「我迫切地等待新概念和新技術。我相信電子影像會是攝影的下一步重要進展，它將擁有自己獨一無二的特性。藝術家與操作者們將再一次努力了解並征服這項媒材。」— Ansel Adams（美國風景攝影大師，1981）

前言

去年本人在 FB 上表示希望學習錄音與錄影後製軟件，蒙 Adobe 公司之惠，獲得一整年免費的 AU 與 AE 使用權。適逢寒假小月，小寫 Lightroom 介紹文一篇，以表示對 Adobe 的感謝。網路上不乏 LR 教學文章與影片資源，故此篇文章無意就教學目的撰寫，僅簡述 LR 重要歷史演變、銳利化參數的視網膜機制，供愛好者略知其原理。

為什麼叫 Lightroom?

以前暗房叫「Darkroom」，數位時代的暗房免受黑暗之苦，故取名叫「Lightroom」，對獨自工作的寂寞攝影人來說，頗具積極光明意味。

誰適合用 Lightroom?

全世界攝影師幾乎都使用PS來處理影像，因為其演算法非常優良，在「選取邊緣」與「液化」等功能上，明顯優於其它軟件。但是LR並沒有上述兩種功能，更沒有所謂「圖層」，攝影者能處理的只是單張圖像。也就是說在「不扭曲」、「不合成」的前提下，LR功能強大，尤屬紀實攝影領域者適用。第五版強化了圖章功能，方便攝影者修補畫面瑕疵。

LR 最大特色

編修照片之前必須將照片「匯入」至LR，所有照片的編修歷史動作，一律儲存於某指定的資料夾。此一設計極大降低電腦負擔。也就是，你可一次處理兩千張照片，而不用擔心電腦記憶體不足。編修完成之後，一鍵「匯出」，電腦此時正式「算圖」，將所有之前的修圖動作套用至你所提供的照片檔案（此一設計原理與大多數影片剪輯軟體相同），對於需要處理數千張檔案的紀實攝影師來說，這或許是影像處理史上最有效率的設計。

LR 演算法持續進步

在 LR 第一版上市時，市面上同時販賣著各種「降噪軟件」。早期數位相機噪點多，ISO 800 以上不忍卒睹，故攝影者無不渴求各式降噪方式。而由於演算法隨時代而進步，保留 RAW 可於新版本獲得更優質的演繹。

In the past, the built-in-camera noise reduction had been a heartbreaking process because it wiped out most of the details and turned out to be unpleasant colors. But things changed when Lightroom 2.0 came out in 2008 with powerful algorithm to help photographers reaching finer quality. LR 第一版的降噪功能，與其它外掛軟件相比，並不特別出色。但是到了 2008 年第二版時期，演算法有了極大改善。程式設計者顯然找到一個方法能夠辨識噪點，並將雜訊區分為「明度雜訊」（白色亮點）與「色彩雜訊」（藍紅綠等基底噪點），並且在盡可能不影響影像邊緣銳利度的情況下，完成雜訊抑制。上圖演示為 NIKON D300，在 ISO 3200 下，內建處理器算圖（直出 JPG）與用 LR2 解 RAW 之差異。

Lightroom 提供的亮度調整變數符合 ZONE SYSTEM 精神

在大腦視物機制中，同樣灰階的色塊，在不同的情境下會有不一樣的亮度。這種亮度錯覺現象，不但被認知神經科學家掌握，同時也被熟稔媒材的攝影師使用著。

Most people would say that the square A is a lot darker than the square B. Actually they are the same. Try to copy it and check them in your PS, you will find it’s true.

定義高光部，分五區調整曝光

Ansel Adams 於著作中曾以白袍神父為例，描述如何處理人物臉部高光部與白袍灰階，並明確看出「所謂高光部只不過是相紙的白」，而不是發光的白，因此「如何定義高光部」就成為攝影者迫切需要處理的問題。LR將色階分為五區（五個參數）供攝影者調整，之所以不是更多分區，是因為五個參數彼此之間有連動關係，因此不需要獨立太多區塊調整。

▲ 上圖人物鼻尖高光部的 R 被定義在 93.7，接下來我們只要定義臉頰的亮度，就可以調整在觀者眼中關於該女子皮膚白皙程度的知覺。

Lightroom 中關於 Clarity/Sharpening 與視網膜機制

參數 Clarity 與 Sharpening 中譯為「清晰化」與「銳利化」，其背後的演算法來自於科學家對視網膜的神經活性測量。

下面這張照片是台中一場別開生面的婚禮，新郎與新娘皆著 cosplay 服裝進場。第一張照片是原圖。第二張照片是使用 sharpening 處理。第三張照片是使用 Clarity 處理，為求明顯，將參數拉至最強，一般修片時並不如此使用，否則會造成皮膚紋路不正常加深。由示範圖可見，兩種演算法得到的視覺效果迥然不同。

數學中關於銳利度的兩個變因

How abrupt is the edge andthe density amplitude of the two sides

▲ 所謂增強銳利度，即在兩個明度具有落差的輪廓旁，向左右兩側增加其濃度。這也就是為什麼在繪圖時，若希望增加圖像銳度，畫家可在圖像邊緣增添白線或黑線。（美國視覺心理學教科書《Perception and Imaging》，Richard Zakia，2007）

視網膜增強影像銳利度的方法

Visual Processing by the Retina

▲ 此圖展示「節細胞接受區的放電水平」與「明暗輪廓之間」的關係。節細胞接受區猶如圓中圓，中央圓與外圍圓對光刺激的反應不同，是一種偵測反差的構造。注意其中「主觀亮度知覺」的改變，比「實際物理亮度」的改變來得更劇烈。也就是說節細胞之間彼此互通有無，交換了附近細胞的資訊，增強了亮部邊緣的訊號，壓抑了暗部邊緣的訊號。此一現象被視為證據，證明視網膜將資訊傳輸給腦皮質之前，已先做過初步運算。腦皮質所獲取的資料並不是原汁原味的光強度訊號，而是被強化後的「對比輪廓」。（《視覺信息處理的腦機制》，壽天德，1997）

▲ 節細胞接受區，對於光刺激的反應與時間軸之關係。此一彩色圖示與《視覺信息處理的腦機制》所提供的黑白圖示，實驗相同，所講述的結果也相同。注意其結論：若同時將光給予中央與周圍區域，節細胞反應不會有太大變化。也就是說，視網膜對高頻訊號有較強烈的反應。（《科學人》，Frank Werblin，2007年五月號）

▲ LR 可局部調整 Clarity 參數，在不影響其它物件的質地紋理下，對主體輪廓進行強化。（蘭嶼，2012）

總觀以上生理機制，我們可以得知，Sharpening演算法實際上與節細胞訊號無異，即針對高頻訊號強化其邊緣濃度（抑制與增強）。Clarity參數則是反向操作低頻訊號的濃度。從實驗已知，人眼對低頻訊號的改變較不敏感，但因為低頻濃度對影像的改變較為全面，因此 Clarity 參數（早期大家是使用 unsharp masking）被攝影人大量愛用，作為影像銳利化的主要手段之一。上面這張圖片一眼看去是愛因斯坦，你必須瞇起眼來才能看得到隱藏其下的低頻訊號。聰明的你看清楚是誰了嗎？█

(原文位置)

—

作者簡介︰台灣攝影家郭大爛

職業婚禮攝影師

NIKON 指定攝影美學教師，教授符號學與視覺心理學