黑白照片是如何呈现的？305911你听说过吗？

黑白照片是一个神奇的东西，对很多人来说，它代表着工业技术的启蒙时代，是古老的回忆。而对摄影师和设计师来说，黑白照片也可以是凸显逼格的风格选择。

业界流传着这样的段子：意境不够，黑白来凑；逼格不够，黑白来凑；创意不够，逼格来凑……听着就有种黑白拯救世界的感觉。我们且不论这种说法靠谱与否，来谈一谈最本质的问题：黑白图像是怎么来的？

不光是照片，黑白图像会出现在每一个图像载体上：单色传单、黑白电视、报纸……我们看到黑白图像，既不会有违和感，也能理解照片传递的信息。然而，你是否想过，我们的世界——由各个频段的可见光反射到视网膜上而被我们感知到的世界——是彩色的图像，它是如何被转化成黑白图像的呢？

如果你有兴趣，可以了解一下相机的设计史、色彩理论的发展和计算机图形学。这里我简单地告诉你：最原始的相机，其黑白图像表现的是光的强度，光越强的部分胶片曝光就越严重，于是趋于白色，反之则更接近灰色。而随着计算机发展，由相机拍摄的电子彩色照片，在转化为黑白照片时，也是基于光的强度来计算的。

光的强度，那是什么呢？

对相机或者说感光元件来说，光的强度应取决于光携带的光能（尽管这种说法不够准确，但非常便于理解）。而对人类来说，光的强度也则应理解为我们感知到的光强度——它真正的光强度是由差别的。随着色彩理论的发展，设备对光强度的计算逐渐从前者变为后者，也就是说：机器把彩色图像变为黑白图像的逻辑越来越适合人眼欣赏。

彩色图像转化为黑白图像具体基于怎样的逻辑？

在讨论这个问题之前，我们需要先来看彩色图像是如何被计算机存储的。数字彩色图像一般基于RGB模式存储，RGB代表着红色、绿色和蓝色，如果你熟悉色彩理论或经常使用图形处理软件，那你对它肯定不陌生。在RGB模式下，每个可见光的颜色都可以通过这三种颜色以不同比例叠加产生。而当RGB的红色、绿色和蓝色三个值相等的时候，我们就得到了灰色，即由黑色RGB(0,0,0)向白色RGB(255,255,255)的过渡。

而彩色图像向黑色图像转化，就是一个RGB数值RGB(R,G,B)向灰度数值RGB(L,L,L)的转化，而R、G、B三个数值如何计算得到L值，则决定了产生的灰色是怎样的效果。

现在应用较多的计算方式有Lightness（明度）、Average（平均）和Luminosity（亮度）三种，其计算公式分别为：

Lightness算法

Gray = (max(R, G, B) + min(R, G, B)) / 2

即在像素点的R、G、B三个数值中，取最大值和最小值的平均数，作为像素点的灰度。

Average算法

Gray = (R + G + B) / 3

即简单粗暴地取像素点R、G、B三个数值的平均数作为像素点的灰度。

Luminosity算法

Gray = R*0.299 + G*0.587 + B*0.114

这是最常见的算法，也是大多图像处理软件采用的算法，据说NTSC信号也采用这个计算标准。它将R、G、B三个数值按照比例相加后，得到灰度。这个公式在有些地方被称为“色彩心理学公式”，这三个看起来有些奇怪的常数据说是实验得来，最符合人眼对这三种颜色感知能力的差别，因此转为灰度后，黑白对比对图像的还原更忠实，甚至可以让人产生色彩联想。

效果对比

原图
Lightness
Average
Luminosity

通过范例图，你可以看到这几种算法会在最终效果上产生差别。实际上，你不能说哪一种才是“真正标准”的黑白照片，它们只是由不同的公式计算得来，并损失了几乎同等程度的信息量。

这里强烈安利一款免费开源图像处理软件GIMP，使用它你可以方便地尝试以上三种算法的效果，上述示例图也来自GIMP的官方文档。

由于Luminosity算法的公式常数比较复杂不好记忆，国内早期有些教程在引入这个算法介绍的时候简化了三个常数为：0.30、0.59和0.11。而为了顺口，很多人开始把这个公式叫做“305911公式”。

由于部分人滥用“305911公式”当作调色的专业术语，导致了很多误导现象。比如有人将它解读为HSB中的B值或LAB中的L值，其实都是不对的。亲们以后再看到305911，可不要露怯哦~