2022年十二生肖圖表波色
在你選購手機、電腦、電視或觀看各式各樣和屏幕有關的測評時，應該都能看到類似這樣的介紹：
這塊屏幕達到了 95% 的 sRGB 覆蓋。
一般消費者看到這句話可能會覺得這塊屏幕的色彩很準，但可能說不上原因；對數碼產品略有了解的朋友此時也許還會想到「Display-P3 的覆蓋會大于 sRGB」；而選購電視、看到.709 、.2022 、YCbCr 4:2:2 這類術語而不是熟悉的 Display-P3、sRGB 時，大部分人可能就更會發懵了。
電視機上的色彩空間
所以在這篇 中，我將帶大家一步步理清數字世界中色彩的有關概念，包括色彩模型、色彩空間以及，讓大家日后在消費電子產品中看到相關宣傳時能夠「心里有譜」，也希望能為后續常見色彩空間和色彩編碼方式的內容打下基礎。
用數學定義顏色用模型描述色彩
現實世界中人眼能看到的顏色數量上限是 1000 萬種，更多的色彩細節人眼雖不能區分，當被大腦處理后仍然會反饋給你一種「色彩更加豐富」的觀感。那在數字世界中我們又該如何科學且正確地將這些色彩一一準確描述呢？
其實并不復雜，我們首先要定義的是顏色如何生成。
舉個簡單的例子：我們都知道光的三原色是紅（Red）、綠（Green）、藍（Blue），那麼通過對 R、G、B 三個值進行分別賦值、組合，就能實現用三個數字代表某種顏色的目標。通過 RGB 共同描述色彩的數學模型就可以被稱作是一個色彩模型（Color model）。
用 RGB 三個數值來描述「少數派」紅
根據人眼視錐對長（L, 560-580nm）、中（M, 530-540nm）、短（S, 420-440nm）三種波長的光這一特性，與之類似的還有 LMS 模型；除此之外我們在日常生活一般還會用更加直觀的方式來描述色彩，比如「這是什麼顏色、深淺如何、明亮還是暗淡」，與之對應的則是色相（Hue）、飽和度（Saturation）和亮度（Lightness），因此除了 RGB、LMS 之外，還有更合我們對顏色直觀感受的 HSL 模型。
這些色彩模型定義了顏色的生成方式，大家需要知道的是：
不同色彩模型下、不同描述方式所對應的可能是同一種顏色，只是描述它們的手段有差異因為這個原因，模型和模型之間可以借助算法互相轉換把顏色放進色彩空間
色彩空間解釋起來稍微有點復雜，但是我們可以拿剛剛提到的 RGB 色彩模型接著來說。
我們不妨把紅色 (R) 放在 X 軸上，綠色 (G) 放在 Y 軸上，藍色 (B) 放在 Z 軸上，三軸就可以在空間里畫出一個立方體，每個顏色在立方體中有獨一無二的位置，那麼這個立方體就叫色彩空間 （Color space）。
色彩空間就是這樣的立方體，每個顏有自己的位置
色彩空間既可以用數學進行嚴謹定義，比如 sRGB、 Adobe RGB 等；也可以像彩通系統一樣，只挑選幾組顏色，構成特殊的色彩空間。
色彩空間也是有密度的，也就是我們日常生活里常說的顏色深度；顏色深度越大，同一色彩空間里可供選擇的顏色也就越多，色彩過渡就會越。放在上面的立方體坐標系中，你可以理解為每個方向上的坐標點更多、可以取到值更多，取值點之間的間隔也可以更小。
具體到實際設備，目前大部分的設備都可以實現紅綠藍每個通道有 8 位（8bit）或是 256 色級，而更高端的顯示器可以實現 10 位、甚至 12 位的顏色深度。
8bit 和 10bit 色彩模擬
這里的「位/bit」又是什麼意思？我們不妨拿 8bit 的 RGB 色彩空間來更深入地展開解釋色彩空間（這部分需要一點點初中數學的基礎知識，如果難以理解可以暫時性跳過這一部分）。
在 8bit 的 RGB 色彩空間中，R、G、B 每個元素都有 8 位數字，每位數字都是二進制（0 和 1）。但是我們日常生活里更常用的是十進制，將 8 位二進制所有可能取到的值轉換為十進制后，我們可以給 R、G、B 賦值的十進制范圍就變成了整數范圍的 0~255，也就是 2^8=256 個值。
這時我們再把最紅的紅色 (255,0,0) 放在 X 軸上，最綠的綠色 (0,255,0) 放在 Y 軸上，最藍的藍色 (0,0,255) 放在 Z 軸上，就可以畫出一個邊長是 255 的彩色立方體，這個立方體依然是色彩空間。但此時如果我們在三個坐標分別賦予不同的值，紅色、綠色和藍色不同程度組合最終能夠形成的顏色變成了 255255255=16581375 種。
深入了解色彩空間
最后，上面提到的最紅的紅色、最綠的綠色和最藍的藍色其實分別對應了色彩空間中的原色，原色和白點、馬一起構成了色彩空間中最重要的三個元素，也是后續能被正確還原的重要保證。我們將在后文詳細介紹白點和馬。
用表示色彩范圍
色彩空間只定義了如何實現這些顏色。但我們有了色彩模型（顏色如何生成），以及色彩空間（通過何種實現它們），并不意味著所有的色彩空間都能拿來用：一方面不同設備能能夠還原的色彩空間各不相同，另外一方面每個人都可以定義的色彩空間沒有任何的使用價值，并不適合各種通用的場景。
不同設備能覆蓋的色彩空間各不相同（ Adobe）
所以我們還需要通過（Gamut）限定了一個更具體的范圍，進而來區分這些差別并協調各個設備之間可以通用的顏色。
是立體的，為了方便簡化為二維的
最簡單展示的方式就是通過圖表，一般我們常用的是照明會 (CIE) 制定的 XYZ 表色系統色度圖，也就是上圖左側這樣的 3D 圖表展示出來。而為了更易于理解，我們還可以直接「拍扁」，在二維平面，也就是通過 XYZ 表色系統的 XY 色度圖展示出更直觀的范圍，也更方便我們比較。
通過的定義我們自然就能明白為什麼廠商利用 NTSC 宣傳屏幕是個很不靠譜的行為了：NTSC 是美國電視標準會在 1953 年訂制的標準，是針對那時的 CRT 彩色電視定制一套標準，并不適用于現代顯示器；可以說夸張一點，你不能指望 1953 年的彩電可以和現代 OLED 還原出相同的顏色，即使用的是顏色模型和相同的色彩空間，這也是它們分別使用不同的原因。
很多無良廠商給出的 72% NTSC=100% sRGB 等式其實也是錯誤的，因為實際上是 3D 的，不可能所有的 72% NTSC 都剛剛好覆蓋了 100% sRGB。事實上現在無論是內容錄制、剪輯還是輸出，都會采用 RGB 色彩模型下的，幾乎沒人還會看到以 NTSC 為標準的內容，所以用 NTSC 來評價一個屏幕能顯示的顏色，對于消費者來說是沒有任何直觀價值的。
所有這樣像是一個「倒 U 形」的范圍都是人眼可見范圍
為了能更直觀地表示之間的大小，我們還可以把人裸眼可見的顏色范圍也畫到圖上，即如上圖一樣一個倒 U 形范圍，最后把具體的放上去，就能更為直觀的比較這個大不大了。
用白色錨定標準
白點是色彩空間重要的組成部分，白點會定義圖像捕捉、編碼、再現時的白色，告訴我們色彩空間里什麼樣的一組數據才是真的白色。為了讓屏幕呈現出來的顏色盡可能貼近日光下看到物體的顏色，我們一般直接選取日光在不同條件下的色溫作為色彩空間的白點。
那麼什麼是色溫？
一個典型的高溫發光場景（ 互聯 ）
當一個金屬被加熱時它就會發光，隨著溫度升高，會呈現出現更亮的紅色、橙色、白色最后慢慢變成藍色。雖然亮度因材料不同而不同，但對所有材料（需要注意人造光源不適用）來說，發光呈現的色彩一般只取決于溫度。比如鎢絲被電流加熱到高溫時發出的光和熱，經過測量色溫接近 3200K。
常見的色溫所代表的溫度
值得注意的是，由于地球大氣層的吸收和散射，地球表面的太陽光譜也會根據一天中的時間和天氣條件而有所改變：在一個晴朗的日子里， 太陽的直射光將貢獻出主要的、定向的照明，所以看起來會更加溫暖；而在一個寒冷的、有霜的早晨，主要由周圍環境提供反射和散射照明的時候，此時的藍色光反而不是因為高溫產生的，和直覺恰好相反。
我們的眼睛能適應不同的照明亮度（太陽和月亮），也能適應不同的色溫。一個不發光的物體（如一張紙）如果對所有顏色（可見光波長）的反射率大致相同，客觀上就能被認為是「白色」，并且在任何光照下我們都認為它是白色的；但印刷在這張白紙上的顏色則會給人不一樣的感覺，比如下面這張圖，我們雖然知道左右兩側展示的都是同樣的顏色，但是它們帶給人的實際觀感卻是截然不同的。
模擬 D55 （左）和 D65 （右）帶來不同的色彩感覺
為了 100% 還原顏色和顏色的實際觀感，我們還需要在色彩空間里設定一個目標白色，通過這個精準的白點能夠精確正確的色彩狀況：在色彩空間里應用最廣泛的 D65 就是太陽正午時陽光的色溫，而印刷 D55 就是上午或午后時陽光的色溫。
用編碼保證觀感
同樣的色彩在不同的環境光、哪怕是相似的明暗環境下，也能給人帶來不同的視覺觀感。
不同環境光的影響有多大？可以看下面這張圖：明明是三個一模一樣的色塊，在明暗不同的背景上，呈現的視覺觀感迥異。這種現象叫做（Simultaneous Contrast Effect）。
模擬明亮和昏暗環境帶來不同的明暗感
究其原因，人眼和傳感器在色彩度上有著本質的不同。相機傳感器是線性的，有多少光就會照射就會讓畫面變亮多少；人眼則是非線性的，在接收到同樣的之后，有的人可能還是會感覺不夠亮。
此外，人眼也有著極為廣闊的感光范圍。我們同時需要在環境較弱的夜晚和環境明亮的正午分辨物體，因此人眼可感知的亮度范圍為 10^-2 到 10^6 之間（這里的單位是 cd/m^2，大家更常見到的說法是 nit），可感受范圍達 10^8。而常見光源的亮度如下圖：
常見光源的亮度， 知乎用戶 @如云般飄過
最后人眼對光的感光性也是有強弱變化并且有適應性的：晚上在房間里開著燈會感覺燈泡很亮，白天陽光照在房間里時同樣一盞燈打開后就感覺沒有那麼亮了；晚上走進一間漆黑的房間，剛開燈時候會覺得燈光刺眼，但只需要一會兒就能適應燈光了。
這些例子都說明，人眼對亮度變化的反應其實是一個近似 log 的函數：整體亮度較暗時，更能發現亮度的變化，而整體亮度較亮時對亮度變化的感知就相對變得不那麼了。
一個 log 函數
經過實驗，科學家還發現我們通過人眼想要發現一個物體比周圍物體亮，還需要滿足這個物體的亮度需要比周圍物體亮 1%。所以如果我們均勻劃分亮度，能明顯感覺到暗部亮度變化不足，而亮部變化又太豐富，不合我們人眼對暗部亮度變化更加靈敏的特性。
均勻劃分亮度反而導致看起來并不連續， UNDERSTANDING GAMMA CORRECTION
顯然，在不同觀看條件下，數字世界里的色彩也會呈現不同的觀感。
這里就要引入計算機剛剛普及時候我們一直使用的「大」CRT 顯示器了。CRT 顯示器內部的陰極射線管把負責電能轉化成光能，而陰極射線管的工作原理決定了它的輸入電壓和輸出亮度也是非線性關系：
I：輸出亮度，V: 輸入電壓， γ：天然屬性 Gamma
輸入的電壓和屏幕亮度的關系
I 是屏幕呈現的亮度，V 是輸入的電壓，不同顯示器的 γ 值（也就是我們常說的 Gamma）各有不同，基本在 2.0~3.0 之間。這條很像冪函數的曲線，可以在較低的電壓時讓亮度變化更明顯，而在較高的電壓讓亮度變化變得不明顯起來，完美合了人眼的視覺特性——可以說是一條神奇的曲線。
引入 Gamma 曲線以后灰階過渡更加， UNDERSTANDING GAMMA CORRECTION
自然而然地，要想讓不同亮度下的色彩變化更加合人眼視覺特性，我們不妨將上面這種曲線引入到亮度劃分上來，通過一定 Gamma 編碼來讓亮度劃分從視覺上變得更均勻，層次也更多。此外這種方式還能利用更少的色彩，讓文件變得更加節省空間，減少電視、和的工藝難度，可謂一舉多得。
但是 Gamma 值隨便定義是沒有用的。為了讓 CRT 顯示器的畫面完美再現所拍攝物體的亮度和顏色，我們需要在色彩空間里定義 Gamma 值。
正確定義的 Gamma 才能夠正確還原顏色， UNDERSTANDING GAMMA CORRECTION
最后，只有 CRT 顯示器天然具備 Gamma 曲線，其他設備比如打印機、液晶顯示器都是通過內置電路或驅動模擬 Gamma 曲線，這也為我們未來校準顏色打下基礎。
擴展：認識常見色彩空間和編碼
上面介紹完那麼多理論和為什麼要有它們進行了詳細的解釋，這能很好的幫助我們理解下文和未來的內容。在接下來的 中，我將主要介紹常見的色彩空間和色彩編碼方式。
RGB 色彩模型
RGB 色彩模型是我們目前日常生活里最常用的模型，無論屏幕顯示、相機捕獲還是掃描儀掃描都會用到。
sRGB 是我們目前最常用的色彩空間
其中我們接觸的最多的就是惠普與微軟于 1996 年一起的用于顯示器、因特 的一種標準 RGB 色彩空間，即 sRGB。這種標準得到了 W3C、Exif、英特爾、Pantone、Corel 以及其它許多業界廠商的支持，是目前最廣泛使用的色彩空間。
事實上，我們現在甚至可以把任何不帶色彩空間的圖片當作 sRGB 進行處理，即便對于人類可感知到的色彩來說，sRGB 的真的小得可憐。
sRGB 除了定義了 sRGB ，也定義了 D65 的屏幕白點，Gamma 為 2.2；同時 sRGB 是建議在明亮的室內使用的。
Adobe RGB 能覆蓋更全面的打印色
當然，且不說人眼，sRGB 甚至不能完整覆蓋打印時候常用的 CMYK 色彩空間。所以 Adobe 在 1998 年針對性地了 Adobe RGB 色彩空間，馬和屏幕白點和 sRGB 一致。Adobe RGB 不僅覆蓋了完整的 CMYK 色彩空間，還額外覆蓋了更多的藍色、青色以及綠色，這使得數碼相機在記錄天空、花草方面能記錄更多細節，也能在后期時提供更大的自由度。
Display P3 讓我們能看到更多的紅色
而目前在蘋果設備上已經完全普及的 Display P3 則是另外一個色彩空間 DCI-P3 演變而來。和 DCI-P3 不同的是，Display P3 使用和 sRGB 一樣的白點和轉換曲線，因為 DCI-P3 原本用于數字，適用于昏暗的室內，所以 Gamma 定義為 2.6，色溫則在 6300K，不適合用于明亮的環境。
Display P3 相比 Adobe RGB 在犧牲了一點青色的基礎上額外拓展了紅色和綠色，所以 P3 也能更好地滿足人類的視覺體驗。
編碼色彩空間
編碼色彩空間在日常生活里也用得非常廣泛，最常見的就是 YUV 編碼色彩空間，其中 Y 代表著亮度值、UV 代表著色差。
U、V 色差分別代表了什麼， Wikipedia
YUV 色彩編碼的誕生很大程度上是和曾經的黑白電視機有關，工程師們想要在兼容黑白電視的基礎上添加顏色，而恰好由于人眼的特性：比起顏色的色相和飽和度，人眼會對亮度更加，而且 Y 代表的亮度值也可以直接由黑白電視所呈現。
而 U、V 這樣的色差信號可以讓設備以一種犧牲顏色或讓特定顏色產生一移的代價，讓另外一種顏色更飽和。U、V 的絕對值越高，顏色越飽和；越趨近于零，顏色越灰。
此外通過 YUV 色彩編碼和人眼對顏色不的特點，我們可以有選擇的抽走一部分顏色，進而可以有效節約帶寬，這就是抽樣系統。色度抽樣一般都會采用 J:a:b 這樣的三分比值表示：
J：水向上的抽樣，概念上區域的寬度，通常為4。a：在 J 個像素之一行中的色度抽樣數目b： 在 J 個像素第二行中的額外色度抽樣數目
不同類型的色度抽樣，僅給出理論上的示例，沒有任何色度過濾措施，即沒有防止重影的措施。
可以看到我們日常生活里最常用的 YUV 420，可以在僅用相對于一半的完整 RGB 就能還原出相近的色彩；可以在保證人眼看起來不變的同時，節省存儲和帶寬的開支。所以 YUV 的編碼方式非常適合現代流媒體傳輸、照片分享以及存儲，當然有的時候系統或者軟件的 bug 可能會讓圖片 越傳越綠。
最后，YUV 還有不同的變種，比如和 YUV 一樣用在模擬信號彩色電視中的 Y’UV、YIQ，用在數字、圖像的壓縮和傳輸的 YCbCr、YPbPr 等等，它們相似但不完全相同。
ITU-R Recommendation
除了上面提到的兩個大類，我們日常生活里還能見到類似于.601（Rec.601）、.709（Rec.709） 或是.2022 （Rec.2022 ） 這樣的名詞，這些都是由（ITU）在1990年發布的各類數字標準。它們不僅會規定色彩空間有多大，還會進一步對畫面的分辨率、幀速率、捕獲編碼分發等方式做出要求。
.601 和.709 覆蓋范圍相似，但不完全相同
可以看到，相比于現在使用最多的.709 數字電視標準，面向未來的超數字電視標準.2022 覆蓋人眼可見的面積更大，因此在實際觀看時我們會發現使用.2022 的內容（一般是 HDR 內容）總能夠呈現出更豐富的色彩。
回到 開頭的圖片，我們經常還會看到把 sRGB 和.709 連在一起用的情況，這是因為 sRGB 就是從.709 衍生出來的，它們的覆蓋是完全相同的。二者的不同點類似 DCI-P3 與 Display P3，主要在于適用環境和定義的 Gamma 值：sRGB 采用的 Gamma=2.2 適用于較為明亮的室內，比如辦公室；而.709 采用的 Gamma=2.4 則更適合昏暗的室內，比如昏暗的客廳和。
以上就是這篇 的全部內容了，希望它能夠幫助你更好地理解色彩空間、這樣復雜的概念，也能讓你更好、更科學地了解我們日常生活里會接觸到的各類名詞，為即將到來的后續內容提前做好準備。
以上就是與2022年十二生肖圖表波色相關內容，是關于色彩空間的分享。看完十二生肖號碼表后，希望這對大家有所幫助！
