Fred Kuo :: Blog

Gray balance for RGB (driving) printer.

RGB 印表機灰平衡。

在CMYK的輸出控制可以依循G7的規範，簡單講，C50M40Y40這一個色塊在輸出時，L*值大約在58，a*,b*值則為紙張a*,b*值的一半。有清楚的目標，就能設計出控制方法。

那些沒有經過RIP，無法單獨控制CMYK頻道的RGB印表機要怎麼控制灰平衡呢？

我的架構裏，G7 灰平衡的概念可以沿用，但色彩檢測的結構要重新建立。

在CMYK測試環境中，C50MY40 的目標值是L*=58，a*,b*值則為紙張a*,b*值的一半。在RGB 結構中，照說50%版調、中性灰的訊號應該是落在R127,G127,B127處，但在sRGB 以RGB=127解釋出來的Lab值是54,0,0。為了維持測試色塊能與CMYK環境中的L值相同(58)，我把RGB灰平衡的測試色塊放在RGB=139。

Fig.為了維持測試色塊能與CMYK環境中的L值相同(58)，我把RGB環境灰平衡的測試色塊放在RGB=139。

於是，我的RGB印表機灰平衡作業規則為：

測試色塊：R=139,G=139,B=139。

L*目標值=58。

a*,b* 目標值=紙張 a*x0.46、b*x0.46。

在CMYK操作，一般需要Curve 軟體來幫忙找CMY灰平衡落點，我自己也發展過幾個階段的灰平衡邏輯，目前用最多的是我所謂的第二階段灰平衡邏輯，預測值也許沒有Curve4好，但也足夠拿到G7 Targeted 規格。

RGB 呢？沒有Curve 軟體可以用，我試著把我的第三個灰平衡邏輯用在這個項目。

敘述一下我的灰平衡操作邏輯：

1.測量紙張，取得灰平衡目標值，L 定在58，a*,b*=紙張 a*x0.46、b*x0.46。

2. 以sRGB.icm為計算參考，可以取得當L*=58，a* = 紙張 a*x0.46、b*=紙張b*x0.46時，其在 sRGB 空間中的 RGB值， as R1,G1,B1。

3. 測量RGB139印出來的Lab值，這組Lab值可以計算出其在 sRGB 空間的 RGB 值，as R2,G2,B2。

4. 比對R1,G1,B1與R2,G2,B2的差距，即可知道原圖應該在RGB139處做怎樣的RGB 修正量，可以輸出好的灰平衡。

邏輯架構看來可行，實際操作下來也有一定的效果。觀察數十組數據下來，看來可以介入一些系統性的係數修飾。最後的結果如下。

Fig. 紙張樣本1，紙白為95.5,1.9,-8.51，灰平衡目標值為58,0.87,-3.91。實際測得RGB139色彩值為50.79,9.67,3.11。L 值差(dL)7.21，灰差(df)11.26，色差(de)13.37。計算出修正量為R139->138.7、G139->155.8、B139->160.1。

Fig. 紙張樣本1。修正後灰色塊色彩值為55.57,0.39,-4.79。L 值差(dL)2.43，灰差(df)1，色差(de)2.63。從數據面上看已經有很大的改善。

Fig. 視覺上檢視，修正前輸出偏紅，修正後灰平衡得到明顯的改善。

Fig. 紙張樣本2，紙白為93.43,2.1,-6.58，灰平衡目標值為58,0.97,-3.03。實際測得RGB139色彩值為53.33,7.18,2.18。L 值差(dL)4.67，灰差(df)8.11，色差(de)9.36。計算出修正量為R139->137.6、G139->150.1、B139->153.5。

Fig. 紙張樣本2。修正後灰色塊色彩值為55.84,0.83,-2.84。L 值差(dL)2.16，灰差(df)0.24，色差(de)2.17。從數據面上看有很大的改善。

Fig. 視覺上檢視，修正前輸出同樣偏紅，修正後灰平衡得到明顯的改善。

最後來比較一下與icc程序的差別，若以icc方式輸出，數據如下：

Fig. 以icc方式輸出。灰色塊色彩值為56.19,0.79,-4.5。L 值差(dL)1.75，灰差(df)1.79，色差(de)2.54。就數字面來講，跟灰平衡程序達成的數值差不多。

Fig. 左邊爲灰平衡修正程序，右邊為icc程序，大面積的停車場地面還是看得出一點差別，在這一張，灰平衡程序的金龜車黃色要更飽和些。

Fig. 左邊爲灰平衡修正程序，右邊為icc程序，兩邊看起來差不多，icc程序的藍天更飽和些。

大致上來看icc程序與灰平衡程序呈現出差不多的效果，不過大家要知道icc程序必需過大量的數據測量及足夠的軟體資源才能達成。相較於灰平衡單點修正，灰平衡程序只要測一個點，就帶出差不多的效果，是一個相對很有效率的工作方法。

要仔細去比，icc 還是能帶來更全面的色彩準度，但icc也有它的缺點，在色域空間轉換時，最亮、最暗的地方以及最飽和的地方有時候會被壓縮到；用RGB Printer driver 直接驅動，有可能會有更好的dynamic  range 及更飽和的顏色，這時候只要把灰平衡抓對，輸出品質不會有太大問題，有可能還會更飽和，更 pleasing。

Press control on TV

印刷機中間調控制

Fig. 上面三台儀器，屬性不同，但都有能力做有效的印刷機控制。

我經常講的，印機控制就兩件事：滿版控制到位與中間調到位。這個中間調到位也涵蓋了灰平衡到位。

滿版到位問題不大，撇開 Beers’s Law 可以協助做精確的滿版到位，一般印刷機師父會去做滿版濃度測量；只要油墨與紙張性質不變，在先前濃度的設定到位的情況下，維持滿版濃度就相當於維持滿版色度。

至於中間調，就很少師傅會去看，或者說，很多師傅都不知道怎麼去看中間調數據。

師父在印機操作的現場有很多種的狀態，大多數會去注意滿版濃度，不管是自動掃描或是手持儀器，但也只是看濃度(當然也有很多師父是手邊什麼儀器都沒有的，完全靠眼睛)，會去看中間調的很少，如同前面講的，是根本不知道怎麼看中間調的數據。

對他們來說，中間調的操作，或者說是影像調性的操作，就是依賴眼睛跟經驗來操作。如果機器狀態好，技術好的師父可以把他們要的影像操作出來。但如果機器狀態不好，那就怎麼操作都操作不出來，這時候很多師父應對的方式是把責任推到印前，看是要修圖或是要改版調曲線。

這一次被要求協助監印的情況是：師父無法跟上樣張，而這個廠區並沒有印前部門，所以必須在印機這一端搞定。

Fig. 下面的那一張是樣張，上面是印刷現場；樣張比較偏橘紅，印刷比較是暗紅色；師父反映跟不到色。

師父手邊是有個濃度計，但他從來不知道這個濃度計也可以拿來量中間調。

Fig. 師父的濃度計，但從來不知道這個濃度計也可以拿來量中間調。

我協助監印，手邊最有效率的工具自然是i1Pro3加CT9導具，很快的就拉出第一道數據，

Fig. CT9 第一道數據。很明顯C座跟K座的網點擴張都太大。

從第一道數據就可以看出來印刷狀態有兩個很明顯的問題：K座跟C座的網點擴張都太大。

從數據觀察，K版下墨濃度不夠但網點擴張卻太大，很明顯的K色座網點擴張太大。

但真正影響到師父追色的問題是C座網點擴張太大。經驗上判斷，C滿版濃度只有1.21是不夠的(一般會是在1.4左右)，在濃度不夠的狀況一下網點擴張還那麼大(+8)，顯然C墨這個色座是有問題的。

由數據也反應出，因為C座的中間調太高，導致原本深橘紅的地方因C的過度介入而偏向暗紅色。

從數據上看，C 座的網點擴張已經超過8%，一般來講我會叫印前修CTP版調，但這個廠區沒有印前，那就只能動機器了。

第一個嘗試是調整壓力，從下一則數據觀察，C濃度從1.21加到1.39，但網點擴張從+8降到+4，顯示壓力調整是在正確方向。評分系統也從33.03進步到59.09。

Fig. C濃度從1.21加到1.39，但網點擴張從+8降到+4，顯示壓力調整是在正確方向。評分系統也從33.03進步到59.09。

經由各個方面的嘗試，大致上就是調整墨量、換橡皮布、調整壓力；順著數據繼續調整，一路到76.58分，影像看著還好，大致上可以交差了。

更重要的是師父也慢慢認知到調整中間調的重要性，而且知道機器本身就可以有某種程度的調整；有了這樣的認知，回應到我一開始講的那句話：印機控制就兩回事，滿版到位與中間調到位。而這兩件事情在印機師父本身就有很大的控制能力。

當然，最重要的還是：by Number。對數據要有認知，經由數據去了解機器的狀況，也經由數據去控制機器的狀況。

對我來說，這一次的演練，讓我了解到，在機器上能夠控制的程度，比我認知的，還要大。

Fig. 經由各個方面的嘗試，調整墨量、換橡皮布、調整壓力；順著數據做調整，一路到了76.58分。

印刷標準化，把師父的認知提升，會是一項非常重要的工作 。

後面來談一下本篇一開始的圖片說：三台儀器，屬性不同，但都有能力做有效的印刷機控制。

i1 + CT9 是我手邊最有效能的工具，但它必須掛一部電腦，必須操作軟體，這對某些師父來講會是個小門檻，雖然我已經讓它盡量簡單了，但畢竟不若手持那樣直覺與方便。

師父手邊的濃度計，操作起來簡單明瞭，但很可惜師傅從來沒有用它來測量中間調。經由這一次演練，簡單讓師父知道50%的版調要盡可能維持在62%到68%之間；簡單的訊息，已足夠讓師傅去掌握機器的狀態。

但濃度計的資訊面畢竟不若光譜儀那麼全面，而且i1 掃描的讀取能力也是這個手持濃度計比不上的。

Fig. 這個濃度計是可以拿來量中間調，但師父從來沒有用過這個功能。

再來是CR30，這個低階的光譜儀畢竟還是個光譜儀；取得到光譜，就可以計算濃度；有了濃度，就可以計算版調。有濃度有版調，就可以是一個有效的印機控制工具。

CR30的優勢是可以用手機操作，相對i1要用電腦操作是比較方便，在一些精度要求不高的狀況下我會直接用CR30來工作。它的缺點是精度不夠好，不過對版調或是灰平衡這類相對計算的工作是沒問題的。還有就是小面積色塊的對位不好操作。

以上，這三個儀器，都有能力做有效的印刷機控制。

Fig. CR30 這個低階光譜儀可以是一個有效的印機控制工具。

最後，還是要交代一下。我把該製版單位的CTP資料調出來，C版50%處已經下修到45.7%。比對第一組資料在C50%的位置是64+8=72，也就是説，C 版的實際印機擴張是72-45.7=26.3。這麼大的網點擴張師父可以渾然沒有知覺。

回到我上面講的一句話：要印刷標準化，把師父的認知提升，會是一項非常重要的工作 。

Fig. 把CTP的資料調出來，C版50%處已經下修到45.7%。比對第一組資料在C50%的位置是64+8=72，也就是説，C 版的實際印機擴張是72-45.7=26.3。

About G7 +

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。

管理項目：光源

開發色彩管理工具，兩個主要的概念，一個是取得光譜資料，另一個是這個資料是要來做什麼用的？

在取得光譜資料這方面上，兩個困難點： 一個是要能取得該儀器的sdk，另一個是要有足夠的程式語言能力去驅動這個sdk。

在取得sdk方面，有些很容易，有些很困難；有一些要付費，大部分是不付費的。有的要簽一大堆文件，還要提報告來。也有直接發個GitHub給你的。

在驅動程式語言方面，最多的是C#，然後是C++，MacOS 裏則有 Objectiv-C 及 Swift。我目前主要要驅動的儀器是i1，在xrite提供的sdk裡面，C#與C++都有提供範例，其中C++提供的範例很完整，如單點測量、掃描測量、色光測量等都有提到，C# sdk裏只有一個單點反射測量，於是，我的sdk之路自然是從C++開始。

Fig. X-rite i1Pro3 SDK in C++

Fig.-1  X-rite i1Pro3 SDK in C #

Fig.-2 X-rite i1Pro SDK in Objective C w/ Cocoa framework

C++最大的問題是沒有使用介面(user interface)，反正就是編譯出指令(executable)讓你能達成工作目的就是了，所以我的工具功能性沒問題，UI這件事情做不了太多。

Fig.-3 i1 SDK executable From C++

相對於C++，C#能有更好的介面能力，只是直到最近才對C#有一點掌握，尤其是Pro2雙向測量的邏輯花了很多時間才搞懂，在更了解C#後，現有的工具會一個個改寫到C#上面。

談到要寫介面，那又是另外一番功夫了。

開發工具的第二概念是，取得光譜數據後要怎麼用？

做色彩管理，取得Lab數值是最基本的，可以比色差、可以做icc Profile。但對印刷作業的系統管理，只有Lab是不夠的，在整個的印刷的作業中，我們還需要知道印刷濃度(Density)、印版版調(Tone Value)、印機版調、軟打樣校正時的白點(White point)、亮度、Gamma…；藉由一些數學工具，可以去預測濃度落點、去預測灰平衡落點、去預測修圖曲線…，藉由各式各樣的色彩取樣邏輯，去快速的做印機調整、數位樣調整、軟打樣調整或者是圖像調整…。這些我們需要的資訊都要由最基本的光譜值衍生出來。

Fig.-4 Beer’s Law SID prediction

Fig.-5 TVI curve

Fig.-6 Gray balance prediction

談了那麼多，回到這一次的主題：光源管理。

在印刷作業當中，不僅僅要管理印刷的色度、濃度、版調、數位樣精度、軟打樣精度…，觀測光源也是一個必須被管理的項目。

簡單講，對於印刷機控墨台的光源，我需要知道光源的三個數值：色溫(CCT)、亮度(Lux)與演色指數(CRI)來確保控墨台有一個良好的觀測環境。工作原則是：當亮度低於1500 Lux 則預備更換燈管，當演色指數CRI低於90時則預備更換燈管，CCT 我倒是沒那麼介意，不要差5000度太多就好，我會更重視CRI及Lux。

最早，這件事情是由i1Share這個軟體來取得這些數據。

Fig.-7 i1Share 管理光源三要項：CRI,CCT及照度。

基於兩個理由我必須發展自己的工具，一個是i1 Share 在數據管理上不是那麼方便，在使用上就是測量光源，然後把數據抄下來。我希望的工作方式是：測量後形成報告，資料直接進資料庫，方便以後做比對管理。第二個原因是i1Share不再支援Pro3，這個才是最主要的原因。

其實之前就想寫這個工具， CCT、照度(Lux)都沒問題，但是CRI一直有困難，有陸續去了解TM-30、CQS、TLCI 等光源評估指數，這些指數有一個共同點就是都會去參考某個數量的樣品顏色來綜合評估光源的演色能力。比如說CRI 的樣品色是8個、 R96a在CRI 後面再加6個、TM-30 的樣品數是99個、CQS樣品數是15個、TLCI 的樣品數是24個；我就在想，印刷產業已經明定D50為標準光源，我只要評估光源的光譜值與D50的相似度不就是演色指數的意義嗎？概念上跟執行上應該會比CRI簡單明瞭。

Fig.-8 CRI 測試光源(Test)與參考光源(reference)以其8個樣本色(TCS01-TCS08)的差異來對測試光源做評估，R96a在CRI 後面再加6個樣本(TCS09-TCS14)。

Fig.-9 TM-30 比對99個樣本色。

Fig.-10 CQS 比對15個樣本色。

Fig.-11 TLCI 樣本數為24個。

在尋找資訊過程中，美國電影藝術與科學學院(The Academy of Motion Picture Arts and Sciences)發表過光譜相似性指數(Spectral Similarity Index, SSI)，更重要的是，程式碼是開源的(in R language)；既然計算CRI遇到困難，以SSI 來取代CRI 會是一個好的方案。

於是，我的工具組多了一件工具：光源管理。如前述，這個工具會取得光源的三個數值：色溫CCT 、  照度Lux與SSI指數。

Fig.-12 SSI 直接比對測試光源(Test)與參考光源(Reference)的光譜值差異來評估光源的品質。

Fig.-13 SSI 開源程式碼 in R language。

SSI 照說是專為電影工業的攝影機而生，為因應CRI 已無法正確反應LED光源下攝影機的感色能力而研發出來的新型指數。然，這個指數一樣可以應用在電視攝影、靜態攝影及人類視覺上。

Fig.-14  此案例為一CRI 92光源下，三部攝影機的感色狀態，可以看出在某些色樣有明顯差異。

Fig.-15 最上方為參考光源(reference 3200K)下的攝影機感色狀態，下方三格分別是SSI 76 A光源、SSI 76 B 光源及SSI 88 光源下的感色狀態。可以看出SSI 88 光源下的感色狀態幾乎與參考光源相同。

SSI 單一指數數字越高表示光源品質越好，數字範圍為1-100 。標示形式為以中括號標示參考光源後再標示指數，如：“SSI[D55]: 87”。

在電影藝術與科學學院的文件中表示，SSI 90 為 “very good match”，80到90爲 “pretty good match”，60以下則 ”probably have color rendering issues” 。

Fig.-16  電影藝術與科學學院的文件，SSI 80 以上就是 Pretty good match。

公司之前的控墨台燈光規範是CRI必須達到90， 看來在SSI是可以訂在80。

把舊的 i1Share CRI 資料與SSI比對，以下三組資料分別為：CRI=91 vs. SSI=81，CRI=71 vs. SSI=72，CRI=93 vs. SSI=84。

可以非常的確認控墨台光源需求是SSI 80以上。

Fig.-17  i1Share CRI 資料與SSI比對，三組資料分別為：CRI=91 vs. SSI=81，CRI=71 vs. SSI=72，CRI=93 vs. SSI=84。

這次SSI先開發兩個版本，Win10 版及MacOS版，Win10 版是由C#開發，Mac版則是Obective-C with Cocoa framework。目前可支援Pro1/Pro2/Pro3。

Fig.-18 Win10 C# 版，工作程序：1.選取/連結設備、2.校正、3.測量。

Fig.-19 MacOS Cocoa 版本，開啟後自動連結儀器，操作時點<Calibrate>後即可<Measure>。

以下為幾個光源採樣，參考光源為D50。

Fig.-20 Just 燈箱，SSI[D50]=86, Lux=1754，藍色線為D50光譜分佈曲線，綠色線為測試光源光譜曲線。

Fig.-21 辦公室 LED 燈，SSI[D50]=69,Lux=320。

Fig.-22 大溪廠房中午12點，窗戶旁光源指數：SSI[D50]=85,Lux=3309。藍色線為D50光譜分佈曲線，綠色線為測試光源光譜曲線。450nm峰值(peak)應該是受到室內LED光源影響。

Fig.-23 大溪廠房上午10點半，窗戶旁光源指數：SSI[D50]=90，450nm處峰值(peak)受到室內LED光源影響。

由 Fig-22 與Fig-23案例，也大概可以有個概念：10點多左右的陽光比較接近5000K，到了12點可能就跑到6500K了。

之所以要形成自己的工具，主要是方便以後做數字管理，至於要用CRI或是SSI並不是問題，只要能維持固定的模式就能做有效的管理。目前對我來說，SSI 在概念上與運作上我都能足夠的掌握。

至此，我在光源管理上明確的規則是：照度 (Lux)維持在1500以上、演色指數(SSI)維持在80以上、色溫(CCT)比較沒那麼在意，5000度上下300都還能接受。

Fig.-24 光源資料直接進資料庫，方便以後做比對管理。

以上，要有數字才有管理。印刷作業，在標準化的基礎規範上，就是一連串的數據；不管是色度、濃度、版調、灰平衡…一直到這一次光源上的Lux、CCT與SSI，通通來自光譜資料。只要有一部光譜儀，就可以實現印刷作業上絕大部分的管理。

CIE Lab Clock

CIE Lab 時鐘

工作頁面：http://fredkuo.idv.tw/cieclock/

Fig. CIE Lab 時鐘，第8秒處，色角度42度，Lab 值55,74,67，換算sRGB 為255,38,0，換算AdobeRGB 為222,38,0，換算P3RGB為254,75,27。

色彩管理是一個講得清楚的東西，但有些地方真的很繁雜，就上面這個例子，一個色彩值Lab 55,74,67的顏色在你的顯示器該怎麼顯示？

我要知道面板的能力，是sRGB、AdobeRGB或是P3RGB？或者螢幕有沒有校正過？是否自帶icc Profile？這個icc 有自帶 Calibration嗎？系統或應用軟體有沒有做適當的設定？…很多因素會影響到顯示幕的顯示行為。是可以一一的講清楚，但真的很繁雜。

這個頁面比較是一個樣本演示，而不是某一種工作工具。以時鐘60秒走一圈的概念，取得60個色角度的Lab值，換算成RGB值之後以RGB值推動顯示器來顯示該色彩。這個過程中調用了三種LUT(Look up table)，分別是Lab到 sRGB、AdobeRGB 及P3RGB 的轉換表，也就是同一個Lab會被解釋成三種RGB的組合。如果你的顯示面板是P3面板，那麼P3 LUT 的RGB 數值會在你的面板顯示出正確的顏色，同理類推，如果是sRGB面板，那 sRGB LUT 的數值才會顯示正確的顏色。

這個頁面有多重的觀察行為：最主要的是，以一個週期60秒鐘呈現60個Lab樣本，依順時針色環顯示色彩的變化，讓對Lab色空間不熟悉的讀者可以體會一下ab色環的情境。

每一次色樣本變化，會顯示該樣本Lab值、該樣本的色角度、與其前一樣本的de00色差及3種LUT轉出來的RGB值。另一個錶面則呈現同一個色角度但 飽和度只有¼ 的色樣，同樣也有3個LUT的呈現。

Fig. 每一次色樣本變化，會顯示該樣本Lab值、該樣本的色角度、與其前一樣本的de00色差及3種LUT轉出來的RGB值。另一個錶面則呈現同一個色角度但飽和度只有¼ 的色樣，同樣也有3個LUT的呈現。

錶面的呈現呈三個色環，從外往內，分別是sRGB、AdobeRGB 與P3RGB 的RGB推動值，可以從這裡觀察出在那些色角度這三個色空間的差異。

Fig.  於L=67 三個色空間的ab圖，白色為P3，綠色為Adobe RGB，黃色為sRGB。可以看出Adobe RGB在綠色的色域最大，P3在橘色較大，藍色部分三個色空間都差不多。

Fig. 觀察8秒處，色角度42，三個色空間的色彩值有明顯差異。

Fig. 觀察51秒處，色角度144，三個色空間的色彩率有明顯差異。

Fig. 觀29秒處，色角度276，三個色空間的色彩幾乎無差異。

以上3個樣本觀察也呼應到3個 icc Profile的色域觀察。

以上，單一CIE Lab 時鐘頁面具備多方面的色彩管理概，花個一兩分鐘時間，經由不同樣本多重屬性的觀察，或許可以多體認到些什麼東西吧！

Spot color tools for Android

Android 特別色工具

之前寫了特別色上限下限的報告工具(參考 http://fredkuo.idv.tw/wordpress/?p=3681

)，工具的結構是由C#從藍牙光譜儀取得數據，由autoit 將數據丟到Server再由php解析數據形成報告並寫入資料庫。

這個工具用起來沒有問題，但既然已經有這個儀器在Android 上的 SDK，想說用手機來工作自然比在筆電工作要方便許多。

於是，寫了這個Android工具。Android 工具結構是由 java 調用SDK，以 JSON 方式將光譜數據POST到server；取用資料時是用 java 在背後執行Server 上 PHP 網頁，取得MySQL 資料後再由手機端 java 程式GET JSON 資料交由後續處理。

Fig. 工具主頁面分上傳、下載及儀器設定。

Fig. 特別色上下限測量及上傳頁面。

在這個介面填入公司碼、工號，測量上限、標準及下限樣本，按上傳後上述資訊會上傳Server形成報告，資料也會進資料庫供後續作業使用。

Fig. 資料上傳後於 php 網頁取得特別色上下限報告。

Fig. 下載標準頁面，填入公司碼及工號後按[下載標準]即可從server下載上下限色彩資料；然後量測運行中的樣本，若量測色彩值在上下限之內(依L值及Chrome 值判定)，則呈現綠色標示。

Fig. 若量測色彩值超出上下限則以紅色標示，另依L值及Chrome 值做出加減墨的指令；以上例，樣本的Chrome 值低於下限，因此呈現 + 號，表示要再加墨。

Fig. 若量測色彩值超出上下限則以紅色標示，另依L值及Chrome 值做出加減墨的指令；以上例，樣本的L值低於上限，因此呈現 – 號，表示要減墨。

由實體樣取得上下限的方式是一個很實際的做法，雖然CR30的絕對精度沒那麼好，以這種實體取樣、相對比對的工作邏輯是可以不用那麼在意絕對精度，這種做法在實際應用上沒有任何問題。

另一種特別色驗收方法是自訂色差，一般來講我都會說是三個色差，但飽和度加+ 3或是飽和度-3都是三個色差，整個批次差就可能到6，所以三個色差的說法其實並不合適，因為不夠精確。更好的說法會是與標準值不超過三， 批次差也不超過三，會是更清楚的規範。相較下來，上下限的做法會是最實際、最清楚的做法。

我還是把單一色差比對的工具做出來，內定值還是三，不過這個值是開放欄位，隨時都可以變更這個數字來做驗收規範。

Fig. 自定色差工具。同樣的，填入公司碼與工號，測量標準樣後上傳Server即可記錄標準樣數據。

Fig. PHP網頁呈現標準樣數據。

Fig. 填入公司碼與工號，自Server下載標準樣數據後對現行樣本測量，色差在3以內則呈綠色標示。

Fig. 可以隨時改變容差值，以上圖例，將容差改為2，當測量值超過兩個色差時即呈現紅色標示。

自定色差的操作給予生產者與驗收者一個彈性的緩衝，一樣可以經由談判取得一個數字去做驗收，而不是視覺及心情的感受。

用手機來操作確實也比筆電或是桌機來得方便許多；體積小、移動性強，沒有太多設定，隨時都可以拿出來操作，更多的來落實By Number的工作概念。

這邊還是要說明一下，這邊主要的工作還是建構工作方法，並不限定哪一個量測儀器，或是哪一個平台。只要能取得該儀器在該平台的SDK，PC、Mac、Android 、iOS，都可以納入我的工具架構。

Standardization. Off track.

標準化 脫軌

我做了很多工具，重點是 By Number。印刷標準化是一個很實際的應用，有清楚的目標值，經由工作程序當中的數據收集，對應出工作指令來達成最終的目標值。

我手邊的工作單位基本上走兩種標準化規格，Fogra39 或是 CRPC6。

走標準化的概念是，從客戶端稿件製作到最後印刷輸出，都遵循某一個規格，如前述的Fogra39 or CRPC6。

問題是，客戶端都有這個概念嗎？

以亞洲版的Photoshop，內定CMYK 設定是 Japan Color Coated。如果客戶端沒有認知到他的生產單位是以Fogra39或是CRPC6..其他不同規格的方式去生產，而沒有去做適當的軟體設定，那麼他對最終輸出色彩的預期將會有所落差。

在這裡要談的是，即使客戶端及生產端都已經認知有一致的色彩目標，我的生產單位是基於什麼樣的原因，讓我們偏離了標準化的軌道。

先簡單敘述一下標準化的工作程序：以CRPC6為例，客戶的影像稿從RGB轉成CRPC6 CMYK，然後生產單位依CRPC6規範生產，包括主色(CMYK) Lab值、版調值Tone Value、灰差、亮度差等等規範。

理論上這樣的工作程序沒有問題，但工作一陣子下來，業務端反應，為什麼膚色的地方有些時候會比較黑、比較髒。

與分色部門了解一下，說之前的分色是RGB轉成Japan Color CMYK， 好像沒有聽到這樣的反應，走了CRPC6的程序後才有這種反應。

分色部門找了一張圖來做演示，同一個取樣點，在AdobeRGB空間中的色彩定義是Lab 61,7,68。用Japan Color 分出來的CMYK 是36%,45%,100%,0%。用CRPC6 分出來的CMYK 為 0%,25%,100%,32%。

同樣都是要實現Lab 61,7,68 這個顏色，但分色出來的組合截然不同。

Fig. 客戶測試稿件，取樣1位置在AdobeRGB空間中的色彩定義是Lab 61,7,68。

Fig. 取樣1用Japan Color 分出來的CMYK 是36%,45%,100%,0%。

Fig. 取樣1用CRPC6 分出來的CMYK 為  0%,25%,100%,32%。

從這個條件去推演，Japan Color 在這個取樣點不會產生黑色，CRPC6則有K 32%。再來個劇本假設，如果黑色色座網點擴張太大，以Japan Color 分色那組在這個地方沒有任何影響，因為不含K成分，但CRPC6那組就會有明顯的影響，也就是業務口中的會變比較黑、比較髒的影響。

這個推論，應該就是問題所在了。簡單講就是Japan Color 與CRPC6分色邏輯不同所呈現的結果。

回到工作邏輯，如果印刷機是一個穩定的狀態，並不會造成問題，因為 CMYK 36,45,100,0 與0,25,100,32 都是呈現Lab 61,7,68這個色彩，所以沒有變黑變髒的問題。但如果機器不穩定，問題就出來了，CRPC6分色的問題是容易變黑變髒，Japan Color 的分色則是灰色平衡更不容易控制。這兩種分色沒有誰比較好的問題，只是問題的方式不一樣，終究的解決方案還是讓機器穩定。

對於這問題我還是提出了做法，也就是在CRPC6的基礎下重新組合黑色的分配，至於怎麼做倒是沒有一定的邏輯，簡單講就是在設定icc profile過程中關於總墨量及黑色形成的各種參數去trial and error 找出適合的設定。

Fig. 在設定icc profile過程中關於總墨量及黑色形成的各種參數去trial and error

同樣的取樣點，新 icc 分出來的CMYK組合是25%,39%,100%,5%。這個profile 已經放出去使用一個多月，還沒有收到不好的反應，看來這個單位會就這樣子一直用下去。

Fig. 取樣1用新 icc 分出來的CMYK組合是25%,39%,100%,5%。

如同上面提到的，終究的解決方法是讓機器穩定，但在平印機要讓機器穩定不是一件容易的事，這個方式只能是減緩問題，而不是根治問題，不過還是有其效益。

以上是一個印刷標準化脫離正常軌道的例子，再一個例子是一個走Fogra39的單位，因為乾燥背印的問題，我們也插入一段非官方的做法。

如上述，這次要解決的不是色彩的問題，而是印刷背印的問題。我們推論是乾燥的問題而導致背印的狀況。要處理乾燥問題，降低墨量是一種作法，於是我們先做出一個以Fogra39為基礎，但降低總墨量的profile。官方Fogra39的總墨量為330%，一連串的測試，我們把它降到280%，認為是一個視覺效果可以被接受的設定。

之後，就是做一個device link，將現行的CMYK link 到低墨量的profile 。

Fig. 同一個圖檔2號取樣點，分成CMYK後，總墨量為324%。

Fig. 同樣2號取樣點，Link 到新設定後，總墨量為261%。這樣的設定，省墨是一回事，重點是有效緩解背印的問題。

這個link已經放出去一年多了，實際上有減緩背印的問題，好像也沒有聽到不良的反應。這樣的做法其實會犧牲暗部細節的解釋，或許可以慶幸說，客戶對暗部細節的要求，還好而已。

這個案例也可以參考一下以下的連結。

http://fredkuo.idv.tw/wordpress/?p=3404

以上是兩個脫離標準化的案例，其實也不算是真的脫離標準化，只是犧牲一些細部的解釋來使得工作流程更為順暢，或是有更大的容錯；標準化作業流程的概念是沒有變的。

印刷標準化還是重要的基礎，而By Number則是應對所有狀況的基礎。

CT23 /25 on duty

同一畫作於同一部機器上下模生產，已查覺有少許視覺差異。以CT25導具檢視，上下模在C座的中間調有2%以上的差距。對國畫這種低彩度的作品，2%的中間調差距已足夠引起客戶的關注。

這個印件我們處理了很久，敏銳的業務很早就反應了上下模的問題，這個問題已經不是印前去修改CTP曲線所能解決的。機台的控墨可以處理左右不平均問題，但無法處理上下不平均的問題。爭議了一段時間，印刷部門始終沒有做有效的回應。

該是數據說話的時候了，做一個測試樣，以CT25 檢視上下兩模的數據，這個視覺的差異很清楚的用數據表示出來，這只能是印刷部門去處理了。

Fig. 讓數據說話，上下兩模在C50有明顯差異，Y25也有少許差異，這差異已經有明顯的視覺感受，這個不是修圖或是修CTP曲線能夠處理的。

最後，在評估機器整理的成本、時間，以及印工、紙張…等條件考慮下，該印件我們以只取上模的方式交件。

CT23/25 是一個既精簡又全面的工具，可以知道滿版狀態、可以知道中間調狀態、也可以知道灰平衡狀態。一方面呈現現有狀態的資訊，一方面也提供提升品質的工作指令。

這個工具有能力協助達成G7 Targeted，更重要的它可以是一個日常的工具，隨時檢測問題，隨時了解問題，隨時改進問題。

這一次CT25的使用，清楚的揭露上下模不平均的問，促使公司做出該有的回應。

實際線上的現場作業充滿了變數，能越快的掌握數據才能越快的回應問題。

工具本身的意義是快速的揭露資訊，至於後續怎麼去處理問題、回應問題，那就是各種考量、各種意圖，沒有一定要怎麼做。但數據一定要先出來，才能有後面怎麼做的決定。

Color data platform

印刷色彩數據平台

色彩的呈現在現今已經可以是清楚的數據表現，從螢幕到數位樣到印刷這一路上都可以收集到色彩數據，如果這個產業能夠一直維持這些色彩數據的收集，那這個產業又會是什麼的面貌呢?

Fig. CT23 印刷數據取用導具。

想要去收集這一系列的色彩數據一直會有兩個方向的思維。

一個是色彩內容的製作者他希望後續的印表機輸出到印刷機輸出都能夠符合他在螢幕之前的想像。

一個是印刷品的生產者，當他在控制自己的生產品質時，他也希望能夠知道客戶端也是在符合標準規範的規格下去製作顏色，以減少對最終產品認知差距。

這個需要從生產端到製作端能夠確實的掌握數據才能達成最有效率的生產製程。

要收集螢幕、數樣到印刷樣數據在現今的軟體硬體都不是太大的問題，問題是很少看到有單位真的做好確實的執行。沒有被執行可能的因素有很多，第一個是認知不夠，不管是生產端還是製作端，如果沒有色彩即數據的認知，自然不會有後續的執行產生。再來是，即使有認知，如果執行的成本過高，不論是建置成本上的，或是知識上的，還是技術操作上的；在認知上覺得這些精力、成本的投入不足以呈現實質的價值時，自然也不會持續投入執行。

最後，也是我一直談的，當色彩生產品質發生問題時，這一整個從稿件製作到印刷成品，哪個環節出了問題，有沒有一個職務單位或是個人去負責問題的處理與糾錯？這就是我所謂的系統人員，他能夠清楚的掌握各個環節的數據狀態，就因為產業界裡中沒有一個清楚的職務，才以致於在出錯時，業務端、印刷端、印前端、或者是設計端之間互推責任，無法確切的解決問題。

試想，這些問題在足夠的數據揭露下，其實可以很快地標示出問題的出處，也可以很快地把問題修正。

這些都是確實的數據收集所能帶出來的優勢。

了解到產業從業人員對於數據收集的認知不足，或是執行門檻過高以致於數據執行無法落實，我一直在開發更精簡的數據收集工作方法，看能不能有更多的人能夠願意去執行數據的工作。

我的工具發展，從一開始就有數據收集與匯整的概念，希望透過快速的數據收集工具來了解產業中色彩問題進而很快的處理問題。

數據的收集主要有四大類，分別是螢幕、印版、數位樣及印刷機。

Fig.  印刷作業-系統人員數據工具組合。

簡單的概念是，印刷標準化已經定下了色彩的目標值(Fogra39/CRPC6/Fogra51… )，我們只要隨時監看及盡可能保持螢幕、數位樣及印刷機的色彩值能符合標準化的規範，整個生產程序就能降低過程中色彩現象的差異，進而讓生產程序保持順暢。

工具的使用當然是力求精簡，以最少的動作，取得代表性的最少樣本，就能大致評估設備整體的色彩表現能力。

印刷工具組

從印刷機這端開始談起，在印刷機端，工具組主要有兩個，一個是CT10- 掃描10(Color Target 10 patches)：一個strip reading就可以讀取紙張、CMYK滿版、CMYK 50 %及灰平衡共10個色塊，可以很快地知道滿版的色度好不好？中間調網點擴張正不正常？灰平衡是否正確？ 這是去了解印刷系統最精簡的工具。

印刷機端如果能夠持續收集這些數據，可以知道印機變化的狀況，並可以隨時彌補印刷機不穩定的因數。在觀察數據的變動狀況時，可以很快的制定修補的策略：看是要動機器？動版？或是動影像檔案？總之，有了數據的依據，修補策略很容易被定義出來，然後依此策略繼續維持輸出品質的穩定。

Fig. CT10 單一取樣數據表現。

Fig. CT10 數據後台，每一次量測後台都有數據記錄，可以隨時追蹤當時的印機狀態。

第二個印刷機工具是CT23-掃描23，CT23的組合除了CT10的10個色塊之外，再加入了RGB、CMYK25%、CMYK75%、灰25%及灰75%13個色塊，總共23個色塊。

多的這些色塊可以用來評估二次色RGB的落點、階調評估增加了25% 及 75%的評估、灰平衡也多了25% 及75%的評估，能看到更完整的系統狀況。在補償策略也更精細，經由三點灰平衡補償邏輯， CT23工具有能力達成G7 Targeted的規範。

Fig. CT23 單一取樣數據表現。

Fig.  CT23 單一取樣圖像表現。

Fig. CT23 50%網點擴張及三點式灰平衡修正邏輯圖形表現。

Fig. CT23 單一印件數據歷程。

Fig. CT23 單一印件歷程 trend chart 。

第三個工具是CT88(22×4)，CT10及CT23都是單層導具，很容易在日常印件中佈置在紙邊執行。CT88是一個4層的導具，公司通常在每月例行檢測時才執行這個導具，所謂的22×4就是：紙張丶2%、5%、10％～90%、95%、100%共22格，CMYK 4個頻道都放，所以是22×4總共88個色塊。

這88個色塊用來更精確的紀錄(揭露)5%的版調數據，並依此數據對版調做更精細的調整。長期工作下來的經驗，每月一次的CT88數據調整補償足以維持機器長期的穩定輸出。

Fig. CT88 印刷版調數據表現。

Fig. CT88 印刷版調圖形表現。

Fig. CT88 後台資訊。

數位樣工具組

再下一組的工具是數位樣的監看，不管是Fogra PSO或是 Idealliance G7都有數位樣張的規範，規範的內容大同小異，不外乎主色要少於多少色差？總平均必須小於多少？最大必須小於多少？數位樣的工具在很多套裝工具應該也都具備，我把他納進來主要是讓這些數據都能夠進到資料庫中，可以集合起來做長期的追蹤評估。

數位樣工具有三個，第一個工具一樣是CT23，同樣的，CT23的三點灰平衡修正邏輯可以很快把數位樣的灰平衡帶回來；與G7 的Control strip 2013 (84格)及Fogra media wedge CMYK(72格)的驗收規則相比，我會更注重灰平衡是否到位。

其他兩個工具就是CT72 (24×3 Fogra media wedge)與CT84(28×3 Control strip 2013)。工作邏輯一模一樣，就看是走Fogra 或是 G7 系統而已。

Fig. Fogra Media Wedge CMYK V3 proof report.

Fig. Idealliance Control Strip 2013  proof report.

印版

印版通常變數不大，我還是建立了長期的數據系統，印版考慮的變數會有溫度、沖版時間、藥水更換時間等等，通常變化不大。長期的觀察紀錄一樣有助於印版的穩定。把印版穩定下來，也是有助於印刷機眾多變數的排除。

Fig.  印版數據監控。

在正常的工作程序，工作邏輯，印刷廠該做的是把印刷輸出數值顧好，一切 by number，成品好不好看的主觀評估應該是在設計端就定下來了，印刷廠只是負責把交付的色彩數據依標準化規格實現出來而已。印刷端與設計端之間的依據應該在數位樣，一旦數位樣的數字是符合規範的，只要設計端認可的數位樣，系統健全的印刷廠按標準操作下來，通常不會有太大的問題。

螢幕

一般印刷廠通常不會去在意設計端的螢幕顯示能力是否足夠，但業界還是會出現這樣的現象：印刷廠端會去設計端校正他們的螢幕，用意就是盡可能降低設計師在螢幕前的色彩認知與印刷廠不要有太大的差距。所以，一個所謂的印刷廠系統人員，現在除了要掌握場內的印刷及數位樣數據外，他還必須擴及到設計端螢幕色彩的掌握。

於是，我繼續開發了螢幕端的數據工具，照說螢幕的工具在現今的商業軟體都有支援，我開發工具的主要目的還是要求精簡，用最少的操作程序來取得基礎的數據評估。

Fig. 螢幕工具組。

目前螢幕工具主要分兩個項目，第一個是EM6(Emission for 6 patches)，這個工具很快地從螢幕收集R、G、B、White、Gray、Black 6個數據，這6個數據可以很快地知道顯示器的色域能力、相對色溫(白點)及Gamma 值。順道也比對是否落入sRGB、AdobeRGB或是P3的規格中。讓系統的人員可以很快地知道這個顯示器的能力，進而確定該怎麼設定那個螢幕的使用目的。比如說要做軟打樣，AdobeRGB是一個必須達到的規格、其次P3，如果是sRGB，就只能做到70%的準確度。這些資訊系統人員都必須掌握到才好跟他的上游有良好的溝通。

Fig.  從螢幕讀取六個基本色塊，很快的了解螢幕基本能力。

Fig. 6個基本色塊可以取得螢幕色域(面積)、Gamma、相對色溫（CCT)、亮度(cdm2,燭光米平方)。不是很細的資訊，但是可以做很快的參照。

Fig. EM6 後台資訊，可以很快知道哪些螢幕具備什麼樣的能力。

第二個工具是EM16，這個工具用來檢測該螢幕的軟體打樣能力，16個色塊分別是CMYRGB滿版（100%）、CMYRGB 70%、紙白、灰50%及黑色

總共16個色塊。根據這16個數據可以很快知道該螢幕的軟打樣能力。

Fig. EM16，用精簡16個色塊來了解軟打樣能力。

Fig. EM16 後台資訊，依單一分數很快的掌握每個螢幕的軟打樣能力。

以上，從印刷機、數位樣、印版到螢幕，一個系統人員如果能掌握到以上數據，整個印刷系統的運作就大概都能掌握到，當有色彩問題糾紛時，這些數據攤出來，很快就能找出問題，並處理問題。