日系清新调色参数：提亮、降饱和、偏青，vlog 通用风格

一、日系清新的定义困境与本文分析主线

在中文影像社区里，“日系清新”几乎是一个被过度使用却极少被严格定义的词。有人把它等同于“低对比、高亮度、淡色调”，有人把它理解为“青蓝色阴影 + 暖色高光”，还有人直接把它等同于某几款胶片模拟预设。这种定义上的模糊，导致大量教程只能停留在“参数抄作业”的层面：把曲线拉一拉、把饱和度降一降、把色温往冷调推一推，画面看起来“像那么回事”，但一旦换一个拍摄场景就立刻崩掉。

笔者认为，要真正掌握这种风格，必须先承认一个前提：日系清新不是一种“颜色”，而是一组“色彩变换的约束条件”。它约束的不是某一个像素的最终值，而是整幅画面的亮度分布形态、饱和度梯度方向以及色相轴向偏移量。换句话说，它是一组关于“分布”的规则，而不是一组关于“数值”的规则。这个判断构成了本文的分析主线：从感知机理出发，推导信号层面的变换，再落到参数层面的操作。

1.1 为什么“提亮、降饱和、偏青”可以作为一个最小完备集

在色彩科学的语境下，任何全局色彩变换都可以分解为三个相对独立的维度：亮度维度（luminance）、色度维度（chrominance）与色相维度（hue）。日系清新的三个关键词恰好对应这三个维度：提亮作用于亮度维度，降饱和作用于色度维度，偏青作用于色相/白平衡维度。这意味着，只要把这三个维度的变换规律说清楚，就能覆盖这种风格的绝大部分视觉特征。

本文评述：这个“最小完备集”的说法需要谨慎对待。严格来说，日系清新还包含一个常被忽略的维度——对比度曲线的形状。提亮并不等于简单地把曝光拉高，它往往伴随着暗部抬升（lift）与高光压缩（roll-off）的联合作用。因此更准确的说法是：三个关键词覆盖了三个色彩维度，而对比度曲线是贯穿其中的“连接组织”。后文第五节会专门讨论这一点。

1.2 国内外研究脉络简述

关于色彩偏好与风格化调色的研究，国际上大致可分为三条脉络。第一条是色彩偏好（color preference）的心理学研究，以 Palmer 与 Schloss 的“生态效价理论”（Ecological Valence Theory）为代表，认为人对颜色的偏好本质上是对与该颜色相关联的物体与体验的偏好^[1]。第二条是记忆色（memory color）研究，Bartleson、Smet 等人先后测量了人对天空、草地、肤色的记忆色坐标，发现记忆色普遍比实际色更饱和、更“理想化”^[2][3]。第三条是计算摄影中的风格迁移与色调映射研究，近年以深度学习驱动的图像到图像翻译为主流^[4][5]。

国内方面，中国传媒大学、浙江传媒学院等院校在影视调色教学体系上有较多积累，工业界则以 B 站、抖音上的调色教程生态最为活跃。值得注意的是，国内教程普遍偏重“操作步骤”，对底层机理的讨论相对薄弱；而国外教程（如 Cullen Kelly、Darren Mostyn 的频道）更强调色彩管理管线与节点逻辑。本文尝试在两者之间搭桥：用可操作的路径承载可验证的机理。

二、提亮的物理与感知基础

2.1 亮度不是线性的：从 CIE 亮度到感知明度

在讨论“提亮”之前，必须先厘清一个基础问题：我们说的“亮”，到底指什么？在物理层面，亮度（luminance，符号 Y）是一个线性量，正比于辐射通量；在感知层面，明度（lightness，符号 L*）是一个非线性量，与 Y 的关系近似服从 CIE 1976 定义的立方根关系：L* = 116·(Y/Yn)^(1/3) − 16（当 Y/Yn > 0.008856）^[6]。这条公式的含义是：在暗部，很小的物理亮度变化就会带来明显的感知变化；在高光区，则需要很大的物理变化才能被察觉。

这解释了一个常见现象：为什么把曝光整体拉高 0.5 档，暗部看起来“亮了很多”，而高光几乎没变化。因为暗部处在 L* 曲线的陡峭段，高光处在平缓段。日系清新风格中那种“通透、轻盈”的观感，很大程度上正是通过抬升暗部、压缩高光来实现的——它改变的不是整体亮度，而是亮度分布的形状。

2.2 直方图视角：提亮到底改变了什么

如果把一幅画面的亮度直方图画出来，提亮操作本质上是对直方图做一次横向平移或拉伸。但日系清新的提亮有一个鲜明特征：它不是简单平移，而是把直方图整体向中高区挤压，同时把最左端“抬离”零点。用曲线语言描述，就是在暗部（输入值 0~0.2）施加一个明显的上抬，在中段（0.2~0.6）保持近似线性或轻微上凸，在高光段（0.8~1.0）做柔和压缩。

这种曲线形状在胶片时代有对应的物理原型。胶片的密度-曝光量曲线（HD 曲线）在趾部（toe）与肩部（shoulder）都是非线性的，趾部不会突然截止到纯黑，肩部也不会硬性削平到纯白。现代数字调色中的“胶片曲线”正是对 HD 曲线的模拟^[7]。本文评述：把日系清新的提亮简单理解为“加曝光”是常见误解，更准确的描述是“用一条带趾部抬升与肩部压缩的曲线重塑亮度分布”。

2.3 提亮与对比度的耦合：为什么“亮而不灰”很难

初学者最容易踩的坑是：把画面提亮之后，整体变得灰蒙蒙、缺乏层次。原因在于，提亮暗部会压缩暗部与中段的差异，导致局部对比度下降。人眼对“清晰度”的感知高度依赖局部对比度（local contrast），而不是全局对比度^[8]。因此，一个成熟的日系清新调色流程，往往在提亮之后需要补一步“局部对比度恢复”，常见手段包括：

• 在提亮节点之后串联一个“对比度”或“S 形曲线”节点，但强度要克制；
• 使用“清晰度”（Clarity）或“局部对比度”工具，作用于中频细节；
• 用“色彩对比”代替“明暗对比”，通过冷暖分离恢复层次感。

笔者认为，第三条路径最值得重视。日系清新画面之所以“亮而不灰”，很大程度上是因为它用色彩分离替代了明暗分离：高光偏暖、阴影偏青，即使明度差不大，人眼依然能感知到层次。这一点会在第四节展开。

三、降饱和：从色彩空间几何到肤色保护

3.1 饱和度在色彩空间中的几何意义

在 HSV 色彩空间中，饱和度 S 定义为 max−min 与 max 的比值；在 HSL 中，饱和度的定义略有不同；而在更贴近感知的 CIELAB 空间中，色度 C* = √(a*² + b*²)，表示某颜色到中性轴的距离^[9]。这三种定义在数学上并不等价，这导致一个实际问题：在不同的软件里把“饱和度”拉到同一个数值，画面效果可能明显不同。

本文评述：这一点在跨平台协作时尤其重要。达芬奇的“饱和度”基于其内部色彩空间运算，Premiere 的“饱和度”基于 HSL，而剪映的“饱和度”更接近 HSV 的简化版本。如果要在三个平台之间复现同一风格，不能直接照搬数值，而应通过视觉比对或量化指标（见第七节）来校准。

3.2 为什么日系清新要“降饱和”，而不是“去饱和”

日系清新风格中的降饱和，通常是把整体饱和度降到 70%~85% 区间，而不是降到 50% 以下。这是一个关键的分寸问题。完全去饱和会走向黑白或低饱和的“冷淡风”，而日系清新保留了一定的色彩活力，只是把高饱和的“刺点”压下去。

从记忆色研究的角度看，人对不同类别的颜色有不同的“理想饱和度”。Smet 等人的实验表明，人对肤色的记忆色饱和度接近实际肤色，而对天空、植被的记忆色饱和度显著高于实际^[3]。这意味着，如果对全图统一降饱和，天空和植被会显得“不够蓝、不够绿”，而肤色反而可能显得偏灰。因此，更精细的做法是按色相分区降饱和：对肤色区域少降或不降，对背景中的高饱和色块多降。

3.3 肤色保护：HSL 限定器与矢量示波器

肤色在矢量示波器上有一条经典的“肤色线”（skin tone line），大致位于 I 轴方向，对应色相约在 25°~40° 区间（视色彩空间而定）^[10]。日系清新调色中，保护肤色的常用手段有两种：

• HSL 限定器法：用限定器选中肤色范围，生成遮罩，在遮罩上单独调整饱和度与亮度，避免全局降饱和波及肤色；
• 矢量示波器法：在降饱和的同时观察矢量示波器，确保肤色向量不偏离肤色线太远，也不过度向原点收缩。

笔者认为，肤色保护是日系清新调色中最容易被忽视、却最影响成片质量的一环。很多教程把画面调得很“清新”，但人物脸色发灰发青，观感立刻下降。判断标准很简单：把画面缩小到手机屏幕尺寸，如果第一眼看到的是“人脸色不对”，那这版调色就是失败的。

四、偏青：白平衡偏移、记忆色与色彩心理

4.1 “偏青”在色温-色调坐标系中的位置

在常见的白平衡模型中，色温（Temperature）控制蓝-黄轴，色调（Tint）控制绿-品红轴。所谓“偏青”，并不是单纯把色温往冷调推，而是在冷调方向上叠加一个轻微的绿色分量。在 RGB 空间中，青 = 绿 + 蓝，因此偏青意味着同时提升 G 与 B 通道，且 B 的提升略多于 G，或 G 的提升略多于 B，具体取决于想要的青是偏蓝青还是偏绿青。

这解释了一个常见困惑：为什么有些教程说“色温往冷调推”，有些说“色调往绿推”，两者效果并不一样。前者得到的是偏蓝的冷调，后者得到的是偏绿的冷调，只有两者结合才是真正的“青”。

4.2 记忆色与“天空应该更蓝”的心理机制

前文提到，人对天空、植被的记忆色饱和度高于实际。这一现象在日系清新调色中有直接应用：把阴影和中间调往青蓝方向偏移，会让画面中的天空、水面、阴影区域看起来更“通透”，即使实际饱和度并没有提高。本文评述：这本质上是一种利用记忆色偏差的“感知增强”，而不是真实的色彩还原。理解这一点，就不会纠结于“偏青是否准确”这种问题——风格化调色的目标从来不是准确，而是符合预期。

4.3 色彩心理：青蓝为什么让人感觉“清新”

从色彩心理学角度看，青蓝色系普遍与“冷静、干净、开阔、水与天空”等概念相关联。Palmer 与 Schloss 的生态效价理论认为，人对颜色的偏好取决于该颜色所关联物体的效价^[1]。青蓝色关联的物体（清澈的水、晴空、冰雪）大多具有正向效价，因此青蓝色调容易引发“清新”的感受。这为日系清新的“偏青”提供了心理学层面的解释。

但需要注意，这种关联存在文化差异。在部分文化语境中，青绿色也可能关联“病态、寒冷、阴郁”。因此，偏青的强度必须控制在一个“干净”而非“阴冷”的区间内。工程上的经验值是：阴影区域的青蓝偏移量控制在 5%~12% 的色度范围内，超过 15% 就容易显得阴冷。

五、三参数的耦合关系与冲突消解

5.1 提亮与降饱和的耦合：亮度-饱和度效应

色彩科学中有一个经典现象：Helmholtz-Kohlrausch 效应，即在相同物理亮度下，高饱和颜色的感知亮度更高^[11]。反过来，当画面被提亮时，颜色的感知饱和度也会发生变化。这意味着，提亮与降饱和不是两个独立操作，而是相互影响的。如果先提亮再降饱和，实际效果可能比预期更“淡”；如果先降饱和再提亮，则可能更接近预期。

笔者认为，更稳妥的顺序是先做亮度重塑，再做饱和度调整，最后做色相偏移。理由是：亮度重塑会改变像素在色彩空间中的位置，进而影响饱和度的感知；先定亮度基调，再在此基础上校准饱和度，逻辑更清晰。

5.2 偏青与肤色的冲突

偏青操作最容易伤到肤色。因为肤色本身位于橙红区间，往青蓝方向偏移会让肤色发灰、发青。解决思路有三条：

• 分区偏移：只在阴影和背景区域施加偏青，肤色区域保持不变；
• 高光暖、阴影青：利用分离色调（Split Toning）工具，高光加暖、阴影加青，肤色通常位于高光/中间调，受影响较小；
• 限定器保护：用 HSL 限定器选中肤色，反向遮罩后再做偏青。

5.3 三参数协同的“黄金区间”

综合大量教程与实拍经验，可以给出一个日系清新风格的参数参考区间（注意：这是起点而非终点，需根据素材调整）：

需要强调：上表数据为基于多来源教程与实拍经验的整合参考值（模拟数据），并非来自某一项受控实验，实际使用时必须以素材特性为准。

六、工程实现：达芬奇 / PR / 剪映节点级路径

6.1 达芬奇 Resolve：节点树设计

达芬奇的优势在于节点式调色，可以把每个参数维度拆成独立节点，便于精细控制。推荐节点树如下：

Node 01  一级校色（Primary）—— 白平衡、曝光、对比度
Node 02  亮度重塑（Custom Curve）—— 暗部抬升 + 高光压缩
Node 03  饱和度控制（HSL 限定器保护肤色）
Node 04  分离色调（Split Toning）—— 高光暖 / 阴影青
Node 05  局部对比度（Clarity / 中频细节）
Node 06  输出校色（Gamut Mapping / 色彩空间转换）

本文评述：这个节点树的核心思想是“一个节点只做一件事”。很多教程把所有调整塞进一个节点，导致后期想微调某一维度时必须重做全部。节点分离的代价是渲染开销略增，但换来的是可维护性与可复用性。对于需要批量处理 vlog 素材的场景，这一点尤其重要。

6.2 Premiere Pro：Lumetri 面板路径

Premiere 的 Lumetri 面板把调色分为基本校正、创意、曲线、色轮、HSL 辅助等模块。对应日系清新的操作路径：

1. 基本校正：先做白平衡与曝光校正，确保素材处于中性状态；
2. 曲线：用 RGB 曲线抬升暗部、压缩高光；
3. 色轮：阴影色轮往青蓝推，高光色轮往暖橙推；
4. HSL 辅助：选中肤色，降低其饱和度调整幅度；
5. 创意：适当降低整体饱和度，可叠加轻微“褪色胶片”预设。

6.3 剪映：移动端快速路径

剪映的调色模块相对简化，但足以实现日系清新的基本效果。推荐路径：

• “调节” → “亮度” +5 ~ +10，“对比度” −5 ~ −10；
• “饱和度” −10 ~ −20，“色温” −5 ~ −10，“色调” +3 ~ +8（往绿推）；
• “高光” −10，“阴影” +10，制造暗部抬升；
• “HSL”中单独降低绿色、蓝色的饱和度，保留橙色的饱和度以保护肤色。

需要提醒的是，剪映的数值刻度与专业软件不同，不能直接套用达芬奇的参数。建议以视觉比对为准，或使用第七节的量化方法校准。

七、量化评估：三维指标体系与数据集预处理

7.1 三维指标的定义

为了把“像不像日系清新”从主观判断变成可比较的量化问题，本文提出三个核心指标：

• 亮度中位数（L-median）：画面亮度直方图的中位数，反映整体亮度水平。日系清新通常落在 0.55~0.70 区间（8bit 归一化）；
• 平均饱和度（S-mean）：全图饱和度的平均值，日系清新通常落在 0.25~0.40 区间；
• 青-橙轴偏移量（Cyan-Orange Offset）：阴影区域平均色相与中性轴的夹角，反映偏青程度。

这三个指标分别对应提亮、降饱和、偏青三个维度，构成一个三维特征向量。通过比较目标画面与参考画面的特征向量，可以量化“差距有多大”，而不是凭感觉说“还差一点”。

7.2 数据集与预处理说明

本文在讨论量化指标时，参考了公开图像数据集中的色彩统计特征。若读者希望自行验证，可使用以下公开数据集：

预处理细节说明：所有图像统一转换到 sRGB 色彩空间，白点设为 D65，Gamma 设为标准 sRGB 传递函数。亮度计算采用 Rec.709 加权系数（Y = 0.2126R + 0.7152G + 0.0722B）。饱和度计算采用 HSV 空间定义。阴影区域定义为亮度低于 0.25 的像素集合。以上预处理流程参考了 Farbman 等人关于色调映射评估的方法论^[12]。

7.3 指标的应用：从“感觉”到“数值”

实际工作中，可以把一组满意的日系清新成片作为参考集，计算其三维指标的均值与标准差，作为目标区间。新素材调色后，计算其指标，若落在目标区间内，则风格一致性较高；若偏离，则根据偏离方向调整对应参数。这套方法的价值在于：它把调色从“玄学”变成了可迭代的工程流程。

八、前沿预判：HDR、AI 语义调色与色彩管理

8.1 HDR 普及对日系清新的冲击

日系清新风格诞生于 SDR 时代，其亮度分布假设建立在 0~100 nit 的显示范围内。当内容迁移到 HDR（峰值亮度可达 1000 nit 以上）时，原本“提亮暗部”的操作在 HDR 中会呈现出完全不同的观感——暗部抬升在 HDR 中可能显得“发灰”，因为 HDR 的暗部有更大的动态范围可供表现^[13]。本文评述：这并不意味着日系清新在 HDR 时代失效，而是意味着参数需要重新映射。一种可行思路是在 HDR 中保持 SDR 的“相对亮度关系”，通过色调映射把 SDR 的亮度分布压缩到 HDR 的中间亮度区间。

8.2 AI 语义调色：从全局参数到区域理解

近年基于深度学习的图像风格迁移取得了显著进展。以 CycleGAN、StyleGAN 为代表的生成模型可以实现端到端的风格转换^[4]，而以 Mask2Former 为代表的语义分割模型可以识别画面中的天空、人物、植被等区域^[14]。两者结合，就形成了“语义调色”的技术路径：先分割区域，再对每个区域施加不同的色彩变换。

笔者认为，语义调色是日系清新风格自动化的最可行方向。因为日系清新的核心难点恰恰在于“分区处理”——肤色要保护、天空要偏青、植被要降饱和。传统全局参数无法做到这一点，而语义分割可以。目前已有商业软件（如 Colourlab AI）在尝试这一方向，但距离“一键复现某位调色师风格”仍有距离。

8.3 色彩管理标准化：ACES 与显示一致性

随着 ACES（Academy Color Encoding System）在影视工业中的普及，调色工作的色彩管理正在走向标准化^[15]。在 ACES 管线中，所有输入素材先转换到 ACES 色彩空间，调色在统一的线性空间中完成，最后再转换到目标显示空间。这种做法的好处是：同一组调色参数在不同显示设备上的一致性更高。

对于日系清新风格而言，ACES 带来的挑战是：ACES 的色调映射曲线（RRT + ODT）本身带有较强的“电影感”，与日系清新的“轻盈感”存在张力。解决方式是在 ACES 管线中自定义 ODT，或使用 LMT（Look Modification Transform）插入风格化变换。这属于进阶话题，本文不展开，但值得有工程背景的读者深入研究。

九、常见误区与排错清单

十、结论

日系清新调色的三个关键词——提亮、降饱和、偏青——看似简单，实则分别对应亮度、色度、色相三个色彩维度的系统性变换。本文的核心论点是：掌握这种风格的关键不在于记住参数，而在于理解参数背后的分布规律与感知机理。提亮的本质是重塑亮度分布而非简单加曝光；降饱和的本质是按色相分区控制而非全局去色；偏青的本质是利用记忆色偏差与色彩心理而非单纯推冷色温。

在工程层面，节点分离、分区处理、量化评估是三条可操作的路径。在技术趋势层面，HDR 普及、AI 语义调色、色彩管理标准化将深刻改变这类风格化调色的实现方式。对于 vlog 创作者而言，最务实的策略是：建立自己的参考素材库，用三维指标校准风格一致性，同时保持对新技术路径的关注。

最后需要强调，风格化调色始终是服务于叙事的工具。日系清新之所以流行，是因为它契合了当代观众对“轻松、干净、日常感”的审美需求。理解这一点，比掌握任何一组参数都更重要。