CCM调试的理论依据

前言

很久之前在网上看到一些CCM的调试总结,但是没有理论依据,经过我本人的推理,以及和结果比对,这里总结一个我称之为色相环补色原理的调试理论。

CCM理论:

CMOS sensor 使用颜色滤波阵列(Color Filter Array,CFA)实现对特定波段的光敏感,最常用的CFA是RGGB,因此存在R、G、B三种响应波段。由于技术条件的限制,这三种波段很难做到与人眼的响应特性完全相同,所以对同样颜色的光刺激,sensor输出的RGB信号与人眼感受到的RGB会有些不同,一般是sensor颜色的饱和度偏低。

解决这个问题的方法就是使用一个3x3的CCM矩阵,将颜色从sensor RGB空间变换到人眼的RGB空间,使图像的效果符合人的主观感受。

在这里插入图片描述
这个3x3 的矩阵叫做颜色校正矩阵,英文color correction matrix,简称CCM,其变换公式如下。

在这里插入图片描述
CCM公式的一个基本约束就是不能破坏白平衡,即对于任何R=G=B的输入,必须保证输出满足R’=G’=B’。正是由于
这个原因,颜色校正操作只能放在白平衡调整之后执行。
实践中通常使用X-Rite 24色卡上的18个彩色色块为标准计算校正系数,基本原理是用摄像机拍摄色卡,提取18个
色块的平均颜色(Rn, Gn, Bn),n=1…18 构成输入矩阵
在这里插入图片描述
则有关于CCM的矩阵方程
在这里插入图片描述
则有关于CCM的矩阵方程

在这里插入图片描述上述过程需要使用某种色卡,因此称为patch-based方法。在这里插入图片描述

以上理论来源于:https://www.zhihu.com/column/sining

CCM色彩调试总结:

为了保证宝平衡不被破坏,需满足:RR + GR + BR = 1 ,
RR GG BB对应R,G,B饱和度。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
以上理论来源于:
网友1
网友2

那他们的这个总结理论依据是什么呢?没说,只是调试总结的经验而已。

下面我来推理下,以下是本篇文章重点。

色相环补色理论:

根据色相环的排布:RGB的补色是CMY如下图:
在这里插入图片描述
那这个跟我们调试CCM有什么关系呢?

举个例子:现在是黄偏红

在这里插入图片描述
在色相环上用Y指向R代表黄偏红(黑色箭头)
此时如果需要矫正,则需要减弱这个箭头。
这个时候可以构造B指向R的箭头(红色),B指向G的箭头(绿色)
加强这个红色,+Br(和黑色箭头对抗抵消),减弱绿色-Bg(同向减弱黑色)从而达到我们矫正的目的。

对比一下前人总结的经验,是对的上的
其他结论也都对的上其他结论也都对的上

开头说了横轴相加等于1,BR+了,RR不变,GR要-,才能维持平衡,其他行也是一样

在这里插入图片描述

因为CCM只有RGB三种颜色,所以都是针对RGB来构造箭头的。
如果RGB偏色,则直接对RGB构造箭头,如果是CMY则对他的补色(RGB)构造箭头。该理论对于上表总结均适用。

  • 7
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: ti 平台是一个用于处理大规模数据和进行大规模计算的开源分布式计算平台。CCM 矩阵计算方法是 ti 平台上用于处理矩阵计算的一种计算方法。 CCM 矩阵计算方法是基于分布式计算的思想,将大规模矩阵数据划分为多个子矩阵进行并行计算。具体计算过程如下: 1. 数据划分:将矩阵数据划分为多个子矩阵,每个子矩阵在不同的计算节点上进行计算。通过数据划分,可以将大规模矩阵计算问题拆分为多个小规模子问题,提高计算效率。 2. 并行计算:各个计算节点并行计算各自的子矩阵。这样可以同时进行多个计算任务,加快计算速度。 3. 数据合并:将各个计算节点计算得到的子矩阵结果合并为最终的计算结果。这样可以得到完整的矩阵计算结果。 CCM 矩阵计算方法在 ti 平台上具有一定的优势和特点: 1. 高效性:CCM 矩阵计算方法利用分布式计算框架,充分利用集群中多个计算节点的计算能力,提高计算效率。 2. 可扩展性:ti 平台提供了横向扩展的能力,可以根据实际需求添加更多的计算节点,以应对计算规模的增加。 3. 容错性:ti 平台具有容错性,当计算节点发生故障时,可以自动将任务切换到其他可用节点上继续计算,保证计算的可靠性和连续性。 总之,CCM 矩阵计算方法是 ti 平台上用于处理矩阵计算的一种高效的分布式计算方法,具有高效性、可扩展性和容错性等特点,适用于大规模矩阵计算问题的处理。 ### 回答2: TI平台中的CCM矩阵计算方法是一种用于完成基于大规模数据集的分析和挖掘的技术。CCM矩阵是一种基于两个时间序列之间的非线性关系而构建的矩阵。以下是CCM矩阵的计算方法: 首先,选择一个时间序列作为参考时间序列,假设为X。然后,选择另外一个时间序列作为目标时间序列,假设为Y。 接下来,通过选择合适的时间滞后参数来定义一个滞后阶段,例如从1到N。在每个滞后阶段上,我们将X的值与相应时间滞后的Y值进行比较。 然后,根据选择的相似性度量方法(如欧氏距离或相关系数),来计算X和Y两个时间序列之间的相似性得分。这个相似性得分将作为CCM矩阵的一个元素。 最后,通过重复上述步骤,可以计算所有可能滞后阶段下的CCM矩阵CCM矩阵可以在多个时间序列之间进行分析和比较。它可以用于寻找特定模式或周期在不同时间序列之间的转移和相似性。CCM矩阵可以帮助揭示出时间序列之间的潜在关系和互动。这对于在科学研究、金融预测、市场分析等领域具有很大的应用潜力。 TI平台提供了CCM矩阵的计算和可视化工具,以帮助用户利用这一技术进行数据分析和挖掘。用户可以在TI平台上导入具体的时间序列数据集并选择相应的参数和相似性度量方法,来计算并展示CCM矩阵。通过CCM矩阵,用户可以更好地理解时间序列之间的关系,并进行更深入的数据分析和预测。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值