这次补档与上次补档不同，不仅仅是图片数量大幅增加和收录一些之前未放出的图片，正好最近在写新版测评方案，而且可预见的未来都非常忙，不知道什么时候才能落地，就趁着这次补档的机会，按照新的试行方案走一遍。我称之为“测评向摄影新基准”。
序言
有点长
不禁回想刚入坑的时候，到处寻找返图作为购买参考，可惜当年返图的平均水准比现在还要糟糕，相较之下，只有几个日本的测评网站还算能看。但他们的力量终究是有限的，我意识到只有提高圈内人士的整体水平才是正确的道路。但这又谈何容易？我一个什么都不懂的小白能做些什么？带着这样的想法，2019年十月，我发布了一个相册，阐述了我对测评向摄影的一些看法，之后也按照这一规范发布了一些相册，但由于当年对摄影的理解并不深刻，存在许多问题，然后又迎来了耻物大行其道的时代。现在站里还在做纯正的测评向摄影的大佬少之又少，都在追求更复杂的背景或场景搭建，这很正常，毕竟谁不喜欢好看的东西呢？只不过很多时候背景显得有些喧宾夺主，重点不在手办本体。当然，这可能也是快餐式的文化消费和耻物为王潮流影响下的无奈之举。虽然好看与写实绝非两条平行线，但对于绝大部分业余人士而言难以两全，虽说并不是完全没有参考价值，但很难成为我购买的参考标准。
过去的几年是手机影像飞速发展的时代，我越发觉得需要一定的专业知识和金钱投入的传统相机摄影不可能成为主流，而手机摄影下限的不断提高确实推进了返图平均水平的进步，当然还是需要一些技巧。正好在2020年七月，网站举办了摄影教程的活动，就写了一篇手机摄影教程，意外的受欢迎，看来各位对摄影不是没有兴趣，虽然很多人只是扔进收藏夹就不管了，看现在的整体水平只能说“革命尚未成功”，但我相信这是一个好的开始。
之后我开始思考测评向摄影未来何去何从，时效性和手办本身的热度固然重要，但作为测评向摄影最重要的还是本身的参考价值，即“所见即所得”，但这涉及到许多复杂的专业知识，门槛有点高，但是经过半年多的不懈努力，终于有了一定的进展。
接下来，分为色彩科学、细节呈现和视频色彩三个部分介绍新版测评方案的技术细节。
色彩科学
不知道有多少人能看懂
色彩科学是一个比较宽泛的概念，可以理解为研究如何做到“所见即所得”的一门学科。
关于色彩，很多老法师可能会说色彩就是玄学。其实不然，人们已经建立了一套比较完善的色彩科学体系来描述色彩，只不过大多数人都只接触过相机直出，不了解其中的原理，自然会一头雾水，以为是玄学。
简单描述一下数码照片的产生与显示过程，从传感器采集到数据，进行去马赛克之后开始：使用相机颜色配置文件进行色彩转换，进行曝光补偿、白平衡校准、动态范围调整，最后进行色彩管理将结果转换到输出的色彩空间。显示设备读取图片，使用显示器颜色配置文件进行色彩转换，输出至屏幕。
当然这是简化的流程，但依然十分复杂，相机直出就是让相机自动完成以上步骤，任何一个步骤的不同都会对后期结果产生影响，所以不同品牌相机的颜色不同很正常，如果只讨论直出色彩，那更多的就是算法的比拼，这方面传统相机很可能比不过手机，这方面手机做的更超前。但如果你的想法与相机不同，就需要手动介入后期流程，以基于RAW的工作流为例，相机只负责采集数据，之后的所有环节由用户接管。这里就要提一个非常重要的概念，即上述流程中的使用相机颜色配置文件进行色彩转换，这类似于使用log拍视频，后期需要套一个还原LUT，每个型号的相机都有自己的颜色配置文件，理论上只要这个配置文件精度足够高，之后的流程全部正确，不需要额外的调色，就可以做到“所见即所得”。
直到我启动WF2020上海返图计划之前，才终于找到了高精度相机颜色配置文件，但这只是其中的一个环节，不如说之后需要人工干预的部分才是最难的。可能有人不明白我为什么现在还要进行过气的WF2020上海返图计划，其实一大原因就是摸索各种环境下的校准方案，在这半年里，经过数次方案更新，累计数千张图片的不断试错，终于找到了目前的最优解。可能有人觉得我没有跟上时代的潮流，别人都在整场景，搞商单，而我在“摸鱼”，可能我的方向错了，但这就是我所追求的，手办最真实的一面能为人所知，一个比现在更加公正客观的环境。这是我一开始的目标，也从未改变，而现在离目标又近了一步。
当然，口说无凭，接下来通过与传统色卡校色的对比测试说明新版方案的精度表现。
色卡为X-Rite ColorChecker 24，色彩信息如下
选择部分代表机型，RAW样片取自DPREVIEW Studio scene
NIKON Z7 II & Nikon AF-S NIKKOR 85mm f/1.8G
Canon EOS R5 & RF 50mm f/1.2L USM
SONY A7M3 & FE85 1.8
SONY A7M3 & FE85 1.8 使用ColorChecker Camera Calibration
可见一致性还是比较高的，对照色卡信息计算两组SONY A7M3使用不同方法校准后各色块ΔE*00与平均ΔE*00。这样测试虽然并不严谨，但一定程度上可以说明问题。
24色色卡校色表现比较糟糕，灰阶表现尚可，但平均ΔE*00=4.346（ΔE*00>4即为肉眼可见的明显区别），最大ΔE*00=15.3805，简直离谱，很难说能用。但现实是，目前大多数专业摄影师采用这种方法校色。虽然它不准确，但用的人多了，就能成为标准。
相比之下使用高精度相机颜色配置文件的方案靠谱许多（由于我并没有精力高精度匹配灰阶响应曲线，否则表现会更好）平均ΔE*00=3.647，最大ΔE*00=7.5110，作为参考ΔE*00<2可以认为肉眼无法区分。一个通用颜色配置文件表现能比特定环境生成的色卡校准更为准确，并且在高饱和度下的色准远好于24色色卡，这可能是目前最为高效精确的色彩科学解决方案。
理论测试固然重要，但最后还是得靠眼睛收货。事实上，观察环境对观感的影响是巨大的。本次的采用的工作环境是显示器120nit,环境光约5~10lx，对应观察环境大概是：较暗的室内，手机手动亮度60%。经测试在已进行色彩管理的显示器上观看，匹配观察环境之后，观感几乎与实物没有区别。
当然事情并没有这么简单，这次遇到了颜色溢出sRGB色彩空间的问题，表现为衣服的蓝色溢出。
这种情况下转换为sRGB蓝色会欠饱和，具体来说Lab(D50)读数由L=50.93 ;a=-34.81 ;b=-29.22 ;映射为L=52.67 ;a=-23.52 ;b=-26.37 ;计算ΔE*00=5.3364，ΔE*00>4即为肉眼可见的明显区别，使用sRGB会导致明显偏色，故本次使用Adobe RGB色彩空间，但由于网站仅支持sRGB，网页浏览会偏色，建议网盘下载。
使用Adobe RGB色彩空间可以近乎无损的还原蓝色，大致是这样的区别，左一半为Adobe RGB，右一半为sRGB，此为示意图，实际区别更大
细节呈现
景深合成
如何更好地呈现细节，我很久之前就开始思考这个问题，答案就是景深合成。在2020年二月基本完成了测试工作，之后的相册，包括这个相册，或多或少有用到。景深合成并不是什么新鲜的事物，在静物摄影中被广泛使用。
全画幅拍摄静物的一大问题就是景深较浅，虽然收光圈可以增加景深，但光圈过小会产生衍射效应，使画面整体变模糊，常用的解决方法就是使用景深合成。比如将焦平面分别切在如下图橙线所示位置，拍摄多张照片，
再通过算法，将每张照片中清晰的部分组合在一起，就可以拼出一张大部分画面都清晰的图片
在拍摄手办细节特写的时候，可以有效增加景深，提高信息密度。网站上的小图可能不明显，可以下载原图感受一下。
视频色彩
用来凑数
这次依然有4K视频。说到视频调色，我一直是放弃的，直到我见到了色彩扭曲大法，成功拯救了当年参数没有设置正确的视频，同样因为色彩空间溢出的问题，这次选择了更大的BT.2020色彩空间，至少在移动端的MX player测试中没有发现问题，兼容性上应该问题不大。
调色前
调色后
下载链接
建议使用秒传/标准码（无密码 改后缀.rar）
3F86FB588B089D5203E0CC4EA10D1AA0#F75381628582479FA5ACB67ADD426B6A#294418131#[ST]_Dai-Yu_DX_ver_Rev2021.rar
或
链接: https://www.hpoi.net/outLink?urlId=797 提取码: cs7z
（改后缀.rar 密码：VII@HPOI）
两个文件有效内容完全一致，区别仅在于是否加密
1
