วิธีแก้สมดุลสีขาวในรูปภาพด้วย AI

ทำความเข้าใจว่าทำไมกล้องถึงปรับสมดุลสีขาวผิดพลาด

สายตามนุษย์ปรับตัวเข้ากับสภาพแสงที่เปลี่ยนแปลงได้อย่างราบรื่นจนคุณแทบไม่สังเกตเห็นการเปลี่ยนแปลงของอุณหภูมิสี เมื่อเดินจากแสงกลางวันที่สว่างเข้าไปในร้านอาหารที่มีแสงอบอุ่น ภายในไม่กี่วินาทีทุกอย่างก็ดูปกติ ผ้าเช็ดปากสีขาวดูเป็นสีขาว ไม่ใช่สีส้ม กล้องไม่สามารถปรับตัวแบบนี้ได้ กล้องจะวัดแสงและตัดสินใจเกี่ยวกับอุณหภูมิสี ณ ขณะที่ถ่ายภาพ หากการวัดนั้นผิดพลาด ทุกพิกเซลในภาพจะ承载ความผิดพลาดนั้น

automatic white balance (AWB) ในกล้องและโทรศัพท์สมัยใหม่ทำงานได้ดีในสภาพแสงที่สม่ำเสมอและเรียบง่าย ในแสงกลางวันล้วน แสง incandescent ล้วน หรือแสง fluorescent ล้วน กล้องมักจะได้ค่าใกล้เคียงกับที่ถูกต้อง ความล้มเหลวเกิดขึ้นในสภาพแสงผสม ห้องที่มีแสงกลางวันส่องผ่านหน้าต่างและ fluorescent tubes บนเพดาน ร้านอาหารที่มีหลอดไฟตกแต่งสีอบอุ่นและ LED downlights สีเย็น สำนักงานที่มีแสง fluorescent เหนือศีรษะและโคมไฟตั้งโต๊ะ ในสถานการณ์เหล่านี้ กล้องเลือกค่าประนีประนอมค่าหนึ่งที่ไม่สามารถแทนแหล่งกำเนิดแสงใดได้อย่างแม่นยำ และผลลัพธ์ก็ดูผิดเพี้ยน

กล้องโทรศัพท์มือถือมีความอ่อนไหวเป็นพิเศษเพราะพวกมันปรับให้เหมาะสมอย่างรุนแรงกับสิ่งที่คิดว่าฉากนั้นควรจะเป็น มากกว่าสิ่งที่แสงเป็นจริง ซึ่งหมายความว่ารูปถ่ายจากโทรศัพท์ของฉากเดียวกันที่ถ่ายห่างกันไม่กี่วินาทีสามารถมีสมดุลสีขาวที่แตกต่างกันอย่างเห็นได้ชัดเมื่ออัลกอริทึมแปลความหมายของฉากใหม่ สำหรับการถ่ายภาพสินค้า ภาพถ่ายอสังหาริมทรัพย์ หรือบริบทใดๆ ที่ความแม่นยำของสีมีความสำคัญ ความไม่สม่ำเสมอนี้เป็นปัญหาจริงที่ AI correction แก้ไขได้อย่างน่าเชื่อถือ

• สายตามนุษย์ปรับตัวเข้ากับอุณหภูมิสีอย่างต่อเนื่อง แต่กล้องทำการวัดเพียงครั้งเดียวในขณะถ่ายภาพ
• auto white balance ล้มเหลวบ่อยที่สุดในสภาพแสงผสม — แสงกลางวันบวก fluorescent, หลอดไฟอุ่นบวก LED เย็น
• กล้องโทรศัพท์มือถือตีความฉากใหม่อย่างรุนแรง ทำให้สมดุลสีขาวไม่สอดคล้องกันระหว่างภาพถ่ายของวัตถุเดียวกัน
• ความแม่นยำของสีมีความสำคัญสำหรับการถ่ายภาพสินค้า อสังหาริมทรัพย์ ภาพอาหาร และบริบทใดๆ ที่ผู้ชมต้องเชื่อถือสี

วิธีการทำงานของ AI white balance correction

การแก้ไขสมดุลสีขาวแบบดั้งเดิมต้องให้ช่างภาพระบุจุดอ้างอิงที่เป็นกลางในภาพ พื้นผิวที่ควรเป็นสีขาวล้วน สีเทา หรือสีดำ — จากนั้นปรับช่องสีจนกว่าจุดอ้างอิงนั้นจะอ่านค่าเป็นกลาง วิธีนี้ใช้ได้ดีเมื่อมีจุดอ้างอิงดังกล่าวอยู่และช่างภาพสามารถระบุได้อย่างแม่นยำ แต่ภาพถ่ายจำนวนมากไม่มีจุดอ้างอิงที่เป็นกลางที่ชัดเจน หรือจุดอ้างอิงนั้นคลุมเครือ กำแพงนั้นสีขาวหรือสีครีม? เสื้อตัวนั้นสีเทาหรือฟ้าอ่อน? วิธีการแบบแมนนวลต้องใช้การตัดสินเรื่องสีที่ต้องใช้เวลาหลายปีในการพัฒนา

AI correction ใช้แนวทางที่แตกต่างออกไปโดยพื้นฐาน แทนที่จะพึ่งพาจุดอ้างอิงเพียงจุดเดียว AI จะวิเคราะห์การกระจายทางสถิติของสีทั่วทั้งภาพ AI ระบุพื้นที่หลายแห่งที่ควรเป็นกลางโดยอาศัยการรู้จำเนื้อหา AI รู้ว่าสีผิว เสื้อผ้าสีขาว คอนกรีตสีเทา และพืชพรรณสีเขียวควรมีลักษณะอย่างไรภายใต้แสงที่เป็นกลาง ด้วยการวิเคราะห์จุดอ้างอิงหลายร้อยจุดพร้อมกัน AI จึงสร้างแบบจำลองการเพี้ยนของสีที่แม่นยำกว่าการแก้ไขแบบจุดเดียวมาก

การวิเคราะห์แบบหลายจุดนี้ยังจัดการกับแสงผสมได้ดีกว่าการแก้ไขแบบแมนนวล ในห้องที่แสงจากหน้าต่าง (เย็น) และแสงจากโคมไฟ (อุ่น) สร้างการเพี้ยนของสีที่แตกต่างกันในพื้นที่ต่างๆ ของภาพ AI สามารถใช้การแก้ไขที่แปรผันตามพื้นที่ การปรับที่แตกต่างกันเล็กน้อยสำหรับแต่ละโซน — ซึ่งทำให้การเพี้ยนทั้งสองหมดไปในคราวเดียว ช่างภาพที่ใช้วิธีแมนนวลจะต้อง mask และแก้ไขแต่ละโซนแสงแยกกัน ซึ่งเป็นกระบวนการที่ต้องใช้เวลาและทักษะอย่างมาก

ปัญหาสมดุลสีขาวทั่วไปและวิธีแก้ไข

การเพี้ยนเป็นสีส้มจากแสง incandescent และ tungsten เป็นปัญหาสมดุลสีขาวที่เด่นชัดที่สุด ทุกอย่างในภาพดูอบอุ่น สีขาวกลายเป็นครีมหรือเหลือง สีผิวกลายเป็นแดงหรือส้ม และเงามี tint สีน้ำตาล ปัญหานี้พบได้บ่อยในการถ่ายภาพร้านอาหาร ภาพภายในบ้าน และทุกสถานที่ในร่มที่ใช้หลอดไฟแบบดั้งเดิมเป็นหลัก AI Enhance ช่วยปรับการเปลี่ยนแปลงสีอบอุ่นให้เป็นกลาง คืนสีขาวให้เป็นสีขาวจริง และสีผิวให้มีความอบอุ่นเป็นธรรมชาติโดยไม่มีการเน้นสีส้ม

การเพี้ยนเป็นสีเขียวจากแสง fluorescent นั้นละเอียดอ่อนกว่าแต่ก็สร้างความเสียหายไม่แพ้กัน จะเห็นได้ชัดที่สุดบนสีผิวซึ่งดูซีดไม่สุขภาพดี บนพื้นผิวสีขาวซึ่งปรากฏเป็นสีเขียวอ่อนๆ สำนักงาน ร้านค้าปลีก โรงเรียน และสถานพยาบาลมักมีแสง fluorescent การเพี้ยนนี้เป็นปัญหาอย่างยิ่งสำหรับการถ่ายภาพบุคคลและการถ่ายภาพสินค้าในสถานที่เหล่านี้ เพราะ tint สีเขียวทำให้คนดูไม่สบายและสินค้าดูไม่แม่นยำ AI correction ช่วยกำจัด峰值สีเขียวในขณะที่ยังคงความสว่างโดยรวมของสภาพแวดล้อมที่มีแสง fluorescent

การเพี้ยนเป็นสีฟ้าจากท้องฟ้ามืดครึ้มและร่มเงาเป็นเรื่องปกติในการถ่ายภาพกลางวันที่ วันที่มีเมฆมาก แสงที่กระจายตัวจะมีสีฟ้าอย่างมาก และเงาก็ยิ่งมีสีฟ้ามากขึ้น ทำให้วัตถุที่มีโทนสีอบอุ่น — ดิน ไม้ สีผิวอบอุ่น ใบไม้ในฤดูใบไม้ร่วง — ดูเย็นชาและไร้ชีวิตชีวา นอกจากนี้ยังส่งผลต่อการถ่ายภาพสินค้าที่ทำกลางแจ้งหรือใกล้หน้าต่างในวันที่เมฆมาก AI จะกำจัดการเปลี่ยนแปลงเป็นสีฟ้าและคืนความอบอุ่นตามธรรมชาติของฉาก โดยไม่ overcorrect จนดูอบอุ่นเกินจริง

• การเพี้ยนเป็นสีส้มจากหลอด incandescent: เห็นชัดที่สุดบนสีขาวและสีผิว พบได้บ่อยในร้านอาหารและบ้าน
• การเพี้ยนเป็นสีเขียวจาก fluorescent tubes: ทำให้สีผิวดูไม่สุขภาพดี พบได้บ่อยในสำนักงานและร้านค้าปลีก
• การเพี้ยนเป็นสีฟ้าจากท้องฟ้ามืดครึ้ม: ดึงความอบอุ่นออกจากฉากกลางแจ้งและฉากที่มีแสงจากหน้าต่าง
• การเพี้ยนผสมจากแหล่งกำเนิดแสงหลายแหล่ง: ต้องการการแก้ไขแบบแปรผันตามพื้นที่ ซึ่ง AI จัดการได้โดยอัตโนมัติ

การแก้ไขสมดุลสีขาวสำหรับการถ่ายภาพสินค้าและอีคอมเมิร์ซ

ความแม่นยำของสีเป็นปัญหาด้านความไว้วางใจในอีคอมเมิร์ซ เมื่อลูกค้าสั่งซื้อเสื้อสีน้ำเงินเข้มและได้รับสีดำ หรือสั่งซื้อแจกันสีครีมและได้รับสีเหลือง การคืนสินค้าแทบจะแน่นอน และความไว้วางใจของลูกค้าในการแสดงสีของคุณก็เสียหายสำหรับการซื้อในอนาคต งานวิจัยของ Shopify แสดงให้เห็นเสมอว่าความแม่นยำของสีในภาพสินค้าส่งผลโดยตรงต่ออัตราการคืนสินค้า สมดุลสีขาวที่ไม่ถูกต้องเป็นสาเหตุที่พบบ่อยที่สุดของสีสินค้าที่ไม่แม่นยำในหน้ารายการสินค้าออนไลน์

สำหรับการถ่ายภาพสินค้า การแก้ไขสมดุลสีขาวควรตรวจสอบเทียบกับสินค้าจริง หลังจาก AI Enhance แก้ไขการเพี้ยนของสีแล้ว ให้เปรียบเทียบภาพบนหน้าจอกับสินค้าจริงภายใต้แสงกลางวันที่เป็นกลาง ถ้าค่าใกล้เคียงกัน แสดงว่าคุณมีการแสดงสีที่แม่นยำ ถ้าภาพบนหน้าจอยังแตกต่างจากความเป็นจริง ให้ปรับค่าความอบอุ่นจนกว่าเวอร์ชันดิจิทัลและจริงจะตรงกัน ขั้นตอนการตรวจสอบเพิ่มเติมนี้ใช้เวลาไม่กี่วินาทีและป้องกันการคืนสินค้าที่เกี่ยวข้องกับสี

ความสม่ำเสมอแบบชุดมีความสำคัญพอๆ กับความแม่นยำของแต่ละภาพ หากคุณถ่ายภาพสินค้ายี่สิบชิ้นในเซสชันเดียวกันภายใต้แสงเดียวกัน ภาพทั้งยี่สิบภาพควรได้รับการแก้ไขสมดุลสีขาวเดียวกัน AI tools จัดการเรื่องนี้โดยธรรมชาติ — สภาพแสงเดียวกันทำให้เกิดการเพี้ยนเดียวกัน AI จึงใช้การแก้ไขเดียวกัน ผลลัพธ์คือแคตตาล็อกสินค้าที่สีทั้งแม่นยำกับสินค้าจริงและสอดคล้องกัน สร้างประสบการณ์การช้อปปิ้งที่เชี่ยวชาญและน่าเชื่อถือ