve4 預測，以這組(fwsk5)測試，P2P profile 取得26/28，略高Curve4 的23/28。

Fig-11. 樣張組代號fwsk5，上為P2P profile 輸出，下為Curve4 輸出，P2P 修正取得26/28分，Curve4 修正取得23/28分。

Fig-12. 樣張組fwsk5，原始輸出為7/28分，P2P 修正為26/28分，Curve4 修正為23/28分。這一組的修正，P2P輸出在75%部分要優於Curve4 輸出因而取得較好的分數。

Fig-13. 測試組(ss180)，上圖為原始狀態，灰色平衡計分為20/28，原本就沒有太差，只是K的曲線太重了。中間圖為P2P profile修正，分數為28/28，下圖為Curve4 修正，分數為27/28。以這一組測試，可以看作是表現相當。

Fig-14. 上圖表為(ss180)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得28/28，Curve4 為27/28。以這組為例，P2P profile 與 Curve4 預測的數值都非常接近。

Fig-15. 樣張組ss180，原始輸出為20/28分，P2P 修正為28/28分，Curve4 修正為27/28分。

Fig-16. 測試組(cnsk2)，上圖為原始狀態，灰色平衡計分為0/28。中間圖為P2P profile修正，分數為18/28，下圖為Curve4 修正，分數為23/28。這一組Curve4的修正效果比P2P profile好。

Fig-17. 上圖表為(cnsk2)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得18/28，Curve4 為23 /28。

Fig-18. 樣張組cnsk2，原始輸出為0/28分，P2P profile修正為18/28分，Curve4 修正為23/28分。這一組Curve4的修正效果比P2P profile好。

Fig-19. 測試組(oki2)，上圖為原始狀態，灰色平衡計分為2/28。中間圖為P2P profile修正，分數為23/28，下圖為Curve4 修正，分數為16/28。

Fig-20. 上圖表為(oki2)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得23/28，Curve4 為16 /28。

Fig-21. 樣張組oki2，原始輸出為2/28分，P2P profile修正為23/28分，Curve4 修正為16/28分。這一組P2P profile的修正效果比Curve4好。

Fig.-22 整理一下上述4組比對再加兩組樣本，可以看得出來P2P profile 在灰平衡的修正能力是可以跟得上Curve4。

如上圖(Fig.-22)所示，在6組樣本中，P2P profile 在灰平衡的預測(修正)能力是可以跟得上Curve4。將來也會持續收集樣本來確認P2P profile邏輯的灰色預測能力是不是真的能跟得上Curve 軟體？以目前的數據來講，我認為是可以的。

在確認p2p profile的灰色預測能力後，之後在日常工作的維護上，不管是一點灰色修正或是3點灰色修正，只要用最少的測量數量就可以在這P2P profile 的基礎上做準確的灰色預測(修正)。

再衍生下來的是，一旦P2P profile 的工作邏輯成立，當目標規則有所變更(如Curve+)時，只要將目標值跟著新的規則變動，這個方式一樣可以使用。再如果要自定灰目標值(Fig.-23)，工作模式也是一樣套用。

Fig.-23 左邊一組為不同設備遵循固定版調值(自定目標亮度值)輸出，右邊一組為各自依循TR015版調(動態目標亮度值)輸出。因TR015版調會動態的隨著紙白與CMY300的濃度做變化，右變一組的視覺一致性還不如左邊一組鎖定版調的視覺一致性。

接下來就是如何將這些修正值運用到輸出的程序上，以Curve4來講，它可以輸出曲線修正檔給RIP使用(Fig.-24)來達成輸出的修正。我工具目前只有三種曲線輸出格式(Fig.-25)。

Fig.-24 Curve 4 版調修正輸出格式。

Fig.-25 我的工具目前有3種版調修正輸出格式。

再最後，工具的功能設計上能夠產出一個單一command line Ghostscript 指令(Fig.-26)，可依此形成一類似Image server 的軟體，讓它執行此Ghostscript 指令就可以改變pdf 的CMYK曲線以取得合乎灰平衡規格的輸出品。

Fig.-26 單一command line Ghostscript指令，可以讓丟到Hot folder的pdf檔根據修正值來改動pdf檔的曲線以取得合乎灰平衡規格的輸出品。

總結一下我的灰平衡工具整體架構：

1.取P2P profile 作為灰色修正的依據基礎。

2.之後的日常維護可在此基礎上用很少的測量點即可取得正確的灰色預測。

3.以P2P profile 為基礎的灰色修正可以很快的變動到新的灰平衡規則，或是自訂灰平衡目標。

4.工具得以輸出版調修正曲線供RIP使用。

5.得以輸出 Ghostscript command line 供 image server 使用。