วิธีแก้ไขสีเพี้ยนในภาพถ่ายด้วย AI — Magic Eraser
เรียนรู้วิธีระบุและแก้ไขสีเพี้ยนที่ไม่ต้องการจากแสงผสม หลอดฟลูออเรสเซนต์ และสมดุลสีขาวที่ไม่ถูกต้องด้วยเครื่องมือแก้ไขภาพด้วย AI พร้อมคำแนะนำทีละขั้นตอนและเทคนิคจากผู้เชี่ยวชาญ
SEO & Growth
ตรวจสอบโดย Magic Eraser Editorial ·
สีเพี้ยนเป็นหนึ่งในปัญหาที่พบบ่อยที่สุดในการถ่ายภาพ แต่ก็ยังคงเป็นหนึ่งในปัญหาที่ถูกเข้าใจผิดมากที่สุด แหล่งกำเนิดแสงทุกแห่งปล่อยโฟตอนออกมาด้วยการกระจายสเปกตรัมเฉพาะที่สมองของคุณชดเชยให้โดยอัตโนมัติ ปรากฏการณ์ที่เรียกว่าการปรับตัวทางสี (chromatic adaptation) — แต่กล้องของคุณบันทึกตามความเป็นจริง หลอดทังสเตนปล่อยรังสีหนักไปทางสเปกตรัมสีส้มแดง ทำให้เกิดสีเพี้ยนโทนอุ่นที่ทำให้สีขาวดูเป็นสีครีมและเงาดูเป็นสีอำพัน หลอดฟลูออเรสเซนต์ปล่อยแสงที่ความยาวคลื่นเฉพาะเป็นช่วงแคบๆ มักก่อให้เกิดสีเพี้ยนโทนเขียวหรือฟ้าปนเขียวที่ไม่สวย โดยเฉพาะบนผิวหนัง แผง LED มีความแตกต่างกันอย่างมากขึ้นอยู่กับการเคลือบฟอสเฟอร์ LED ราคาถูกสามารถก่อให้เกิดสีเพี้ยนโทนม่วงหรือเหลืองเขียวที่ไม่สามารถแก้ไขได้ด้วยค่าพรีเซตสมดุลสีขาวมาตรฐานใดๆ สภาพแวดล้อมที่มีแสงผสม ซึ่งแหล่งกำเนิดแสงตั้งแต่สองประเภทขึ้นไปส่องสว่างส่วนต่างๆ ของฉาก ทำให้เกิดสีเพี้ยนที่แปรผันตามตำแหน่ง ซึ่งไม่สามารถแก้ไขได้ด้วยการเลื่อนแถบปรับค่าเดียวทั่วทั้งภาพ
การแก้ไขสีเพี้ยนแบบดั้งเดิมใน Photoshop หรือ Lightroom เกี่ยวข้องกับการปรับแถบอุณหภูมิและสีของสมดุลสีขาวด้วยตนเอง จากนั้นปรับแต่งช่องสีแต่ละช่องผ่านเครื่องมือ curves หรือ selective color กระบวนการนี้ต้องอาศัยสายตาที่ผ่านการฝึกฝน จอภาพที่ปรับเทียบแล้ว และความอดทนอย่างมาก การแก้ไขภาพถ่ายงานแต่งงานที่ถ่ายภายใต้แสงทังสเตนผสมกับแสงดีเจอาจใช้เวลาสิบห้าถึงยี่สิบนาทีต่อภาพหนึ่งใบ สำหรับผู้เชี่ยวชาญที่ประมวลผลภาพถ่ายงาน-event หลายร้อยภาพหรือภาพผลิตภัณฑ์ที่ถ่ายภายใต้แสงที่ไม่สม่ำเสมอ การแก้ไขด้วยตนเองถือเป็นคอขวดด้านเวลาที่สำคัญ ความยากจะทวีคูณเมื่อสีเพี้ยนแตกต่างกันภายในเฟรมเดียวกัน ตัวแบบใกล้หน้าต่างดูโทนเย็นเป็นสีฟ้า ในขณะที่ตัวแบบเดียวกันใกล้โคมไฟตั้งโต๊ะดูโทนอุ่นเป็นสีส้ม ไม่มีการตั้งค่าสมดุลสีขาวค่าเดียวใดที่สามารถแก้ไขทั้งสองส่วนได้พร้อมกัน
AI-powered color correction เปลี่ยนสมการนี้ตั้งแต่รากฐาน โครงข่ายประสาทเทียมสมัยใหม่ที่ผ่านการฝึกฝนด้วยภาพถ่ายที่ปรับสมดุลสีขาวอย่างถูกต้องนับล้านภาพสามารถระบุได้ว่าพื้นผิวใดในภาพถ่ายควรเป็นสีกลาง โทนสีผิวใดควรดูสุขภาพดี และสเปกตรัมแสงแต่ละชนิดที่แต่ละแหล่งกำเนิดแสงในฉากมีส่วนอะไรบ้าง จากนั้นจึงใช้การแก้ไขที่คำนึงถึงตำแหน่ง (spatially aware corrections) ที่จัดการแต่ละโซนแสงอย่างอิสระ คู่มือนี้อธิบายขั้นตอนการทำงานทั้งหมดสำหรับการวินิจฉัยและแก้ไขสีเพี้ยนด้วยเครื่องมือ AI ของ Magic Eraser ตั้งแต่การแก้ไขแหล่งกำเนิดแสงเดียวที่ใช้เวลาเพียงไม่กี่วินาที ไปจนถึงสถานการณ์แสงผสมที่ซับซ้อนซึ่งไม่สามารถแก้ไขด้วยตนเองได้จริง ไม่ว่าคุณจะกำลังแก้ไขภาพภายในอสังหาริมทรัพย์ที่มีสีเพี้ยนจากทังสเตน ภาพพอร์ตเรตในออฟฟิศที่มีสีเขียวจากฟลูออเรสเซนต์ หรือภาพถ่ายงานแต่งงานที่ถ่ายภายใต้ไฟสีที่แตกต่างกันสี่สี เทคนิคเหล่านี้จะให้ผลลัพธ์ที่สะอาด เป็นกลาง และมีโทนสีผิวที่ดูเป็นธรรมชาติ
- AI color correction ระบุพื้นผิวที่เป็นกลางและสเปกตรัมของแหล่งกำเนิดแสงโดยอัตโนมัติ ใช้การปรับสมดุลสีขาวที่คำนึงถึงตำแหน่งซึ่งจัดการแต่ละโซนแสงอย่างอิสระภายในเฟรมเดียวกัน
- สภาพแวดล้อมที่มีแสงผสม — ทังสเตนรวมกับแสงวัน ฟลูออเรสเซนต์รวมกับ LED — ก่อให้เกิดสีเพี้ยนที่แปรผันตามตำแหน่งซึ่งไม่สามารถแก้ไขได้ด้วยแถบเลื่อนสมดุลสีขาวค่าเดียว AI สามารถแก้ไขแต่ละโซนแยกกันโดยการตรวจจับขอบเขตของแหล่งกำเนิดแสง
- โทนสีผิวต้องการการจัดการแยกต่างหากเนื่องจากการรับรู้ของมนุษย์มีความไวต่อสีผิวที่ไม่เป็นธรรมชาติเป็นพิเศษ จำเป็นต้องปรับสีและความอิ่มตัวในโทนกลางแยกต่างหากหลังจากแก้ไขสีเพี้ยนโดยรวมแล้ว
- ขั้นตอนการแก้ไขจะดำเนินจากการปรับสมดุลสีขาวอัตโนมัติระดับภาพรวม ไปจนถึงการปรับเฉพาะจุดตามพื้นที่ และการปรับแต่งเฉพาะผิวหนังอย่างละเอียด โดยแต่ละขั้นตอนจะลดความคลาดเคลื่อนของสีที่เหลืออยู่ลงเรื่อยๆ
- การตรวจสอบยืนยันกับจุดอ้างอิงที่เป็นกลาง — สีขาว สีเทา จานสีผิวหนัง — ช่วยให้มั่นใจว่าการแก้ไขมีความแม่นยำ ไม่ใช่เพียงแค่เปลี่ยนสีเพี้ยนหนึ่งไปเป็นอีกสีหนึ่ง
ทำความเข้าใจอุณหภูมิสี สมดุลสีขาว และสาเหตุที่เกิดสีเพี้ยน
อุณหภูมิสี ซึ่งวัดเป็นเคลวิน อธิบายการกระจายสเปกตรัมของแหล่งกำเนิดแสงโดยเปรียบเทียบกับการแผ่รังสีจากวัตถุดำในอุดมคติที่ถูกทำให้ร้อนถึงอุณหภูมินั้น อุณหภูมิสีต่ำประมาณ 2700K — ซึ่งเป็นค่าทั่วไปของหลอดไส้และเทียน — ให้แสงที่หนักไปทางสเปกตรัมสีแดงและส้ม อุณหภูมิปานกลางใกล้ 5500K ประมาณค่าของแสงวันตอนเที่ยงที่มีการกระจายสเปกตรัมค่อนข้างสม่ำเสมอ อุณหภูมิสูงกว่า 7000K ซึ่งพบได้ในที่ร่มเปิดและท้องฟ้ามีเมฆมาก จะเลื่อนจุดสูงสุดของสเปกตรัมไปทางสีฟ้า เซนเซอร์กล้องของคุณบันทึกความแตกต่างทางสเปกตรัมเหล่านี้ตามความเป็นจริง โดยบันทึกฉากตามที่แสงส่องสว่างจริง การตั้งค่าสมดุลสีขาวบอกกล้องว่าควรถือว่าอุณหภูมิสีใดเป็นกลาง เมื่อการตั้งค่านั้นไม่ตรงกับแสงจริง ผลลัพธ์ที่ได้คือสีเพี้ยนทั่วทั้งภาพ
ปัญหาจะซับซ้อนมากขึ้นอย่างมากในสภาพแวดล้อมที่มีแสงผสม ซึ่งพบได้บ่อยกว่าที่ช่างภาพหลายคนคิด ภาพภายในอสังหาริมทรัพย์อาจมีแสงวันส่องผ่านหน้าต่างที่ 5600K ไฟสปอตไลต์ฮาโลเจนแบบฝังฝ้าที่ 3200K และแถบฟลูออเรสเซนต์ใต้ตู้ที่อุณหภูมิประมาณ 4100K ที่มียอดสีเขียว ฉากร้านอาหารอาจมีหลอด Edison แบบทังสเตน ไฟ LED สี accent และแสงวันจากทางเข้า ทั้งหมดตกกระทบตัวแบบเดียวกันจากมุมที่ต่างกัน ในสถานการณ์เหล่านี้ ไม่มีค่าสมดุลสีขาวค่าเดียวที่ให้ผลลัพธ์ที่ถูกต้องทุกจุดในเฟรม การตั้งสมดุลสีขาวสำหรับแสงหน้าต่างจะทำให้ภายในกลายเป็นสีส้มเข้ม การตั้งค่าสำหรับภายในจะทำให้วิวหน้าต่างเป็นสีฟ้าเข้ม ช่างภาพต้องเลือกสิ่งที่ไม่ร้ายแรงที่สุดระหว่างการถ่าย และพึ่งพาการปรับแต่งภายหลังเพื่อแก้ไขสีเพี้ยนที่เหลืออยู่ ซึ่งเป็นจุดที่ AI correction กลายเป็นกุญแจสำคัญ
อัลกอริทึมสมดุลสีขาวอัตโนมัติของกล้องพัฒนาไปมากแต่ยังคงมีข้อจำกัดเพราะใช้หลักการฮิวริสติกทางสถิติแทนความเข้าใจในฉากอย่างแท้จริง ระบบสมดุลสีขาวอัตโนมัติส่วนใหญ่ถือว่าสีโดยเฉลี่ยทั่วทั้งภาพควรเป็นสีเทากลาง (gray world assumption) หรือว่าจุดที่สว่างที่สุดในฉากคือสีขาว การตั้งสมมติฐานเหล่านี้ล้มเหลวอย่างมากในสถานการณ์จริงหลายอย่าง ทุ่งหญ้าสีเขียวละเมิด gray world assumption ทำให้กล้องเพิ่มสีม่วงแดงเพื่อชดเชย ท้องฟ้ายามพระอาทิตย์ตกดินไม่มีสีขาวจริง และกล้องอาจยึดติดกับค่ากลางที่ไม่ถูกต้อง สมดุลสีขาวอัตโนมัติยังไม่สามารถจัดการกับความแปรผันเชิงพื้นที่ได้เลย มันใช้การแก้ไขเดียวทั่วทั้งภาพ ซึ่งผิดโดยธรรมชาติเมื่อมีแหล่งกำเนิดแสงหลายแห่งให้สีเพี้ยนที่แตกต่างกันในแต่ละส่วนของเฟรมเดียวกัน
- อุณหภูมิสีในหน่วยเคลวินอธิบายการกระจายสเปกตรัมของแหล่งกำเนิดแสง: 2700K สำหรับทังสเตนโทนอุ่น 5500K สำหรับแสงวันที่เป็นกลาง 7000K+ สำหรับที่ร่มเย็น โดยสีเพี้ยนเกิดขึ้นเมื่อสมดุลสีขาวไม่ตรงกับแสงจริง
- สภาพแวดล้อมที่มีแสงผสม — แหล่งกำเนิดแสงหลายแหล่งที่อุณหภูมิสีต่างกันกระทบฉากเดียวกัน — ทำให้เกิดสีเพี้ยนที่แปรผันตามตำแหน่งซึ่งไม่สามารถแก้ไขได้ด้วยแถบเลื่อนสมดุลสีขาวค่าเดียวทั่วทั้งภาพ
- สมดุลสีขาวอัตโนมัติของกล้องอาศัยหลักการฮิวริสติกทางสถิติเช่น gray world assumption และล้มเหลวเมื่อฉากถูกครอบงำด้วยสีเดียว ขาดสีขาวจริง หรือมีแหล่งกำเนิดแสงหลายประเภท
- AI color correction เหนือกว่าสมดุลสีขาวอัตโนมัติด้วยการทำความเข้าใจเนื้อหาของฉาก ระบุพื้นผิวที่เป็นกลางตามบริบท และใช้การแก้ไขเฉพาะจุดแทนการปรับเปลี่ยนค่าเดียวทั่วทั้งภาพ
การวินิจฉัยชนิดของสีเพี้ยนที่แน่นอนก่อนที่คุณจะแก้ไข
การวินิจฉัยที่แม่นยำเป็นขั้นตอนที่สำคัญที่สุดในการแก้ไขสีเพี้ยน เพราะการวินิจฉัยที่ผิดนำไปสู่การแก้ไขที่ผิด และการแก้ไขมากเกินไปในทิศทางที่ผิดให้ผลลัพธ์ที่แย่กว่าสีเพี้ยนเดิมด้วยซ้ำ เทคนิคการวินิจฉัยแรกคือการตรวจสอบอ้างอิงที่เป็นกลาง มองหาวัตถุในฉากที่คุณรู้ว่าควรเป็นสีไร้สี (achromatic) เช่น เสื้อเชิ้ตสีขาว ผนังคอนกรีตสีเทา เครื่องใช้สแตนเลส กระดาษพิมพ์ เก็บตัวอย่างพื้นที่เหล่านี้ด้วยเครื่องมือ eyedropper และตรวจสอบค่า RGB ในภาพที่สมดุลสีอย่างถูกต้อง วัตถุที่เป็นกลางจะมีค่าสีแดง เขียว และน้ำเงินที่แตกต่างกันไม่เกินสองสามจุด ถ้าผนังสีขาวของคุณวัดค่าได้ R:210 G:178 B:145 แสดงว่าคุณมีสีเพี้ยนโทนอุ่นรุนแรง (แดงและเขียวเด่น น้ำเงินขาด) ถ้าอ่านค่าได้ R:165 G:185 B:200 แสดงว่าคุณมีสีเพี้ยนโทนเย็นเป็นสีฟ้า
เทคนิคการวินิจฉัยที่สองคือการตรวจสอบเงาโดยเฉพาะ บริเวณเงาจะเผยให้เห็นสีของแสงโดยรอบได้ชัดเจนกว่าบริเวณที่ได้รับแสงโดยตรง ส่วนไฮไลต์มักถูกดันจนใกล้ขาวหรือถูกตัด ซึ่งซ่อนความเอนเอียงของสีไว้ โทนกลางมีส่วนผสมจากหลายแหล่งกำเนิดแสง แต่เงาจะถูกส่องสว่างหลักๆ จากแสงเติมโดยรอบที่สะท้อนจากผนัง เพดาน และพื้นผิวอื่นๆ — ซึ่งรวมเอาแสงสีเพี้ยนจากสภาพแวดล้อมไว้อย่างเข้มข้น ในห้องที่มีแสงฟลูออเรสเซนต์จากเพดาน เงาใต้โต๊ะจะแสดงสีเขียวที่เด่นชัดแม้ว่าพื้นผิวที่ได้รับแสงโดยตรงจะดูใกล้เคียงเป็นกลางก็ตาม AI diagnostic tools สามารถเก็บตัวอย่างบริเวณเงาโดยอัตโนมัติและแสดงสีเพี้ยนหลักเป็นตัวบ่งชี้ภาพ ทำให้ง่ายต่อการระบุแม้แต่สีเพี้ยนเล็กน้อยที่สายตาที่ยังไม่ได้รับการฝึกฝนอาจมองข้าม
เทคนิคการวินิจฉัยที่สามใช้สำหรับฉากที่มีแสงผสม โดยการวิเคราะห์ภาพเป็นโซน แบ่งเฟรมทางความคิดหรือด้วยไกด์ครอบตัดเป็น regions ที่สอดคล้องกับอิทธิพลของแหล่งกำเนิดแสงต่างๆ พื้นที่ใกล้หน้าต่างได้รับการวิเคราะห์หนึ่ง พื้นที่ใต้โคมเพดานได้รับการวิเคราะห์อีกอย่าง พื้นที่ใกล้ผนังสี accent ได้รับการวิเคราะห์ที่สาม แต่ละโซนจะแสดงสีและความเข้มของสีเพี้ยนที่แตกต่างกัน การบันทึกความแตกต่างแบบโซนต่อโซนก่อนเริ่มแก้ไขช่วยให้แน่ใจว่าแนวทางของคุณจัดการแต่ละพื้นที่อย่างเหมาะสม แทนที่จะใช้การแก้ไขเดียวที่ช่วยโซนหนึ่งแต่ทำให้อีกโซนแย่ลง เครื่องมือ AI สามารถวิเคราะห์แบบโซนนี้ได้โดยอัตโนมัติด้วยการตรวจจับขอบเขตของแหล่งกำเนิดแสงในเรขาคณิตของฉากและรายงานลักษณะสีเพี้ยนของแต่ละโซนอย่างอิสระ
- เก็บตัวอย่างวัตถุที่ควรเป็นกลาง (กระดาษขาว ผนังเทา สแตนเลส) ด้วย eyedropper — ค่า RGB ที่ต่างกันเกินสิบจุดบ่งชี้ว่ามีสีเพี้ยนไปทางช่องสีที่เด่น
- บริเวณเงาเผยให้เห็นสีของแสงโดยรอบได้ชัดเจนกว่าไฮไลต์หรือโทนกลาง เพราะได้รับแสงเติมจากสภาพแวดล้อมเป็นหลักแทนที่จะได้รับแสงโดยตรงจากแหล่งกำเนิดหลัก
- ฉากที่มีแสงผสมต้องการการวิเคราะห์แบบโซนต่อโซน — แต่ละพื้นที่ที่ได้รับอิทธิพลจากแหล่งกำเนิดแสงที่แตกต่างกันจะแสดงสีและความเข้มของสีเพี้ยนที่แตกต่างกัน ซึ่งต้องการการแก้ไขแยกกัน
- AI diagnostic tools ช่วยตรวจจับสีเพี้ยนแบบโซนโดยอัตโนมัติด้วยการระบุขอบเขตของแหล่งกำเนิดแสงในเรขาคณิตของฉากและรายงานลักษณะสีเพี้ยนต่อภูมิภาคก่อนที่จะทำการแก้ไขใดๆ
การแก้ไขสีเพี้ยนจากแหล่งกำเนิดแสงเดียวด้วย AI สมดุลสีขาวอัตโนมัติ
เมื่อภาพถ่ายถูกถ่ายภายใต้แหล่งกำเนิดแสงประเภทเดียวทั้งหมด เช่น สตูดิโอภาพพอร์ตเรตที่มีเฉพาะไฟโมเดลลิ่งแบบทังสเตน ภาพแฟลตเลย์ผลิตภัณฑ์ภายใต้แผง LED ที่สมดุลแสงวัน หรือภาพกลางแจ้งในที่ร่มเปิด — สีเพี้ยนที่เกิดขึ้นจะสม่ำเสมอทั่วทั้งภาพและตอบสนองต่อการแก้ไขด้วย AI อัตโนมัติได้ดี อัปโหลดภาพไปยัง Magic Eraser เลือก AI Enhance และเปิดใช้งานฟังก์ชันสมดุลสีขาวอัตโนมัติ โมเดล AI วิเคราะห์ภาพทั้งหมด ระบุพื้นผิวที่มีความมั่นใจสูงว่าเป็นกลาง (พื้นที่ที่มีความอิ่มตัวต่ำและความสว่างปานกลางซึ่งมีแนวโน้มทางสถิติว่าจะเป็นสีเทาหรือสีขาว) คำนวณการปรับเปลี่ยนสีที่จำเป็นเพื่อทำให้พื้นผิวเหล่านั้นเป็นสีไร้สีอย่างแท้จริง และใช้การปรับเปลี่ยนนั้นกับทั้งภาพ สำหรับสีเพี้ยนจากแหล่งกำเนิดแสงเดียว การแก้ไขด้วยคลิกเดียวนี้แม่นยำอย่างน่าทึ่ง มักจะทำให้พื้นผิวที่เป็นกลางใกล้เคียงค่าสี RGB จริงภายในสามถึงห้าจุด
การแก้ไขอัตโนมัติทำงานโดยแก้สมการสองค่าพร้อมกัน: อุณหภูมิ (แกนน้ำเงินถึงอำพัน) และสี (แกนเขียวถึงม่วงแดง) สีเพี้ยนจากทังสเตนมาตรฐานต้องการการปรับไปทางโทนเย็นอย่างมากและการปรับแกนสีเพียงเล็กน้อย สีเพี้ยนจากฟลูออเรสเซนต์มักต้องการการปรับอุณหภูมิปานกลางบวกกับการปรับแกนสีไปทางม่วงแดงครั้งใหญ่เพื่อชดเชยยอดสีเขียวในสเปกตรัมการปล่อยแสงของฟลูออเรสเซนต์ สีเพี้ยนจาก LED อาจต้องการการปรับทั้งสองแกนขึ้นอยู่กับคุณภาพของแผง โมเดล AI ได้เรียนรู้โปรไฟล์การแก้ไขทั่วไปเหล่านี้จากข้อมูลการฝึกฝนและนำไปใช้ด้วยความมั่นใจสูงเมื่อตรวจจับสีเพี้ยนที่สม่ำเสมอทั่วทั้งภาพ ผลลัพธ์มักไม่ต้องการการปรับด้วยตนเองเพิ่มเติมสำหรับฉากที่มีแหล่งกำเนิดแสงเดียว ประหยัดเวลาหลายนาทีในการปรับแถบเลื่อนที่การแก้ไขด้วยmanual ต้องการ
กรณีขอบที่การแก้ไขอัตโนมัติมีปัญหากับฉากแหล่งกำเนิดแสงเดียว ได้แก่ ฉากที่ตั้งใจให้อบอุ่น (พระอาทิตย์ตก อาหารค่ำใต้แสงเทียน) ซึ่งแสงอุ่นเป็นส่วนหนึ่งของเจตนาทางศิลปะมากกว่าข้อผิดพลาด และฉากที่สีของตัวแบบหลักทำให้การตรวจจับค่ากลางเอนเอียง (รถสปอร์ตสีแดงที่เต็มพื้นที่ส่วนใหญ่ของเฟรมทำให้อัลกอริทึมคิดว่ามีสีเพี้ยนโทนอุ่นทั้งที่ไม่มี) สำหรับความอบอุ่นที่ตั้งใจ ให้ใช้การแก้ไขที่ความเข้มลดลง ใช้สมดุลสีขาวอัตโนมัติแล้วผสมที่ห้าสิบถึงเจ็ดสิบเปอร์เซ็นต์กับภาพต้นฉบับเพื่อคงความอบอุ่นไว้ในขณะที่กำจัดสีส้มอำพันที่มากเกินไปซึ่งทำให้ภาพดูเหมือนความผิดพลาดของสมดุลสีขาวมากกว่าทางเลือกเชิงสร้างสรรค์ สำหรับตัวแบบที่มีสีเด่น ให้แยกตัวแบบออกจากพื้นที่วิเคราะห์ด้วยตนเอง เพื่อให้อัลกอริทึมใช้การตรวจจับค่ากลางจากพื้นหลังและองค์ประกอบรอง
- สีเพี้ยนจากแหล่งกำเนิดแสงเดียวตอบสนองต่อการสมดุลสีขาวอัตโนมัติด้วยคลิกเดียว ซึ่งระบุพื้นผิวที่เป็นกลางและคำนวณการปรับอุณหภูมิและสีที่แน่นอนเพื่อทำให้เป็นสีไร้สี
- AI แก้ไขทั้งสองแกนพร้อมกัน — อุณหภูมิสำหรับสเปกตรัมน้ำเงิน-อำพัน และสีสำหรับสเปกตรัมเขียว-ม่วงแดง — ให้ตรงกับโปรไฟล์การแก้ไขทั่วไปของแหล่งกำเนิดแสงแต่ละประเภท
- ฉากที่ตั้งใจให้อบอุ่นควรได้รับการแก้ไขที่ความเข้มลดลง (ผสมห้าสิบถึงเจ็ดสิบเปอร์เซ็นต์) เพื่อคงความอบอุ่นเชิงสร้างสรรค์ไว้ในขณะที่กำจัดสีเพี้ยนที่มากเกินไปซึ่งอ่านได้ว่าเป็นข้อผิดพลาดทางเทคนิค
- ตัวแบบที่มีสีเด่นอาจทำให้การตรวจจับค่ากลางเอนเอียง — ให้แยกตัวแบบออกจากพื้นที่วิเคราะห์เพื่อให้อัลกอริทึมใช้การแก้ไขจากค่ากลางในพื้นหลังแทน
การแก้ไขแสงผสมขั้นสูงด้วยการปรับ AI ตามพื้นที่
แสงผสมเป็นสถานการณ์หลักที่ AI color correction ให้คุณค่าที่เครื่องมือ manual ไม่สามารถเทียบได้จริง ลองพิจารณาสถานการณ์ถ่ายภาพอสังหาริมทรัพย์ทั่วไป: ห้องครัวมีแสงวันจากหน้าต่างด้านซ้าย ไฟฮาโลเจนแบบฝังฝ้าจากเพดานด้านบน และแสงฟลูออเรสเซนต์ใต้ตู้ ด้านเคาน์เตอร์ที่โดนแสงวันอ่านค่าเป็นกลาง ตรงกลางที่โดนแสงฮาโลเจนอ่านค่าอำพันอุ่น ผนัง backsplash ที่โดนฟลูออเรสเซนต์อ่านค่าเขียวเหลือง การแก้ไขสมดุลสีขาวทั่วทั้งภาพที่แก้ไขตรงกลางจะทำให้ด้านหน้าต่างเป็นสีฟ้าและ backsplash เป็นสีเขียวมากขึ้น สิ่งที่จำเป็นคือการแก้ไขสามแบบแยกกันสำหรับสามพื้นที่ โดยมีการเปลี่ยนผ่านที่ราบรื่นระหว่างกัน AI สามารถระบุพื้นที่เหล่านี้ได้โดยอัตโนมัติจากเรขาคณิตของฉากและการกระจายแสง
ขั้นตอนการแก้ไขตามพื้นที่ใน Magic Eraser ใช้ AI Enhance พร้อมความสามารถในการตรวจจับโซน เครื่องมือจะแบ่งส่วนภาพโดยอัตโนมัติเป็นพื้นที่ที่มีสีเพี้ยนสม่ำเสมอ วาดขอบเขตตามขอบธรรมชาติ (ที่ผนังบรรจบกับเพดาน ที่การเปลี่ยนเงาบ่งชี้แหล่งกำเนิดแสงที่แตกต่างกัน ที่การเปลี่ยนวัสดุพื้นผิวบ่งชี้คุณสมบัติการสะท้อนที่แตกต่างกัน) และใช้การแก้ไขสมดุลสีขาวอิสระกับแต่ละโซน การแก้ไขจะค่อยๆ เฟดตามขอบเขตโดยใช้เกรเดียนต์มาสก์ที่ตามการลดลงของแสงธรรมชาติ ทำให้เกิดการเปลี่ยนผ่านที่ดูสมเหตุสมผลทางกายภาพแทนที่จะแสดงขอบการแก้ไขที่แข็งกระด้าง สำหรับภายในอสังหาริมทรัพย์ทั่วไปที่มีแหล่งกำเนิดแสงสามแหล่ง กระบวนการแก้ไขแบบโซนนี้ใช้เวลาประมาณสิบวินาทีเทียบกับเวลาห้าถึงสิบนาทีที่ต้องใช้ในการสร้างมาสก์ เฟดขอบ และปรับแต่ละโซนแยกกันในซอฟต์แวร์ตัดต่อแบบดั้งเดิม
ภาพถ่ายงานแต่งงานและงาน-event นำเสนอความท้าทายด้านแสงผสมที่รุนแรงที่สุด เพราะสภาพแสงเปลี่ยนไปในแต่ละเฟรมและแม้แต่ภายในเฟรมเดียวกัน พิธีอาจรวมแสงจากหน้าต่างกระจกสี โคมระย้าบนเพดาน และแฟลชของช่างภาพ ห้องรับประทานอาหารรวมไฟสีดีเจ เทียนบนโต๊ะ ฟลูออเรสเซนต์บนเพดาน และแฟลชเป็นครั้งคราว AI correction จัดการสถานการณ์เหล่านี้ด้วยการประมวลผลแต่ละภาพอย่างอิสระ ตรวจจับส่วนผสมแสงที่เป็นเอกลักษณ์ในแต่ละเฟรม และใช้การแก้ไขแบบโซนที่เหมาะสมโดยที่ช่างภาพไม่ต้องวินิจฉัยและจัดการแต่ละภาพด้วยตนเอง สำหรับชุดภาพถ่ายงานเลี้ยงรับรองห้าร้อยภาพที่ถ่ายในช่วงสี่ชั่วโมงภายใต้ไฟสีที่เปลี่ยนตลอดเวลา AI batch processing พร้อมการแก้ไขแบบโซนสามารถให้ผลลัพธ์ที่สะอาดและเป็นกลางได้ในเวลาไม่กี่นาที เทียบกับวันทำงานที่ต้องแก้ไขด้วยตนเองซึ่งมิฉะนั้นจะต้องใช้
- แสงผสมต้องการการแก้ไขเฉพาะพื้นที่ — การตรวจจับโซนของ AI ระบุพื้นที่ที่มีสีเพี้ยนสม่ำเสมอและใช้การปรับสมดุลสีขาวอิสระพร้อมการเปลี่ยนผ่านแบบเฟดตามขอบเขตธรรมชาติ
- ภายในอสังหาริมทรัพย์ที่มีแหล่งแสงวัน ฮาโลเจน และฟลูออเรสเซนต์ได้รับการแก้ไขสามโซนในสิบวินาที เทียบกับห้าถึงสิบนาทีสำหรับการสร้างมาสก์และการปรับแต่ละโซนด้วยตนเอง
- ภาพถ่ายงานแต่งงานและงาน-event ที่มีไฟสี แสงเทียน และแฟลชที่เปลี่ยนตลอดเวลาได้รับประโยชน์จาก AI batch processing ที่วินิจฉัยและแก้ไขส่วนผสมแสงเฉพาะของแต่ละเฟรมอย่างอิสระ
- ขอบเขตการแก้ไขเป็นไปตามขอบธรรมชาติของฉาก (รอยต่อผนัง-เพดาน การเปลี่ยนเงา การเปลี่ยนวัสดุ) เพื่อให้ผลลัพธ์ดูสมเหตุสมผลทางกายภาพโดยไม่มีรอยต่อการแก้ไขที่มองเห็นได้
การรักษาเจตนาทางศิลปะในขณะที่กำจัดข้อผิดพลาดสีทางเทคนิค
ไม่ใช่ทุกการเปลี่ยนสีในภาพถ่ายจะเป็นข้อผิดพลาด แสงชั่วโมงทองให้สีเพี้ยนโทนอุ่นซึ่งเป็นเหตุผลทั้งหมดที่ช่างภาพเลือกถ่ายในช่วงเวลานั้น ป้ายนีออนสร้างแสงสะท้อนสีที่เพิ่มบรรยากาศให้กับภาพสตรีท กระจกสีทำให้เกิดแสงสีบนภายในโบสถ์ในลวดลายที่บอกเล่าเรื่องราว ช่วงพลบค่ำสีน้ำเงินสร้างจานสีโทนเย็นที่สื่อถึงอารมณ์เฉพาะ ความท้าทายในการแก้ไขสีเพี้ยนคือการแยกแยะระหว่างข้อผิดพลาดทางเทคนิคที่ไม่ต้องการ (สีเขียวจากฟลูออเรสเซนต์บนภาพ headshot องค์กร) กับสีที่ต้องการทางศิลปะ (แสงอำพันอุ่นจากบรรยากาศหลอด Edison ของร้านอาหาร) เครื่องมือ AI correction ที่ปรับให้เป็นกลางอย่างรุนแรงสามารถลบสีทางศิลปะไปพร้อมกับข้อผิดพลาด ทำให้ได้ผลลัพธ์ที่ถูกต้องทางเทคนิคแต่อารมณ์เรียบแบน
วิธีแก้ไขคือการแก้ไขบางส่วนโดยเจตนา ใช้พลังการวินิจฉัยของ AI เพื่อระบุและวัดปริมาณการเปลี่ยนสีทั้งหมดในฉาก จากนั้นใช้การแก้ไขแบบเลือกสรรตามว่าการเปลี่ยนสีใดส่งเสริมภาพและสีใดไม่เป็นประโยชน์ สำหรับภาพภายในร้านอาหาร คุณอาจต้องการคงแสงอุ่นโดยรอบของหลอด Edison ไว้ในขณะที่กำจัดสีเขียวจากแสงฟลูออเรสเซนต์ในครัวที่รั่วเข้ามาในพื้นหลัง AI สามารถแยกสิ่งเหล่านี้ตามพื้นที่: ใช้การแก้ไขเต็มรูปแบบกับพื้นที่ที่ปนเปื้อนฟลูออเรสเซนต์ ในขณะที่ปล่อยให้พื้นที่ที่ได้รับแสงทังสเตนไม่ถูกแก้ไขหรือแก้ไขเพียงบางส่วน วิธีการแบบเลือกสรรนี้รักษาบรรยากาศที่ทำให้ร้านอาหารน่าเชิญชวน ในขณะที่กำจัดสีเขียวที่ไม่สวยซึ่งทำให้อาหารดูไม่น่ารับประทาน
การปกป้องโทนสีผิวเป็นแง่มุมที่สำคัญที่สุดของการแก้ไขที่คำนึงถึงเจตนาทางศิลปะ แม้เมื่อคุณต้องการรักษาสีของสภาพแวดล้อมไว้ เช่น ทังสเตนอุ่นเพื่อความอบอุ่น ช่วงพลบค่ำสีน้ำเงินเพื่ออารมณ์ — คุณแทบไม่ต้องการให้สีนั้นปนเปื้อนโทนสีผิวจนดูไม่สุขภาพดี วิธีการที่แนะนำคือการแก้ไขโทนสีผิวให้อยู่ในสภาวะที่เป็นกลางและสุขภาพดีโดยไม่คำนึงถึงกลยุทธ์การแก้ไขสภาพแวดล้อม จากนั้นปล่อยให้สีเพี้ยนของสภาพแวดล้อมคงอยู่ในพื้นหลัง พื้นผิว และองค์ประกอบที่ไม่ใช่ผิวหนัง AI subject detection สามารถแยกผิวหนังได้โดยอัตโนมัติ ใช้การแก้ไขเป็นกลางเต็มรูปแบบเฉพาะกับบริเวณเหล่านั้น และปล่อยให้ส่วนที่เหลือของภาพอยู่ในสมดุลสีที่สร้างสรรค์ตามที่คุณต้องการ วิธีนี้ให้สิ่งที่ดีที่สุดของทั้งสองโลก: ฉากที่มีบรรยากาศสมบูรณ์พร้อมผู้คนที่ดูเป็นธรรมชาติและสุขภาพดี
- ไม่ใช่ทุกการเปลี่ยนสีจะเป็นข้อผิดพลาด — ความอบอุ่นช่วงชั่วโมงทอง แสงสะท้อนนีออน และโทนเย็นช่วงพลบค่ำเป็นทางเลือกเชิงสร้างสรรค์ที่การแก้ไขเป็นกลางแบบรุนแรงสามารถทำลาย ทำให้ภาพราบเรียบทางอารมณ์
- การแก้ไขบางส่วนใช้ความสามารถวินิจฉัยของ AI เพื่อระบุการเปลี่ยนสีทั้งหมด จากนั้นใช้การแก้ไขเฉพาะกับสีเพี้ยนที่ไม่ต้องการ ในขณะที่คงสีบรรยากาศที่ต้องการไว้ในพื้นที่อื่น
- โทนสีผิวควรได้รับการแก้ไขให้เป็นกลางและสุขภาพดีโดยไม่คำนึงถึงเจตนาของสภาพแวดล้อม AI subject detection แยกผิวหนังสำหรับการแก้ไขเต็มรูปแบบในขณะที่คงสีอารมณ์ไว้ในพื้นหลังและพื้นผิว
- เป้าหมายคือการแยกข้อผิดพลาดทางเทคนิคออกจากเจตนาทางศิลปะ: กำจัดสีเขียวจากฟลูออเรสเซนต์บนอาหารในขณะที่คงแสงอุ่นของหลอด Edison ที่ทำให้ร้านอาหารรู้สึกน่าเชิญชวน
แหล่งข้อมูล
- Computational Color Constancy: Survey and Experiments — IEEE Transactions on Image Processing
- Color Temperature and White Balance in Digital Photography — ACM SIGGRAPH
- Deep White-Balance Editing for Consistent and Accurate Color Reproduction — arXiv