教你如何通过直方图识别照片的曝光是否

谈到曝光,我想,我必须得讲直方图了。首先,我们来了解一下直方图。

有的人可能会说:什么?直方图?我打接触相机的时候就会用了,这个有什么可讲的?好吧,等我讲完了你再讲这番话也不迟。

以这幅图片为例:

先介绍一下直方图最基础的知识吧。

直方图的横轴从左到右表示亮度的越高,纵轴从下到上表示像素越多。亮度从0—255。 ? ? ? ? ? 0表示黑,255表示白,如果某个地方的峰越高,表示在这个亮度下的像素越多。

拿这个直方图来说,它的分布是非常均匀的,说明各个亮度区间的像素分布是很均匀的。

弄懂了上面这几句话,你对直方图就有了一个最基本的了解了,但实际上直方图的东西还有很多很多。我问一个问题:两个直方图完全一样的图片,两幅图片的画面就一定是一样的吗?

答案当然是NO,因为直方图它记录的是像素的亮度信息,换言之,我们把上面所有的像素都不改变,只是改变它们的相对位置,直方图一点儿都不会改变,但画面内容可能就脱胎换骨了。

理解上面这一点很重要,对于我们理解直方图的本质有很大帮助。

好吧,上面的都是一些人尽皆知的知识,下面的才是我要讲的。

回到这幅图。这幅图右边有?色阶,数量,百分比?这几个参数,它们的含义是什么呢?

大家打开直方图,把你的鼠标放在直方图的某个位置,就会出现这三个参数,它们分别代表:

色阶:指针所在地方的亮度,即从0—255的某个值。数量:在这个亮度下的像素值,比如上面这幅图的意思就是在138这个色阶下,有1915个像素。百分比:当前色阶在整个色阶中的位置。

好吧,上面这个还有进阶的知识。

当你按住鼠标左键往右拉的时候,你会发现它们有变化。

色阶:你选取的色阶的范围,比如上面这个就是从115到216这个范围的色阶。

数量:在这个范围下的像素总数。等等,有人会说,这个照片的像素总数才207284,怎么这个范围下的像素就有227728呢?这不是自相矛盾吗?

非常好的观察力,因为我是选的RGB通道,像素总数是要乘以三的,后面我会专门讲到各个通道的。

百分比:这里的百分比就不是位置的百分比了,而是你选取的范围的像素在整个像素中的百分比。

好吧,经过上面的学习,你又进一步了解了直方图了,但还不够,还有更复杂的。

继续拿出这幅图,左边还有几个参数,平均值,标准偏差,中间值,像素。

这几个参数的含义是什么呢?

平均值:平均值越高,照片整体就越偏亮,以128为中间值。

它的算法是:图像的亮度总值÷图像像素总数。拿上面这幅图为例,它的平均值是117,离128很近是吧,所以曝光属于正常型的。

标准偏差:标准偏差是统计学名词。一种量度数据分布的分散程度之标准,用以衡量数据值偏离算术平均值的程度。标准偏差越小,这些值偏离平均值就越少,反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。

标准偏差公式:样本标准偏差S = Sqrt[(∑(xi-x拔)^2) /(N-1)],公式中∑代表总和,x拔代表所采用的样本x的均值,^2代表二次方,Sqrt代表平方根。

好吧,上面这些都不重要,我们需要知道的是标准偏差与照片画面的关系。

标准偏差越大,画面对比越明显,反之亦然。

中间值:将图像所有像素的亮度值通过从从小到大排列后,位置在最中间的数值。即将数据分成两部分,一部分大于该数值,一部分小于该数值。(如果有偶数个像素,就有两个位于中间的数,取前面的一个)

中间值的意义在于从另一个侧面来反映画面的整体亮度,是否是过曝或欠曝。它与平均值互补,不过没有平均值准确,具体缘由自己体会。

像素:这个不多讲了,大家都很熟悉的。

看完并理解上面这些,你对直方图应该是有一个比较全面的理解了,不过,想要真正理解直方图还需要一些知识。

通道里面分为很多种:RGB,红,绿,蓝,明度,颜色。首先,我们要明白直方图里面的数量和像素不是同一个概念,当我们选择RGB通道的时候,最大数量值=像素值×3。而当我们选择其他通道时,最大数量值=像素值

举个例子:

在RGB通道下,色阶为一百时,数量为3119

在R通道下,色阶为一百时,数量为945

在G通道下,色阶为一百时,数量为1610

在B通道下,色阶为一百时,数量为564

你会发现,RGB通道下的数量值为R+G+B得出来的。

也就是说RBG通道实际上是把R,G,B各个通道的数值相加得到的。

而像素是什么?我们是把RGB三种颜色最后混合而成的颜色看成一个颜色,这就是我们所说的像素,相信你可以理解为什么在单R,G,B通道下最大数量值=像素值了。

同理,RGB通道和明度通道也不一样。

这是RGB通道:

这是明度通道:

也许你会有疑问,直方图不就是反映亮度信息的吗?为什么RGB通道和明度通道下的直方图还不一样呢?这是计算方法导致的。
明度统计的是每个像素的复合值,而像素的亮度值的计算方法为:30%×R+59%×G+11%×B

这里又与前面的像素相对应了,像素是一个复合值,看了前面这么多,相信各位也有些晕了…?坚持住,关于直方图还有最后一点儿内容。

我以红色通道的直方图来讲一下。

大家看到这个直方图能想到什么?说明红色信息主要分布在中间和暗部,亮部分布不多,单个通道的直方图信息对于我们调色和纠正色偏有很大的作用。

最后再讲一下直方图的高速缓存级别。这个是什么意思呢?先看一下图吧。

这是缓存级别为3

这是缓存级别为1

我就不去讲它的计算原理了,我就直白的讲一下:

缓存级别越高,直方图生成的越快,但越不准确(简单讲一下原理,缓存级别越高,它就不会去计算每一个像素的值,而是将几个像素合并为一个像素计算)。如果你需要讲缓存级别改为1,点击右上角的三角形就行了。

直方图对于我们理解曝光有很大的帮助!

比如:

这一幅明显是过曝的照片。

这一幅明显是欠曝的照片。

哇,这一幅曝光正好,高光低光皆有,是正确的曝光。

好吧,如果你信了我上面的话,说明你还是没有了解到直方图的本质。正如我前面所讲的,直方图它记录的是像素的亮度信息,换言之,我们把上面所有的像素都不改变,只是改变它们的相对位置,直方图一点儿都不会改变,但画面内容可能就脱胎换骨了。

一定要记住这句话:直方图它记录的是像素的亮度信息,其他什么都不代表。

曝光准不准确,与亮度分布是否均匀没有必然联系。

上面三幅直方图对应的图片是:

上面这点就是直方图的局限性,直方图只反映亮度信息,其他什么都不代表,与曝光正确与否也没有必然联系。

前面提到了直方图的局限性,我之所以要先讲局限性,是要让大家不要过于迷信直方图,不要在头脑中形成什么样什么样的直方图才是曝光准确的,什么样的直方图则不是曝光准确的。

那么直方图到底该怎么用呢?

答案是结合拍摄环境用。

直方图在摄影中的作用是显而易见的,特别是在阳光强烈看不清屏幕的情况下,你很难判断曝光是否准确,这时候结合直方图就能对曝光作一个大概的判断了。

对于结合拍摄环境使用的具体一点儿就是:比如你在拍雪景的时候,你硬要低光和中间调都有大量像素,一般情况下是不现实的。再比如,你在拍乌云的时候,你硬要高光部分有大量像素,一般情况下这也是不现实的。

你要结合你所处的拍摄环境对直方图的形态有一个大概估计,而不是盲目的追求低光,中间调和高光都有像素,当然这需要一定的摄影经验的积累。一个常用的快速提高方法就是,看一些典型环境下的照片的直方图。

对于以上这两幅照片,大家能明显感觉到不同,但不同之处在哪里呢?这时候我前面讲的直方图的知识就派上大用场了。

下面分别是两幅图片的直方图:

平均值:第一幅略高。证明第一幅的平均亮度要高一点儿,不过这点儿差距基本上不太影响画面效果。

标准偏差:第二幅明显高,这意味这什么?意味着第二幅照片的画面对比效果更强烈。

中间值:一样的。

再观察直方图本身:第一幅的直方图更窄,特别是阴影部分的像素明显较第二幅更少,为了更加准确的得到结果,我们对像素进行计算。

大家可以看到:第一幅色阶从0—70(低光)的数量为61701,百分比为6.01。而第二幅为92054,百分比未8.96,明显第二幅低光部分的像素更多,且在画面中所占比例更大,再看一下蓝色通道:

明显第二幅蓝色通道的像素分布范围更广,无论是低光还是高光都比第一幅多,这也就是为什么第二幅的天空比第一幅蓝的原因。

以上内容是对我之前讲的直方图知识的一个运用,如果熟练掌握了的话,对于调色和识图(识别后期手段)是很有帮助的。那么怎么用直方图来判断曝光呢?

以这幅图片为例,这是在白天拍的风景,它的平均值为145,为正常范围。直方图是连续的没有间断,证明亮度变化平缓,符合白天风景的特征。标准偏差正常,其实标准偏差并没有一个固定的标准,它可以作为你校对处理前后图片的一个参考数据。低光,中间调,高光的百分比正常,符合白天风景的特征。

蓝色通道平均值为178,因为蓝色主要集中于天空,所以较整体水平偏高,也属正常。

另:对于曝光这种东西本来就不适宜将其完全数据化,没有一个绝对的正确曝光值。不是说平均值一定要为多少,百分比一定为多少,直方图一定要怎样才是曝光准确,它只是一个参考,是一个工具。

曝光是否准确还要结合你的拍摄意图来判断。比如你想拍LOMO,这时候你就不能用正常的标准偏差来衡量了,因为LOMO的标准偏差普遍较高。比如你想拍日系,你也不能用正常的平均值来衡量,因为日系的平均值普遍较高,因此,曝光是否准确一定要结合你的拍摄意图来进行讨论。

最后,多相信自己的眼睛,如果自己喜欢,哪怕在别人看来曝光可能不准,也随它去吧!

同样涨姿势的趣味好文!

全教程完,学完记得交作业。如果本教程对您有所帮助,请推荐给你的朋友。

【原创教程 投稿邮箱: ps@16xx8.com】

长按二维码关注我们

关注我们微博:@photoshop教程论坛

推荐教程