Как исправить баланс белого на фото с помощью AI

Почему камеры неправильно определяют баланс белого

Человеческие глаза адаптируются к изменяющимся условиям освещения настолько плавно, что вы редко замечаете сдвиги цветовой температуры. Войдите из яркого дневного света в тепло освещённый ресторан, и через секунды всё выглядит нормально. Белые салфетки выглядят белыми, а не оранжевыми. Камеры не адаптируются таким образом. Они измеряют свет и принимают решение о цветовой температуре в момент съёмки. Если это измерение неверно, каждый пиксель изображения несёт ошибку.

Automatic white balance (AWB) на современных камерах и телефонах хорошо работает в простых однородных условиях освещения. При чистом дневном свете, чистом incandescent или чистом fluorescent свете камера обычно близка к правильному результату. Сбои происходят при смешанном освещении. Комната с дневным светом из окна и fluorescent tubes на потолке, ресторан с тёплыми декоративными лампами и холодными LED downlights, офис с верхними fluorescents и настольной лампой. В таких ситуациях камера выбирает один компромисс, который точно не представляет ни один из источников света, и результат выглядит неправильным.

Phone cameras особенно подвержены этой проблеме, поскольку они агрессивно оптимизируют изображение под то, какой они думают должна быть сцена, а не под то, каким свет actually является. Это означает, что фото с телефона одной и той же сцены, сделанные с интервалом в секунды, могут иметь заметно разный баланс белого, поскольку алгоритм переосмысливает сцену. Для product photography, real estate photos или любого контекста, где важна точность цветопередачи, эта непостоянность является реальной проблемой, которую AI correction надёжно решает.

• Человеческие глаза непрерывно адаптируются к цветовой температуре, но камеры делают одно измерение в момент съёмки.
• Auto white balance чаще всего ошибается при смешанном освещении — дневной свет плюс fluorescent, тёплые лампы плюс холодные LEDs.
• Phone cameras агрессивно переосмысливают сцены, создавая непостоянный баланс белого между снимками одного и того же объекта.
• Точность цветопередачи важна для product photography, real estate, food photography и любого контекста, где зрителю нужно доверять цветам.

Как работает AI white balance коррекция

Традиционная коррекция баланса белого требует от редактора определить нейтральную точку отсчёта в изображении. Поверхность, которая должна быть чисто белой, серой или чёрной — и затем сдвинуть цветовые каналы до тех пор, пока эта точка отсчёта не станет нейтральной. Этот метод хорошо работает, когда такая точка отсчёта существует и редактор может точно её определить. Но на многих фото нет очевидной нейтральной точки отсчёта, или же она неоднозначна. Эта стена белая или кремовая? Эта рубашка серая или светло-голубая? Ручной подход требует цветового чутья, которое вырабатывается годами.

AI correction в своей основе использует иной подход. Вместо того чтобы полагаться на одну точку отсчёта, AI анализирует статистическое распределение цветов по всему изображению. Он определяет несколько областей, которые должны быть нейтральными, на основе распознавания содержимого. Он знает, как должны выглядеть оттенки кожи, белая одежда, серый бетон и зелёная растительность при нейтральном освещении. Анализируя сотни точек отсчёта одновременно, AI строит гораздо более точную модель цветового оттенка, чем любая коррекция по одной точке.

Этот многоточечный анализ также лучше справляется со смешанным освещением, чем ручная коррекция. В комнате, где свет из окна (холодный) и свет лампы (тёплый) создают разные цветовые оттенки в разных областях изображения, AI может применить пространственно варьируемую коррекцию. Слегка разные корректировки для разных зон — нейтрализуя оба оттенка одновременно. Редактору вручную пришлось бы маскировать и отдельно исправлять каждую зону освещения — процесс, требующий значительного времени и навыков.

Распространённые проблемы с балансом белого и их решения

Оранжевый оттенок от incandescent и tungsten освещения — самая явная проблема баланса белого. Всё на фото выглядит тёплым. Белые становятся кремовыми или жёлтыми, оттенки кожи — красноватыми или оранжевыми, а тени приобретают коричневатый отлив. Это очень распространено в ресторанной фотографии, интерьерных снимках и любых помещениях, освещённых в основном традиционными лампами. AI Enhance нейтрализует тёплый сдвиг, возвращая белые к истинно белому цвету, а оттенки кожи — к естественной теплоте без оранжевого отлива.

Зелёный оттенок от fluorescent освещения более subtle, но не менее вреден. Он наиболее заметен на оттенках кожи, которые приобретают нездоровую бледность. На белых поверхностях, которые кажутся слегка зелёными. Офисы, розничные магазины, школы и медицинские учреждения часто имеют fluorescent освещение. Этот оттенок особенно проблематичен для portrait photography и product photography в таких условиях, поскольку зелёный оттенок заставляет людей выглядеть нездоровыми, а продукцию — неточной. AI correction удаляет зелёный всплеск, сохраняя при этом общую яркость освещённой fluorescent обстановки.

Синий оттенок от пасмурного неба и тени распространён в outdoor photography. В облачный день рассеянный свет сильно синий, а тени ещё синее. Это заставляет тёплые тона — землю, дерево, тёплые оттенки кожи, осеннюю листву — выглядеть холодными и безжизненными. Это также влияет на product photography, сделанную на улице или у окон в пасмурные дни. AI удаляет синий сдвиг и восстанавливает естественное тепло сцены, не переусердствуя до искусственного тёплого вида.

• Оранжевый оттенок от incandescent ламп: наиболее заметен на белых тонах и коже, распространён в ресторанах и домах.
• Зелёный оттенок от fluorescent tubes: делает кожу нездоровой на вид, распространён в офисах и торговых помещениях.
• Синий оттенок от пасмурного неба: лишает тепла сцены на улице и у окон.
• Смешанные оттенки от нескольких источников света: требуют пространственно варьируемой коррекции, которую AI выполняет автоматически.

Коррекция баланса белого для product и e-commerce фотографии

Точность цветопередачи — вопрос доверия в e-commerce. Когда клиент заказывает тёмно-синюю рубашку и получает чёрную, или заказывает кремовую вазу и получает жёлтую, возврат практически неизбежен. И доверие клиента к вашему цветопредставлению подорвано для будущих покупок. Shopify research всегда показывает, что точность цветопередачи на фото продуктов напрямую влияет на процент возвратов. Неправильный баланс белого — самая распространённая причина неточных цветов продуктов в онлайн-каталогах.

Для product photography коррекцию баланса белого следует проверять по физическому продукту. После того как AI Enhance исправил цветовой оттенок, сравните изображение на экране с actual продуктом при нейтральном дневном свете. Если совпадение близкое, у вас точная цветопередача. Если экранная версия всё ещё отличается от реальности, отрегулируйте настройку теплоты, пока цифровая и физическая версии не совпадут. Этот дополнительный шаг проверки занимает секунды и предотвращает возвраты, связанные с цветом.

Согласованность партии так же важна, как и индивидуальная точность. Если вы фотографируете двадцать продуктов в одной сессии при одинаковом освещении, все двадцать фото должны получить одну и ту же коррекцию баланса белого. AI tools справляются с этим естественно — одинаковые условия освещения создают одинаковый оттенок. AI применяет одинаковую коррекцию. Результат — каталог продуктов, где цвета одновременно точны по отношению к реальным продуктам и согласованы друг с другом, создавая профессиональный и заслуживающий доверия опыт покупок.