看花眼了吧,这就对了「清清」

大家好，看花眼了吧,这就对了「清清」很多人还不知道，现在让我们一起来看看吧！

生活中总有一些时刻，我们在和别人因为看到的东西争论到怀疑人生——

比如一条平平无奇的裙子，你看到的是蓝黑，我看到的却是白金；一张黑白艺术照，你看到的是爱因斯坦，我看到的却是玛丽莲梦露；甚至在一副未来感十足的简笔画里，你我明知道水应该从上往下流，但事实上看到的却是水从下往上，流向一个莫名其妙的原点……简直就是凤仙郡的天气预报——让人连连无语！

真的是我们的眼睛出了问题吗？

都是一样的眼，为何看到的还千差万别？

在我们准备把造成偏差的锅往眼睛上扣之前，不如先让大脑好好反思一下。

想必很多人都见过裙子或者鞋子颜色这个争议多年的老梗。但实际上，这个话题并没有什么对错可言。科学家推测这可能源自大脑的色彩恒常性机制——这是一种大脑中的自动白平衡机制，有些人会考虑环境的颜色来判断物体，有些人却不会。比如白金裙子就是来自考虑了光照的大脑，而蓝黑裙子则是由于无视了光照。

原照片（中）和经过不同的白平衡调整后呈现的白色-金色（左）或蓝色-黑色（右）两种形态丨swiked

同样，对于一幅画看出来的不同人物，是因为人脑分辨粗糙和清晰图像的能力不同，导致人们在远近不同的距离看混合了爱因斯坦和梦露五官元素的照片时，就自动解读成了不同的人物形象。

而逆流而上的水流，则是来自线条搭建的视错觉——彭斯三角，利用了人脑的“俭省原则”—— 演化史让我们早就习惯了从二维图像里读出三维的能力，甚至形成了一套约定俗称的“三维信号”。因此当我们看到一个形状的时候，我们会尽量用“最简单”的方式来理解它。再加上画面中的遮挡和阴影制造出的矛盾，我们的大脑不明不白地就被骗了。

埃舍尔《瀑布》（Waterfall, 1961）丨mcescher

虽然人脑在识别事物时总是有些“天马行空”地被带跑偏，但说句公道话，更多时候人脑也是无辜的啊！比如就是手机屏幕上一张不能再普通的游客打卡风景照，把它发给10个人，如果他们用的是不同品牌款式的手机，那么用户对于照片中颜色的解读可能也不一样。而这大概率就不是人脑的问题了，而是手机的锅。

手机如何影响你的色彩情绪

与许多动物相比，人眼宛如一台设计精良的光学仪器，能捕捉自然界最真实的色彩与光影表现。

眼睛中检测光的细胞被称作视杆细胞，它们在黑暗中会变得更加敏感，产生暗视觉。这样的视杆细胞，在人眼中大约有1.2亿个，让我们的眼睛感知外界的明暗变化。有研究表明，人眼甚至能感受到单个光子的经过，这比世界上许多的高端仪器精密地多[1]。至于看颜色，则要靠眼睛中的视锥细胞了。视锥细胞可以感受强光和颜色，产生明视觉，而且对物体细节和颜色的分辨力很强。

眼睛视觉神经结构丨中国数字科技馆

正是由于天生更加优秀的眼睛构造，让我们具备了识别暗场和明场交织的奇异能力，也让我们有了更多机会用眼睛去探索大千世界的多彩元素。不过，这个感应是有一定的区间范围的。可是该如何量化这个范围呢？经过了长时间的探索和研究，国际照明委员会（CIE）在1931年终于定义了色彩空间CIE 1931 XYZ Color Specification System——在一个二位象限中划了一个框，标示出人类对色彩的统一认知，我们把这个体系叫做“RGB”。

CIE 色度图（CIE chromaticity diagram）丨research gate

简单来说，有的区域大一点包含的色彩就多一点，有的小一点包含的色彩就少一点，再加上由于现在技术的瓶颈，目前的显示设备还无法完全覆盖我们的所有可见光色范围，所以就有了各种色域的标准。比如说我们经常听到P图老司机们嘴里说的sRGB、AdobeRGB、CMYK等等。

颜色被数字编译之后具体能做啥呢？最简单的，红、绿、蓝三原色就可以用0~255进行表达了，每种颜色分为256（28）个级别，也就是8 bit的色彩深度，色彩深度可以显示256*256*256（1677万）种颜色。随着人们对于颜色深度的需求提升，10 bit应运而生，它的三通道混合就可以得到1024*1024*1024个灰度，最终色彩可以达到10.7亿色。就像是一个筛子上的孔，孔越小能漏出来的沙子也就越细，色彩深度越高意味着色彩的密度就更高，同一个区域内可以呈现的色彩丰富度就更多。

正是有了看清世界的热情，人类开始想方设法地想将美好保留下来，比如拍照，就是人类利用智慧开启的漫长“复刻色彩”之路。

但天不遂人愿，随着拍照设备从胶片相机逐渐转变为数码相机、手机，今天许多的智能手机会出现偏色的情况，一个是因为手机本身的色域和图片的色域不匹配，比如有些图片是广色域。但设备却是基础的sRGB色域，就会导致图像的色彩空间被“阉割”掉一部分，原本流畅的夕阳红画面出现一棱一棱的断层。

示意图

不过也有手机虽然可以实现“广色域”的色彩展示，但可能会在不同色彩空间的解读转换过程中出错，也就会出现过度饱和或者色彩偏移。这种情况随处可见，可能你满心欢喜买了一套少女感爆棚的衣服准备发个买家秀，但经过软件一传，发布成功后的照片就仿佛包浆了一样，变得黯然失色。

图片丨网络

这个问题在安卓手机上更多见，原因嘛……可以理解成一个图像的项目管理过程中，对采集、运算、编码、存储、解码、显示等一系列环节，系统本身缺乏一个理想的项目经理对色彩进行管理，导致图像色彩一步一步，偏离正轨，最终出现大型翻车现场。

怎么让手机真正贴近真实？

为什么要跟颜色较真呢？

色彩对于人类来说实在太重要了。在精密的人眼中，世界的色彩不仅可以带来美的感受，同时可以带来情绪和故事性，比如红色会让人们有距离感，可以集中注意力，心率也会加快，所以K记和M记大多采用橙色和红色的主题装潢，会让客人用餐时不自觉地加快用餐节奏；而蓝色则相反，让人觉得可接近，能促使人更自由地思考，更能激发人的创造力[2]，所以很多图书馆采用了白色和蓝色作为背景色，这会让人在其中不自觉地静下心来学习……如果因为手机这一点点缺陷，让我们失去对色彩的真实感受，这是多么可惜的一件事。

GIF丨giphy.com

在这个手机拍摄、计算、屏显功能日渐强大的今天，如何让人类在手机里所见即所得成为了亟需解决的问题，也成为了像OPPO这样的科技大厂的新思考。

经过层层解构，OPPO的工程师在Find X3上正式搭载了基于OPPO全链路色彩管理系统的锐丽臻彩引擎，这也是行业首个Android 全链路色彩管理系统。简单来说，就是在系统层面安排一名出色的项目经理进行全程的色彩管理，让图片的颜色在屏幕上正确显示，顺利解决色差这个我们每天都在面对的痛点。速戳下面这个视频，一起体验OPPO给你带来的深海寻色之旅：

那么，OPPO具体是如何做到的呢？刚才已经提到，照片的完整体现需要经过采集、储存、显示等多个步骤，Find X3这个全链路色彩管理系统，就首次实现了从拍摄、编码、存储、解码、显示的全链路10 bit色彩打通，让每个步骤的图像信息都提升至高标准，换句话说，也就是这个全流程都具备了10亿色彩的数据处理能力。就像一个直径均匀的水管，不会因为某一个地方突然变窄影响最终出水量，这样全链路10 bit 的色彩管理方案，可以保证从一而终的色彩高度还原！

同时，对于那些本身不是广色域的图像，OPPO还做到了对于不同色域内容的自适应显示，比如针对一些不在REC 709（高清电视的国际标准）中的人造色彩，OPPO就通过智能色彩调和，实现色彩的正确解析和映射，从而不用再单独设置。而且通过AI 场景色彩的准确判断，可以基于场景和色温检测，准确地判断出画面中的人像和环境并进行色彩调整，为用户匹配最符合拍摄心情的色调。察言观色能力可以说是满分了！

OPPO拍摄样张

这种洞察非常细致，随之而来的不仅是我们用户看到色彩“大一统”的极度舒适，而且更重要的是，让显示效果更加所见即所得，帮助vlogger、plogger们更真实记录、创作，比如拍故宫的红墙，它应该展现的就是拍摄者眼睛看到的、大脑感受到的庄严，而不是莫名的浮躁感，让颜色正确表达画面中的情绪和故事。而且也解决了高画质图像占内存的老大难问题，因为OPPO这一次也考虑到了更合理的HEIF封装格式，虽然文件变小了，但还依然支持内容平台中高画面标准的视频/图片内容，真·短小精悍！

看到这里，有小伙伴或许会想到，千屏一色真的是好事吗？对于色弱、色盲的特殊用户，千屏一色不是最优解决方案。OPPO准备了一块定制化的手机屏幕，主要是通过Munsell色棋来测试色觉能力，然后会对应结果重新映射更符合的调色。

OPPO手机Munsell色棋界面

目前这样的色彩视觉方案有700多种，已经可以适应大多数色觉障碍人士，帮助他们对屏幕进行正确的色彩分辨。毕竟颜色不应该有三六九等，而科技真正服务人情关怀。

对色彩的把控是一方面，另一方面，OPPO还贴心地考虑到了超广角的畸变问题。在以往的印象里，超广角意味着从瓜子脸到鞋拔子脸的蜕变。不过在OPPO Find X3的超广角中，全链路色彩管理系统不仅被保住了，还加入了自研的自由曲面镜片，完美消除画面边缘和四角存在的图像畸变问题。

从牛顿第一次通过三棱镜将单色光分离出来，到今天人类开始还原所见到的五光十色的世界，人一直在跟颜色较劲。OPPO全链路色彩管理系统是首次手机厂商针对安卓系统推出全链路色彩管理系统，在手机摄影领域日渐“堆参数”的今天，另辟蹊径找到了一条产品方向，而且目前看起来，这是一个更加用户友好、更有人情味的方向。

GIF丨giphy.com

随着5G时代的洪流，我们对高质量的影像内容提出了更多看似苛刻但无比合理的要求，全链路色彩管理系统也势必成为未来主流的安卓智能手机发展方向，也让冷冰冰的现代科技变得有了一些温度，让帮助我们不管身在何处，都能无差异地透过手机感受世界传递出来的情感。

参考文献

[1]Tinsley, J. N., Molodtsov, M. I., Prevedel, R., Wartmann, D., Espigulé-Pons, J., Lauwers, M., & Vaziri, A. (2016). Direct detection of a single photon by humans. Nature communications, 7, 12172

[2]Mehta, R., & Zhu, R. J. (2009). Blue or red? Exploring the effect of color on cognitive task performances. Science, 323(5918), 1226-1229.

—— 果壳商业科技传播部出品 ——