检测色卡饱和度和色彩偏差

最新推荐文章于 2023-06-14 17:33:19 发布
最新推荐文章于 2023-06-14 17:33:19 发布
阅读量8k 收藏 30
点赞数 7
分类专栏： opencv 图形图像 文章标签： opencv 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011630458/article/details/46446205
版权

简介

　　本篇讲解如何测24色卡的饱和度和色彩偏差。

实现原理

　　主要是模仿imatest来实现，详细资料请参考：http://www.imatest.com/docs/colorcheck/
具体做法：1、首先鼠标框选出色卡中24色所在位置，然后分别在对应色块中再取出小块矩形。这24个小矩形中色彩数据，就是之后用来处理计算的数据。
          2、接着将24个小矩形的图像，转换为Lab格式。
          3、饱和度计算公式:Chroma = 100% mean((a*i_meas2 + b*i_meas2)1/2 ) / mean((a*i_ideal2 + b*i_ideal2)1/2 ) ;
                  a*i_meas2:被计算的色块对应色块的平均a。
                  b*i_meas2:被计算的色块对应色块的平均b。
                  a*i_ideal2:作为计算模板色块对应的平均a。
                  b*i_ideal2:作为计算模板色块对应的平均b。
          4、不包含亮度的色彩偏差Cab：
               a*i_corr = 100 a*i_meas / Sat ; b*i_corr  = 100 b*i_meas / Sat
               ΔCi_corr = |Ci_corr – Ci_ideal | = ( (a*i_corr – a*i_ideal )2 + (b*i_corr – b*i_ideal )2 )1/2
          5、包含亮度的色彩偏差Eab:
               ΔE*ab = ( (L2*-L1*)2+ (a2*-a1*)2+ (b2*-b1*)2 )1/2; ΔC* = ( (a2*-a1*)2+ (b2*-b1*)2 )1/2

          6、模板测卡对应的数据信息：http://xritephoto.com/documents/literature/en/ColorData-1p_EN.pdf

具体实现

框选出24色块数据

　　首先鼠标框选出一个矩形框，然后使用函数mccRectAddr，在矩形框中，分别选中24色块数据。

void mccRectAddr(Mat mat1, Mat mat2, int* rectAddr){
	int i, j;
	for(j=0; j<4; j++){
		for(i=0; i<6; i++){
			ccm_rect[i+6*j][0] = rectAddr[0] + (rectAddr[2] - rectAddr[0]) * (12 + 6*i + 34 * i )/ 234;
			ccm_rect[i+6*j][1] = rectAddr[1] + (rectAddr[3] - rectAddr[1]) * (10 + 6*j + 34 * j) / 151;
			ccm_rect[i+6*j][2] = rectAddr[0] + (rectAddr[2] - rectAddr[0]) * (22 + 6*i + 34 * i)/ 234;
			ccm_rect[i+6*j][3] = rectAddr[1] + (rectAddr[3] - rectAddr[1]) * (20 + 6*j + 34 * j) / 151;
			rectangle(mat1, Point(ccm_rect[i+6*j][0], ccm_rect[i+6*j][1]), Point(ccm_rect[i+6*j][2], ccm_rect[i+6*j][3]), Scalar(255,0,0), 2);
		}
	}
	mccRoiGet(mat2);
}
　　注意，这里mat1和mat2都是需要被计算的色卡图片，rectAddr保存的书鼠标矩形框坐标信息。函数中，接着在mat1中，选中的24色块数据位置
分别画出小矩形到mat1中，用来显示。接着使用函数mccRoiGet将选中的24色块数据，在mat2使用ROI扣去出来。

void mccRoiGet(Mat mat1){
	char str[10];
	int i=0, j=0;
 
	for(i=0; i<4; i++){
		for(j=0; j<6; j++){
			mccROI[j+i*6] = mat1(cv::Rect(ccm_rect[j+6*i][0], ccm_rect[j+6*i][1],
					ccm_rect[j+6*i][2] - ccm_rect[j+6*i][0], ccm_rect[j+6*i][3] - ccm_rect[j+6*i][1]));
		}
	}
}
　　这样，选中的24色块数据，就分别保存到了mccROI[24]中了。
   对应的效果演示如下:

Sat计算

void mccSat(){
	IplImage pI_1;
	CvScalar s;
	int width, height;
	int i, j, k;
	double ab_meas=0, ab_idea=0;
 
	for(k=0; k< 18; k++){
		pI_1 = mccROI[k];
		cvCvtColor(&pI_1, &pI_1, CV_BGR2Lab);
		width = mccROI[k].rows;
		height = mccROI[k].cols;
 
		for(i=0; i<width; i++){
			for(j=0; j< height; j++){
				s = cvGet2D(&pI_1, i, j);
				if(i==0 && j==0){
					mccLab[k][0] = s.val[0];    
					mccLab[k][1] = s.val[1];    
					mccLab[k][2] = s.val[2];    
				}else{
					mccLab[k][0] = (s.val[0] + mccLab[k][0]) / 2;
					mccLab[k][1] = (s.val[1] + mccLab[k][1]) / 2;   
					mccLab[k][2] = (s.val[2] + mccLab[k][2]) / 2;
				}
			}
		}
		mccLab[k][0] = mccLab[k][0] * 100 / 255;
		mccLab[k][1] = mccLab[k][1] - 128;
		mccLab[k][2] = mccLab[k][2] - 128;
		ab_meas = sqrt((mccLab[k][1] * mccLab[k][1])+(mccLab[k][2] * mccLab[k][2])) + ab_meas;
		ab_idea = sqrt((mccLabModel[k][1] * mccLabModel[k][1])+(mccLabModel[k][2] * mccLabModel[k][2])) + ab_idea;
		cvCvtColor(&pI_1, &pI_1, CV_Lab2BGR);
	}
	ab_meas = ab_meas / 18;
	ab_idea = ab_idea / 18;
	Sat = ab_meas / ab_idea;
	printf("Sat:%lf\n", Sat);
}
　　将之前mccROI[24]中保存的色块数据分别进行处理。首先是将数据转换为Lab的格式。接着计算出色块L a b的平均值，保存到对应的mccLab中。
需要注意：
        1、这里计算色彩相关，所以只需要处理前18块数据，后面6块灰阶图像不用处理。
        2、在opencv中L a b，都被转换为0 - 255的数据存储。所以进行计算之前，需要将L a b数据先转换回来。

		mccLab[k][0] = mccLab[k][0] * 100 / 255;
		mccLab[k][1] = mccLab[k][1] - 128;
		mccLab[k][2] = mccLab[k][2] - 128;
　　最后就是根据之前提到的计算饱和度公式，将饱和度计算出来，保存到Sat中。

Cab计算

void mccCab(){
	IplImage pI_1;
	CvScalar s;
	int width, height;
	int i, j, k;
	double a_err=0, b_err=0;
	Cab_sum = 0;
	Cab_max = 0;
 
	for(k=0; k< 18; k++){
		pI_1 = mccROI[k];
		cvCvtColor(&pI_1, &pI_1, CV_BGR2Lab);
		width = mccROI[k].rows;
		height = mccROI[k].cols;
 
		for(i=0; i<width; i++){
			for(j=0; j< height; j++){
				s = cvGet2D(&pI_1, i, j);
				if(i==0 && j==0){
					mccLab[k][0] = s.val[0];    
					mccLab[k][1] = s.val[1];    
					mccLab[k][2] = s.val[2];    
				}else{
					mccLab[k][0] = (s.val[0] + mccLab[k][0]) / 2;
					mccLab[k][1] = (s.val[1] + mccLab[k][1]) / 2;   
					mccLab[k][2] = (s.val[2] + mccLab[k][2]) / 2;
				}
			}
		}
		mccLab[k][0] = mccLab[k][0] * 100 / 255;
		mccLab[k][1] = mccLab[k][1] - 128;
		mccLab[k][2] = mccLab[k][2] - 128;
 
		a_err = mccLab[k][1] / Sat;
		b_err = mccLab[k][2] / Sat;
		Cab[k] = (a_err - mccLabModel[k][1]) * (a_err - mccLabModel[k][1]) + \
		         (b_err - mccLabModel[k][2]) * (b_err - mccLabModel[k][2]);
		Cab[k] = sqrt(Cab[k]);
		if(Cab_max < Cab[k]){
			Cab_max = Cab[k];	
		}
		cvCvtColor(&pI_1, &pI_1, CV_Lab2BGR);
		Cab_sum = Cab_sum + Cab[k];
		printf("Cab[%d]:%lf\n", k, Cab[k]);
	}
	Cab_sum = Cab_sum / 18;
	printf("Cab_sum:%lf\n", Cab_sum);
}

Eab计算

void mccEab(){
	IplImage pI_1;
	CvScalar s;
	int width, height;
	int i, j, k;
	Eab_sum = 0;
	Eab_max = 0;
 
	for(k=0; k< 18; k++){
		pI_1 = mccROI[k];
		cvCvtColor(&pI_1, &pI_1, CV_BGR2Lab);
		width = mccROI[k].rows;
		height = mccROI[k].cols;
 
		for(i=0; i<width; i++){
			for(j=0; j< height; j++){
				s = cvGet2D(&pI_1, i, j);
				if(i==0 && j==0){
					mccLab[k][0] = s.val[0];    
					mccLab[k][1] = s.val[1];    
					mccLab[k][2] = s.val[2];    
				}else{
					mccLab[k][0] = (s.val[0] + mccLab[k][0]) / 2;
					mccLab[k][1] = (s.val[1] + mccLab[k][1]) / 2;   
					mccLab[k][2] = (s.val[2] + mccLab[k][2]) / 2;
				}
			}
		}
		mccLab[k][0] = mccLab[k][0] * 100 / 255;
		mccLab[k][1] = mccLab[k][1] - 128;
		mccLab[k][2] = mccLab[k][2] - 128;
 
 
		Eab[k] = (mccLab[k][0] - mccLabModel[k][0]) * (mccLab[k][0] - mccLabModel[k][0]) + \
			  (mccLab[k][1] - mccLabModel[k][1]) * (mccLab[k][1] - mccLabModel[k][1]) + \
			  (mccLab[k][2] - mccLabModel[k][2]) * (mccLab[k][2] - mccLabModel[k][2]);
		Eab[k] = sqrt(Eab[k]);
 
		if(Eab_sum==0){
			Eab_sum = Eab[k];	
		}else{
			Eab_sum = (Eab[k] + Eab_sum) / 2;
		}
		if(Eab_max < Eab[k]){
			Eab_max = Eab[k];	
		}
		printf("mccLab[%d]->Eab:%lf\n", k, Eab[k]);
		cvCvtColor(&pI_1, &pI_1, CV_Lab2BGR);
	}
	printf("Eab_sum:%lf\n", Eab_sum);
}

结果显示[编辑 | 编辑源代码]

　　最后在另一张空白图片上，将得到的Sat\Cab\Eab数据都显示出来。

        sprintf(showSat, "Sat:%.1lf", Sat* 100);
	sprintf(showCab, "Cab: mean=%.1lf, max=%.1lf", Cab_sum, Cab_max);
	sprintf(showEab, "Eab: mean=%.1lf, max=%.1lf", Eab_sum, Eab_max);
	cvPutText(&pI_barPic, showSat ,cvPoint(10, 15),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, showCab ,cvPoint(10, 30),&font,CV_RGB(255,0,0));
	cvPutText(&pI_barPic, showEab ,cvPoint(10,45),&font,CV_RGB(255,0,0));
	cv::imshow(barPic, src2);

效果演示[编辑 | 编辑源代码]

　　结果发现，除了饱和度之外，Cab和Eab都和imatest有不小的差距。
　　对应的效果演示如下:
        

        
代码下载：http://download.csdn.net/detail/u011630458/8793681
羽凌寒
关注
专栏目录
【Camera CCM矩阵色彩准度和饱和度调试方法】
jiangchaobing_2017的博客
07-21 1558
在camera中，CCM（Color Correction Matrix，色彩校正矩阵）校准的工作原理主要涉及通过一个3x3的矩阵系数来校正图像传感器（sensor）捕捉到的景物的R（红）、G（绿）、B（蓝）色彩，以使其更接近人眼真实看到的色彩。颜色的饱和度是指色彩的纯度，某色彩的纯度越高，则其表现的就越鲜明；在调试过程中，要关注ce模块下的blue_surp和red_surp值，一般要求blue_surp的值大于red_surp，且这两个值不能设得太小（小于0x30），以避免肤色调试后出现奇怪的效果。
Camera效果测试-色彩准确性及饱和度测试
weixin_44174312的博客
01-21 2066
测试目的：确认模组在模拟白天和各种场景的偏色现象及还原性效果以和暗态下的偏色现象及还原效果。 测试方法：将24色色卡置于灯箱正面中心，调试拍照系统的位置，使其正对该chart，保证该chart的整个画面占Caputure画面的70%,导入imatest软件分析。 ...
windows android 对比度,色彩对比度饱和度基本测试
weixin_42356331的博客
05-26 1048
色彩对比度饱和度基本测试实际显示效果方面，第一印象上这块LTPS屏幕的色彩表现还是令人满意的，只是在屏幕亮度方面略有不足，下面我们将着重通过DisplayTester这款软件当中容纳的多项屏幕测试项目、对华为荣耀X1的屏幕表现进行简单测试。首先我们使用黑色与白色饱和度测试，测试的方式采用256阶的灰阶图，前后28阶的灰阶测试屏幕所能显示的越清晰完全，则代表其屏幕的饱和度成绩越好。黑色...
色彩特性实验
weixin_45095281的博客
06-24 1572
色彩特性实验第一章 要求二级目录三级目录第二章 色彩空间2.1 色彩空间2.2 sRGB色彩空间2.3 CIE Lab色彩空间2.4 sRGB与CIE Lab的转换2.4.1 sRGB到CIE XYZ的变换2.4.2 CIE XYZ到CIE Lab的转换第三章 实验代码3.1 流程图3.2 爱色丽色卡程序代码3.3 拍摄色卡程序代码3.4 测试色卡的两次框选3.4.1 第一次框选3.4.2 第二次框选3.5 计算Ca * b *3.6 计算色差3.7 显示色差第四章 图形用户界面及实验结果4.1 图形用户界
Python+Opencv根据颜色进行目标检测
WZZ18191171661的博客
06-04 7013
目录一、什么是颜色目标检测？二、如何实现基于颜色的目标检测？三、算法代码实现四、效果展示与分析 一、什么是颜色目标检测？   所谓的颜色目标检测，即根据物体的颜色来快速的进行目标定位，该算法的思路比较简单，但是却有很大的使用价值。 二、如何实现基于颜色的目标检测？   整个算法的实现步骤比较简单，具体的步骤如下所示： 步骤1-根据图片中的目标设定合适的lower和upper阈值； 步骤2-使用c...
基于opencv的 SNR,GAMMA,色差，饱和度，曝光误差，白平衡误差的自动化算法开发
camera store
03-19 3991
24色卡计算
高通平台camera客观项测试之色彩偏差&白平衡&饱和度
Windyyyoo的博客
02-25 4054
高通camera测试项之色彩篇一.色彩还原度，饱和度，白平衡测试二.使用步骤三.注意事项 一.色彩还原度，饱和度，白平衡测试 需要拍摄的图卡：MCC24色卡 光源：D65 TL84 CWF A H（具体以客户要求为准） 数据：测试项较多，各个光源下拍摄色卡可以读取出色彩还原误差 & 白平衡 &饱和度 & 信噪比数据，一举多得 二.使用步骤 1.拍图。可以是80%占比（左右大概空出一格），也可以是60%占比（空出大概两格） 2. 三.注意事项 ...
openv实现色块色彩检测
06-10
总的来说，"openv实现色块色彩检测"项目涵盖了OpenCV的基本使用、颜色空间转换、色彩阈值设定、色彩偏差和饱和度计算等关键知识点。通过这个项目，开发者可以深入理解如何利用计算机视觉技术进行颜色分析，这对于...
ECI自制色卡提升网络图像色彩一致性
这在对图像色彩精确度要求较高的领域，如电子商务、网络艺术馆和远程医疗等，具有重要的应用价值。 作者们针对这一问题进行了深入研究，尤其是针对数码相机和显示器色域差异带来的颜色失真现象，通过科学的色彩管理...
Imatest 算法和参考公式
11-18
Imatest 测试工具说明，主要是算法和参考公式部分。还是比较有用的
24色色卡及imatest个测试项说明
camera store
07-31 8384
色彩倾向 这个测试是以 GretagMacbeth ColorChecker 色表上的区块 #1 - 区块 #18 做一色彩偏离的测试, 在下张表中, 圆圈处是 Olympus E-300 的实际表现, 方型处则是色表上的理想值, 从这个 a*b* 坐标上, 可以看出 E-300 在各色彩的偏离情况。 另外, 标示的色域范围则是表示 E-300 的 sRGB 色域范围( 此图以 s...
HSV色彩空间
Major_S的博客
07-07 1629
HSV色彩空间
24色卡deltaE可视化code
tony365的博客
06-01 594
24色卡 deltaE 画图 python
【色度学】颜色的显色系统
最新发布
mjiansun的专栏
06-14 2677
从光的物理刺激角度认识他相，是指某些不同波长的光混合后，所呈现的不同色彩表象，；。从人的颜色视觉生理角度认识色相，是指人眼的三种感色视锥细胞受不同刺激后引起的不同颜色感觉。因此，色相是表明不同波长的光刺激所引起的不同颜色的心理反应。例如红、绿、黄、蓝都是不同的色相，但是由于观察者的经验不同会有不同的色觉。然而每个观察者几乎总是按波长的次序，将光谱按顺序分为红、橙、黄、绿、青、蓝、紫以及许多中间的过渡色。
Camera效果测试-白平衡AWB测试
weixin_44174312的博客
01-21 2796
测试目的：测试拍照系统在不同色温环境下对白色的再现能力。 测试方法：将24色色卡置于灯箱正面中心，调试拍照系统的位置，使其正对该Chart保证该Chart的整个画面占Capture画面的70%，导入imatest软件分析。 ...
关于imatest Colorcheck模块的测试及结果分析（imatest版本 5.2.11）
热门推荐
一只特立独行的zhu..
08-18 1万+
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...
复盘：下面的这两个随机数组“a”和“b”：请问数组c=a+b的维度是多少
weixin_46838716的博客
07-12 558
1）b（列向量）复制3次，以便它可以和A的每一列相加，所以：c.shape = (2, 3) 3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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