Fred Kuo :: Blog

icc profile from phone

手機 icc profile 工具

如之前發文，我盡可能要把色彩工作在手機裏完成，已陸續完成印刷品10格檢測、23格檢測、光譜濃度計、特別色資料庫追色……這些都是簡潔有效的工具；那色彩管理的核心 icc profile 能做嗎？能做到多好？

icc profile 的基本精神是對設備取樣然後建立對應表，取樣當然是越多越好，於是就需要像i1、io、isis 這類能大量取樣的設備，但這些設備再加上軟體就是一個在成本上與技術上的都是相對高的門檻。我的工作目標之一就是要降低這些設備成本與技術的門檻。

工具的基本邏輯很單純：在手機端(地端)量取樣本，把數據送往雲端運算，計算出profile後再由地端下載。

這樣的工作結構沒有問題，問題是我希望在手機上操作的格數越少越好，那幾個色塊才足以取得質量夠好的profile?

以i1profiler 這個軟體為例，printer profile 最少格數是400個。問了ChatGPT 與Claude ，它們的答案是至少200個。200個我都覺得太多了，很難想像要求user以單點模式去取200個樣本，太冗長，太花時間。我自己試著一分鐘可以單點操作42個樣本，那就來個6×7=42的矩陣樣本吧！

Fig. RGB Printer 或是 CMYK Printer，i1profiler 印表機樣本最少數量為400個。

我問Claude，如果我只能用42個樣本，它有什麼建議，於是有了這樣的組合：(…from

Claude)

Primary Colors & Extremes (8 patches):

• Pure RGB primaries: R100, G100, B100

• RGB combinations: RG, RB, GB, RGB (white)

• Black: R0+G0+B0

Gray Scale (6 patches):

• Distributed gray levels: 10%, 25%, 50%, 75%, 87.5%, 90%

Secondary & Tertiary Colors (12 patches):

• 50% combinations: R100+G50+B50, etc.

• 25%-75% combinations for color mixing characterization

Gamut Boundary Colors (8 patches):

• High saturation colors at different lightness levels

• Critical for defining the RGB color space boundaries

Mixed Tone Colors (8 patches):

• Complex RGB combinations that help characterize color mixing

• Important for smooth gradations and color accuracy

整體安排很合邏輯，其中有6格用來做灰平衡，如同G7邏輯：只要把灰色塊的調子與灰差做好，影像表現就不會太差。就不曉得這個組合的表現怎麼樣？

Fig. 6×7 42格RGB Printer 樣本。

先看色域立方圖，儘管只有42個樣本，色域的3D結構還算完整，用起來不用太擔心。

Fig. 色域立方圖，儘管只有42個樣本，色域的3D結構還算完整。

Fig. P3 to RGB Printer，色域能力本身就差別很大，最大亮度及最飽和部分都會差很多。外圍黃色部分為P3 色域，內部綠色部分為RGB Printer 色域。

這次是一個P3RGB(MackBook Pro)到RGB Printer 的測試，色域能力本身就差別很大，最大亮度及最飽和部分都會差很多，但灰平衡可以要求到位，在數據評估上會以灰平衡為主。

從下面圖示可以看出icc 的修正在版調及灰平衡有很大的效益。

Fig. 下圖為印表機原始狀態，上圖為icc 修正狀態，可以明顯看出這個只有42格樣本的icc profile在調子與灰平衡有很大的改善。

從數據觀點來看一下這個 icc profile 的灰色評分：原始狀態調子與灰平衡全不到位，分數為0/28；icc 修正後分數為19/28，如果把調子與灰分開看，icc 的調子為3/10，灰平衡為16/18。

Fig. 上爲原始狀態，調子與灰平衡全不到位，分數為0/28；下為 icc 修正，分數為19/28，如果把調子與灰分開看，icc 的調子為3/10，灰平衡為16/18。

從色域比較圖示可以看出最大亮度及最飽和部分都差別很大，基於這最大亮度差異，輸出調子的結構有必要重新分佈以達到更好的視覺效果。icc 裏有相對色度(relative colorimetric) 與感應式(perceptual)來處理色域差異間的對應，不過在這次測試中，這兩個對應似乎還未能達到我認為好看(pleasing)的效果。

當然 pleasing 的認定很難數據化，我試著以G7+的規則應用到P3 顯示幕到印表機輸出的調子分佈做一下測試，程序及成果如下：
G7+ 版調是以CRPC6 為參考空間(RPC)，我這次是以P3 顯示為參考空間(RPC)，印表機為樣本空間(SPC)，依G7+規則重組輸出版調，與icc 輸出來比較一下視覺效果。

Fig. G7+ 版調重組公式。

Fig. 藍色為顯示器版調，橘色為印表機輸出版調，綠色為重新計算的G7+版調。

Fig. 圖像原稿

Fig. 上為icc 輸出(相對色度)，下為 G7+ 輸出，感覺 icc relative 輸出為保留更大範圍的色彩精確度犧牲調子及飽和度；G7+輸出的版調反差更大，更 pleasing，但色彩精確度較差。

Fig. 再一個例子，左為icc 輸出，右為G7+輸出，G7+帶出來的調子更討喜一些。

作為色域相差極大的輸出，我會更傾向於好看的輸出而不是 icc 原則性的輸出，當然這個”好看”無法數據定義，但大致上是淺色更明亮，飽和度更高的方向。

最後還是要提一下，如果不是牽涉到色域對應，以絕對色度(absolute colorimetric)方式來輸出色彩，那這個 icc profile 的能力如何？

參考上一篇發文，我在瑞典馬爾默圖書館紀錄了一個色彩，經由這個 profile 以絕對色度輸出，取得的色差是de00 1.34。以如此低階的儀器以及這麼少格數的操作還能取得de00 1.34，算是非常夠用了。

Fig. 在瑞典馬爾默圖書館紀錄了一個色彩，經由這個 profile 以絕對色度輸出，取得的色差是de00 1.34。以如此低階的儀器以及這麼少格數的操作還能取得de00 1.34，算是非常夠用了。

總結一下，用手機配合一個低階光譜儀以及最少格數(42)的操作，也能取得一個堪用的profile。

操作影片參考連結：https://www.youtube.com/watch?v=893I4HdaAeg

#Printbynumber

#G7plus

#iccprofile

The color around.

瑞典 馬爾默(Malmö)市立圖書館一角，佈置溫馨的長板凳引起我的注意，用 Google Lens 讀了一下上頭的告示，啊，原來是這麽回事！

Fig. 長板凳上頭的告示

就這樣，這個板凳的色彩成了成了我旅行中的喜好色彩(favorite color)；背包裡還帶著小藍牙光譜儀，就把它紀錄下來吧。
Fig. 背包裡還帶著小藍牙光譜儀，就把它紀錄下來吧。

回來後，讓同事把這個色彩配出來，App 測出來色差1.62，可以了，是我記憶中的色彩。

Phone tools on color.

色彩手機工具

Fig. Apps on iOS.

Fig. Apps on Android

我做色彩工作主要的工具是i1，i1 非常好用，有足夠的精度，有很有效率的Scan模式，但總是要帶著筆電，還要連著USB線。我一直盼著i1能出個WiFi版或是藍牙版，但看來沒有任何跡象。

再來我認為手機才是最終極平台，任何數據上的工作應該在手機裡就可以處理掉；我期待著色彩檢驗、色彩控制這些工作，掏出手機，配個藍牙光譜儀，就應該能搞定80%以上的工作。

雖非IT科班，我也用php處理了很多工作，有關手機系統如Android 的 java 與 iOS 的 Swift ，兩年前我是不敢碰的。難得有同事起個頭，再加上ChatGPT (最近Claude用比較多)，我也陸續完成了四、五個工具。自己當然是覺得很好用，也有同事陸續在用，但這些工具也不好發給這邊粉絲頁的讀者，主要是這些工具要連到藍牙光譜儀，沒有光譜儀，這些App起不了作用。

Fig. iOS Swift code

Fig. Andriod Java code

這裡能發給讀者體驗的，只能是這個：cieClock。這個App 主要是用來培養對cieLab數據的sense。其中第一個頁面是將CIE Lab色彩訊息以時鐘的型態來顯示12小時內的變化，第二個頁面以色塊的方式交代每個顏色的Lab值及RGB值。第三個頁面顯示今天是今年的第幾天，並顯示出其在CIELab色輪的色彩。第四頁面讓你填入生日之後顯示該日期的Lab色輪色彩。

Fig. 第一個頁面是將CIE Lab色彩訊息以時鐘的型態來顯示12小時內的變化，第二個頁面以色塊的方式交代每個顏色的Lab值及RGB值。

Fig. 第三個頁面顯示今天是今年的第幾天，並顯示出其在CIELab色輪的色彩。第四頁面讓你填入生日之後顯示該日期的Lab色輪色彩。

能把code寫出來是一回事，要讓它上架又是另外一回事。上架前有關 App 的各種文字與圖片甚或影片的彙整上傳，十幾道各項安全、隱私權、年齡限制……等等詰問，針對個別的App，還必須對其安全性、功能性及娛樂性…的審查，iOS 與 Android的標準也不盡相同，同樣功能的這一個App，在Google Play 很快就能通過，在Apple App Store 要經過4次審查及反覆申訴才下得來。

Fig. cieClock 在Apple App Store 要經過4次審查及申訴才下得來。

cieClock 在Android Google Play 與 iOS App Store 載點如下，Android版目前是免費，iOS 則訂了個最低的USD 0.99的價錢，很難說清楚這個App能值多少錢，除了想傳達的基本功能外，UX、UI都還不夠流暢，這裡主要是想看一下當有金流介入時，它的後台系統在跑那些東西。

這裡先放出10個iOS的promotion code，粉絲頁讀者可以先體驗看看。

https://play.google.com/store/apps/details?id=com.cieClock4

https://apps.apple.com/tw/app/cieclock/id6686400658

iOS promote code:

X44N63FY69P9，9EPH7KN3N3WM，AHMA7NYMAERF，9LNEHH7PEHFE，44NF7L9YLT7W，EHJHHAMXNF79，JPAE9Y43JYTJ，AAKX96AR66WP，REFLKWFRPJ67，4Y7HNWXHLYPP

我非常期待能在手機上能完成大部分色彩的品質評鑑及輸出控制的工作，這裡只是一個起點，程式語法和介面美術都還有很大進步空間，只能先把架構慢慢建立起來，陸續再來彌補其中的不足。

至於這個粉絲頁，主要還是用來記載我的工作歷程，難得還有一些讀者願意來這邊看看，也不妨留下一些看法，你們希望手機能完成什麼樣的色彩工作？我自己其中的一個想法是經由手機鏡頭對某些色塊拍照就可以做出類似gmi 或C9的品質評分；一直在架構中，就看什麼時候能實現，或是看看能實現到什麼樣的程度！

Grayscale Tools build up.

灰階工具組建

整個工具的目的在於控制輸出品質能達到某一個灰階定義(亮度值 L* 及灰值 a*,b*)。

要達成這個目的，要做到兩個項目：1.正確的預測CMY灰色組合落點。2.根據預測值改變CMY曲線以達到正確的輸出品質。

簡單的回答是i1加Curve軟體就可以了。

已經有解答了，那為什麼我一直持續在做這方面的題目？

一個主要因素：降低作業門檻，建置成本上的，及工作程序上的。

建置成本就先不談了，i1 + Curve 軟體的費用網路查一下就知道了。

工作程序上，i1+Curve 需量取 P2P 300個數據才能取得灰階預測值，這個在年度考試時執行這些程序是理所當然，但在日常的維護上，輸出品沒有這樣的空間，維護人員也沒有這樣的時間去執行300個數據的量測。

我需要一個更精簡的程序讓維護人員很快的去達成灰階修正的目的，因此，這個題目一直在發展。

再一個因素，在使用 Curve 執行灰階預測時，亮度目標值(L)需依循TR015或是RPC(Curve+)定義，灰目標值(a,b值)也有其規則(依紙白ab值對應定其版調值)。但在有些場合(比如同一個廠裏的不同機台輸出)，我可能會要求不同機台或不同材質依循絕對的Lab灰值來達成數據的一致性，而不是G7 規範裏相對的視覺一致性。在要求數據一致性的場合下，Curve 並沒有這樣的功能。另一種說法，當我要做灰平衡自定義(亮度值 L* 及灰值 a*,b*)的時候，Curve 沒辦法做到，還是得自己寫。

基於這一個主要及一些附加因數，我開始組建這方面的工具。

我把這個工具架構的工作分三個大的部分及一個附加工作：

1.工具在亮度差及灰差的成效至少要跟得上Curve軟體的預測成效。

2.在日常的維護的工作上可以有很精簡的工作方法達成。

3.有別於Curve軟體，可以自定目標亮度值及目標灰度值。(Curve4 能自定灰度值 a*,b* 但不能自訂亮度值 L*，亮度值必須依據 TR015 規則)

再一個附加工作是，當取得CMY修正值後，可以有兩種方式來執行輸出品的灰平衡修正：

1.改變RIP(CTP) CMY 曲線。

2.改圖檔 CMY 曲線。

先談第一個工作：如何正確的預測灰平衡組合。

如前述，Curve4 已經是一個非常有效能的灰平衡修正工具，在灰平衡的預測上主要是靠兩個原則：版調(cmy%L*)依據TR015規則，灰目標(cmy% a*,b*)依Grayfinder 規則。

Fig-1. G7 NPDC 版調來自TR015 規則。

Fig-2. TR015 G7 版調規則。

Fig-3. p2p 導具，300個點的數據操作裏，有200個點是用來尋找正確的灰色分佈(Grayfinder)。

Fig-4. 依量測結果與TR015的版調預測取得C補償量。

Fig-5. 在Grayfinder 導具中尋找目標灰MY組合(MY補償量)，作為後續CMY版調修正依據。

Fig-6. 灰平衡工具。先依TR015找到目標版調，再依Grayfinder 找出MY灰修正值，結合版調(C)及灰(MY)修正值重新取得目標灰CMY組合。

Fig-7. 最後再做一次 ND Correction 取得最終的CMY灰平衡修正。

簡單歸納一下Curve 軟體的灰平衡運作程序：

1.量測P2P 導表(Fig-3)。

2.依紙白及CMY300數據經由TR015計算出NPDC版調，並取得版調的C補償量(Fig-4)。

3.依 Grayfinder 部分取得MY灰色補償量(Fig-5)。

4.從上述CMY 補償量對應TR015版調曲線取得新的CMY 灰平衡組合(New Aim Values, Fig-6)。

5.從新的CMY組合(New aim values)再做一次ND Correction 取得最終的CMY灰平衡修正值(Corrected Aims, Fig-7)。

Curve 軟體在灰平衡的預測所牽涉到的計算步驟非常多，計算量也都很大。對 user 來講，花1500-2000 USD取得工具軟體來幫忙做這件事自是有其價值。對工具開發者而言，有其困難度及一定的技術門檻。

我自己在灰平衡預測工具的開發從一開始到現在已經歷了好幾個階段。

舉例一個我現在還經常使用的工作邏輯：

在CRPC6 icc 的基礎上，取C45%-C55%，M35%-M45%，Y35%-Y45%總共11*11*11=1331個CMY組合及其在CRPC6 icc 對應中取得1331組Lab數值。以此 Lookup table 可以預估出當要彌補目標Lab 與實測Lab之間的差異時，可以修正多少個CMY網點值來補償這個色差。舉個例子，當目標Lab為L1,a1,b1，實際量測為L2,a2,b2，依據L差、a差、b差就可以預估出像似C-3,M+2,Y-4這樣的組合來達成目標Lab值。

這個工作邏輯不若Curve 軟體能一次演算就帶出正確的灰平衡落點，但它只需要兩個測量點(紙白及灰色塊)就可以有效的逼近灰平衡，或許不能一次到位，但再多逼近一次、兩次也能達到不錯的效果；這對沒有製版負擔(時間成本及材料成本)的數位印刷會是一個很有效率的工作方法。

這個工作方法的缺點是精確度不夠，但只要測兩個點(或是再加25%及75%共4個點)就可以做灰平衡逼近，相對於Curve 軟體要操作 P2P 300個點，在成本門檻、技術門檻、發佈門檻都降低非常非常多。

這個工作方式以其佔用的版面小，測量點數少，工作程序少…使得日常的維護得以執行。P2P 或許有些單位一年只執行一次，但這個精簡工作方式是每天或是每個印件都可以執行的。

但終究，我還是需要一個能匹配Curve 軟體，能讓灰平衡一次到位的工具。對數位印刷可以很快的做一次逼近、兩次逼近，但對有製版成本的平印機來講，一個一次到位的灰平衡工具還是很必要的。

在工具發展的進程中，最近一次的灰平衡邏輯架構如下：

1.基於Curve 軟體的複雜程度，要完全依其步驟程序遇到一些技術瓶頸無法突破，因而開發不同邏輯方式來處理灰平衡預測。

2.同樣要執行P2P 300點數據量測，這300個數據已足夠形成一icc profile (這裡且稱它 P2P profile)；依我上一個邏輯是可以在CRPC6 lookup table中取得逼近灰平衡的CMY組合，那把CRPC6  lookup table改成實際印出來的P2P lookup table，其精確性勢必優於 CRPC6 lookup table。

3.在日常維護工作上，以此P2P profile 為lookup table，一樣可以用最少的測量點去取得精確的灰平衡修正。

再敘述一下我新的灰平衡工具邏輯：

icc profile 作為一個設備(CMYK)與色彩空間(Lab)對話的機制，可以知道當要到達哪一個Lab值時，可以用什麼樣的CMY組合去實現。反之，某個CMY組合，也能透過icc profile 得知其Lab色彩值。

相對於Curve 軟體複雜且龐大的運算，此簡單(粗暴)邏輯即可找到正確的灰平衡落點。

工作邏輯已形成，把它落實到工具後，用一些樣本測試來看看能否達成效果。

Fig-8. 樣本示範，樣張內包含P2P導表供Curve4及profile 運算，CT25 色條提供灰色3點預測及驗證，另 5×5 25宮格可供低階光譜儀CR30做3點灰色預測及驗證。此樣張(組別fwsk5)為一噴墨機原始線性輸出，可以看出灰色塊明顯偏藍，灰色評分為7/28，評分規則如以下說明。

Fig-9. 灰色評分規則說明。

在灰色修正效能評分方面，須做3個灰色塊測量(C25MY19, C50MY40,C75MY66)。依其亮度差(delta-L)及灰差(delta-ch)做出評分。

如Fig-9圖表所示，以C50MY40為例，量測與目標灰差在2以內得7分，2-3之間得5分，3-3.5間得2分，超過3.5得0分。量測與目標亮度差在2以內得4分，2-3之間得3分，3-3.5間得2分，超過3.5得0分。3個量測點，6個評分點，總分28分。上述的噴墨原始樣張取得28分裏的7分。

Fig-10. 上圖為P2P profile 預測，下為Curve4 預測，以這組(fwsk5)測試，P2P profile 取得26/28，略高Curve4 的23/28。

Fig-11. 樣張組代號fwsk5，上為P2P profile 輸出，下為Curve4 輸出，P2P 修正取得26/28分，Curve4 修正取得23/28分。

Fig-12. 樣張組fwsk5，原始輸出為7/28分，P2P 修正為26/28分，Curve4 修正為23/28分。這一組的修正，P2P輸出在75%部分要優於Curve4 輸出因而取得較好的分數。

Fig-13. 測試組(ss180)，上圖為原始狀態，灰色平衡計分為20/28，原本就沒有太差，只是K的曲線太重了。中間圖為P2P profile修正，分數為28/28，下圖為Curve4 修正，分數為27/28。以這一組測試，可以看作是表現相當。

Fig-14. 上圖表為(ss180)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得28/28，Curve4 為27/28。以這組為例，P2P profile 與 Curve4 預測的數值都非常接近。

Fig-15. 樣張組ss180，原始輸出為20/28分，P2P 修正為28/28分，Curve4 修正為27/28分。

Fig-16. 測試組(cnsk2)，上圖為原始狀態，灰色平衡計分為0/28。中間圖為P2P profile修正，分數為18/28，下圖為Curve4 修正，分數為23/28。這一組Curve4的修正效果比P2P profile好。

Fig-17. 上圖表為(cnsk2)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得18/28，Curve4 為23 /28。

Fig-18. 樣張組cnsk2，原始輸出為0/28分，P2P profile修正為18/28分，Curve4 修正為23/28分。這一組Curve4的修正效果比P2P profile好。

Fig-19. 測試組(oki2)，上圖為原始狀態，灰色平衡計分為2/28。中間圖為P2P profile修正，分數為23/28，下圖為Curve4 修正，分數為16/28。

Fig-20. 上圖表為(oki2)P2P profile 預測，下為Curve4 預測，以這組測試，P2P profile 取得23/28，Curve4 為16 /28。

Fig-21. 樣張組oki2，原始輸出為2/28分，P2P profile修正為23/28分，Curve4 修正為16/28分。這一組P2P profile的修正效果比Curve4好。

Fig.-22 整理一下上述4組比對再加兩組樣本，可以看得出來P2P profile 在灰平衡的修正能力是可以跟得上Curve4。

如上圖(Fig.-22)所示，在6組樣本中，P2P profile 在灰平衡的預測(修正)能力是可以跟得上Curve4。將來也會持續收集樣本來確認P2P profile邏輯的灰色預測能力是不是真的能跟得上Curve 軟體？以目前的數據來講，我認為是可以的。

在確認p2p profile的灰色預測能力後，之後在日常工作的維護上，不管是一點灰色修正或是3點灰色修正，只要用最少的測量數量就可以在這P2P profile 的基礎上做準確的灰色預測(修正)。

再衍生下來的是，一旦P2P profile 的工作邏輯成立，當目標規則有所變更(如Curve+)時，只要將目標值跟著新的規則變動，這個方式一樣可以使用。再如果要自定灰目標值(Fig.-23)，工作模式也是一樣套用。

Fig.-23 左邊一組為不同設備遵循固定版調值(自定目標亮度值)輸出，右邊一組為各自依循TR015版調(動態目標亮度值)輸出。因TR015版調會動態的隨著紙白與CMY300的濃度做變化，右變一組的視覺一致性還不如左邊一組鎖定版調的視覺一致性。

接下來就是如何將這些修正值運用到輸出的程序上，以Curve4來講，它可以輸出曲線修正檔給RIP使用(Fig.-24)來達成輸出的修正。我工具目前只有三種曲線輸出格式(Fig.-25)。

Fig.-24 Curve 4 版調修正輸出格式。

Fig.-25 我的工具目前有3種版調修正輸出格式。

再最後，工具的功能設計上能夠產出一個單一command line Ghostscript 指令(Fig.-26)，可依此形成一類似Image server 的軟體，讓它執行此Ghostscript 指令就可以改變pdf 的CMYK曲線以取得合乎灰平衡規格的輸出品。

Fig.-26 單一command line Ghostscript指令，可以讓丟到Hot folder的pdf檔根據修正值來改動pdf檔的曲線以取得合乎灰平衡規格的輸出品。

總結一下我的灰平衡工具整體架構：

1.取P2P profile 作為灰色修正的依據基礎。

2.之後的日常維護可在此基礎上用很少的測量點即可取得正確的灰色預測。

3.以P2P profile 為基礎的灰色修正可以很快的變動到新的灰平衡規則，或是自訂灰平衡目標。

4.工具得以輸出版調修正曲線供RIP使用。

5.得以輸出 Ghostscript command line 供 image server 使用。

Colorspace 工作紀錄。

某單位委託廠裡做G7 Colorspsce測試，我這裡做個紀錄。

Fig. Colorspace 工作紀錄。

測試的機器在6月時有先測過，當時在線性版的狀態下藉由調整機器(壓力、橡皮布…)及油墨(溫度、凡利油…)即可在不改版的狀態下完全以機器的調整能力達成G7 (CRPC6)Targeted ，請參考：https://fredkuo.idv.tw/wordpress/?p=3762

這次測試要達到G7 Colorspsce規格，不要太鐵齒，該修版還是得修版。

時間碼095034取得第一張數據：

第一張是由領機自行判斷操作，pbn 評分系統42.95%，滿版部分0/18，TV部分0/8，灰平衡部分23/28。要說領機還是有相當的操控能力，在C50MY40 這一個點完全到位，整個灰部位可以拿到28分裡面的23分，視覺看起來影像也不會太差，但反應在標準化數據上，滿版部位完全沒到位，TV部分也沒有到位。

Fig. 時間碼095034取得第一張數據，由領機自行判斷操作，pbn 評分系統42.95%，滿版部分0/18，TV部分0/8，灰平衡部分23/28。滿版部位完全不夠，TVI 曲線網擴太大且線型異常，但灰平衡C50MY40是到位的。

把還數據show給領機看之後領機很快的認知到今天的工作是要走數據而不是要走視覺(感覺)；把上一次的濃度數據調出來之後，第二個樣張，時間碼095628，CMYKRGB主色部分一次到位。

Fig. 第二個樣張，時間碼095628，CMYKRGB主色部分一次到位。pbn 評分系統72.22%，滿版部分18/18，TV部分2/8，灰平衡部分19/28。滿版部位完全到位，TVI 曲線網擴太大但線型正常，灰平衡的狀況還沒到位，這部分要交由CTP處理。

第二個樣張主色一次到位，可以明顯看到網點擴張都太大，但TVI 曲線長得還算正常，表示機器狀況是好的，估計三個點，簡單的修正量就足以做到灰階到位。

將p2p數據導入Curve4，取三點修正值，但Curve4 無法直接出 25(/19/19)%,50(40/40)%,75(66/66)% 三點修正，必需衍生出19%,40%,66%修正值，所以變成六點修正輸出，將此數據傳給印前做CTP修正，取得第一次修正版。

Fig. P2P 25%,50%,75% 三點修正，Curve4 無法直接出三點修正值，必需衍生出19%,44%,66%修正值，變成六點修正。

待CTP修版重出後第三個樣張，於時間碼112835取出：pbn 評分 99.07%，滿版部分18/18，TV部分7.5/8，灰平衡部分28/28。

Fig. 第三個樣張於時間碼112835取出：pbn 評分 99.07%，滿版部分18/18，TV部分7.5/8，灰平衡部分28/28。所有部位的到位。

有點來得太快，沒遇過取3次樣張就能有99分，就不多說，直接驗證Colorspace 規範。

紙張色差剛好在de00 3.0 邊緣，還是啟動SCCA，1617導表平均色差1.81/3.5，95%最大色差3.29/5.0，已能通過 CRPC6 Colorspace Production 規範。

Fig. 紙張色差剛好在de00 3.0 邊緣，啟動SCCA，1617導表平均色差1.81/3.5，95%最大色差3.29/5.0，已能通過 CRPC6 Colorspace Production 規範。

原本打算花一天時間的工作居然兩個小時不到就結束了！而且只取了3次樣張就進入 Colorspace 規範，是出乎我的預期。

我想是前一個月的測試，在線性版的狀態下完全以機器的設定、調整來達成 Targeted，機器已經在一個不錯的狀態。加以領機在機器的掌握及對數據的認知都有一定的程度，所以才能夠在這麼短時間內達成Colorspace 規格。

也許只是運氣好，不管怎麼樣，我認為在6月中那一次在線性版狀態下做的機器調整，是一個重要的基礎。

最後，這一次的作業引發我一個新的工具題目：環保版的版調測量。

環保版上的印紋太淺，用濃度觀點及SCTV觀點都難以測出正確的版調，但SCTV還是能辨識出版調差異，只要能取得數值上的差異，就可以在現有的SCTV加上一個函式來反應出正確的版調值。先建構一下工作邏輯，在取得足夠的測試品後就可以來進行這個題目了。

Fig.環保版上的印紋太淺，用濃度觀點及SCTV觀點都難以測出正確的版調，但SCTV還是能辨識出版調差異，只要能取得數值上的差異，就可以在現有的SCTV加上一個函式來反應出正確的版調值。

Lightsource compensate on press control

Fig. 左邊為辦公室LED光源拍照，CCT色溫在6692K，SSI為65；右邊為”修飾過”的辦公室光源，CCT色溫在4346K，SSI為76。擺在上面的樣張為噴墨稿，下面為碳粉稿。修飾光源帶有更多的紅色光譜，兩個樣張的吻合度也顯得更好。

在廠裏經常會聽到這樣說法：領機在印刷機控墨台下照著樣張印，但業務把成品拿到客戶那邊時還是被打槍。

慢慢的，印前、業務、印刷這端可以了解是因為觀看光源的關係，也慢慢有一些客戶能理解這些問題，但是絕大部分的客戶是不理解的。

於是，廠裡出現了一種做法：當領機在控墨台跟上數位樣後，要再多加一些紅色，好讓印刷品在客戶辦公室的光源下，比較對得上數位樣。

從大致上的邏輯我們可以理解這樣的做法：(比對上圖光源光譜分布)一般辦公室LED光源相對於D50光源少了很多長波長(紅色)的光譜分佈，以至於在該光源底下的影像感受不夠紅；那麼，在印刷時多印一點紅色，到了在辦公室LED下觀看，紅色就比較足夠了。

也就是說，當光源裡面的紅色不夠，那就在色料上再多加點紅吧。

這樣的做法，在邏輯策略上沒有問題，那，能有精確的操作數值嗎？我試著要做的是：這樣的操作行為，有辦法量化嗎？

模擬一個測試案例：我在數位碳粉樣上取樣一個M30Y30(接近膚色)色塊的樣本光譜，光譜分佈如下圖所示。

把這個光譜值積分兩度視角及D50光源後計算出Lab值約為 78, 13, 9；積分兩度視角及辦公室LED光源後計算出Lab值約為78, 6, 7。從Lab數值了解，這個M30Y30色塊在辦公室光源下，相對於D50光源下偏藍，或者說是不夠紅。

將這兩個Lab值丟到CRPC6的對應表，得出CMY 6, 25, 24 及 9, 21, 25 兩組 CMY 組合 。

所以，可以有一種量化的解釋為：要在辦公室LED光源下對色，印機操作需要C墨-3, M墨+4, Y墨-1，這樣就比較可以讓印刷品接近以D50光源下計算的數位樣。也就是印刷領機講的”再加點紅”上去。

這裡只是個概略的邏輯驗證，也就是在印刷機台上再多加一點紅色是可以彌補客戶端光源紅色不足的現象，真的要去量化是可以取得一個數值的。

也可以知道產線上是不可能運用這樣的工作方法，但如果真的要這樣做，從原稿定義到印前作業到印刷作業，所有的Lab數值都可以由辦公室LED光源計算出來；在數據的運作上，它是行得通的！換個說法，客製化光源的色彩管理是行得通的。

Fig. 從碳粉樣的P2P取M30Y30光譜值。

Fig.  M30Y30 光譜值與D50、辦公室LED光譜值。將M30Y30光譜值積分兩度視角及D50光源後計算出Lab值約為 78, 13, 9；積分兩度視角及辦公室LED光源後計算出Lab值約為78, 6, 7。

Fig. 將這兩個Lab值丟到CRPC6的對應表，得出CMY 6, 25, 24 及 9, 21, 25 兩組 CMY 組合 。當在辦公室LED光源下，印機將C-3, M+4, Y-1就比較可以讓印刷品接近數位樣

光源一直是印刷標準化作業中一個難以處理的題目，這個難處不是技術上問題，而是客戶對色彩認知的問題；若客戶有這個認知而且願意架設標準光源，自然就沒這個問題，但顯然在這裡並不容易執行。

退而求其次，現在有一些很輕便的標準光源產品，可以讓業務帶著標準光源到客戶那邊看樣，也是一種可行的方法。

我自己有一個更簡潔的方法，就是用我的手機光源(手電筒)對印刷品做補光。我手機的光源大概在4000多度K，比辦公室光源提供了更多紅色(長波長)能量，這個簡單的做法雖然不嚴謹，但還是有其一定的效益。從最開始圖示可以看得出，修飾過後的光源讓兩個樣張有更好的相似性。

#PrintByNumber

#客製化光源色彩管理

If you torture the data long enough, it will confess to anything”

G7 operation on offset press without Curve

做一下廠裏G7能力維護，這次比較不一樣的是不透過Curve 軟體，不透過CTP改版，從1：1的線性版直接經從機器上調整來達成G7 規範。

Fig. 不透過Curve 軟體，不透過CTP改版，從1：1的線性版直接經從機器上調整來達成G7規範。

這次測兩部印刷機，都是用1：1線性版開始。

A機樣本#1

https://fredkuo.idv.tw/FograCT1/pbnCT25dbapi.php?f123=target.txt&f321=upload/ct25_RB0519_2025-5-19_100928.txt&target=CRPC6&rule=c9&more=1

Fig. A#1樣張，注意到K座TV到位但濃度嚴重不足。

Fig. A#1 樣張TV及灰平衡。M座TV不足。

A機#1號樣本拉出來就不會太差，C9 分數為80分，看一下滿版分數，除了K墨不夠重，CMY都有達標，RGB 也同時達標，墨的品質沒有問題。把關注點拉到中間調部分，有兩個比較明顯的問題：M墨滿版達標，但中間調不足，也導致灰平衡不夠好。K墨50%達標，但滿版太低，我們可以假定說，K座的網點擴張太大，所以領機在調好中間調的時候，滿版下墨不足；當滿版下墨到位時，K的中間調又會過多。

Fig. 印機壓力設定。

處理問題，一件一件來。先處理K座，領機將K座壓力退了0.03(30條)然後增加放墨，拉出第二個樣張：

Fig. A#2樣張，退壓加墨，試著改善K放墨與TV的關係，效果不大。

第二張樣張K的濃度從1.33增加到1.4，色差從6.9進步到5.7，濃度一樣不夠，色差也不到位。第二樣張操作M墨也加了一些，從1.26加到1.37，試著讓M座擴張再多一點，量測結果M座擴張是多了一些但依然不夠，不過灰平衡是有改善。

繼續處理K座問題，第三次樣張的處理，領機的方法倒是我以前沒碰到過的，他把K墨拿去降溫，照領機說法，說是這組K墨溫度太高，油墨變軟，導至中間調擴張太大，將油墨降溫，油墨變硬，網點擴張就會減少。依此推測，我們拉出第三次樣張：

Fig. A#3 樣張，K墨降溫，達成滿版與中間調同時到位。

看來將油墨降溫的策略奏效，K墨濃度放到1.8，色差2.6，50%的網擴才多了2.3，也就是滿版跟中間調可以同時到位，這就是我們要的效果。

處理第三次樣張時也同時加M墨濃度，試著讓M座網擴再多一些出來，濃度增加到了1.44，色差1.3，但網擴還是沒起來，倒是把B帶跑了。

接著操作第四個樣張，試著把B拉回來，從A#3 六角圖判斷，加C減M，B會拉近到標準位置，所以領機在這次操作C墨加了4%，M就減了一點。

Fig.A#3 樣張六角圖，預計降M，B會回到更好的位置。

於是C由1.28加到1.34，M由1.44減到1.39，A#4樣張B色差回到0.8，G7滿版部分算是完成。

Fig. A#4 樣張，CMYKRGB 滿版到位。

Fig. A#4TV，M座仍然不足。

檢視A#4樣張，滿版到位，灰也還可以，就M的TV差了一點些，照說這張差不多就可以進G7了，我們還是試著看有什麼方法讓M的TV也能到位，於是繼續做A#5樣張。

Fig. A#5 樣張，M座TV 改善有限。

Fig.A#5 TVI，M座TV 改善有限。

這個A#5樣張的目的是希望增加M的TV，領機用的方法是加墨、加壓，M墨濃度從1.39加到1.45，壓力加了5條，TV從-5.4 增加到-5.2，幾乎沒什麼效果，領機覺得可以再試別的方法。

第六個樣張的操作，領機對M墨加了凡利油，讓油墨變軟，好讓網點擴大可以變大(跟讓K墨變硬做相反的操作)，M的TV50%從-5.2 增加到-3.7，滿版與中間調能同時進入合格範圍，算是有效的操作。但同時，B又跑走了，那就再處理吧！

Fig. A#6 樣張，改善M座TV。B還差了0.3色差。

Fig. A#6 TVI，改善M座TV，還是少了一點。

再作最後一波調整，加C減M，讓B回到位置，同時也讓灰回到位置。A#7 數據呈現如下：

Fig A#7 樣張，滿版到位，灰階到位，C9 分數爲 87.5。

Fig. A#7 樣張， M的TVI少了一點，不過灰平衡有過，以G7評分，只看灰平衡，不看TVI。

Fig. 從A#7 取 P2P第四行及第五號資料，K 及 CMY 的最大、平均亮度差∆L*、及CMY 的最大、平均灰度差∆Ch均符合Grayscale規範。

從A#7 樣張量取P2P第4、5行，取得K 及 CMY 的最大、平均亮度差∆L*、及CMY 的最大、平均灰度差∆Ch均符合Grayscale規範。A機的機上調整算是完成。

有了A機的經驗，B機處理起來就快了一些。

B機第一個數據下來：

Fig. B#1 樣張，與A機一樣的問題，K墨太軟以致K座TV到位但滿版不足。

從B機的第一個數據下來我們就注意到幾個問題：第一個是同樣的M油墨，在A機的Beer’s Law 預測的最佳色差可以到1以下，但在 B 機的預測只能到2，我們要懷疑B機的M墨座沒有洗乾淨，有可能被污染；要不然同樣的紙張、同樣的油墨，預測最佳色差應該會非常的接近。

Fig. A#1 Beer’s Law 預測的最佳色差可以到1以下

Fig. B#1 Beer’s Law 預測的最佳色差在2以上。懷疑B機的M墨座沒有洗乾淨，有可能被污染；同樣的紙張、同樣的油墨，預測最佳色差應該會非常的接近。

第二個是這兩個機器的TVI有些不同的表現，比較之下，B機的M座漲得很好，A機的M座漲不上來；現在想來，把A機M座的橡皮布換掉，也許就可以很快達到目標值，不必去做加壓、加凡利油之類的工作。再來是B機C座的TVI曲線不正常，我們很快的決定把C座的橡皮布換掉。

Fig. A 機TVI(左) vs. B 機TVI，在同樣的放墨濃度下，顯得A機M色座異常及B機C色座異常。

換完C座橡皮布後取出B機第二個樣張，從TVI曲線看出來相對正常，是一個有效的操作。

Fig. B#2 TVI 從C座TVI曲線看出來相對正常，換橡皮布是一個有效的操作。

接下來處理其他部分的問題：K墨座與A機同樣狀況，墨太軟，以致TV到位時SID濃度不足，或是SID 到位時TV會太大。打算跟A機一樣對K墨降溫處理。另外是B還未到位，根據六角圖，加M可以將B帶到更好的位置。

Fig.處理B#2 問題，K座TV50到位，但SID不足，打算降溫K 墨來應對。

Fig. 處理B#2問題，B未能到位，預計加M處理。

處理K墨座及M墨座後取處B機第三個樣張，滿版部分7個主色都有到位，再下來就是把灰色處理到位。

Fig B#3 滿版部分7個主色都有到位，再下來就是把灰色處理到位

依據CT25在B#3的工具指令，無法在機上同時做25%,50%,75%的調整，只能依據50%部分對Y座做減墨的操作，再來看看最後的結果。

Fig. CT25在B#3的灰平衡操做指令，機上無法同時做25%,50%,75%的調整，只能依據50%部分對Y座做減墨的操作。

Y座減墨後，取出B#4樣張，以CT125檢測，Grayscale 部分能夠到位。

Fig. B#4 Grayscale 到位。

有點可惜的是C色差差了0.35，G色差差了0.09，無法一舉取得G7 Targeted，不過由Beer’s Law 預測，只要降一點C，C跟B就應該可同時到位。

Fig. 由Beer’s Law 預測，只要降一點C，C跟B就應該可同時到位。

先做到這狀態，可以確定的是在1：1的線性版上面，機器就可以調整到G7灰階、版調及主色同時到位 。撇開考試時需要更嚴謹的數據，把機器維持在這個狀態已經足夠給領機最好的操作空間來應付各種印件，更容易跟上所謂的標準色樣。

從CT125工具的TVI R2指數(Tone Value index、網點擴張指數，發展中…)，除了Y座為0.944，其他色座都在0.96以上，這也可以顯示出機器的狀況都還不錯。把這樣子狀態的機器交到領機手上，後面應該可以減少很多與印前、業務、客戶之間的紛爭。

Fig. CT125 工具的TVI R2指數(Tone Value index、網點擴張指數)，除了Y座為0.944，其他色座都在0.96以上，這也可以顯示出機器的狀況都還不錯。

以上這些程序算是立下一個範例：我們可以在1：1線性版的狀況下把機器調整到符合G7的規格。

根據這一次在機器上作業的經驗，我期待系統人員在廠裡的工作規範為：

1.以後印前只出1：1線性版 ，要調機、調版、委外……都不成問題；印前不再有出錯版、調錯版的負擔。

2.不再有因為印刷機跟不上顏色就要求印前修色這件工作，因為機上就應該在線性版上達成規範的色彩。

3.培養領機要有數據的認知，這數據不是只有濃度，還要有色度、版調(TV)及灰平衡。

4.廠裏要去思考一下，要如何提供順手、有效率的數據(量測)設備，讓領機願意去使用、去實踐數據。

整理一下這次在機上的調整作業用了哪些操作來影響滿版與中間調的位置：

1.換橡皮布，讓網點擴張曲線變得正常。

2.油墨降溫，讓油墨變硬，可以降低中間調的網點擴張。

3.增加放墨可以增加中間調網點擴張。

4.加凡利油讓油墨變軟可以加大網點擴張。

5.增加壓力，可以增加中間調網點擴張。

後面再來追加一點，用Beer’s Law 來預測墨座顏色是否受到汙染。以同樣的油墨紙張，在不同機座應該要預測出非常相近的數值，如果數值相差太大就表示墨座有受到污染。

綜合上述方法，只要油墨及紙張的品質夠好，要在1：1的線性版上直接從機上操作達成G7或是Fogra規格應該都是沒問題的。

這一次作業中，油墨溫度變化所帶來的影響超出我的預期，這個會是廠裏作業的問題；不過廠裡領機還是有個認知，必要時放掉滿版位置，還是以中間調為主。目前能做的就是更注重環境的溫濕度控制。

在新的具備墨輥控溫的機型這個問題就比較容易處理。

重要的是，領機如果能夠及時知道機器狀況的數據，自有其應對的手法。如果沒能有數據認知，通常的情況是要求印前修版或是修圖，這種態度一方面造成印前的負擔，另一方面機器就越來越偏離健康狀態，這個以後處理起來才是更大的問題。

這次用兩個小時整理兩部機器，第一部還在摸索方法，用了比較多的時間，第二部機器半個小時就整理下來了。

之前談過的，做為一個營利單位，追求的是80分的穩定輸出，而不是每個印件細致的打磨。每天花點時間，依數據讓機器到達一個狀態，讓客戶、業務、印前、印刷之間流程得以順暢，會是整體效率最佳化的作業投資。期待這樣的觀念能在廠裏建立起來。