高级编码指南

0.88伽马bug

如果你有两个源，其中一个明显比另一个亮，那么稍微亮的源很有可能受到所谓的伽马bug的影响。 如果是这种情况，请执行以下操作（针对16位），看看是否能解决这个问题:

out = core.std.Levels(src, gamma=0.88, min_in=4096, max_in=60160, min_out=4096, max_out=60160, planes=0)

不要在低位深下执行这一操作。较低的位深可能会导致色带。

For the lazy, the fixlvls wrapper in awsmfunc defaults to a gamma bug fix in 32-bit.

双倍范围压缩 Double range compression

一个类似的问题是双倍范围压缩。 当这种情况发生时，luma值将在30和218之间。 这可以通过以下方法轻松解决。

out = src.resize.Point(range_in=0, range=1, dither_type="error_diffusion")
out = out.std.SetFrameProp(prop="_ColorRange", intval=1)

其他不正确的层级 Other incorrect levels

一个密切相关的问题是其他不正确的层级。要解决这个问题，最好是使用一个具有正确层级的参考源，找到与16和235相当的值，然后从那里进行调整（如果是8位，保险起见，在更高的比特深度中做）。

out = src.std.Levels(min_in=x, min_out=16, max_in=y, max_out=235)

然而，这通常是不可能修复的。相反，我们可以做以下数学运算来计算出正确的调整值:

\[ v = \frac{v_\mathrm{new} - min_\mathrm{out}}{max_\mathrm{out} - min_\mathrm{out}} \times (max_\mathrm{in} - min_\mathrm{in}) + min_\mathrm{in} \]

因此，我们可以从要调整的源中选择任何低值，将其设置为 \(min_\mathrm{in}\)，在参考源中选择同一像素的值作为 \(min_\mathrm{out}\)。对于高值和最大值，我们也是这样做的。然后, 我们用16和235来计算 (再次，最好是高位深度--16位的4096和60160，32位浮动的0和1等等。) 这个 \(v_\mathrm{new}\) ，输出值将是上面VapourSynth代码中我们的 \(x\) 和 \(y\)。

为了说明这一点，让我们使用《燃烧》（2018）的德版和美版蓝光片。 美版的蓝光有正确的色调层级，而德版的蓝光有不正确的色调层级。

这里德版的高值是199，而美版的相同像素是207。 对于低值，我们可以找到29和27。 通过这些，我们得到18.6和225.4。 对更多的像素和不同的帧进行这些操作，然后取其平均值，我们得到19和224。 用这些值来调整luma，使我们更接近参考视频的¹。

不恰当的颜色矩阵 Improper color matrix

如果你有一个不恰当的颜色矩阵的源，你可以用以下方法解决这个问题：

out = core.resize.Point(src, matrix_in_s='470bg', matrix_s='709')

The ’470bg’ is what's also known as 601. To know if you should be doing this, you'll need some reference sources, preferably not web sources. Technically, you can identify bad colors and realize that it's necessary to change the matrix, but one should be extremely certain in such cases. '470bg'也就是被称为601的东西。要弄清你是否应该这样做，你需要一些参考源，最好不是网络源。从技术上讲，你可以识别坏的颜色，并意识到有必要改变矩阵，但在这种情况下，你必须非常确定。

取整错误 Rounding error

一点轻微的绿色色调可能表明发生了取整错误。 这个问题在亚马逊、CrunchyRoll等流媒体的源中特别常见。 为了解决这个问题，我们需要在比源更高的位深上增加半步。

high_depth = vsutil.depth(src, 16)
half_step = high_depth.std.Expr("x 128 +")
out = vsutil.depth(half_step, 8)

另外，也可以使用lvsfunc.misc.fix_cr_tint。 与上面的效果相同

Sometimes, sources will require slightly different values, although these will always be multiples of 16, with the most common after 128 being 64. It is also not uncommon for differing values to have to be applied to each plane. This is easily done with std.Expr by using a list of adjustments, where an empty one means no processing is done:

adjust = high_depth.std.Expr(["", "x 64 +", "x 128 +"])

检测着色 gettint

gettint脚本可以用来自动检测一个色调是否由一个常见的错误引起。 要使用它，首先裁剪掉任何黑边、文本和任何其他可能不着色的元素。 然后，简单地运行它并等待结果：

$ gettint source.png reference.png

该脚本还可以接受视频文件，它将选择中间的帧，并使用自动裁剪来消除黑条。

如果没有检测到导致色调的常见错误，脚本将尝试通过伽玛、增益和偏移、或层级调整调整来匹配。 这里已经解释了所有这些的修复方法，除了增益和偏移，可以用std.Expr来修复:

gain = 1.1
offset = -1
out = core.std.Expr(f"x {gain} / offset -")

请注意，如果使用gamma bug修复（或fixlvls）中的gamma修复功能，来自gettint的gamma将需要被反转。

除着色 Detinting

请注意，只有在其他方法都失败的情况下，你才应该采用这种方法。

如果你有一个较好的有着色的源，和一个较差的没有着色的来源，而你想把它剔除， 你可以用 timecube 和 DrDre's Color Matching Tool²。 首先，在工具中添加两张参考截图，导出LUT，保存它，并通过类似的方式添加它:

clip = core.resize.Point(src, matrix_in_s="709", format=vs.RGBS)
detint = core.timecube.Cube(clip, "LUT.cube")
out = core.resize.Point(detint, matrix=1, format=vs.YUV420P16, dither_type="error_diffusion")