Посмотрим, что при этом произойдет (илл. 17.6).
Илл. 17. 6
Изображение действительно стало светлее и контрастнее, но цвет лиц, на мой взгляд, получился слишком красным. Почему это произошло? Внимательно посмотрите на гистограмму лица мальчика в исходной фотографии (илл. 17.7).
Илл. 17. 7
Обратите внимание на то, как распределяется информация по цветовым каналам в первоначальной картинке. Как видите, вклад красной составляющей в цвет данной области значительно больше, чем двух других. А применяем мы ко всем каналам одну и ту же кривую, так как работа ведется в пространстве RGB, где светлотой и контрастом управляет композитная RGB-кривая.
В итоге приведенная форма кривой перераспределяет светлотную информацию внутри каждого канала. Гистограмма красного канала показывает довольно сильный сдвиг вправо. В зеленом этот сдвиг значительно меньше, в синем минимален. То есть уже на этом этапе, еще до повышения контраста, цвет был избыточно красным. Это и есть проявление некорректной работы с балансом белого. Далее при повышении контраста этот исходный разбаланс мы делаем еще более заметным.
Результат – избыточно красные лица, которые, полагаю, многим из вас хорошо знакомы. По этой же причине часто приходиться сталкиваться с излишне фиолетовыми тенями и другими чисто техническими проблемами цвета.
Казалось бы, напрашивается решение – применять светлотно-контрастные преобразования к каналу L из Lab или в режиме наложения Luminocity. Посмотрим, что бы из этого вышло в нашем примере. Для этого просто изменим режим наложения слоя Curves (илл. 17.5) с Normal на Luminocity. Сравните результат (илл. 17.8) с тем, который получается при аналогичной операции, но в режиме наложения Normal (илл. 17.6).
Илл. 17. 8
Как видите, лица в таком варианте получаются светлее и контрастнее, но остаются шоколадно-загорелыми, а не красно-обожженными. Такой результат я бы отнес к более удачному. Однако на самом деле это не решает проблему.
Во-первых, проблема не в композитной RGB-кривой как таковой (как часто принято полагать), а в цвете, который получен до ее применения. Во-вторых, при работе в Lab могут возникнуть определенные и достаточно серьезные трудности, связанные с тем, что в этом пространстве при манипуляциях со светлотой не изменяется цветовая насыщенность, что, как мы уже знаем, не соответствует восприятию человека.
В приведенном выше примере минимизация насыщенности красного цвета сработала на руку, так как цвет лиц был изначально слишком красным. Но в общем виде повышение контраста без повышения насыщенности будет доставлять куда больше проблем, чем приближать нас к хорошему результату. При повышении контраста исходно малоконтрастного изображения с помощью L-кривой, картинка будет всегда оставаться достаточно бледной. Для повышения насыщенности придется применять соответствующие инструменты, что в итоге неизбежно будет приводить к плохо сбалансированным цветовым решениям. Как мы уже знаем из первых глав, работа с цветовой насыщенностью в обход светлоты – это ложный путь в поиске гармоничного результата.
Казалось бы, другой очевидный выход – дать пользователю возможность управлять поканальными кривыми и индивидуально для каждого файла регулировать цветовые установки. Более того, такая возможность реализована, например, в Apple Aperture и Capture One, а также с недавних пор в Adobe Camera Raw и Lightroom. Однако и это не решает проблемы, так как управлять светлотой и контрастом фотографии через поканальные кривые еще сложнее. Попробуйте себе представить, что для каждой фотографии вам придется вручную настраивать все три кривые RGB. Это не только трудоемко, но и неизбежно будет уводить нас от стабильного результата в рамках серии фотографий. Работа с поканальными кривыми – попытка борьбы с плесенью, а не с сыростью. Это еще один дополнительный инструмент, который преподносится разработчиками как новая возможность, фактически же является попыткой поставить заплатку на проблемные места.
2. Отказ от качества Raw-конвертации в угоду скорости
Согласно опросу, проведенному мною в своем блоге относительно Raw-конвертеров, в котором приняло участие 1700 фотографов, порядка 60 % пользователей предпочитают Adobe Camera Raw и Adobe Photoshop Lightroom, 15 % – «родные» конвертеры производителей фотокамер, около 6,5 % – RPP, 6 % – Phase One Capture One, 3,5 % – Apple Aperture и примерно 5 % – с десяток малоизвестных. Почти все они, кроме RPP и, может быть, Apple Aperture, используют при вычислениях целочисленные математические операции. Что это такое?
Любые параметры, которые мы задаем в процессе конвертации с помощью ползунков, вводимых чисел или кривой, так или иначе сводятся к определенным математическим операциям. Целочисленная математика отбрасывает в результате расчетов все цифры после запятой. В такой математике, например, 5:2 = 2. Математика же с плавающей точкой дает другой ответ: 5:2 = 2,5.
Насколько важна эта точность, учитывая, что в основном работа идет с большими числами, а конвертеры используют различные ухищрения, позволяющие в некоторой степени повысить точность математических операций?
Во-первых, математических операций в процессе конвертации происходит множество, ошибки накапливаются и накладываются друг на друга.
Во-вторых, для восприятия человека значительно важнее теневой диапазон, который в силу меньшего количества используемых бит характеризуется меньшими числовыми значениями. Например, самая светлая точка в 12-битном представлении имеет значение 4096 уровней. Но уже 8-битное число, которым описываются более темные тона, соответствует всего лишь 256 уровням. То есть в тенях ошибка всегда будет больше, к тому же она будет заметнее глазу. Подобные ошибки, в частности, могут проявляться в снижении детализации и повышении уровня шума.
В-третьих, точность математических операций оказывается особенно важной для любых цветовых преобразований. Именно она определяет, в частности, плавность градиентных переходов и нередко является причиной постеризации (эффекта «небо ступеньками»).
