色彩分级是电影制作和视频编辑中常见的后期制作过程，它改变图像的外观，以便在不同环境、不同设备上呈现。它涉及增强对比度、色彩、饱和度、细节、黑电平、白平衡等属性，无论是用于电影、视频还是静态图像。色彩分级和色彩校正这两个术语经常被同义使用，该过程还可以包括通过创意混合和合成源图像的不同图层蒙版来生成艺术色彩效果。在现代实践中，色彩分级是在受控环境中以数字方式进行的，通常是在昏暗或黑暗的调色间，并且是视频编辑中最耗费人力的部分之一。
色彩分级的起源在于称为色彩定时的光化学胶片工艺，该工艺在胶片实验室中通过改变用于曝光重新拍摄图像的光的强度和颜色来进行。仅凭此过程，用户无法立即查看更改的结果，因此通常使用Hazeltine色彩分析仪进行实时查看修改。在2000年代，随着数字技术的增加，好莱坞电影中的色彩分级变得更加普遍，从光化学工作流程转向数字工作流程。
色彩定时
色彩定时是用于复制胶片元素的早期光化学过程。最初，“色彩分级”是实验室术语，指在胶片复制过程中改变颜色外观，以制作校正拷贝或发行拷贝。到2010年代末，这种胶片分级技术已被称为色彩定时，涉及在胶片显影过程中通过不同滤镜改变曝光持续时间。色彩定时以打印机点为单位指定，这些点代表实验室接触式打印机中的预设，其中7到12个打印机点等于一档光。每档光的点数因负片或正片库存以及胶片实验室的不同预设而异。
在电影制作中，创作团队会与实验室定时员会面，后者观看正在运行的胶片并根据团队的指示做笔记。会议结束后，定时员返回实验室，将胶片负片放在Hazeltine设备上，该设备具有带受控背光的预览滤镜，以选择每个场景每个打印机点的精确设置。这些设置被穿孔到纸带上，并馈送到高速打印机，负片通过背光曝光到正片库存上。滤镜设置会实时更改，以匹配纸带上的打印机灯光。对于视觉特效镜头等复杂工作，有时会处理通过滤镜组合的“楔形”以帮助选择正确的分级。
电视电影机
随着电视的出现，广播公司很快意识到直播的局限性，并转向通过电视电影机直接从发行拷贝播放故事片。这是在1956年之前，当时Ampex推出了第一台Quadruplex录像机（VTR）VRX-1000。直播电视节目也可以录制到胶片上，并通过拍摄视频监视器在不同时区的不同时间播出。该系统的核心是kinescope，一种将电视广播录制到胶片的设备。
早期的电视电影机硬件是用于从胶片广播的“胶片链”，利用连接到视频摄像机的胶片投影仪。正如Jay Holben在《美国电影摄影师》杂志中所解释的那样，“电视电影机直到能够对视频信号进行色彩校正后，才真正成为可行的后期制作工具。”
电视电影机着色工作原理
在阴极射线管（CRT）系统中，电子束投射到涂有荧光粉的外壳上，产生一个小光点。该光束从左到右扫描胶片帧，捕获垂直帧信息。水平扫描通过胶片移过CRT的光束来完成。一旦光子束穿过胶片帧，它会遇到一系列二向色镜，将图像分离为其红色、绿色和蓝色原色成分。然后，每个单独的光束被反射到光电倍增管（PMT）上，光子在此转换为电子信号以记录到磁带上。
在电荷耦合器件（CCD）电视电影机中，白光穿过曝光的胶片图像照射到棱镜上，棱镜将图像分离为三种原色。每种颜色的光束投射到不同的CCD上，每种颜色一个。CCD将光转换为电子信号，电视电影机电子设备将其调制为视频信号，然后可以进行色彩分级。
在Rank Cintel MkIII CRT电视电影机系统上，早期的色彩校正是通过改变三个光电倍增管上的主增益电压来改变红、绿、蓝的输出。进一步的进步将大部分色彩处理设备从模拟转换为数字，随着下一代电视电影机Ursa的出现，着色过程在4：2：2色彩空间中完全数字化。Ursa Gold带来了全4：4：4色彩空间中的色彩分级。
色彩校正控制系统始于1978年的Rank Cintel TOPSY（电视电影机操作编程系统）。1984年，Da Vinci Systems推出了他们的第一台色彩校正器，这是一个计算机控制的接口，用于操纵Rank Cintel MkIII系统上的色彩电压。从那时起，技术不断改进，为数字调色师提供了非凡的能力。如今，许多公司制造色彩校正控制接口，包括Da Vinci Systems和Pandora International。截至2018年，一些电视电影机仍在运行。
色彩校正与增强
色彩校正（数字色彩分级）的一些主要艺术功能包括：
- 准确再现所拍摄的内容
- 补偿素材中的变化（例如，胶片错误、白平衡、不同的光照条件）
- 补偿预期的观看环境（暗、昏暗、明亮的周围环境）
- 优化基础外观以包含特殊视觉效果
- 建立所需的艺术“外观”
- 增强和/或改变场景的情绪，相当于电影音乐伴奏的视觉对应物（另请比较胶片着色）
其中一些功能必须优先于其他功能；例如，色彩分级可能用于确保记录的颜色与原始场景匹配，而其他时候目标可能是建立非常人工的风格化外观。传统上，色彩分级是为了实际目标而进行的，例如在电影《玛丽安》中，使用分级以便夜戏可以在白天拍摄。
AI图像和视频生成中的色彩分级
在Generative AI和Artificial intelligence图像和视频生成的背景下，色彩分级被作为视觉风格或摄影/电影技术调用在提示中。提示编写者使用特定关键词来引导模型朝向特定的调色板、对比度水平和情绪。常见术语包括“青橙色调”、“漂白旁路”、“高对比度”、“柔和色彩”、“复古胶片外观”、“电影色彩分级”和“色彩分级”。这些描述符帮助神经网络产生模仿专业分级镜头外观的输出。
在大型图像和视频数据集上训练的模型学习文本描述与视觉特征（包括色彩分布）之间的关联。例如，像“具有霓虹色彩分级的未来城市”这样的提示可能会导致模型生成具有饱和蓝色和粉色的图像，而“具有去饱和色彩分级的阴郁场景”可能会产生柔和、低对比度的结果。此类提示的有效性取决于模型对色彩相关术语的理解，这由训练数据和诸如RLHF之类的对齐技术塑造。
著名从业者和工具
历史上，色彩分级由熟练的实验室定时员执行，后来由使用专业硬件和软件的数字调色师执行。在电影行业中，像Da Vinci Systems和Pandora International这样的公司开发了成为行业标准的控制接口。现代软件工具，如DaVinci Resolve、Baselight等，广泛用于专业后期制作。在AI领域，像OpenAI、Google DeepMind和Anthropic这样的组织的研究人员和工程师开发了可以根据文本提示应用色彩分级风格的模型，尽管具体从业者不太常被提及。
与其他概念的关系
色彩分级与色彩直方图密切相关，后者表示图像中颜色的分布，通常用于AI模型中分析或调整颜色。它还与色彩归一化相交，这是一种标准化图像间颜色外观的技术，有时用作Machine learning管道中的预处理步骤。在Deep learning模型中，色彩分级可以被视为一种风格迁移形式，其中模型学习将特定视觉风格应用于生成的内容。
AI生成中的色彩分级过程类似于传统后期制作，但由模型隐式执行，而不是通过明确的用户控制。提示编写者充当虚拟调色师，使用语言将模型的输出引导向所需的美学。这导致了提示工程中色彩相关术语的新词汇，这是生成模型提示编写的关键技能。
挑战与考虑
AI色彩分级的一个挑战是在视频生成中实现多帧之间的一致性。虽然静态图像可以单独分级，但视频需要时间连贯性以避免闪烁或突然变化。像Google DeepMind和其他实验室开发的模型通常使用时间平滑技术，但这仍然是一个活跃的研究领域。此外，色彩分级术语的解释可能因模型而异，导致结果不一致。提示编写者通常需要尝试不同的措辞和参数以实现所需的外观。
另一个考虑是AI生成媒体中色彩分级的伦理和美学影响。与传统色彩分级一样，所做的选择可以显著影响图像的情绪和意义，AI模型可能无意中延续训练数据中存在的偏见。因此，理解色彩分级的技术和艺术方面对于AI生成内容的创作者和消费者都很重要。
未来方向
随着AI模型的不断改进，通过自然语言控制色彩分级的能力可能会变得更加精确。Transformer架构和注意力机制的进步可能使模型能够更好地理解细微的色彩描述。与传统色彩分级工具的集成也可能允许混合工作流程，其中AI生成初始分级，人类调色师进行细化。大型语言模型及其与视觉数据对齐的持续发展将塑造色彩分级在AI提示中的调用方式，使其成为视觉叙事中越来越强大的工具。