一、数码相机的成像原理：
数码相机，成像原理是被摄体的光线通过镜头，在底片（CMOS）曝光形成的。
二、数码相机的采样：
大自然的光线是有颜色的（光的三原色是红、绿、蓝），但是数码相机识别不了颜色，只能根据光线的强弱（明度）来采样，然后经过计算成像。也就是说，数码相机的传感器是不能对颜色进行采样的。
三、相机是如何把光的三原色进行采样的呢？
科学家把底片（CMOS）前面加了红、绿、蓝三个滤镜。形成红、绿、蓝三个通道，红通道只允许红光通过，绿通道只允许绿光通过，蓝通道只允许蓝光通过。
CMOS是根据被摄体的红、绿、蓝光的强度来采样，分别得到三个通道，存储为三张黑白图片，代表三原色的光线强度，然后根据光线的强度，计算合成得到一张彩色图像。通道就是相机在采样的时候，同一个像素对三原色颜色光的强度进行采样。
四、通过下面这张彩色照片分析三个通道的颜色情况：
（一）、红通道的灯笼光线强是白色的，在绿、蓝通道灯笼是黑色的说明光线比较弱。
（二）、看蓝天，在蓝通道是白色的，在红、绿通道基本是黑色的，说明这两个通道并不含有太多的蓝光。
（三）、看紫色的花，我们知道紫色是红色和蓝色混合得到的，在红、蓝通道花瓣亮度都是比较高的，在绿色通道花瓣就亮度没有那么高，但是在绿通道叶片是比较亮的，在红、蓝通道叶片就没有那么亮。
五、反过来根据下面通道的颜色，来分析彩色照片的模样。
看看头发和衣服分别是什么颜色的。
（一）、头发颜色明度没有变化，是黑色的，所以头发是黑色的。
（二）、在红通道衣服的颜色是最亮的，在绿、蓝通道衣服的颜色没有变化，说明衣服是红色的。
六、下面再看一个复杂一点的照片，看一下头发和衣服的颜色。
头发在红通道是最亮的，在绿通道比较亮，蓝通道比较暗，蓝色的补色是黄色，头发应该是黄色为主偏一点红色。
衣服在红通道是最暗的，蓝通道是最亮的，衣服应该是比较深的蓝色略带一点绿色。
由此推断原图是这样的：
七、下面这张，不知道是哪个通道，来分析通道的颜色。
先借助人物的肤色来分析通道。
人的肤色有红色、白色、黑色、黄色，但是没有蓝色和绿色的，所以中间最亮的是红通道，一般在蓝色通道包含的肤色很少，即最暗，所以右边的是蓝通道；剩下的左边的就是绿通道了。
由此通道显示如下图：
再分析衣服的颜色，衣服绿通道最亮，红通道最暗，蓝通道次之，所以可以推断衣服是绿色偏蓝的，是青色偏绿的。
原图如下：
八、在相机的“眼”中，所有的被摄体都是灰色的，相机在测光过程中，物体反射率为18%的灰色，作为测光的基准。
目前，数码相机的测光系统没有完全智能化，不能自动分辨出被摄体的反射率为18％的光，因此，需要人为设置，现在相机的测光模式有3—4种。
只有测光正确，曝光才能准确。曝光过程是当光线照射到相机的传感器上，相机传感器可以把光线的强度转换为电子信号，形成一张黑白的照片。
如果我们在光路当中，插入红色、绿色、蓝色的滤镜，传感器就可以分别获得红、绿、蓝光的强度，并且通过后期合成，获得一张彩色的照片。RAW格式的图片，其实就存储了最原始的红、绿、蓝光的强度：
无论是相机内形成JPG，还是后期使用软件形成的，一旦从RAW文件变成JPG文件，我们的存储的光线颜色强度就变成了颜色编号：
需要注意的是，这种转换是不可逆的，不能从某个颜色编号，反推回原有的红、绿、蓝光强度。
上面所说的不可逆转，对于照片的白平衡来说，更加能说明问题。我们来看张图片：从图片中可以看到，左侧产生了色偏的RAW照片，通过ACR一键白平衡工具，可以很轻易得到正确的色温。而右边同样是产生了色偏，但图片格式是JPG，即便使用完全一样的方法，也只能得到一张色彩失真的图片。对比两张照片的校正结果，很明显，左侧的RAW照片所显示的色温更加准确。
上例说明，一旦照片格式从RAW变成JPG，很多调整，就变得不可逆转。换句话说，要想从一张偏色的JPG图片中，获取完全准确的色温，是有难度的。
在RGB色彩模式下，照片中的每一个像素点中，都有RGB信息，同时，它们每一个像素，都是一个三维向量，里面都包含着色相、饱和度、亮度。色彩三要素中的HSL，只通过色相（Hue）和饱和度（Saturation）来描述颜色，而亮度（Lightness）则是用来描述明暗的。
在ACR中，是使用四个参数控制颜色。分别就是"色温"、"色调"、自然饱和度和饱和度。"色温"、"色调"是改变照片的颜色，自然饱和度、饱和度是调整照片的颜色。
调节"色温"滑块，颜色可以在蓝色和黄色之间变化。
调整"色调"滑块，颜色可以在绿色和洋红之间发生变化。这些颜色，本身就是补色的关系。
如果把颜色比喻为一个二维平面的话，色温和色调，就相当于这个平面中的两个坐标。调整不同的色温和色调，其实就是可以调整这个平面中的任意一点，也就是任意的一个颜色。
自然饱和度：对蓝色力度大，对红色的饱和增加力度稍弱。
饱和度：对红色强度大，对蓝色的饱和增加力度稍弱。
（注明：参阅巫师讲座）
