一直以來，我以為調色是很難的，但看了書之後回過頭看卻發現：之前靠感覺調的色與書上講的大差不差。看來人類的審美差異並不大，即便野路子也能殊途同歸！
色彩空間#
彩色圖片可以看做是三種基本顏色 RGB 的有機混合，通行的色彩空間有很多，主要是以下三種：
- sRGB：色域最窄，但幾乎被應用在所有螢幕上
- CMYK：與一般色彩空間不同，用於打印
- Adobe RGB：色域最大，用於數碼攝影等專業級產品
色彩空間選取原則#
建議採取色域最大Adobe RGB，因為這樣可以儘可能多得保留信息（即使在螢幕上顯示不出來，但那也不代表它不存在）方法如下：
Ctrl+Shift+K打開顏色設置：設置工作空間 RGB 為 Adobe RGB (1988)；設置色彩管理方案為 “轉換為工作中的 RGB”；點擊確定。
調色#
調色基礎#
首先是顏色的三個屬性：
- 色調：反映圖片的整體印象
- 亮度：反映圖片的明暗程度
- 飽和度：反映圖片的鮮豔程度
這三者並不是獨立的參數，任何一個參數的獨立變化都會影響整體的印象，-
接下來是原色與補色。
原色是不能再分解的基本色，它們可以互相混合來組合成任何其他的顏色。亦即：紅色 Red、綠色 Green、藍色 Blue。
補色是一個概念，當兩個顏色可以互補形成中性的灰黑色時我們就會稱它們為一對互補色。
原色與其互補色是調色的基礎，在 PS 的 “色彩平衡” 中可以很清晰的看到：
紅色的互補色是青色，綠色是洋紅，藍色的則是黃色。
書中第 107 頁還有關於 RAW 的顏色較準的講解，由於我沒有可以生成 RAW 的設備，在此就不談了，大概就是在 ACR 軟體中用標準色卡來校正。
題外話#
在 Python 中，調整圖像的亮度，可以使用 opencv 的cv2.add, cv2.subtract,cv2.bitwise(加法，減法，反色) 函數。彩色圖像可以借助cv2.split，可以把圖像的各個色彩通道分離出來，再通過merge可以把通道合併，這裡以 “snail” 为例：
import cv2
import numpy as np
# 讀取snail圖像,並反色處理
img = cv2.imread("snail.jpeg")
bitwise = cv2.bitwise_not(img)
# 將原圖與反色後的圖像進行顏色分離
r1,g1,b1=cv2.split(bitwise)
r2,g2,b2=cv2.split(img)
# 合併顏色通道，有多種6*6*6種搭配
m= cv2.merge([r1,g1,b1])
cv2.imshow("Merge",m)
cv2.waitKey(0)
cv2.destroyAllWindows()
具體效果可見(爛尾文章) 圖像處理 - 基礎
調色原則#
根據互補色很容易得到這樣的技巧：
- 如果照片偏紅色，就增加青色，如果照片偏青色，就增加紅色。
- 如果照片偏洋紅色，就增加綠色。如果照片偏綠色，就增加洋紅色。
- 如果照片偏黃色，就增加藍色，如果照片偏藍色，就增加黃色。
這樣就能增加顏色的互補，進行色彩的校準。
應用・色彩平衡工具#
色彩平衡主要可以調節中間調、陰影、高光三個部分的色彩。這裡舉個例子：
這張圖片是在去年冬天在野外的一個小池塘裡照的，想要模仿出來黃石虹彩溫泉的效果。
- 照片整體有點顯得偏藍，就在中間色調中調節藍 —— 黃滑塊，來降低藍色：
- 陰影處有點偏綠，那就往洋紅上調點：
- 高光處不夠紅，再加一點紅：
看起來好點了。
但是色彩平衡只能調節整體的色調，並不能調節局部。下面我們就用曲線來更加深入的調整一下。
應用・曲線工具與色相 / 飽和度工具#
如果在 PhotoShop 中只選擇一個工具，那麼毫無疑問一定會選擇 "曲線"。因為 “曲線” 不僅可以用來精細調節照片亮度、對比度，修復偏色、製作各種色調效果。“曲線” 也可以製作黑白、低飽和效果、高飽和、低調、高調、高反差、低反差效果。通過配合圖層蒙版做暗角、修復 “死白” 的天空、完成色調分離、複雜選區、精細抠圖、精細磨皮等。
—— 陳建強《PhotoShop 後期強：數碼攝影後期完全寶典》
操作細節太繁瑣，不想記錄😖，主要就是用曲線中的 “抓手工具” 來進行局部的調整：
再用色相 / 飽和度工具進行色彩的加深、變淡，配合畫筆進行局部的調整：
最後合併可見圖層，保存之。調色的最終效果如下：