从RGB到LAB：imatest解析ColorChecker的魔法

ColorCheck

使用imatest解析24色ColorChecker图卡，生成的“AWB_colorerror.png（下图）”是进行色彩评价的重要参考，这张包含主要评价值的图片是怎样来的呢？

CIELAB色彩模型

CIELAB（也称为CIE Lab或Lab）是由国际照明委员会（CIE）于1976年提出的色彩模型，旨在模拟人类视觉对颜色的感知，并实现颜色差异的均匀性（即颜色间的数值差异与实际视觉差异更一致）。

结构

L（明度）：表示颜色的亮度，范围通常从0（黑色）到100（白色）。

a：表示红绿轴，负值偏向绿色，正值偏向红色。

b：表示黄蓝轴，负值偏向蓝色，正值偏向黄色。

应用

- 工业设计、印刷、纺织等需要精准色彩匹配的领域。

- 图像处理中的色彩校正与分析。

- 跨设备颜色一致性管理（如屏幕与印刷品）。

特点

- 设备无关：不依赖特定设备（如显示器或打印机）定义颜色。

- 感知均匀性：颜色间的数值差异更接近人眼感知差异。

- 宽色域：覆盖人眼可见的几乎所有颜色。

CIELAB模型通过分离亮度与色彩信息，便于颜色调整与对比，是色彩科学和工业实践中的重要工具。

AWB_colorerror.png

生成这张包含主要解析结果的图片，需要将所解析的JPG图片的RGB颜色空间转换为LAB颜色空间，步骤比较复杂，其过程可以总结为：

imatest将计算出的L-meas, a*-meas, b*-meas, L-ideal, a*-ideal, b*-ideal等值保存在AWB_summary.csv文件中。

提取csv文件中的Lab值，建立LAB模型：

24色卡每一个色块的”方块（Ideal）”和”圆点（Camera）”包含在这个立体的色彩模型中。

这里需要指出，LAB 色彩模型在视觉上可以近似看作一个球体，如果根据实际计算出的Lab值进行动态拟合，有可能得到一个比较明显的不规则球体（椭圆）。

调整这个模型的角度，以黑白轴为中心，将俯视图投影，与imatest生成的AWB_colorerror.png图片进行对比：

二者色块的点位和趋势表现完全相同。

结论

imatest解析ColorChecker图卡生成的数据值图片“AWB_colorerror.png”是LAB色彩模型在垂直方向的俯视图投影。

延伸

以下是AWB_colorerror.png图片中每个值的含义和计算方法解释：

1. 坐标轴

   - a*：表示红-绿通道（轴）的颜色分量。

   - b*：表示黄-蓝通道（轴）的颜色分量。

   - 这些是CIE-LAB色彩空间的两个色度分量。

2. 数据点

   - 方块（Ideal）：表示ColorChecker图卡的理想颜色（参考值）。

   - 圆点（Camera）：表示相机实际拍摄到的颜色。

   - 编号：（1-24）对应ColorChecker图卡的24个色块。

3. 统计指标

   - Mean camera chroma (saturation) = 112.2%：相机的平均色度（饱和度），通过计算所有色块的色度值的平均值得出。

   - Color errors：

     - ΔC*ab chroma corr: mean = 4.89; max = 17.1：色度误差，经过色度校正后的平均和最大误差。

     - ΔC*ab uncorr: mean = 11.6; max = 19.2：未校正的色度误差的平均和最大值。

     - ΔE*ab: mean = 6.56; max = 17.9：总色彩误差，表示理想颜色和实际颜色在CIE-LAB色彩空间中的综合差异的平均和最大值。

   - W Bal (Zones 2-5) ΔC = 1.6：白平衡误差，在指定区域（Zones 2-5）的色度误差。

4. 其他信息

   - sRGB (D65)：参考色彩空间为sRGB，光源为D65（标准日光）。

   - 时间戳：测试的时间。

   - 参考数据：参考数据的来源。

   - 软件信息：使用的imatest软件版本。

5. 色彩误差的计算方法

   - 色度误差（ΔC*ab）：通过计算理想颜色和实际颜色在色度上的欧几里得距离得出。

   - 总色彩误差（ΔE*ab）：通过计算理想颜色和实际颜色在CIE-LAB色彩空间中的综合差异得出。

6. 色度（Chroma）

   - 色度计算：通过计算颜色的饱和度得出，公式为：

这些数据帮助评估相机的色彩还原能力、白平衡性能和饱和度表现。