在验证白平衡效果时，使用Imatest软件来评价处理后的标准24色板，比较客观准确。
The First Figure: Gray Scale Analysis
此图显示了色卡底部的灰色色块和选定的EXIF数据的色调响应和噪声。
左上图显示了六色块的像素级别。伽马（即涉及像素级别的景物亮度的方程指数）是由一阶拟合确定（蓝色虚线所示）。它是色卡（灰色正方形）的密度响应。它包括一阶和二阶拟合（蓝色和绿色虚线）。横轴为对数曝光（减去目标密度）
右上图是传递曲线 （对胶片转移曲线具有类似的缩放）：密度（log（像素级/255））作为对数曝光（减去目标密度）的函数。步骤图产生一个更详细的转移曲线。它也显示了曝光误差。
如果它被保持在0.25光圈系数，可以获得最好的结果。请注意，X轴的刻度（对数曝光）从图的左侧逆转。
左下图显示R，G，B和Y（亮度）噪声，标准化为白色和黑色色块之间的差异（1.45的密度差异）。几个附加选项可用于显示噪声或SNR（信号噪声比）。
The Second Figure: Noise Detail (Imatest Masteronly)
第二幅图显示了密度响应，光圈系数处的噪声（对应于眼睛运作的相对测量），色卡第三行的噪声，其中包含了原色和所选色块的噪声频谱。
左上图是色卡的密度响应（灰色方形）。它包括一阶和二阶拟合（蓝色和绿色虚线）。横轴是对数曝光（减去目标密度），印在色卡的背面。步骤图提供了更详细的密度响应曲线。同时它也显示了在光圈系数处的曝光值误差。
右上图显示了色卡第三行的噪声，其中包含了最强烈的色块：蓝色，绿色，红色，黄色，品红色和青色。在某些相机中，噪声可能随颜色而变化。可能显而易见的问题，在灰色色块中是不可见的。有几个选项可用于显示噪声或SNR（信号噪声比）。
左下图显示了R，G，B和Y（亮度）RMS噪声或信噪比作为每个色块对数曝光的功能。可以选择任何显示器。上面有RMS噪声的数字已经在光圈系数处加以展现，一个和人眼的工作原理密切对应的相关度量。这种测量方法在步骤图中详细解说。在暗区有最大值，因为光圈系数间的像素间距最小。
右下图显示了所选色块R，G，B和Y通道的噪声频谱。一个不同寻常的快速减少可能表明大量的降噪软件，它可以掩盖精细细节。
The Third Figure: Color Error
第三图显示了CIELAB色空间中的a *b *平面上的颜色误差（测量值和理想（参考）值之间的差异），这是相对比较均匀的感知（并不完美，但比普通的xy色度图更为均匀）。小方块是理想值；圆圈表示（摄像头）测量值。单个颜色的色度（和对饱和度的感知相关）正比于它到原点(a* = b* = 0)的距离。
相机平均色度(Camera)（所有摄像机色度值的平均）和理想色度平均值(Ideal)的比较显示在右上角。可以从三种颜色误差度量中选择一种：ΔE* ab（CIE 1976；欧氏距离相关），ΔE*94（CIE 1994）和ΔE* CMC。△E *94和ΔE* CMC比较复杂但更为精确。可以显示均值和RMS（均方根；σ）或色彩误差最大值（相机色度的增加和减少经过或没经过校正的测量）。 RMS误差对较大的误差分配更大的权重。
图像可以在sRGB，Adobe RGB（1998），广色域的RGB，专业摄影的 RGB，苹果RGB和颜色匹配的RGB色彩空间进行分析。浅灰色曲线是sRGB色彩空间的边界。
色卡可以用来在不同的光线条件下，检测白平衡算法和相机性能。约翰·比尔在照明和颜色方面的很好的文章就使用此色卡数字来检测不同的照明对色彩准确度的影响。
相机制造商的目标不一定是精确的色彩还原，因为色彩还原往往会显得很平淡。他们认识到有精确和令人愉悦的色彩之间是有差异的：大多数人喜欢深蓝色的天空，饱和的绿色树叶，温和、微饱和的肤色。时刻需要铭记的底线是，他们的目标是取悦。因此，他们往往提高色度（即饱和），特别是在蓝色，绿色和肤色方面。
Saturation饱和度：越高颜色越鲜艳，建议>100
ΔC* ab，ΔE* ab：表示色彩还原度误差，一般而言值越小表示越接近真实颜色
验证标准：ΔC<8，ΔE<15。
The Fourth Figure: Color Analysis
在这里，我们有一个色卡正确颜色的图像，它叠加在每个色块的中央。中央的正方形中的颜色是对亮度曝光和理想值之间的差异进行校正过的。相对于中央方形右侧的小矩形中的颜色是没有校正过的。
灰色色块与夸大的白平衡误差显示在底部。白平衡误差显示在HSV饱和度单元，开尔文度数和Mireds（1000/开尔文摄氏度;对于过滤是一个很有用的单元）。
扫一扫
465
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
