diff --git a/ntsc_colours.py b/ntsc_colours.py
index e2afcf0..1602e38 100644
--- a/ntsc_colours.py
+++ b/ntsc_colours.py
@@ -17,15 +17,19 @@ def main():
     # For each sequence of 8 pixels, compute the RGB colour of the right-most
     # pixel, using NTSC emulation.
     for bits in range(256):
+        bits8 = np.empty((8,), dtype=np.bool)
         for i in range(8):
-            bitmap[0, i] = bits & (1 << i)
+            bits8[i] = bits & (1 << i)
+        # Double Hi-Res has a timing shift that rotates the displayed bits one
+        # position with respect to NTSC phase.
+        bitmap[0, :] = bits8[[3, 0, 1, 2, 7, 4, 5, 6]]
 
         ntsc = s.bitmap_to_ntsc(bitmap)
         last_colour = ntsc[0, -1, :]
         colours[bits] = last_colour
         unique.add(tuple(last_colour))
         print("%d: np.array((%d, %d, %d))," % (
-                bits, last_colour[0], last_colour[1], last_colour[2]))
+            bits, last_colour[0], last_colour[1], last_colour[2]))
     print("}")
     print("# %d unique colours" % len(unique))
 
@@ -34,6 +38,7 @@ def main():
     for x, hsv in enumerate(sorted([tuple(colour.RGB_to_HSV(c / 256)) for c in
                                     colours.values()])):
         im[0:128, x * 16: (x + 1) * 16, :] = colour.HSV_to_RGB(hsv) * 256
+
     Image.fromarray(im).show()
 
 
diff --git a/palette.py b/palette.py
index b489acc..d9a94cb 100644
--- a/palette.py
+++ b/palette.py
@@ -121,263 +121,263 @@ class NTSCPalette(Palette):
     # Computed using ntsc_colours.py
     SRGB = {
         0: np.array((0, 0, 0)),
-        1: np.array((0, 0, 62)),
-        2: np.array((0, 18, 0)),
-        3: np.array((0, 3, 28)),
-        4: np.array((44, 14, 0)),
+        1: np.array((0, 0, 115)),
+        2: np.array((0, 37, 0)),
+        3: np.array((0, 23, 88)),
+        4: np.array((14, 14, 0)),
         5: np.array((0, 0, 0)),
-        6: np.array((0, 32, 0)),
-        7: np.array((0, 18, 0)),
-        8: np.array((67, 0, 34)),
-        9: np.array((22, 0, 96)),
+        6: np.array((0, 52, 0)),
+        7: np.array((0, 37, 0)),
+        8: np.array((64, 0, 26)),
+        9: np.array((49, 0, 141)),
         10: np.array((0, 0, 0)),
-        11: np.array((0, 0, 62)),
-        12: np.array((112, 0, 0)),
-        13: np.array((67, 0, 34)),
-        14: np.array((44, 14, 0)),
+        11: np.array((0, 0, 115)),
+        12: np.array((79, 0, 0)),
+        13: np.array((64, 0, 26)),
+        14: np.array((14, 14, 0)),
         15: np.array((0, 0, 0)),
-        16: np.array((24, 54, 131)),
-        17: np.array((0, 40, 193)),
-        18: np.array((0, 73, 97)),
-        19: np.array((0, 58, 159)),
-        20: np.array((69, 69, 69)),
-        21: np.array((24, 54, 131)),
-        22: np.array((1, 87, 35)),
-        23: np.array((0, 73, 97)),
-        24: np.array((91, 36, 165)),
-        25: np.array((47, 22, 227)),
-        26: np.array((24, 54, 131)),
-        27: np.array((0, 40, 193)),
-        28: np.array((136, 50, 103)),
-        29: np.array((91, 36, 165)),
-        30: np.array((69, 69, 69)),
-        31: np.array((24, 54, 131)),
-        32: np.array((1, 87, 35)),
-        33: np.array((0, 73, 97)),
-        34: np.array((0, 105, 1)),
-        35: np.array((0, 91, 63)),
-        36: np.array((46, 101, 0)),
-        37: np.array((1, 87, 35)),
-        38: np.array((0, 120, 0)),
-        39: np.array((0, 105, 1)),
-        40: np.array((69, 69, 69)),
-        41: np.array((24, 54, 131)),
-        42: np.array((1, 87, 35)),
-        43: np.array((0, 73, 97)),
-        44: np.array((113, 83, 7)),
-        45: np.array((69, 69, 69)),
-        46: np.array((46, 101, 0)),
-        47: np.array((1, 87, 35)),
-        48: np.array((26, 142, 166)),
-        49: np.array((0, 127, 228)),
-        50: np.array((0, 160, 132)),
-        51: np.array((0, 146, 194)),
-        52: np.array((70, 156, 104)),
-        53: np.array((26, 142, 166)),
-        54: np.array((3, 174, 70)),
-        55: np.array((0, 160, 132)),
-        56: np.array((93, 124, 200)),
-        57: np.array((48, 109, 255)),
-        58: np.array((26, 142, 166)),
-        59: np.array((0, 127, 228)),
-        60: np.array((138, 138, 138)),
-        61: np.array((93, 124, 200)),
-        62: np.array((70, 156, 104)),
-        63: np.array((26, 142, 166)),
-        64: np.array((113, 83, 7)),
-        65: np.array((69, 69, 69)),
-        66: np.array((46, 101, 0)),
-        67: np.array((1, 87, 35)),
-        68: np.array((158, 97, 0)),
-        69: np.array((113, 83, 7)),
-        70: np.array((91, 116, 0)),
-        71: np.array((46, 101, 0)),
-        72: np.array((181, 65, 41)),
-        73: np.array((136, 50, 103)),
-        74: np.array((113, 83, 7)),
-        75: np.array((69, 69, 69)),
-        76: np.array((226, 79, 0)),
-        77: np.array((181, 65, 41)),
-        78: np.array((158, 97, 0)),
-        79: np.array((113, 83, 7)),
-        80: np.array((138, 138, 138)),
-        81: np.array((93, 124, 200)),
-        82: np.array((70, 156, 104)),
-        83: np.array((26, 142, 166)),
-        84: np.array((183, 152, 76)),
-        85: np.array((138, 138, 138)),
-        86: np.array((115, 171, 42)),
-        87: np.array((70, 156, 104)),
-        88: np.array((205, 120, 172)),
-        89: np.array((161, 105, 234)),
-        90: np.array((138, 138, 138)),
-        91: np.array((93, 124, 200)),
-        92: np.array((250, 134, 110)),
-        93: np.array((205, 120, 172)),
-        94: np.array((183, 152, 76)),
-        95: np.array((138, 138, 138)),
-        96: np.array((115, 171, 42)),
-        97: np.array((70, 156, 104)),
-        98: np.array((48, 189, 8)),
-        99: np.array((3, 174, 70)),
-        100: np.array((160, 185, 0)),
-        101: np.array((115, 171, 42)),
-        102: np.array((93, 203, 0)),
-        103: np.array((48, 189, 8)),
-        104: np.array((183, 152, 76)),
-        105: np.array((138, 138, 138)),
-        106: np.array((115, 171, 42)),
-        107: np.array((70, 156, 104)),
-        108: np.array((227, 167, 14)),
-        109: np.array((183, 152, 76)),
-        110: np.array((160, 185, 0)),
-        111: np.array((115, 171, 42)),
-        112: np.array((140, 225, 173)),
-        113: np.array((95, 211, 235)),
-        114: np.array((72, 244, 139)),
-        115: np.array((28, 229, 201)),
-        116: np.array((184, 240, 111)),
-        117: np.array((140, 225, 173)),
-        118: np.array((117, 255, 77)),
-        119: np.array((72, 244, 139)),
-        120: np.array((207, 207, 207)),
-        121: np.array((162, 193, 255)),
-        122: np.array((140, 225, 173)),
-        123: np.array((95, 211, 235)),
-        124: np.array((252, 221, 145)),
-        125: np.array((207, 207, 207)),
-        126: np.array((184, 240, 111)),
-        127: np.array((140, 225, 173)),
-        128: np.array((136, 50, 103)),
-        129: np.array((91, 36, 165)),
-        130: np.array((69, 69, 69)),
-        131: np.array((24, 54, 131)),
-        132: np.array((181, 65, 41)),
-        133: np.array((136, 50, 103)),
-        134: np.array((113, 83, 7)),
-        135: np.array((69, 69, 69)),
-        136: np.array((203, 32, 137)),
-        137: np.array((159, 18, 199)),
-        138: np.array((136, 50, 103)),
-        139: np.array((91, 36, 165)),
-        140: np.array((248, 47, 75)),
-        141: np.array((203, 32, 137)),
-        142: np.array((181, 65, 41)),
-        143: np.array((136, 50, 103)),
-        144: np.array((161, 105, 234)),
-        145: np.array((116, 91, 255)),
-        146: np.array((93, 124, 200)),
-        147: np.array((48, 109, 255)),
-        148: np.array((205, 120, 172)),
-        149: np.array((161, 105, 234)),
-        150: np.array((138, 138, 138)),
-        151: np.array((93, 124, 200)),
-        152: np.array((228, 87, 255)),
-        153: np.array((183, 73, 255)),
-        154: np.array((161, 105, 234)),
-        155: np.array((116, 91, 255)),
-        156: np.array((255, 101, 206)),
-        157: np.array((228, 87, 255)),
-        158: np.array((205, 120, 172)),
-        159: np.array((161, 105, 234)),
-        160: np.array((138, 138, 138)),
-        161: np.array((93, 124, 200)),
-        162: np.array((70, 156, 104)),
-        163: np.array((26, 142, 166)),
-        164: np.array((183, 152, 76)),
-        165: np.array((138, 138, 138)),
-        166: np.array((115, 171, 42)),
-        167: np.array((70, 156, 104)),
-        168: np.array((205, 120, 172)),
-        169: np.array((161, 105, 234)),
-        170: np.array((138, 138, 138)),
-        171: np.array((93, 124, 200)),
-        172: np.array((250, 134, 110)),
-        173: np.array((205, 120, 172)),
-        174: np.array((183, 152, 76)),
-        175: np.array((138, 138, 138)),
-        176: np.array((162, 193, 255)),
-        177: np.array((118, 178, 255)),
-        178: np.array((95, 211, 235)),
-        179: np.array((50, 197, 255)),
-        180: np.array((207, 207, 207)),
-        181: np.array((162, 193, 255)),
-        182: np.array((140, 225, 173)),
-        183: np.array((95, 211, 235)),
-        184: np.array((230, 174, 255)),
-        185: np.array((185, 160, 255)),
-        186: np.array((162, 193, 255)),
-        187: np.array((118, 178, 255)),
-        188: np.array((255, 189, 241)),
-        189: np.array((230, 174, 255)),
-        190: np.array((207, 207, 207)),
-        191: np.array((162, 193, 255)),
-        192: np.array((250, 134, 110)),
-        193: np.array((205, 120, 172)),
-        194: np.array((183, 152, 76)),
-        195: np.array((138, 138, 138)),
-        196: np.array((255, 148, 48)),
-        197: np.array((250, 134, 110)),
-        198: np.array((227, 167, 14)),
-        199: np.array((183, 152, 76)),
-        200: np.array((255, 116, 144)),
-        201: np.array((255, 101, 206)),
-        202: np.array((250, 134, 110)),
-        203: np.array((205, 120, 172)),
-        204: np.array((255, 130, 82)),
-        205: np.array((255, 116, 144)),
-        206: np.array((255, 148, 48)),
-        207: np.array((250, 134, 110)),
-        208: np.array((255, 189, 241)),
-        209: np.array((230, 174, 255)),
-        210: np.array((207, 207, 207)),
-        211: np.array((162, 193, 255)),
-        212: np.array((255, 203, 179)),
-        213: np.array((255, 189, 241)),
-        214: np.array((252, 221, 145)),
-        215: np.array((207, 207, 207)),
-        216: np.array((255, 171, 255)),
-        217: np.array((255, 156, 255)),
-        218: np.array((255, 189, 241)),
-        219: np.array((230, 174, 255)),
-        220: np.array((255, 185, 213)),
-        221: np.array((255, 171, 255)),
-        222: np.array((255, 203, 179)),
-        223: np.array((255, 189, 241)),
-        224: np.array((252, 221, 145)),
-        225: np.array((207, 207, 207)),
-        226: np.array((184, 240, 111)),
-        227: np.array((140, 225, 173)),
-        228: np.array((255, 236, 83)),
-        229: np.array((252, 221, 145)),
-        230: np.array((229, 254, 49)),
-        231: np.array((184, 240, 111)),
-        232: np.array((255, 203, 179)),
-        233: np.array((255, 189, 241)),
-        234: np.array((252, 221, 145)),
-        235: np.array((207, 207, 207)),
-        236: np.array((255, 218, 117)),
-        237: np.array((255, 203, 179)),
-        238: np.array((255, 236, 83)),
-        239: np.array((252, 221, 145)),
-        240: np.array((255, 255, 255)),
-        241: np.array((232, 255, 255)),
-        242: np.array((209, 255, 242)),
-        243: np.array((164, 255, 255)),
-        244: np.array((255, 255, 214)),
-        245: np.array((255, 255, 255)),
-        246: np.array((254, 255, 180)),
-        247: np.array((209, 255, 242)),
-        248: np.array((255, 255, 255)),
-        249: np.array((255, 244, 255)),
-        250: np.array((255, 255, 255)),
-        251: np.array((232, 255, 255)),
-        252: np.array((255, 255, 248)),
-        253: np.array((255, 255, 255)),
-        254: np.array((255, 255, 214)),
-        255: np.array((255, 255, 255)),
+        16: np.array((49, 48, 178)),
+        17: np.array((34, 34, 255)),
+        18: np.array((0, 86, 152)),
+        19: np.array((0, 71, 255)),
+        20: np.array((63, 63, 63)),
+        21: np.array((49, 48, 178)),
+        22: np.array((0, 101, 37)),
+        23: np.array((0, 86, 152)),
+        24: np.array((113, 10, 204)),
+        25: np.array((98, 0, 255)),
+        26: np.array((49, 48, 178)),
+        27: np.array((34, 34, 255)),
+        28: np.array((128, 25, 89)),
+        29: np.array((113, 10, 204)),
+        30: np.array((63, 63, 63)),
+        31: np.array((49, 48, 178)),
+        32: np.array((0, 101, 37)),
+        33: np.array((0, 86, 152)),
+        34: np.array((0, 139, 11)),
+        35: np.array((0, 124, 126)),
+        36: np.array((13, 116, 0)),
+        37: np.array((0, 101, 37)),
+        38: np.array((0, 154, 0)),
+        39: np.array((0, 139, 11)),
+        40: np.array((63, 63, 63)),
+        41: np.array((49, 48, 178)),
+        42: np.array((0, 101, 37)),
+        43: np.array((0, 86, 152)),
+        44: np.array((78, 78, 0)),
+        45: np.array((63, 63, 63)),
+        46: np.array((13, 116, 0)),
+        47: np.array((0, 101, 37)),
+        48: np.array((48, 150, 216)),
+        49: np.array((33, 135, 255)),
+        50: np.array((0, 188, 190)),
+        51: np.array((0, 173, 255)),
+        52: np.array((62, 165, 101)),
+        53: np.array((48, 150, 216)),
+        54: np.array((0, 203, 75)),
+        55: np.array((0, 188, 190)),
+        56: np.array((112, 112, 242)),
+        57: np.array((98, 97, 255)),
+        58: np.array((48, 150, 216)),
+        59: np.array((33, 135, 255)),
+        60: np.array((127, 127, 127)),
+        61: np.array((112, 112, 242)),
+        62: np.array((62, 165, 101)),
+        63: np.array((48, 150, 216)),
+        64: np.array((78, 78, 0)),
+        65: np.array((63, 63, 63)),
+        66: np.array((13, 116, 0)),
+        67: np.array((0, 101, 37)),
+        68: np.array((93, 93, 0)),
+        69: np.array((78, 78, 0)),
+        70: np.array((28, 131, 0)),
+        71: np.array((13, 116, 0)),
+        72: np.array((142, 40, 0)),
+        73: np.array((128, 25, 89)),
+        74: np.array((78, 78, 0)),
+        75: np.array((63, 63, 63)),
+        76: np.array((157, 55, 0)),
+        77: np.array((142, 40, 0)),
+        78: np.array((93, 93, 0)),
+        79: np.array((78, 78, 0)),
+        80: np.array((127, 127, 127)),
+        81: np.array((112, 112, 242)),
+        82: np.array((62, 165, 101)),
+        83: np.array((48, 150, 216)),
+        84: np.array((142, 142, 12)),
+        85: np.array((127, 127, 127)),
+        86: np.array((77, 180, 0)),
+        87: np.array((62, 165, 101)),
+        88: np.array((192, 89, 153)),
+        89: np.array((177, 74, 255)),
+        90: np.array((127, 127, 127)),
+        91: np.array((112, 112, 242)),
+        92: np.array((206, 104, 38)),
+        93: np.array((192, 89, 153)),
+        94: np.array((142, 142, 12)),
+        95: np.array((127, 127, 127)),
+        96: np.array((77, 180, 0)),
+        97: np.array((62, 165, 101)),
+        98: np.array((13, 218, 0)),
+        99: np.array((0, 203, 75)),
+        100: np.array((92, 195, 0)),
+        101: np.array((77, 180, 0)),
+        102: np.array((27, 233, 0)),
+        103: np.array((13, 218, 0)),
+        104: np.array((142, 142, 12)),
+        105: np.array((127, 127, 127)),
+        106: np.array((77, 180, 0)),
+        107: np.array((62, 165, 101)),
+        108: np.array((156, 157, 0)),
+        109: np.array((142, 142, 12)),
+        110: np.array((92, 195, 0)),
+        111: np.array((77, 180, 0)),
+        112: np.array((126, 229, 165)),
+        113: np.array((112, 214, 255)),
+        114: np.array((62, 255, 138)),
+        115: np.array((47, 252, 253)),
+        116: np.array((141, 244, 50)),
+        117: np.array((126, 229, 165)),
+        118: np.array((76, 255, 23)),
+        119: np.array((62, 255, 138)),
+        120: np.array((191, 191, 191)),
+        121: np.array((176, 176, 255)),
+        122: np.array((126, 229, 165)),
+        123: np.array((112, 214, 255)),
+        124: np.array((205, 206, 76)),
+        125: np.array((191, 191, 191)),
+        126: np.array((141, 244, 50)),
+        127: np.array((126, 229, 165)),
+        128: np.array((128, 25, 89)),
+        129: np.array((113, 10, 204)),
+        130: np.array((63, 63, 63)),
+        131: np.array((49, 48, 178)),
+        132: np.array((142, 40, 0)),
+        133: np.array((128, 25, 89)),
+        134: np.array((78, 78, 0)),
+        135: np.array((63, 63, 63)),
+        136: np.array((192, 0, 116)),
+        137: np.array((178, 0, 231)),
+        138: np.array((128, 25, 89)),
+        139: np.array((113, 10, 204)),
+        140: np.array((207, 2, 1)),
+        141: np.array((192, 0, 116)),
+        142: np.array((142, 40, 0)),
+        143: np.array((128, 25, 89)),
+        144: np.array((177, 74, 255)),
+        145: np.array((162, 59, 255)),
+        146: np.array((112, 112, 242)),
+        147: np.array((98, 97, 255)),
+        148: np.array((192, 89, 153)),
+        149: np.array((177, 74, 255)),
+        150: np.array((127, 127, 127)),
+        151: np.array((112, 112, 242)),
+        152: np.array((241, 36, 255)),
+        153: np.array((227, 21, 255)),
+        154: np.array((177, 74, 255)),
+        155: np.array((162, 59, 255)),
+        156: np.array((255, 51, 179)),
+        157: np.array((241, 36, 255)),
+        158: np.array((192, 89, 153)),
+        159: np.array((177, 74, 255)),
+        160: np.array((127, 127, 127)),
+        161: np.array((112, 112, 242)),
+        162: np.array((62, 165, 101)),
+        163: np.array((48, 150, 216)),
+        164: np.array((142, 142, 12)),
+        165: np.array((127, 127, 127)),
+        166: np.array((77, 180, 0)),
+        167: np.array((62, 165, 101)),
+        168: np.array((192, 89, 153)),
+        169: np.array((177, 74, 255)),
+        170: np.array((127, 127, 127)),
+        171: np.array((112, 112, 242)),
+        172: np.array((206, 104, 38)),
+        173: np.array((192, 89, 153)),
+        174: np.array((142, 142, 12)),
+        175: np.array((127, 127, 127)),
+        176: np.array((176, 176, 255)),
+        177: np.array((161, 161, 255)),
+        178: np.array((112, 214, 255)),
+        179: np.array((97, 199, 255)),
+        180: np.array((191, 191, 191)),
+        181: np.array((176, 176, 255)),
+        182: np.array((126, 229, 165)),
+        183: np.array((112, 214, 255)),
+        184: np.array((241, 138, 255)),
+        185: np.array((226, 123, 255)),
+        186: np.array((176, 176, 255)),
+        187: np.array((161, 161, 255)),
+        188: np.array((255, 153, 217)),
+        189: np.array((241, 138, 255)),
+        190: np.array((191, 191, 191)),
+        191: np.array((176, 176, 255)),
+        192: np.array((206, 104, 38)),
+        193: np.array((192, 89, 153)),
+        194: np.array((142, 142, 12)),
+        195: np.array((127, 127, 127)),
+        196: np.array((221, 119, 0)),
+        197: np.array((206, 104, 38)),
+        198: np.array((156, 157, 0)),
+        199: np.array((142, 142, 12)),
+        200: np.array((255, 66, 64)),
+        201: np.array((255, 51, 179)),
+        202: np.array((206, 104, 38)),
+        203: np.array((192, 89, 153)),
+        204: np.array((255, 81, 0)),
+        205: np.array((255, 66, 64)),
+        206: np.array((221, 119, 0)),
+        207: np.array((206, 104, 38)),
+        208: np.array((255, 153, 217)),
+        209: np.array((241, 138, 255)),
+        210: np.array((191, 191, 191)),
+        211: np.array((176, 176, 255)),
+        212: np.array((255, 168, 102)),
+        213: np.array((255, 153, 217)),
+        214: np.array((205, 206, 76)),
+        215: np.array((191, 191, 191)),
+        216: np.array((255, 115, 243)),
+        217: np.array((255, 100, 255)),
+        218: np.array((255, 153, 217)),
+        219: np.array((241, 138, 255)),
+        220: np.array((255, 130, 128)),
+        221: np.array((255, 115, 243)),
+        222: np.array((255, 168, 102)),
+        223: np.array((255, 153, 217)),
+        224: np.array((205, 206, 76)),
+        225: np.array((191, 191, 191)),
+        226: np.array((141, 244, 50)),
+        227: np.array((126, 229, 165)),
+        228: np.array((220, 220, 0)),
+        229: np.array((205, 206, 76)),
+        230: np.array((156, 255, 0)),
+        231: np.array((141, 244, 50)),
+        232: np.array((255, 168, 102)),
+        233: np.array((255, 153, 217)),
+        234: np.array((205, 206, 76)),
+        235: np.array((191, 191, 191)),
+        236: np.array((255, 183, 0)),
+        237: np.array((255, 168, 102)),
+        238: np.array((220, 220, 0)),
+        239: np.array((205, 206, 76)),
+        240: np.array((254, 255, 255)),
+        241: np.array((240, 240, 255)),
+        242: np.array((190, 255, 228)),
+        243: np.array((175, 255, 255)),
+        244: np.array((255, 255, 139)),
+        245: np.array((254, 255, 255)),
+        246: np.array((205, 255, 113)),
+        247: np.array((190, 255, 228)),
+        248: np.array((255, 217, 255)),
+        249: np.array((255, 202, 255)),
+        250: np.array((254, 255, 255)),
+        251: np.array((240, 240, 255)),
+        252: np.array((255, 231, 166)),
+        253: np.array((255, 217, 255)),
+        254: np.array((255, 255, 139)),
+        255: np.array((254, 255, 255)),
     }
-    # 84 unique colours
+    # 85 unique colours
 
 
 PALETTES = {
diff --git a/precompute_distance.py b/precompute_distance.py
index 85b3688..c1cbf58 100644
--- a/precompute_distance.py
+++ b/precompute_distance.py
@@ -34,7 +34,7 @@ def all_lab_colours():
 
 
 def nearest_colours(palette, all_lab, diffs):
-    palette_size = len(palette)
+    palette_size = len(palette.RGB)
     palette_labs = np.empty((palette_size, 3), dtype=np.float)
     for i, palette_rgb in palette.RGB.items():
         palette_labs[i, :] = rgb_to_lab(palette_rgb)
@@ -78,7 +78,8 @@ def main():
         except FileExistsError:
             pass
         out = np.memmap(filename=palette.DISTANCES_PATH, mode="w+",
-                        dtype=np.uint8, shape=(RGB_LEVELS ** 3, len(palette)))
+                        dtype=np.uint8, shape=(RGB_LEVELS ** 3,
+                                               len(palette.RGB)))
         nearest_colours(palette, all_lab, out)
 
 
diff --git a/screen.py b/screen.py
index 5a83d04..0e76e19 100644
--- a/screen.py
+++ b/screen.py
@@ -3,6 +3,7 @@
 import numpy as np
 import palette as palette_py
 
+
 # TODO: rename "4bit" variable naming now that we also have palettes with 8 bit
 #  depth.
 
@@ -83,77 +84,71 @@ class Screen:
         raise NotImplementedError
 
     @staticmethod
-    def _sin(pos, phase0=4):
+    def _sin(pos, phase0=0):
         x = pos % 12 + phase0
-        return 8 * np.sin(x * 2 * np.pi / 12)
+        return np.sin(x * 2 * np.pi / 12)
 
     @staticmethod
-    def _cos(pos, phase0=4):
+    def _cos(pos, phase0=0):
         x = pos % 12 + phase0
-        return 8 * np.cos(x * 2 * np.pi / 12)
+        return np.cos(x * 2 * np.pi / 12)
 
     def _read(self, line, pos):
         if pos < 0:
             return 0
 
-        # Sather says black level is 0.36V and white level 1.1V, but this
-        # doesn't seem to be right (they correspond to values -29 and +33)
-        # which means that 0101 grey has Y value ~0, i.e. is black.  These are
-        # only mentioned as labels on figure 8.2 though.
-        #
-        # _The Apple II Circuit description_ by W. Gayler gives black=0.5V
-        # and white=2.0V which is much more plausible.
-        #
-        # Conversion is given by floor((voltage-0.518)*1000/12)-15
-        return 108 if line[pos] else 0  # -16
+        return 1 if line[pos] else 0
 
     def bitmap_to_ntsc(self, bitmap: np.ndarray) -> np.ndarray:
-        """
-        See http://forums.nesdev.com/viewtopic.php?p=172329#p172329
-        """
         y_width = 12
-        i_width = 24
-        q_width = 24
+        u_width = 24
+        v_width = 24
 
-        contrast = 167941
-        saturation = 144044
+        contrast = 1
+        # TODO: where does this come from?  OpenEmulator looks like it should
+        #  use a value of 1.0 by default.
+        saturation = 2
+        # Fudge factor to make colours line up with OpenEmulator
+        # TODO: where does this come from - is it due to the band-pass
+        #  filtering they do?
+        hue = -0.3
 
-        yr = contrast / y_width
-        ir = contrast * 1.994681e-6 * saturation / i_width
-        qr = contrast * 9.915742e-7 * saturation / q_width
-
-        yg = contrast / y_width
-        ig = contrast * 9.151351e-8 * saturation / i_width
-        qg = contrast * -6.334805e-7 * saturation / q_width
-
-        yb = contrast / y_width
-        ib = contrast * -1.012984e-6 * saturation / i_width
-        qb = contrast * 1.667217e-6 * saturation / q_width
+        # Apply effect of saturation
+        yuv_to_rgb = np.array(
+            ((1, 0, 0), (0, saturation, 0), (0, 0, saturation)), dtype=np.float)
+        # Apply hue phase rotation
+        yuv_to_rgb = np.matmul(np.array(
+            ((1, 0, 0), (0, np.cos(hue), np.sin(hue)), (0, -np.sin(hue),
+                                                        np.cos(hue)))),
+            yuv_to_rgb)
+        # Y'UV to R'G'B' conversion
+        yuv_to_rgb = np.matmul(np.array(
+            ((1, 0, 1.13983), (1, -0.39465, -.58060), (1, 2.03211, 0))),
+            yuv_to_rgb)
+        # Apply effect of contrast
+        yuv_to_rgb *= contrast
 
         out_rgb = np.empty((bitmap.shape[0], bitmap.shape[1] * 3, 3),
                            dtype=np.uint8)
         for y in range(bitmap.shape[0]):
             ysum = 0
-            isum = 0
-            qsum = 0
+            usum = 0
+            vsum = 0
             line = np.repeat(bitmap[y], 3)
 
-            # color = y // (192//16)
-            # line = np.repeat(np.tile((color & 1, color & 2, color & 4,
-            #                          color & 8), 140), 3)
             for x in range(bitmap.shape[1] * 3):
                 ysum += self._read(line, x) - self._read(line, x - y_width)
-                isum += self._read(line, x) * self._cos(x) - self._read(
-                    line, x - i_width) * self._cos((x - i_width))
-                qsum += self._read(line, x) * self._sin(x) - self._read(
-                    line, x - q_width) * self._sin((x - q_width))
-
-                r = min(255, max(0, ysum * yr + isum * ir + qsum * qr) /
-                        65536)
-                g = min(255,
-                        max(0, (ysum * yg + isum * ig + qsum * qg) / 65536))
-                b = min(255,
-                        max(0, (ysum * yb + isum * ib + qsum * qb) / 65536))
+                usum += self._read(line, x) * self._sin(x) - self._read(
+                    line, x - u_width) * self._sin((x - u_width))
+                vsum += self._read(line, x) * self._cos(x) - self._read(
+                    line, x - v_width) * self._cos((x - v_width))
+                rgb = np.matmul(
+                    yuv_to_rgb, np.array(
+                        (ysum / y_width, usum / u_width,
+                         vsum / v_width)).reshape((3, 1))).reshape(3)
+                r = min(255, max(0, rgb[0] * 255))
+                g = min(255, max(0, rgb[1] * 255))
+                b = min(255, max(0, rgb[2] * 255))
                 out_rgb[y, x, :] = (r, g, b)
 
         return out_rgb