关于imatest Colorcheck模块的测试及结果分析（imatest版本 5.2.11）

最新推荐文章于 2024-08-26 08:29:25 发布

木东

最新推荐文章于 2024-08-26 08:29:25 发布

阅读量1.4w

点赞数 33

分类专栏：影像测评

本文链接：https://blog.csdn.net/qq_35247586/article/details/119789873

版权

影像测评专栏收录该内容

23 篇文章 111 订阅

订阅专栏

一、Colorcheck 作用：

1、测试色彩准确性

2、测试白平衡

3、测试噪声或信噪比

二、测试环境要求：

1、拍摄图卡距离：图卡按中心对齐，上下占画面的70%，如下图：

注：距离不是关键，无需用图卡填充整个画面，只需要2400像素(100/patch)就可分析色彩和白平衡（不含噪声）；

2、照度：

a、20-45度入射角，均匀度偏差不超过5%

b、18-22%的中灰色背景，且曝光误差在1/4 f-stop以内，才能保证L*a*b*颜色值正确；

三、参数设置分析：

1、如右红框，可选择专家或简化模式，按标准设置按钮，会选择常用设置（推荐给初学者）；

2、Colorchecker reference：就是制作色卡的参考标准（L*a*b*值的差异），具体根据当前使用色卡参考的标准来选择即可（购买的色卡包装上应该都有注明），目前我司用的色卡参考的是：X-Rite default:post-Nov 2014 D50

注：如下表的顺序是最旧的参考设置在前；

3、Color space： 颜色空间，是表示颜色的一种数学方法，用表示颜色的基本参数来描述和记录颜色，通常用三维模型来定义颜色空间，空间中的颜色用代表三个颜色属性参数的三个维度的坐标指定；这里选择sRGB即可，

4、Nonuniformity correction：针对照明条件不佳，导致画面照度的不均匀，而进行的非均匀性校正，保证环境均匀性偏差不超过5%，即可不用执行；

5、ISO Speed：感光度的一些计算，默认不用（如果为空白或零，则不会计算灵敏度）；

6、参数显示设置：是设置结果数据的显示形式、计算标准

1>、Noise display, pixel nosie or SNR : 噪声显示，一般选择 Pixel SNR= 20*log10(S/N) ，单位dB，S越大，N越小，信噪比越大，图像质量越好；

2>、Color error display：颜色误差显示，对应不同的计算色差的标准，CIE1976、CIE1994、CIE2000，后两者更准确，反映了眼睛对高度饱和度颜色变化的敏感性降低。因此它们的测量值通常较低；

CIE1976：是在L*a*b*色域空间上，计算测量值与标准值空间两点的几何距离，但对于高饱和度的色彩计算不准确；

CIE1994：相较于CIE1976, 对于高饱和度的颜色计算要准确的多；

CMC：用于纺织工业；

CIE2000：是推荐用的最准确的色差方程；

3>、a*b* Color error：选择显示，颜色误差的标准偏差 ( σ ) 或最大颜色误差（max）;

4>、余下的参数，选默认值即可：

四、输出结果分析：

1、图1：灰度色调响应和噪声

左上方的图：是色卡中第4行，灰色方块的密度响应。它包括一阶和二阶拟合(蓝色和绿色虚线)。横轴是 Log Exposure(减去目标密度)，印在ColorChecker的背面。

如果曝光误差小于0.25(最大推荐误差)，则显示为淡红色，否则显示为粗体红色。

Gamma(对比度)是 log pixel level 作为 log exposure ( d(log pixel level)/d(log exposure) )的函数的平均斜率，底部行块2-5(白色和黑色块除外)。

右上方的图：显示了色卡中第3行色块的噪声，其中包含颜色最强烈的色块：蓝色、绿色、红色、黄色、洋红和青色。在某些相机中，噪声可能随颜色而变化。在灰色区域中看不到的问题，在这些色块中可能是显而易见的。注意，x轴刻度(log exposure)与左边的图是相反的。

左下方的图：显示了像素信噪比(dB)，

SNR(dB)=20log10(Si/Ni)，其中 Si 为patch i 的信号(mean pixel level)，Ni为patch i 的噪声(pixel level 的标准差，去除缓慢变化)。--- i 表示色块编号；

SNR_BW 是基于 White – Black patches (patch 19 – patch 24; density difference = 1.45 其设计相对独立于图表类型。(对于各种灰度图，它在Stepchart中计算)和系统对比度(gamma)。)

SNRBW=20 log10(SWHITE-SBLACK/ Nmid)，其中Nmid是patch 22(第4行patch;中间灰色;最接近标称图表密度= 0.7)。

2、图2：噪声细节（仅限Imatest Master）

显示密度响应，f-stops噪声(与眼睛的工作相对应的相对测量)，第三个Colorchecker行噪声，其中包含原色，以及所选patch的噪声频谱。

左上方的图：是色卡中第4行，灰色方块的密度响应。它包括一阶和二阶拟合(蓝色和绿色虚线)。横轴是 Log Exposure(减去目标密度)，印在ColorChecker的背面。

如果曝光误差小于0.25(最大推荐误差)，则显示为淡红色，否则显示为粗体红色。如果已输入指示lux，则显示ISO灵敏度。

Gamma(对比度)是 log pixel level 作为 log exposure ( d(log pixel level)/d(log exposure) )的函数的平均斜率，底部行块2-5(白色和黑色块除外)。

右上方的图：显示了色卡中第3行色块的噪声或信噪比，其中包含颜色最强烈的色块：蓝色、绿色、红色、黄色、洋红和青色。在某些相机中，噪声可能随颜色而变化。在灰色区域中看不到的问题，在这些色块中可能是显而易见的。

左下方的图显示了R, G, B和Y(亮度)RMS噪声作为Log Exposure每个patch的函数。RMS噪声用f-stops表示，f-stops是一种与人眼工作密切相关的测量方法。在步骤图中详细描述了这种测量方法。它在暗区最大，因为f-stops之间的像素间距最小。

右下方的图显示了所选patch（色块21）的R, G, B, Y噪声谱。频谱传递有关信号处理的线索，例如，异常快速的衰减可能表明噪声降低过度。低空间频率下的高电平或红蓝噪声是典型的拜耳传感器。如果可用，则显示EXIF数据中的ISO速度和曝光时间。

3、图3：a*b*颜色误差

a、如右三维图所示，左图描述的就是CIELAB 颜色空间的 a*b* 平面上的颜色误差，其中 a*是水平轴（绿-红），b*是垂直轴（蓝-黄）；

b、左图中的方块表示理想的（a*，b*）颜色坐标值，由上面的ColorChecker reference设置选择。圆圈是测量出的（a*，b*）值；

c、正方形和圆形附近的数字对应colorchecker 色块编号：1-6在第一行，7-12在第二行，13-18在第三行，19-24（底行）的数字被省略，因为它们的（a*,b*）值聚集在（0，0）附近；

d、左图的背景显示了L*（ L* = 0生成黑色而L* = 100指示白色）大约 0.9 的预期颜色（在监视器 sRGB 色彩空间中）。它呈现了与 a* 和 b* 相关的色调的合理图片（尽管它们随L *发生了一些变化）。浅灰色曲线是L (HSL) = 0.5 时色彩空间 (sRGB) 的色域边界（CIELAB 边界难以计算）。

e、 Δ È ab（其包括亮度L*），Δ C（仅限颜色;省略L *)。

f、Mean camera chroma：是相机颜色的平均色度（饱和度）除以理想色块颜色的平均色度（饱和度），用百分数表示。一个颜色的饱和度就是它到原点的距离

；

i_meas 表示色块 i 测量值，i_ideal表示理想的colorchecker 值；

注：当饱和度>100%。饱和度会提高，它受到镜头质量(劣质镜头的眩光会降低饱和度)和信号处理的影响。许多相机和大多数RAW转换器有调整饱和度的功能。

RAW 转换期间的图像处理（尤其是色彩校正矩阵 (CCM) ）会严重影响饱和度。相机输出的图像通常会提高饱和度以使其更加生动（110-120% 在紧凑型数码相机中很常见），但提高饱和度会导致高饱和物体的细节丢失。饱和度超过 120% 应被视为过度。

g、 ΔC、ΔE 显示总结：

对于以上三种显示，可以显示均值、最大值或均方根值 (RMS) 的颜色误差；

如上公式是对于 Colorchecker 色块 1-18来统计的， x 是ΔC i 和 Δ C i_corr ;

均方根 (RMS) 误差，用 sigma ( σ ) 表示，赋予大误差更大的权重；因此，它可能是更好的色彩准确度总体指标。您可以在输入设置窗口中选择 σ 和最大值。

看下图可知，使用不同色差标准的测量值是有差异的；

注： 在解释结果时，请记住 ， 相机制造商不一定以准确的色彩再现为目标，这可能会显得平坦和暗淡。 他们认识到 准确和 令人愉悦的 颜色 之间存在差异 ：大多数人更喜欢深蓝色的天空、饱和的绿色树叶和温暖、略饱和的肤色。 他们始终牢记底线，旨在取悦。 因此，它们通常会提高饱和度，尤其是在蓝色、绿色和肤色中。

4、图4，颜色分析：

下图可以用来比较实际值和理想值，还可使用色块19-24显示白平衡错误；

如上右图：

a、区域 1 是所拍摄的色块。对应于上面 L*a*b* 颜色误差图中的圆圈。

b、区域 2 的方块是色块的参考值，根据所拍摄图表 的亮度进行校正。校正是从上述灰色区域的二阶拟合导出的。默认情况下以 HSL颜色完成，但您可以在 HSL、 HSV、 xyY或 L*a*b* 之间进行选择。区域 1 和 2 的平均亮度应该接近——区域 2 可能在某些色块中更暗，而在其他色块中更亮。 2区和 3区对应于上面 L*a*b* 颜色误差图中的小方块（参考值）。

c、区域3是没有亮度校正的色块的理想值。对于所有色块，区域 2 的亮度将始终比区域 3 更亮或更暗，具体取决于曝光。

如下图：

d、ΔC00（ΔC2000）：忽略亮度的颜色误差；

e、HSV Saturation S：HSV颜色模型， S 的值可以介于 0 （表示完美的中性灰色）和 1 之间的值（表示完全饱和的颜色）。 S对应的感知色差取决于颜色空间。

f、白平衡误差往往在灰色块中最为明显（底行 2-5）。对于 S < 0.02，它几乎不可见。 S > 0.10 是相当严重的，特别是对于较浅的灰色块。

g、底部的图像显示 夸大了白平衡误差，这是通过使用下方曲线提高饱和度 S 计算得出的，同时保持 H 和 V 不变。低饱和度值提高了 4 倍；提升随着饱和度的增加而减少。这张图片比不夸张的图表更清楚地显示了白平衡错误。 请记住，此图像比现实更糟糕；在实际照片中，小的白平衡误差可能并不明显，尤其是在强烈饱和的颜色附近。