哪儿捡的，俺也去踅摸踅摸

晚上遛弯，在街角拾到一张照片，大家给看看这是传说中的铂金印相吗？

有点同感了哈

  

现在也一个路子一个模样呀！！！汞银最古老。。。。。。

感官正常。。。。。。。鉴定完毕！

但可变反差能弄出各种小花招。
比如闪光，定号数的闪光那是傻瓜式闪光，如果是可变反差纸，
可以在常规放大时间定一个号数，完了换个号数闪光，既然闪光只对高光有效，
那么可以在不影响片子整个反差效果的条件下再独立控制高光的反差。
有的拍摄对象形状太复杂，遮挡加光都没法用的时候，介个可就好使了。

俺脚的古典印象的底片还是颗粒尽量细的好，因为颗粒效果可以在水彩纸上实现，
但粗颗粒的底片可就弄不出细颗粒的最终输出了。

单独弄出来一个是行，整张照片都舒服就很难。
用纸基是肯定的，俺自个做过暗房算知道了，增加的那点成本比起花费的精神基本忽略。

这样的啊。
也就是说，如果银盐在当年奏是和古典印相用一个路子，靠太阳晒，
那么做出来应该也是和古典印相一个模样？

哎呀，俺最差劲的奏是算术……
特别是介个傅立叶，还有微积分，当年补考N次了。

这张我也注意到了，它的“白”坐在人物雕像上，看上去更有内容感。
您说的“逆光下石雕层次丰富，石质温润”，您说这是铂金的”丰富、温润“更加优雅了卧石人像，还是石像的质感原本就很突出呢？
这一张跟其他的比较给我也留下较深印象。我一直在想，是暖白更有强烈的透明感，还是冷白更适宜……，苦恼死鸟~。

兄弟去看过了影展。准备抽时间再去看，一次实在是没看出什么精彩来。多去浸染几次是不是就能找到感觉了。前面去过的同学，在喊好之外，是不是可以更多一些的介绍下你们眼中的好，让更多我这样不识货的人从中得些门道。

题材比较杂，或说比较丰富吧（有风光，有小品，有冷工业，好像还有……）。铂金可能适用于各种题材。就比如美声唱法，可以高亢华丽，也可以磨剪子戗菜刀，左右通吃吧。有的调子偏暖，有的稍偏冷，有的有点象早年间国外画报里的软纸画页，有那么点老印刷的味道。就灰度坡阶的表现力，我实在看不出卤化银……，由黑到白的能力弱在了哪儿？谁有具体的科学数据，可用于负责任的比对。这是技术范畴，少弄点子鬼都找不到調的艺术感受。不知是纸的原因，还是刷的原因，还是现场照明的原因，从我本人的阅读观感上来说，它的“厚度感”也不突出。大概是我完全不懂的原因吧，希望不要影响其他观众的客观阅读。可以数据化吗？

原本我对铂金是有好感的，认为手工化的特别制作，要比工业化的传统银盐，该更亲切更友好，更有具体的针对性，……一定是我不大懂吧。抽时间再去看，去体会。

学习！

可变反差性能太差了，类似“自动档”容易上手但性能不强。。。。

冲洗底片也需要根据用途考虑，我个人刷铂钯或者铁银或者齐亚法的时候喜欢超微粒大比例冲淡显影。。。后期反差在相纸上面调
当然，也有人喜欢正好相反的做法。。。。结果都不错

用纤维基相纸就行了。。。。。

底片很重要！！！！底片很重要！！！！再怎么刷都不如正确曝光+冲好底片重要！！！！！！！！！

跟紫外线和铁的光化学反应有关系，跟 金 银 铂 钯 都没什么关系。。。。。

控制反差的方法是十分丰富的！！！！！！！！！！

说说图像傅立叶。。。
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。
另外我还想说明以下几点：
1、图像经过二维傅立叶变换后，其变换系数矩阵表明：
若变换矩阵Fn原点设在中心，其频谱能量集中分布在变换系数短阵的中心附近(图中阴影区)。若所用的二维傅立叶变换矩阵Fn的原点设在左上角，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。同时也表明一股图像能量集中低频区域。
2 、变换之后的图像在原点平移之前四角是低频，最亮，平移之后中间部分是低频，最亮，亮度大说明低频的能量大（幅角比较大）。
一个关于实数离散傅立叶变换(Real DFT)的例子
先来看一个变换实例，一个原始信号的长度是16，于是可以把这个信号分解9个余弦波和9个正弦波（一个长度为N的信号可以分解成N/2+1个正余弦信号，这是为什么呢？结合下面的18个正余弦图,我想从计算机处理精度上就不难理解，一个长度为N的信号，最多只能有N/2+1个不同频率，再多的频率就超过了计算机所能所处理的精度范围），如下图：
9个正弦信号：

  
9个余弦信号：

  
把以上所有信号相加即可得到原始信号，至于是怎么分别变换出9种不同频率信号的，我们先不急，先看看对于以上的变换结果，在程序中又是该怎么表示的，我们可以看看下面这个示例图：

  
上图中左边表示时域中的信号，右边是频域信号表示方法，从左向右表示正向转换(Forward DFT)，从右向左表示逆向转换(Inverse DFT)，用小写x[]表示信号在每个时间点上的幅度值数组, 用大写X[]表示每种频率的副度值数组, 因为有N/2+1种频率，所以该数组长度为N/2+1，X[]数组又分两种，一种是表示余弦波的不同频率幅度值：Re X[]，另一种是表示正弦波的不同频率幅度值：Im X[]，Re是实数(Real)的意思，Im是虚数(Imagine)的意思，采用复数的表示方法把正余弦波组合起来进行表示，但这里我们不考虑复数的其它作用，只记住是一种组合方法而已，目的是为了便于表达（在后面我们会知道，复数形式的傅立叶变换长度是N，而不是N/2+1）。
用Matlab进行傅里叶变换
FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。
虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。
现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此啰嗦了。
采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。
假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。
假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。
下面以一个实际的信号来做说明。假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下：S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)。式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？我们来看看FFT的结果的模值如图所示。

  
从图中我们可以看到，在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看：
1点： 512+0i
2点： -2.6195E-14 - 1.4162E-13i
3点： -2.8586E-14 - 1.1898E-13i
50点：-6.2076E-13 - 2.1713E-12i
51点：332.55 - 192i
52点：-1.6707E-12 - 1.5241E-12i
75点：-2.2199E-13 -1.0076E-12i
76点：3.4315E-12 + 192i
77点：-3.0263E-14 +7.5609E-13i
很明显，1点、51点、76点的值都比较大，它附近的点值都很小，可以认为是0，即在那些频率点上的信号幅度为0。接着，我们来计算各点的幅度值。分别计算这三个点的模值，结果如下：
1点： 512
51点：384
76点：192
按照公式，可以计算出直流分量为：512/N=512/256=2；50Hz信号的幅度为：384/(N/2)=384/(256/2)=3；75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。可见，从频谱分析出来的幅度是正确的。
然后再来计算相位信息。直流信号没有相位可言，不用管它。先计算50Hz信号的相位，atan2(-192, 332.55)=-0.5236,结果是弧度，换算为角度就是180*(-0.5236)/pi=-30.0001。再计算75Hz信号的相位，atan2(192, 3.4315E-12)=1.5708弧度，换算成角度就是180*1.5708/pi=90.0002。可见，相位也是对的。根据FFT结果以及上面的分析计算，我们就可以写出信号的表达式了，它就是我们开始提供的信号。

  
总结：假设采样频率为Fs，采样点数为N，做FFT之后，某一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以N）；该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。解决这个问题的方法有频率细分法，比较简单的方法是采样比较短时间的信号，然后在后面补充一定数量的0，使其长度达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。具体的频率细分法可参考相关文献。。。。。

不多说了。。。。

在离散数学里是基础内容。。。。。。。。

“连续色调”可以不严格的认为是  傅立叶函数可以表达的。 如果认真一点可以参考拉格朗日坚持认为的傅立叶方程无法表示带有棱角的信号，如在方波中出现非连续变化斜率。拉普拉斯也有大概一致的想法。。。正弦曲线无法组合成一个带有棱角的信号。但是，我们可以用正弦曲线来非常逼近地表示它，逼近到两种表示方法不存在能量差别，基于此，傅立叶是对的。
分解信号的方法是无穷的，但分解信号的目的是为了更加简单地处理原来的信号。用正余弦来表示原信号会更加简单，因为正余弦拥有原信号所不具有的性质：正弦曲线保真度。一个正弦曲线信号输入后，输出的仍是正弦曲线，只有幅度和相位可能发生变化，但是频率和波的形状仍是一样的。且只有正弦曲线才拥有这样的性质，正因如此我们才不用方波或三角波来表示。
从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
在数学领域，尽管最初傅立叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。"任意"的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类：1. 傅立叶变换是线性算子,若赋予适当的范数,它还是酉算子;2. 傅立叶变换的逆变换容易求出,而且形式与正变换非常类似;3. 正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变杂的卷积运算为简单的乘积运算,从而提供了计算卷积的一种简单手段;4. 离散形式的傅立叶的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取;5. 著名的卷积定理指出:傅立叶变换可以化复变换可以利用数字计算机快速的算出(其算法称为快速傅立叶变换算法(FFT))。

这事儿依旧无法回答。。。。
银盐也分好多种呀，“铁银”我个人感觉就挺好啊。。。。
天津的“干版”也搞得不错啊。。。。

被你气死了……
那个五区的质地啊，有晦暗晦暗的，有亮闪闪的。
俺心目中漂亮的银盐片子是各个细微之处闪着小亮光的，处处是光亮的微反差，
连黑都是黑亮黑亮的，黑亮又润泽，像婴儿漆黑的眼黑和成年人混浊的晶状体的差别。

看一些大师的自传，貌似是D72耍的好，那个新药水和旧药水的掺和啥的有技巧。
还有是可变反差FB纸用着熟练，介个貌似相当的关键。

俺说的是欣赏习惯上的。
俺脚的，通常欣赏习惯是随着观看的逐渐深入而口味越来越重的。
一个对黑白摄影陌生的人同时观看铂金和银盐，貌似铂金占便宜。
要说黑白灰的风格，俺脚的银盐会比较多样，不是因为铂金的做不到，
而是不值得，铂金所投入的代价基本只适宜用来呈现铂金的“※※※※”。
所以银盐至少在风格多变的方面对欣赏来说是个考验。
技术上哪个更难俺可木有发言权，俺都做不好。

介个汉白玉的，银盐也可以有，奏是麻烦，镜头、底片、曝冲、放大全都要一丝不苟的配合好。
另外铂金的不知道为啥有一种“厚度”，比如天上一朵白云，铂金的白云有那个棉花糖一样的质地，
银盐要弄出来有难度，俺自个弄只能通过迫冲底片，把反差和颗粒都弄大才行。
介个厚度是很增加立体感的。

用户已注销，历史内容不予显示

用户已注销，历史内容不予显示

用户已注销，历史内容不予显示

这段咱有感觉，展览中有一幅教堂里石棺的照片，汉白玉雕刻的两具躺着的逝者的人像，逆光下石雕层次丰富，石质温润，有一种半透明的质感，不知银盐的片子会有这种静谧的气氛吗。
还有许多带窗户的片子，明暗跨度都很大，处理的很柔顺，技术上没得说。

还有一点补充，影调分离必须做的好有部分原因是银盐的性质造成，
比如先前说的4.1到4.2，银盐真这么干的话基本上都糊在一起，
甭说4.2了，4.1到4.5可能都糊成一片，为了不糊成一片就要尽量把影调分离开。
而铂金先天就可以分清楚4.1和4.2。
数字是俺编的，为说明观点，不是实际的测量啊。
测量还等懂的dx。

数据啥的俺是真不懂了，俺连密度计都木有。
介个要等懂的dx来说。

亚当斯的片子好看恰恰不是因为影调丰富（当然也够丰富的），而是影调分离度好，
这样会在感官上造成片子爽快利索的感觉。
如果你看着这类的片子很喜欢，那看铂金是会没劲的。

铂金的优势恰好是银盐的劣势，做银盐的大师一般都不喜欢捣鼓五区及附近，
因为介个灰色是非常难看的，不仅色调难看，还造成“平”的视觉感受，
不仅影调上平，连透视的立体感上也平。
所以做银盐关注好黑白两边就占便宜，黑出层次和白出层次就赢了，
让片子有很好的微反差。
网上的片子调曲线看似影调丰富，其实只是灰的丰富。
俺记得有位大师说过，冲洗底片能把中性灰洗出中性银的质感奏是牛鼻。

而铂金是在中灰及附近的影调很诱人，并且立体感也好，介个是几乎所有古典工艺都有的特征。
同时中灰一多了，片子显得软，相比亚当斯的风格奏不是那么爽快了。
好的银盐片子整体有一种光泽，明快坦率，而铂金的光泽是类似月光那种莹润或是玉石的光华。

介个就像音响的胆石之争，还有古董西电，有人说老音响只是中频好，而两端够不着，
但那人性的声音奏是吸引人，而新时代的声学频响平直，还原准确，有人说好也有人说木有人情味。
大概这类东西的规律都有些类似，重点是你想要干嘛。
当然牵涉到喜好了就更没法对比，你要说俺有企图，俺是真没有，俺只是银盐和铂金的都喜欢，
可能是俺都做不好，所以俺也木有非要用哪样的二选一，而这两者又互相有些东西是对方木有的。
俺还认为，要认同铂金的片子是不需要经过训练的，而要认同银盐的片子需要经过训练。