面向非理工科用户,重新思考开源(FOSS)修图软件 (En)
2026-11-17
本文由 LLM 从英文原文翻译,以原文为准:Rethinking (FOSS) Photo Editing for Non-Scientists
问题所在
根据 Aurélien Pierre 的调查,
Darktable 的用户群体高度集中在欧美男性,更关键的是,他们大多是理工科出身——几乎没有职业视觉艺术家,也没几个人真正靠摄影吃饭。
然而似乎根本没人在乎这一点。如今在 AI 的加持下,更是冒出了一大堆“又一个 dt”式的项目,
不是工程师在自嗨(坦白讲,我也干过),就是彻头彻尾的 AI 垃圾。说真的,到底为什么会有人想把修图软件做成写代码的 IDE?直接承认它是个远不如 vkdt 深思熟虑的半成品不就好了。正如我在同一个帖子里所说:
每次你拿出一款项目来展示——既然拿出来展示,通常就意味着你觉得别人有理由去用它——你就得讲清楚它的创新点,并审视过往的同类作品。放着现成的 dt 或 vkdt 不用,我凭什么用你的?交互体验更好?算法更强?还是底层实现更优?新意究竟在哪?
一些案例分析:……(略)……
另外,这里我特别想引用一下 Aurélien 对 dt 用户的调查。dt 的用户主要是欧美的理工科(STEM)人群,根本没有触达广大的艺术创作者群体。如果我要做一款修图软件,首先就必须回答这个设计问题。
再来看看另一面:Darktable 刻意把内部所有的数学细节都摊开在台面上,好让用户能够预判操作结果——但这要求用户彻底搞懂图像信号处理管线(ISP)。这太难了,前面的调查数据也印证了这一点,而这正是本文方案力图避免的。不过,照搬 Adobe Lightroom 也算不上什么高明之举。它的黑盒控件往往把好几种操作耦合在一起,比如拉高“曝光度”时,软件并非简单地施加均匀增益,还会顺带渐进地压暗高光。这样固然能调出讨喜的画面,但摄影师必须摸透控件背后的附加脾性,才能预判最终效果。比如有人发帖问“从技术上讲,Lightroom 里的滑块到底干了什么?”,底下有人感叹:“我居然一直不知道阴影滑块是基于蒙版的,怪不得有时候用起来那么别扭。”又比如这个问题:“蒙版调整里的‘杂色’滑块,和全局调整面板‘减少杂色’下面的 6 个滑块有什么区别?”——可见由于机制过于复杂,用户的经验根本无法互通。话又说回来,艺术家们用起这些来似乎也挺安之若素?大概他们就是不停地试,而 Adobe 的精妙之处恰恰在于让你凭感觉多拉几次往往就能调对?毕竟在艺术创作里,“看着对味”就是最大的正确……尽管如此,我依然觉得下面这套方案很有价值,因为它有望降低系统的复杂度和用户的心智负担。
有意思的是,Aurélien 在 2023 年的 Ansel 路线图中曾把迁移到 vkdt 定为长期目标,但到了 2026 年却又不知何故推翻了这一决定?在我看来,vkdt 在陡峭学习曲线这条路上比 Darktable 走得还要极端;跟它那最先进的(SOTA)算法与强悍性能相比,实际用户量可谓惨淡。不妨看看其他节点式编辑器:在 DaVinci Resolve 的调色页面里,一个调色节点把调色控件和可选选区打包在一起,因此能直接表达“把这张脸提亮”之类的意图。同一套控件既可作用于全局,也可作用于局部,而节点图则负责梳理各个调色步骤之间的关系。反观 vkdt,它暴露了太多底层细节,反而让人无从下手。
看完这些案例,脉络就清晰多了。归根结底,这和软件工程面临的问题如出一辙:如何把人的意图转化为形式语言?我希望每一款软件都能考量以下三条准则:
- 收束工作流,让每件事都有且仅有一种显而易见的做法。
- 每一步操作都直观易懂,结果易于预判。
- 精简核心操作语汇,尽量降低学习门槛与心智负担,同时支持灵活组合。
我的方案
我建议将修图软件划分为三个明确的阶段:还原、创意调整与输出渲染。底层的处理管线与算法其实大多已经成熟,真正的设计任务在于将它们整合进一套逻辑一致的界面中,让艺术家不必吃透或亲自打理管线背后的数学原理,也能学会使用。
这套方案借鉴了几款现有的编辑器:
- ART 的局部调整。
- RapidRAW 稳定的蒙版输入。
- vkdt 的计算模型。
- DaVinci Resolve 的调色节点(将调色控件与可选选区打包在一起)。
目标是把这些能力提炼成一套小巧的操作语汇,无论怎么组合,它们的行为都能保持一致。
这种三段式划分在学院色彩编码系统(Academy Color Encoding System) [1] 中早有先例。不过我所说的“还原”阶段比 ACES 的输入变换涵盖面更广:它还要确立一个摄影基准点,供后续所有的创意选区参考。因为创意调整阶段会重度依赖局部处理,所以在折腾各种蒙版时,最好能有一个稳定且有据可依的唯一基准。
第一阶段是还原:为后续的创意调整确立摄影基准点。它既包括去马赛克、镜头校正等纯客观的拍摄端处理,也包含全局曝光和白平衡这类主观决策。之所以把这两项放在这里,不妨想想这两个场景:(一)夜景;(二)日落。在这些场合下,贸然假定中灰自动曝光或灰度世界(Grey World)自动白平衡,显然是不负责任的。
还原阶段可以一步到位,因为它的目标是在视觉感知层面还原出“中性”画面,定义明确且边界清晰;进一步的艺术加工则留给创意阶段。之所以要严格划定这条界限,是因为一旦改动了这个基准点,后续依赖它的参数化蒙版也会跟着改变,迫使用户回头重调已经完成的步骤。
第二阶段是创意调整。不妨审视一下艺术家会提出怎样的需求:“把这张脸提亮”。这句话同时指明了改动内容和作用区域。因此,创意修图可以组织成一系列调整操作的集合,每一项都描述了“改什么”和“改哪里”。许多专用控件都能纳入这一通用模型:例如传统的“阴影”、“中间调”、“高光”等影调设置,完全可以泛化为在相应的参数化蒙版上施加同一种调整。这就构成了精简且可复用的操作语汇。此外,借助预设和共享选区,无需引入额外的底层机制,就能让常见任务变得便捷。
当然,其中还有大量尚未解决的细节与微妙之处,而整套方案最终到底好不好用,很大程度上正取决于这些细节。这里先抛出几点想法:
基础的原子蒙版选区可以来自明度或色彩范围、画笔、形状、渐变,或是像 SEEM 那样支持文本与涂抹交互的 AI 辅助工具。 [2] 它们最终都会生成一张软蒙版 \(m(x) \in [0,1]\),用来表示该项调整在像素 \(x\) 处的作用强度。
蒙版之间可以通过并集、交集、差集与反相进行组合。比如“这张脸上的阴影”,就是把主体选区与影调选区结合了起来。软件可以在文档里给出几个示例,供用户汲取灵感。(Diátaxis 是一套很值得采纳的方法论。)
重叠调整区域的混合是另一个悬而未决且极为关键的设计问题。我们应当要求混合机制满足一定的代数性质,使其可预判、可组合且易于理解。例如,满足交换律就能让彼此独立的创作意图无论按什么顺序表达,都不会改变最终结果。现有的编辑器提供了一些有益的先例,比如 Resolve 的并行混合与按序图层混合。至于哪套规则最契合这一模型,目前仍无定论。
最后一个阶段是输出渲染。问题在于,哪怕还没选定最终的交付媒介——无论是 sRGB SDR、P3 HDR 还是打印输出,这些做起软打样来其实都不算难事——单是在修图过程中,就已经离不开输出渲染了。修图所用的显示器亮度范围和色域有限,工作图像必须渲染到这些硬件限制之内。遗憾却又无可避免的是,摄影师看到的永远是针对当前特定屏幕渲染出来的画面。既然最终的色调映射与色域映射会影响每一项创意调整的可见效果,我的建议干脆是固定住这个阶段(或者只对高级用户开放设置)。DaVinci Resolve 的色彩管理工作流就提供了先例:输出变换独立于调色之外单独配置,摄影师可以透过一致的输出变换来审视创意调整的效果。
注:由我来写这篇东西其实多少有点缺乏说服力——毕竟我自己也是个理工科出身的人。或许该找几位艺术家来看看这篇文章?References
- Academy of Motion Picture Arts and Sciences, “System Overview,” ACES Documentation. Accessed: Nov. 16, 2026. [Online]. Available: https://docs.acescentral.com/background/overview/
- X. Zou et al., “Segment everything everywhere all at once,” in Adv. Neural Inf. Process. Syst., vol. 36, 2023, pp. 19769–19782, doi: 10.5555/3666122.3666990.