攝影師調色必看｜色域｜色彩空間｜色彩模式｜

攝影師在修圖時，最怕的就是螢幕上看起來完美，結果輸出後顏色跑掉。不管是要上傳到網路、交給客戶，還是印成實體照片，顏色準不準都超級重要。這時候，懂得色彩空間、顯示器特性，甚至印刷標準，就變得關鍵了。這篇文章會帶你搞懂 CIE 1931 色彩空間為什麼重要，還有 RGB、sRGB、Adobe RGB、CMYK、HSV、Lab 這些色彩模式的區別，讓你在修圖時可以避開色彩地雷，確保輸出不翻車！我們也會聊聊 8-bit、10-bit、12-bit 色深對照片細節的影響，幫助你選擇最適合的顯示器和輸出方式。讓你的照片，不管在哪個螢幕或印刷上，都能保持應有的水準！

—————————CIE 1931————————— 1️⃣首先介紹CIE 1931 色彩空間是第一個基於人類視覺感知的色彩標準，由國際照明委員會（CIE, Commission Internationale de l'Éclairage）在 1931 年制定，主要目的是提供設備無關（Device-Independent）的顏色測量方法，使得不同顯示設備和印刷系統之間可以更準確地轉換顏色。

上圖示CIE xy 色度圖是從 XYZ 色彩空間衍生出的二維圖表，用來表示顏色的「色相（Hue）」與「飽和度（Saturation）」，不考慮亮度（L），我們主要探討色域所以先不考慮亮度。名詞介紹 📌Gamma 曲線（Gamma Curve）: Gamma 是影像輸出（如顯示器、相機）對輸入信號的非線性亮度調整曲線，因為人眼對亮度變化的感知是非線性的，對於暗部細節較敏感，對亮部變化較不敏感，所以Gamma 修正（Gamma Correction）透過數學函數對亮度進行調整，使螢幕呈現的顏色更接近人眼感知。 Gamma 值通常介於 1.8 ~ 2.4，不同顯示標準有不同的 Gamma 設定： sRGB：Gamma 約 2.2 Adobe RGB：Gamma 約 2.2 Apple Gamma（舊 Mac 顯示器）：Gamma 約 1.8 電影與影像標準（Rec. 709, DCI-P3）：Gamma 約 2.4 低 Gamma（如 1.8）：顏色較亮、對比較低，適合印刷或 Mac 系統使用。高 Gamma（如 2.4）：顏色較深、對比較高，適合電影或專業顯示器。 📌色域（Color Gamut）: 色域是設備（顯示器、印刷機、相機）能夠呈現的顏色範圍，通常以 CIE 1931 xy 色度圖表示。不同色彩標準（sRGB、Adobe RGB、DCI-P3、Rec. 2020）對應不同的色域範圍。 sRGB 約覆蓋CIE 1931 35% Adobe RGB 約覆蓋CIE 1931 50% 📌D65 白點（D65 White Point）: D65 是 CIE 定義的標準日光白點（Standard Illuminant D65），對應於 6504K 色溫。色溫（Kelvin, K）代表光的冷暖：低色溫（如 3000K） → 偏黃暖光（燈泡光）。高色溫（如 9000K） → 偏藍冷光（陰天光）。 D65（6504K）是介於暖光與冷光之間的標準白光，適合標準顯示器與色彩管理。 D65 在sRGB、Adobe RGB、DCI-P3：都使用 D65 作為標準白點，確保顯示設備與影像色彩一致。而印刷（CMYK）：常使用 D50（5000K）作為標準白點，以適應紙張反射光。

——————————RGB—————————— 2️⃣RGB（紅綠藍）一種加色模型（Additive Color Model），主要用於顯示器、LED 和數位影像，三個基色（R、G、B）混合後可形成不同的顏色，當三者全開時產生白色，由於不同設備的 RGB 色域可能不同，未經標準化的 RGB 顏色在不同設備上可能顯示不同。

📌位元? 8 位元（8-bit per channel）：0~255 範圍：每個顏色通道（R、G、B）使用 8-bit（2⁸ = 256 種數值），即 0~255。應用：數位影像（JPG、PNG）。標準 RGB 色彩空間（sRGB、Adobe RGB）通常使用 8-bit 編碼。顏色定義格式： RGB(255, 0, 0) → 純紅色 RGB(0, 255, 0) → 純綠色 RGB(0, 0, 255) → 純藍色 RGB(0, 0, 0) → 黑色 RGB(255, 255, 255) → 白色

📌所以用一個簡單乘法可以知道8 bit總共可以表示16,777,216（約 1677 萬種顏色）

以此類推10-bit、12-bit、16-bit per channel（HDR 影像、專業影像處理） 10-bit（0~1023） → 比 8-bit 更高的顏色細節，適用於 HDR 顯示器與專業影片製作。 12-bit（0~4095） → 更大的色深範圍，適用於高端相機與影像處理。 16-bit（0~65535） → RAW 檔案、專業影像編輯（如 Photoshop 16-bit 模式）。 10-bit color 1,073,741,824（約 10 億種） 12-bit color 68,719,476,736（約 687 億種） 16-bit color 281,474,976,710,656（約 28 兆種）

一般使用者的螢幕與人眼難以區分 8-bit 與更高色深的差異，但在專業影像處理與 HDR 環境下，較高色深可以提供更細膩的色彩變化與更大的動態範圍。

—————————sRGB—————————— 3️⃣sRGB（標準RGB） sRGB 是一種標準化的 RGB 色彩空間，以 D65（6504K）白點為基準，主要用於數位顯示器、網頁和攝影領域，由紅（Red）、綠（Green）、藍（Blue）三種基色混合來表示顏色。 sRGB 具有特定的 gamma 曲線和色域，確保不同設備顯示的顏色一致。 RGB 色域覆蓋約 35% CIE 1931 色彩空間 Gamma 值：接近 2.2，但實際上是非線性 gamma 曲線（低亮度時 γ ≈ 1.0，高亮度時 γ ≈ 2.2）

✅ 全球標準：適用於所有顯示器、網頁、數位相機，確保顏色一致。 ✅ 色彩管理簡單：大多數軟體（如 Photoshop、瀏覽器）預設使用 sRGB，不易出錯。 ✅ 高相容性：適用於 Windows、macOS、Android、iOS 及網頁設計（HTML/CSS）。 ✅ 適合數位顯示：顏色在大多數螢幕上顯示準確，不需要額外色彩校正。 ❌ 色域較小：無法表現 Adobe RGB、DCI-P3、Rec. 2020 中更鮮豔的顏色，特別是綠色和藍色。 ❌ 不適合印刷：印刷通常使用 CMYK 或 Adobe RGB，sRGB 轉換到 CMYK 可能會失真。 ❌ 不適用於 HDR：HDR 需要更廣色域（如 Rec. 2020、DCI-P3），sRGB 無法完整呈現高動態範圍影像。

—————————Adobe RGB——————— 4️⃣Adobe RGB 色彩空間是一種由Adobe Systems於1998年開發的色彩空間。開發的目的是為了儘可能在CMYK彩色印刷中利用計算機顯示器等設備的RGB顏色模式上囊括更多的顏色。Adobe RGB色彩空間粗略包括了50%的Lab色彩空間中的可視色彩，主要在青綠色（cyan-green）色系上有所提升。 📌與sRGB相比，Adobe RGB 中 RGB 色彩分量與亮度並不是成線性關係。相反，伽馬值被假定為2.2，而不是像sRGB中那樣是接近線性關係的0伽馬值。

📌由於色域定義Adobe RGB 提供更鮮豔的綠色與青色，而 sRGB 的綠色區域較窄，紅色與藍色變化較小，但 Adobe RGB 仍略優於 sRGB。 ✅ 比 sRGB 擁有更廣的色域，適合專業攝影與印刷。 ✅ Gamma 值與 sRGB 相同（2.2），但顏色範圍更大。 ✅ 適合 CMYK 印刷，可以更準確地轉換為印刷用色彩。 ✅ 在支援 Adobe RGB 的螢幕上，顏色更飽和、更真實（特別是綠色）。 ❌ 一般顯示器不支援 Adobe RGB，如果顯示器僅支援 sRGB，Adobe RGB 影像會顯得黯淡或失真。 ❌ 網頁與社交媒體不支援 Adobe RGB，大部分平台會自動轉換成 sRGB，導致色彩不準確。 ❌ 需要專業顯示設備與色彩管理，否則顏色可能顯示不正確。 ❌ 非 HDR 標準，如果需要 HDR 顯示（如 DCI-P3、Rec. 2020），Adobe RGB 可能不適用。

📌sRGB vs Adobe RGB放在一起比較非常明顯

——————————HSV—————————— 5️⃣HSV（色相-飽和度-明度，Hue-Saturation-Value）一種基於人眼感知的色彩模型，常用於圖像處理、設計軟體。由三個參數組成： H（Hue, 色相）：0°~360°，代表顏色，如紅色 0°、綠色 120°、藍色 240°。 S（Saturation, 飽和度）：0~100%，表示顏色的純度，0% 為灰色，100% 最鮮豔。 V（Value, 明度）：0~100%，表示顏色的亮度，0% 為黑色，100% 最亮。這種模型比 RGB 更直觀，適合用來調整顏色。

HSV 與 RGB 轉換公式

✅HSV 模型與人眼的色彩感知相似，比 RGB 更適合顏色調整。 ✅易於調整顏色色相（H）可獨立調整顏色類別（如紅色變藍色，而不影響亮度） ✅適合影像處理分離亮度與顏色信息，使影像調整更靈活 ✅在電腦視覺（Computer Vision）中，比RGB 更適合目標檢測與顏色分類 ❌HSV 的 V（Value）只是最大 RGB 值，並未真正考慮人眼對亮度的感知 ❌在低飽和度時，H 值變得不穩定 ❌不適用於印刷（CMYK）

——————————CMYK————————— 6️⃣CMYK（青-洋紅-黃-黑，Cyan-Magenta-Yellow-Black）一種減色模型（Subtractive Color Model），CMYK 是透過「吸收」光線來產生顏色主要用於印刷和紙張上的顏色再現。由四個基色組成： C（Cyan, 青） M（Magenta, 洋紅） Y（Yellow, 黃） K（Key, 黑）（因為純 CMY 混合不易產生純黑，需額外加黑色墨水） 📌與 RGB 相反，CMYK 是基於顏色的吸收(CMY 混合出的黑色不夠深，帶有棕色或灰色。)，當所有顏色混合時，理論上產生黑色。

MYK 色域比 RGB 小，因為印刷墨水的顏色範圍比光源發出的顏色窄且RGB → CMYK 轉換時，某些 RGB 顏色無法完全再現

RGB 與 CMYK 轉換

✅CMYK 是專門為印刷設計的，與墨水和紙張的物理特性相匹配。 ✅印刷需要色彩穩定性，而 CMYK 修圖能確保不同印刷機、紙張、批次的顏色一致。 ❌色域比 RGB 小，色彩較不鮮豔 ❌CMYK 轉換時，顏色可能失真 ❌CMYK 顏色模式無法在數位螢幕上準確顯示，所有顯示器都使用 RGB。

———————Lab（CIE Lab）——————— 7️⃣Lab（CIE Lab）一種基於人類視覺感知的色彩模型，常用於印刷、顏色匹配和影像處理。 Lab 色彩空間與設備無關（device-independent），因此比 RGB 更適合進行顏色轉換。由三個參數組成： L（Lightness, 亮度）：0（黑）到 100（白）。 a：紅綠通道，正值為紅色，負值為綠色。 b：黃藍通道，正值為黃色，負值為藍色。 📌由於 Lab 模型能涵蓋人眼可見的所有顏色，因此經常用於色彩校正。LAB 並不像 RGB 那樣直接使用紅、綠、藍三個通道，而是根據人眼的色彩感知方式來定義顏色。

LAB 轉換公式XYZ → LAB

✅ 設備無關（Device-Independent），適用於不同的顯示器與印刷機。 ✅ Lab色彩模型可以描述人眼可感知的所有顏色，比RGB和CMYK等色彩模型所涵蓋的範圍更廣。這使得它在色彩管理和轉換方面非常有用 ✅ 可準確進行色彩轉換（如 RGB ↔ CMYK 轉換時減少色偏）。 ✅ 在色彩校正與配色過程中，Lab色彩模型提供了標準化的參考，使得不同裝置之間的色彩轉換更加準確與一致 ✅ Lab顏色模型通常用於計算色差（ΔE），量化兩種顏色之間的差異。使用 Lab 顏色模型可以更精確地測量和比較顏色差異。 ❌ 不直觀，不像 RGB 或 HSV 那樣直覺易懂。 ❌ 計算較複雜，需要透過 XYZ 色彩空間進行轉換。 ❌ 一般顯示器無法直接使用 LAB，通常需轉換為 RGB 顯示。 ❌ 在低光照條件下，LAB 的 L* 值可能不準確。

—————————DCI-P3————————— 8️⃣DCI-P3 DCI-P3（Digital Cinema Initiatives – P3）是由美國數位電影聯盟（DCI, Digital Cinema Initiatives）制定的色彩標準，最初用於數位電影與影院放映，後來被廣泛應用於電視、顯示器、HDR 影像與蘋果設備（Apple devices）。它比 sRGB 擁有更廣的色域，特別是在紅色與綠色區域更加飽和鮮豔，因此適合電影製作、HDR 影像、高端顯示器等應用。 📌標準白點（White Point）：D63（6300K），比 sRGB / Adobe RGB 的 D65（6504K）略暖色一點。

📌DCI-P3 的紅色比 sRGB / Adobe RGB 更濃、更飽和。 📌綠色比 sRGB 更廣，但略小於 Adobe RGB。 📌藍色與 sRGB / Adobe RGB 相同，因此主要影響是紅綠區域。

放在一起比較可以發現Adobe RGB的綠色更鮮豔

✅ 比 sRGB 色域更廣，顏色更鮮豔，適合電影與 HDR 影像 ✅ 蘋果設備支援，確保 Apple 生態系的色彩一致性 ✅ 4K 電視、HDR 顯示器、專業影像工作者的標準 ✅ 對比 sRGB，紅色與綠色表現更出色 ❌ 不適用於印刷（印刷需使用 Adobe RGB 或 CMYK） ❌ 顯示器必須支援，否則無法完整呈現 DCI-P3 的色彩 ❌ 部分 Windows 應用程式仍以 sRGB 為主，可能無法正確顯示 DCI-P3 顏色

—————————螢幕介紹————————— 9️⃣螢幕介紹(以下三款都是5K解析度) 📌Delta E（ΔE）:是用來衡量兩個顏色之間差異的數值，數值越小，代表顏色越接近，數值越大，則代表色差越明顯。 ΔE ≤ 1.0幾乎無色差人眼難以察覺 ΔE 1.0 - 2.0極微小色差只有專業人士能察覺 ΔE 2.0 - 5.0可見但可接受一般人能感覺到，但不影響觀感 ΔE 5.0 - 10.0明顯色差一般人可明顯察覺，可能影響品質 ΔE > 10.0嚴重色差顏色完全不匹配 Apple Studio Display $45,900 原生支援P3廣色域（約99% DCI-P3覆蓋） 📌出廠校正，Delta E <2

Samsung ViewFinity S9 5K $28,350 99% DCI-P3色域 📌Delta E <2

ProArt Display 5K PA27JCV NT$23,900 100% sRGB、99% AdobeRGB、98% DCI-P3 📌Delta E <2

—————————程式介紹————————— 🔟ICC（International Color Consortium，國際色彩協會）檔案是一種用來描述顏色管理資訊的標準化檔案格式，通常副檔名為 .icc 或 .icm（在 Windows 上常見）。這些檔案定義了設備的色彩特性，確保不同設備（如顯示器、印表機、掃描器等）之間的顏色顯示一致。下面網址可以下載icc檔案

📌當你直接將 HSV、CMYK、Lab 或 ICC 轉換後的影像陣列「原樣」顯示在螢幕上時，看起來就會產生「色彩怪異」的結果程式需要整定ADOBE_RGB_ICC、DCI_P3_ICC、image_path三個檔案位置及可執行記得安裝套件pip install opencv-python numpy pillow matplotlib colorspacious import cv2, numpy as np, matplotlib.pyplot as plt img=cv2.imread(r"C:\Users\618\Desktop\11.jpg"); assert img is not None, "找不到圖片" lab=cv2.cvtColor(img,cv2.COLOR_BGR2LAB); hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV) cmy=255-cv2.cvtColor(img,cv2.COLOR_BGR2RGB) for i,(d,t) in enumerate(zip([lab,hsv,cmy],["Lab","HSV","CMY"])): plt.subplot(1,3,i+1), plt.imshow(d), plt.title(t), plt.axis("off") plt.tight_layout(); plt.show()

📌HSV、Lab、CMYK：需要「回到 RGB」才能正常顯示，所以我多此一舉又轉回RGB給大家看 import cv2, numpy as np, matplotlib.pyplot as plt from PIL import Image, ImageCms ADOBE = r"C:\Users\618\Desktop\AdobeICCProfilesCS4Win_end-user\Adobe ICC Profiles (end-user)\RGB\AdobeRGB1998.icc" DCI_P3 = r"C:\Users\618\Desktop\AdobeICCProfilesCS4Win_end-user\Adobe ICC Profiles (end-user)\RGB\DCI-P3-DCI.icc" img=cv2.imread(r"C:\Users\618\Desktop\11.jpg"); assert img is not None, "Image not found" bgr2rgb=lambda x: cv2.cvtColor(x,cv2.COLOR_BGR2RGB) to_sRGB = bgr2rgb to_AdobeRGB = lambda x: np.array(ImageCms.profileToProfile(Image.fromarray(bgr2rgb(x)),ImageCms.createProfile("sRGB"),ImageCms.getOpenProfile(ADOBE),outputMode="RGB")) to_DCI_P3 = lambda x: np.array(ImageCms.profileToProfile(Image.fromarray(bgr2rgb(x)),ImageCms.createProfile("sRGB"),ImageCms.getOpenProfile(DCI_P3),outputMode="RGB")) to_HSV = lambda x: cv2.cvtColor(cv2.cvtColor(x,cv2.COLOR_BGR2HSV),cv2.COLOR_HSV2BGR) # round-trip to_Lab = lambda x: cv2.cvtColor(cv2.cvtColor(x,cv2.COLOR_BGR2LAB),cv2.COLOR_Lab2BGR) # round-trip to_CMYK = lambda x: np.array(Image.fromarray(bgr2rgb(x)).convert("CMYK").convert("RGB")) imgs = [to_sRGB(img), to_AdobeRGB(img), bgr2rgb(to_HSV(img)), bgr2rgb(to_Lab(img)), to_CMYK(img), to_DCI_P3(img)] titles = ["sRGB", "Adobe RGB", "HSV->RGB", "Lab->RGB", "CMYK->RGB", "DCI-P3"] for i,(im,t) in enumerate(zip(imgs,titles)): plt.subplot(2,3,i+1), plt.imshow(im), plt.title(t), plt.axis("off") plt.tight_layout(), plt.show() 程式執行結果根本是大家來找碴

——————————文末—————————— 感謝看完的大家，真心希望有幫助到喜歡程式跟拍照的大家☺️☺️ 別忘了追蹤我的卡稱或是IG，我是烏龜我們下次見！

參考文獻