光谱重建： rgb响应曲线估计（已知光源 和 多种颜色反射率已知，对应的rgb值也已知）

1. What is the Space of Spectral Sensitivity Functions for Digital Color Cameras?

1. 目的：

已知光源 和 反射率 求解 camera sensor的 rgb 响应曲线。

一般情况下是厂商给出，或者利用单色仪器测量。

本文作者提出一个方案， 在已知光源和反射率的基础上，最小二乘求解rgb相应曲线。

2. 直接求解rgb曲线

颜色形成模型

上使可以转变为矩阵。

I=C L R

I是 在光源L照射下，反射率为R 的物体的 颜色rgb值

然后在已知 I，L, R 的情况下，最小二乘得到C。

如下图所示：

可以发现误差挺大，容易受到噪声的影响。因为 物体反射率的空间是低维的，这样造成I=C L R很多线性相关的等式，最终导致 容易受到噪声影响，误差较大。 论文中多次提到这个概念。

3. RGB响应曲线的性质

1） 归一化后范围在 0-1
2） 能够转换到 XYZ空间

1）和2）的性质说明 响应曲线 是一个凸集合， 满足：

实际是否满足上面的性质呢？ 通过求解一个camera raw到 xyz的转换矩阵T查看误差。可以看出不同的相机误差大小不一。 那么是否说明误差越小越好呢？设计相应曲线的时候是否需要考虑到这一点？应该是的，不然 求ccm的时候可能误差太大。

4. Spectral Sensitivity from a Single Image

从一张图像恢复出 rgb的响应曲线。
首先这个图像肯定要包含足够多的颜色，
其次避免噪声，响应曲线应该平滑。

因此作者首先 对 rgb响应数据库 降维，分解为 特征值 和 特征向量， 用低维特征就可以表示响应曲线

这样再通过最小二乘方法求解，可以避免更多噪声，更加精确。

主要框架：