利用Imatest与ColorChecker评定色彩还原的方法
利用Imatest與ColorChecker評定色彩還原的方法
我們在上一講中簡略地介紹了自然色彩是如何數字化進入電腦系統之中，接下來我們所要討論的檢測色彩方式，其實就和解像力測詴模式相近；也就是利用一組標準色版，在標準環境下拍攝，取得數據之後再去比較與原始值之間的差異，就可以概略的知道設備偏色的程度。
然而，真正的問題卻自此開始，許多同學都知道影像工業的極致原是在追求完整呈現真實色彩；然而現實生活之中，在消費者導向的意志下，更多人希望具有高飽和度的色彩表現。換言之，天空藍還要更藍，草地綠拍出來要更綠，尤其牽涉到人像美感，更是要求人人膚色都白晰透紅，達到普世的審美哲學。在此思考邏輯之中，要求消費級、甚至專業級數字相機不運用人為的方式色偏，幾乎是不可能的事。
同學們在此講中應該要瞭解到『色偏』既是不可能不存在，那麼色彩測詴本身所量度的數據就不應當是評量相機表現的絕對標準。而相對地，我們要從色偏的範圍中學到，如何在特定的環境下，運用相機的特性拍出好照片。以下，我們將以Imatest 與ColorChecker 範例來說明，如何看懂色彩測詴圖表：ColorChecker (24色卡)簡易色彩測詴
我們在前一講中曾經提到幾種色彩測詴的圖表，ColorChecker 因為簡單易用已經逐漸變成業界的主流。基本上，色彩校正包含的範圍除了，色彩本身之外，還有噪音表現、動態範圍、白平衡等項目。色彩（Color)在數字化的世界中是以一個3D三維空間的座標表現（La*b*），L 代表明度，a*b*代表顏色座標（座標規範請見第75講＼CIELAB色彩空間說明）。如果要討論相機完整的色
彩表現，理應測詴完整L值；不過，這樣光是測詴數據就會龐大到令人無法分析的地步。要求測詴簡單明瞭，我們勢必取一定值的明度L表現，來分析對應的a*b*位置，這就像將整條火腿，切下薄薄的一片來品嚐味道一樣。
Mean Camera Saturation 平均相機飽和度
許多數字相機和單眼機身都有內建的數字效果設定，包含從最基本的對比、飽和度、銳利變化到許多色彩特效等。我們透過加減實測機身KonicaMinolta D7D 觀察色相區域的改變（見左圖：COL為飽和度值）。從Imatest 的測詴圖表中，『●』符代表相機拍攝ColorChecker 後的測詴數據；『■』則是ColorChecker 圖表的原始值（我們將原始RGB值表列於下，供網友們參考）。
電腦會自動計算Ideal與Camera之間的數據差異，換成相對數據列於右上方的說明之中。其中Mean Camera Saturation代表『平均相機飽和度』，當你調整相機飽和度時，這個數據會忠實反映出你測詴環境和相機處理飽和度的差值。例如：我們觀察中間飽和度『0』時，D7D與我們的測詴環境飽和度差異達9.9％（109.9％-100％）。其他左右兩圖各減+/-2級之飽和度，我們從中可以看到差異值分別為94.62%和130.6%。顯示D7D在啟用飽和度選項時，增進幅度大於減少。
ColorChecker 詳細色塊說明
整版ColorChecker 一共包含了24個圖塊，完整的圖塊名稱和RGB 詳列下表。其中位於最下方的六個由白～灰到黑的ColorChecker 主要是用來測詴相機
白平衡專用，我們會在後續的講座中討論其他部分的測詴。
(附註：位於這六個方塊後的數值為其色彩濃度。)
ColorError
Color error (ΔEsat = ΔE corrected for saturation)為整個ColorChecker 各色系的偏移植，是評估整體色偏的重要數據參考，其計算依據係依照理想值至實際色彩值之距離換算求得，其公式如下：
Colorerror( ΔE)= mean( sqrt( (a*-a(ideal)*)2 + (b*-b(ideal)*)2 ) ) = mean(ΔE)另一組Root Mean Square簡稱RMS error，賦予在Imatest圖之右上方標明sigma (σ)的數值。該數值主要應用於統計學，將色偏嚴重的部分完全突顯出來，而不致受到平均值互補的影響。換言之ΔE提供了平均色偏的參考，RMS，也就是sigma (σ)則是提供色偏最大的那一組數據，至於是哪一個顏色色偏最明顯，可以直接在測詴圖上用肉眼辨識）。
最新的色彩还原
最新的色彩还原技术 HDW-F900摄录一体机集多区彩色矩阵、拐点饱和度控制、三通道肤色细节控制和底亮度饱和度控制等全新底技术于一体，使色彩还原、彩色平衡、对比度等各项性能得到优化。多彩色矩阵技术 彩色校正分为线性校正和非线性校正 1．线性彩色校正工作原理 根据三基色原理，理想得三基色光谱分布特性曲线中均 应该含有负瓣成分。由于摄像机镜头的透过特性，分光 系统的分光和CCD的光谱灵敏度等分布条件的影响， 实际光谱分布曲线失去了这些负瓣成分，因此彩色还原 出现了偏差或不真实性。难以获得彩色逼真的真实效 果。为了恢复丢失的三基色光的负瓣成分，使三基色合 成的光谱特性曲线接近理想的混合光谱特性曲线。但是 能量不可能是负的，为了形成各基色负瓣，可以把相邻 的基色的光电信号在线路之中倒相之后以适当的比例 加加进去，完成这种功能的电路称为彩色校正矩阵电 路。 2．非线性彩色校正工作原理。 线性彩色矩阵电路是对摄像机的整个光－电系统进行线性进行彩色校正，电路的各个技术参数是经过精确 计算和试验而定的，不易变动和调整。担在实际拍摄过
程中，常需要认为改变某种颜色的色调和饱和度，达到艺术上的特殊效果。因此这种在不改变线性彩色矩阵的技术参数的前提下，改变主色调和饱和度的校正的电路，成为非线性彩色校正。 众所周知，无论标准清晰度电视还是高清晰度电视系统，产生的任何一种彩色都是由红、绿、蓝三基色以特定的比例合成的，只要改变三基色的相位和幅度，就可以改变色调和饱和度。但是，在改变上述参数的过程中，必须始终保证黑/白平衡的不被破坏，这是一个非常重要的前提条件。为了达到这一目标，控制三基色幅度变化的控制信号不能使用基色信号，而是采用色差信号。原因是在画面的白色、黑色和灰色部分，三基色的幅度相等，相应的色差信号为0。因此，采用色差信号来形成控制信号，就不会破坏黑/白平衡。 在HDW-F900摄录一体机之中，由于采用先进的矩阵处理技术，通过对数字信号的运算和处理，非常容易产生准确的负瓣成分。彩色校正矩阵电路的补偿不仅不影响图象白平衡，而且正好在这个基础之上对彩色还原增加一个补充。这样做旨在使摄像机达到更接近人眼的视觉的最佳彩色重现。 拐点饱和度控制功能 通常情况下，在拍摄目标非常亮的部分时，会造成 2
扫描仪色彩还原能力的测试方法
扫描仪色彩还原能力的测试方法 广州汉鼎印务有限公司：https://www.360docs.net/doc/f618170795.html, 大多数扫描仪在出厂时已校正好，但由于制造条件的差别，光源色温的变化，新旧程度等都会影响扫描仪的指针。购买平板扫描仪时，厂商一般都要提供一份标准的透射或反射原稿，内容包括一条中性灰梯尺和部分颜色色块。对标准原稿进行正常扫描后，在Photoshop6．0中观察图像中某一线图像（观察白线或黑线尤为明显）RGB三信道像素是否重合，以此检查扫描精度（观察时应选择在高放大倍率）。RGB信道对应像素不重合，一方面将影响扫描图像的清晰度，另一方面在复制过程中影响色彩再现效果。 用中性灰梯尺检验平板扫描仪对中性灰颜色还原能力以及对梯尺密度级变化的表现能力。扫描仪对中性灰颜色的正确还原，是其识别彩色、还原彩色的前提和基础。扫描偏色是在扫描过程中由于扫描元器件感色性能上与标准元器件的差异而产生的，尽管扫描仪出厂之前设备已进行过校准，但是在使用中也不可避免地存在一些偏色，实际过程中往往先对显示屏进行校正，使之能够对颜色正确显示，然后再纠正扫描偏色。 目前，印前部分制作中心使用了中高文件扫描仪，软件中大多可自定义输出特性文件，如海德堡扫描软件NewColor中可定义RGB输出特性文化。只要将扫描软件中输出特性文件设置成与PhotoShop中的「RGB设置」一致，这样图像PhotoShop中与NewColor中的屏幕显示接近一致。对于文件次较低的扫描仪，并不支持扫描特性文件，可以使用PhotoShop 的功能。 校正扫描偏色时，将扫描后的中性灰梯尺置入Photoshop6．0图像处理软件中，利用信息调板显示图像中梯尺各级的RGB值，调用Curves曲线进行RGB三个信道的调整，直到图像
保证画面色彩正确还原
如何正确处理DV摄像机的色彩平衡- - 随着科技的进步，摄像机的发展趋于体积小型化、功能自动化和价格大众化，而电视摄像也悄然走进人们的娱乐生活。电视摄像走进生活不仅丰富了人们的娱乐形式，同时也带给了人们更多的艺术追求——对电视画面艺术效果的审美要求。人们常常谈论画面的色彩不对，不是偏红就是偏蓝，影响画面的美观。其实，色彩平衡是电视摄像中重要的技术之一。在这里笔者想以Sony DCR-TRV27E摄像机为例就如何正确处理DV摄像机的色彩平衡问题谈谈自己一点经验和认识。 色彩是电视画面的重要造型手段之一，它直接作用于人的视觉，使人产生情绪反应。画面色彩处理的好坏直接影响电视节目的质量。这样如何正确处理电视画面的色彩平衡就显得非常重要。正确处理电视画面的色彩平衡的含义有两层：一、电视画面应正确还原景物的自然色彩，不偏色。二、从更深层次上来看，电视画面的色彩应与电视所要传达的情感与意境相一致。在这篇文章中，由于篇幅有限只谈第一点。 “DV”是“Digital video” (即数字电影)的缩写。DV摄像机就是数码摄录一体机。根据功能与价格的不同，DV摄像机有家用摄像机和专业摄像机之分。家用摄像机与专业摄像机相比，在调节画面的色彩平衡时，摄像机上没有手动白平衡的功能，象DCR-TRV27E只有四种白平衡方式Hold、Indoor、Outdoor和Auto，也有些DV摄像机只有一种白平衡方式Auto。对于专业摄像来说，在前期拍摄中色彩平衡不当可以利用特技机在后期制作中进行适当的弥补。对于旅游和婚礼等家庭娱乐摄像来说，不具备这些条件，一旦拍摄完后就没有办法弥补。这就要求在拍摄时要正确处理好色彩平衡。 彩色平衡在电视技术中被称为白平衡调节。从不同光源发出的光的色彩会千差万别，同时随着照明条件的改变，被照物体所表出来的颜色也会改变。因此，当基本照明光源发生变化时，必须重新调整白平衡。调节白平衡，是为了确保在光源发生变化的时候电视图像中的白色仍然保持白色不变，图像的色调依然保持自然。将白平衡调节到与光源相匹配是保证正确的色彩再显的基础。 在电视技术中，为了比较和区分不同光源，引入了“色温”这个概念。“色温”是光源特性的重要标志，是对光源颜色特性进行量化的一种方法，它的单位用K表示。下面列举几种常见光源的色温： 白天太阳光——5600k
色彩校正基础知识
色彩校正基础知识 1、色彩管理流程 为什么要进行色彩管理 不同设备上的色彩空间都不一致，为了得到一致的效果，这需要把与设备相关的颜色都用与设备无关的方式进行描述。为此，在1993年国际彩色联盟（International Color Consortium）提出了ICC 规范，用来描述与设备无关的色彩特性。ICC 选择了CIE XYZ 和CIE lab 这两个与设备无关的色彩空间作为标准的色彩空间，称为PCS（Profile Connection Space）。与设备相关的RGB 颜色或CMYK 颜色都先转换到CIE XYZ 或CIE lab 空间上，传递不同的设备时，再转换成适合该设备的颜色，从而保证颜色在不同设备上的一致性。 什么是色彩管理? 对色彩管理的理解是在图像处理链的各环节中，校准所有的输入/ 输出设备，以便达到这样的目标—在与所用设备无关的情况下，总能得到期望获得的色彩再现。 采用色彩管理的图像复制工艺 首先从没有色彩管理的过程出发：扫描原稿，送出RGB 数据，用图像处理软件或在输出设备的RIP中，将这些数据转换成CMYK数值。现在，当采用色彩管理系统进行工作时，在输出RGB数值和计算CMYK数值之间，插入了几个中间步骤。初次进行时，这会延长并导致工作过程的延缓，但这些中间步骤却保证消除了已提及的常见系统弱点。 采用色彩管理的图像复制过程（CMM ＝色彩管理模块/软件；GCR ＝灰色成分替代；UCR ＝底色去除）
在色彩管理过程中包含的附加步骤细节如下。 a. 根据输入设备的色彩特性文件以及一个转换软件（常被描述为色彩管理模块，缩写为CMM），将输入设备输出的RGB数据转换为设备无关的色彩数值（如XYZ）。直接提供CMYK 数据的输入设备不适用于色彩管理。通过这种形式，图像的数值可以用于任意输出过程或输出设备。若在图像采集时，根本不能确定图像要用哪种方法进行输出，或者要用各种不同方法并行输出（如胶印输出、输出到CDROM上或传输到因特网），则这种方式就十分重要。 b.当图像输出方法已经确定，则根据输出过程的色彩特性文件，并使用同一个转换软件（CMM），将图像的色彩数值转换成与工艺方法相关的输出数据（对印刷而言，即CMYK）。来自这种过程的输出色彩特性文件具有通用性的意义，这是因为输出色彩特性文件既包含色域、输出工艺的阶调层次特性，也对图像色彩结构（底色去除、黑版定义）、期望的复制类型进行了说明。在使用如图所示的流程之前，必须为有关的输入及输出设备制作色彩特性文件。 2、色彩管理三个步骤： a、标准化（设备线性） 为了保证色彩信息传递过程中的稳定性、可靠性和可持续性，要求对输入设备、显示设备、输出设备进行标准化，以保证它们处于校准后的工作状态.颜色设备线性化校正，反映了设备表现色彩的固有状态 b、特性化（设备ICC) 当所有的设备都校正后，就需要将各设备的特性记录下来，这就是特性化过程。每一种设备都具有自身的色彩特性，为了实现准确的色域空间转换和色彩匹配，必须对设备进行特性化。对于输入设备利用一个已知的标准色度值表，对照该表的色度值和输入设备所产生的色度值，做出该设备的色度特性化曲线；对于输出设备，利用色域空间图，做出该设备的输出色域特性曲线。 在做出输入设备的色度特性曲线的基础上，对照与设备无关的色域空间，做出输入设备的色彩描述文件；同时，利用输出设备的色域特性曲线做出该输出设备的色彩描述文件，这些描述文件是从设备色域空间向标准设备无关色域空间进行转换的桥梁。 颜色设备特有的表现色彩的能力 定义设备颜色特性与LAB色彩空间的关系 找到设备的色域 c、转换 在对系统中的设备进行校准的基础上，利用设备描述文件，以标准的设备无关色域空间为媒介，实现各设备色域空间之间的正确转换。色彩转换是指根据不同色彩在不同色域空间之间的一一映射关系，把某设备上的色域空间中的色彩转换到另一个已知条件下的色域空间中。色彩管理软件可以将颜色从一个色域空间转换到另一个色域空间，也可在一台设备上模拟另一设备的呈色情况。 转换的四种呈色意向：绝对色度复制、相对色度复制、意图感性复制、饱和度复制什么是再现意图 每个设备都有一个固定的、可复制的颜色范围，这是由设备的物理性质决定的。你的显示器显示出的红色不可能比显示器红色荧光粉产生的红色饱和度更高。你的打印机打印出的
数码相机性能评测实验四 噪声及色彩还原性测试
数码相机性能评测实验四 噪声及色彩还原性测试 实验目的： 1、了解数码相机光电转换函数（OECF）测试标版，掌握其使用方法 2、掌握数码相机噪声测试方法 3、了解数码相机色彩还原性测试标板 4、掌握数码相机色彩还原性测试方法 实验内容： 相机：GT-i9308 曝光时间：0.02s 焦距：4mm 光圈：f/2.6 闪光灯：未使用 1、使用数码相机拍摄24色标准色卡 2、使用Imatest软件的Colorcheck模块测量数码相机色彩还原性图一这是Imatest软件在色差方面的处理结果图
（注：这是色表上的区块#1-区块至#18做一色彩偏离的测试,圆圈处是相机的实际表现，方型处则是色表上的理想值，整个坐标是较大的CIELAB色域，而较小的、被灰线画起来的范围则是相机本身的sRGB色域。） 从结果来看，此相机的自动白平衡相当准确，色彩饱和度达到126.3%，最大偏移量27.3，整体色彩偏移控制的较好，色彩还原准确，如果用户对色彩有偏好，可以使用机器内的色彩风格设定。 图二这是软件在色彩偏移对照方面的处理结果图
（注：如下图所示，在每个方格中的最外层区域Zone1原本的色块，里边两层Zone2和Zone3是标明的理想值。在Zone1和Zone2之间,主要是用来比较曝光的误差。Zone3代表色彩的理想值,比较Zone1及Zone3可以知道在色彩上的偏移情况。） （注：在白平衡的误差上,我们主要是HSV色彩模式中的彩度值(上图褐色数值),以及Kelvin的色温值(上图蓝色数值)以及Mireds (Mireds=10^6/(Degrees Kelvin))表示。） 比较上图中的各方格的区域Zone1和Zone2,发现亮度接近,说明该相机的曝光误差小。比较上图中各方格的区域Zone1和Zone3,发现色彩偏移不大，说明该相机的色彩控制较好。 噪声测试 图三这是用软件在Colorcheck选项上处理图片（与色彩还原性测试同一图片），在噪声测评方面的结果 （注：左上是色表最后一排的灰阶区块明度位置校正, 蓝色圈圈是理想值, 绿色叉叉是拍摄的实际值；右上角则是浓度的校正；左下区域是色表上最后一排的灰阶区块
图像色彩变换与恢复
图像色彩变换与恢复 一、图像色彩变换 Pitie等人于2005年提出了一种N维概率密度函数变换方法并探讨了该方法在图像色彩变换中的应用[1]。其算法过程大致如下： ，取 对色彩空间进行旋转变换：， ， 、根据概率密度函数计算分布函数，采用直方图规定的方法得到旋转空间下的色彩变换函 ，得到变换后图像 迭代直到 、输出最后的 相比传统的一步直方图规定化，该算法有两个改进，一个是采用软化操作避免了直方图的过度拉伸；二是采用旋转迭代操作，提高了匹配变换的精度。 图1是原图像按照目标图像进行一步直方图规定，带软化的直方图规定和迭代6次软化直方图规定的结果： 原图目标图像
一步规定化 一步软化规定化 6次迭代的结果 图1 色彩变换算法结果比较 从结果可以看出，一步直方图规定的结果与目标图像整体色彩感觉比较接近，但在高亮度区域出现了过饱和的现象，即直方图被过度的拉伸了；采用了软化改进后，过度拉伸的现象消失了，但色彩变换的精度有所降低，整体色彩与目标图像有一定差距；加入迭代后，结果图像不仅与目标图像怎么感觉接近，而且没有出现过饱和，得到了最好的变换结果。 以上图像三通道直方图的比较结果为： 目标图像直方图 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250
原图像直方图 一步直方图规定后的直方图 一步软化规定化后的直方图 6次迭代后的直方图 图2 直方图比较 可见，所有直方图里面，迭代算法的结果与目标图像的直方图最为接近。 以下是其他一些图像的迭代算法色彩变换结果，可见相对于原图，变换后图像的视觉质量都有一定程度的提高。实验结果进一步证明了算法的普适性。 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 00 50 100 150 200 250 50 100 150 200 250 50 100 150 200 250 00 50 100 150 200 250
北京理工大学数码相机性能评测实验二 噪声及色彩还原性测试
数码相机性能评测实验二 噪声及色彩还原性测试 实验目的： 1、了解数码相机光电转换函数（OECF）测试标版，掌握其使用方法 2、掌握数码相机噪声测试方法 3、了解数码相机色彩还原性测试标板 4、掌握数码相机色彩还原性测试方法 实验要求： 1、使用数码相机拍摄24色标准色卡 2、使用Imatest软件的Colorcheck模块测量数码相机色彩还原性 3、使用数码相机拍摄OECF测试标版 4、使用Imatest软件的Stepchart模块测量数码相机噪声 5、了解Imatest噪声和色彩还原性测试结果的含义
1、使用数码相机拍摄24色标准色卡 2、使用Imatest软件的Colorcheck模块测量数码相机色彩还原性 相机型 号iPhone5 相机设 置 自动模式,F/5.0,ISO400,曝光0.01s,FL44.0mm 测试标 版 反射色彩饱和度129.4% 色差deltAC corr 平均值 5.95 最大值14.6 deltAC uncorr 平均值11.9 最大值23.4 deltAE 平均值14.5 最大值25.8 测试人 员测试日 期 2014年11月24日（周一晚） 注: deltAC是不考虑Y信号的色差值，deltAE是包含Y信号的色差值，corr和uncorr分别表示校准值和未校准值，corr加入了对饱和度的考量，更客观。
由表格的数据可知，该iphone5相机的色彩饱和度是129.4%，色差（此处参考deltAC corr ）的最大偏移量为14，6平均值为5.95，整体色彩偏移控制得还可以，色彩还原也比较准确。 图一 这是Imatest 软件在色差方面的处理结果图 注：这是色表上的区块 #1 - 区块 #18 做一色彩偏离的测试, 圆圈处是相机的实际表现, 方型处则是色表上的理想值, 整个坐标是较大的 CIELAB 色域，而较小的、被灰线画起来的范 围则是相机本身的 sRGB 色域。 +++++ ++++ ++++ ++ + +++++ ++ +++ ++++ ++ ++ +++++ +++++ ++++ +++ ++++ + + + + + + ++ Evaluation version Purchase at https://www.360docs.net/doc/f618170795.html, ColorChecker a*b* color error 30-Nov-2014 12:39:43Reference: X-Rite (default) Mean camera chroma (saturation) = 129.4% Color errors: ?C*ab chroma corr: mean = 5.95 ; max = 14.6 ?C*ab uncorr: mean = 11.9 ; max = 23.4?E *ab : mean = 14.5 ; max = 25.8 W Bal (Zones 2-5) ?C = 5.2 sRGB (D65) Ideal Camera 18 17 1615 14 13 12 11 10 9 87 6 5 4 3 21 a* b * NG.JPG 4.0.15 Image Sensor -60-40-20020 406080 -60 -40 -20020406080100
利用Imatest与ColorChecker评定色彩还原的方法
利用Imatest与ColorChecker评定色彩还原的方法 利用Imatest与ColorChecker评定色彩还原的方法 https://www.360docs.net/doc/f618170795.html, 2007年6月21日Mr. OH 评论：7条查看我来说两句 我们在上一讲中简略地介绍了自然色彩是如何数字化 进入电脑系统之中，接下来我们所要讨论的检测色彩方式，其实就和解像力测试模式相近；也就是利用一组标准色版，在标准环境下拍摄，取得数据之后再去比较与原始值之间的差异，就可以概略的知道设备偏色的程度。 然而，真正的问题却自此开始，许多同学都知道影像工业的极致原是在追求完整呈现真实色彩；然而现实生活之中，在消费者导向的意志下，更多人希望具有高饱和度的色彩表现。换言之，天空蓝还要更蓝，草地绿拍出来要更绿，尤其牵涉到人像美感，更是要求人人肤色都白晰透红，达到普世的审美哲学。在此思考逻辑之中，要求消费级、甚至专业级数字相机不运用人为的方式色偏，几乎是不可能的事。 同学们在此讲中应该要瞭解到『色偏』既是不可能不存在，那么色彩测试本身所量度的数据就不应当是评量相机表现的绝对标准。而相对地，我们要从色偏的范围中学到，
如何在特定的环境下，运用相机的特性拍出好照片。以下，我们将以Imatest 与ColorChecker 范例来说明，如何看懂色彩测试图表： ColorChecker (24色卡)简易色彩测试 我们在前一讲中曾经提到几种色彩测试的图表，ColorChecker 因为简单易用已经逐渐变成业界的主流。基本上，色彩校正包含的范围除了，色彩本身之外，还有噪音表现、动态范围、白平衡等项目。色彩（Color)在数字化的世界中是以一个3D三维空间的座标表现（La*b*），L 代表明度，a*b*代表颜色座标（座标规范请见第75讲＼CIELAB 色彩空间说明）。如果要讨论相机完整的色彩表现，理应测试完整L值；不过，这样光是测试数据就会庞大到令人无法分析的地步。要求测试简单明瞭，我们势必取一定值的明度L表现，来分析对应的a*b*位置，这就像将整条火腿，切下薄薄的一片来品尝味道一样。 Mean Camera Saturation 平均相机饱和度 许多数字相机和单眼机身都有内建的数字效果设定，包含从最基本的对比、饱和度、锐利变化到许多色彩特效等。我们透过加减实测机身KonicaMinolta D7D 观察色
图片色彩校正的原理和方法photoshop图片调色 精品
图片色彩校正的原理和方法，Photoshop图片调色精品 一、色彩校正的意义：校色，就是要还原图片本来的颜色。校色与调色是两个根本不同的概念，前者是将偏色图片的颜色矫正为本来的颜色，必须遵循一定的科学标准，不具有随意性，属于专项技术的范畴；后者则是作者为表现某种意图或是某种情感而对图片进行的“艺术渲染”，不需要遵循严格的技术标准，具有随意性，属于“艺术”的范畴。因此，在这里讨论校色，与调色及其“艺术渲染”毫不相干，千万不能混为一谈。大数图片都存在偏色的问题。不能凭感觉来进行校色;用什么标准来衡量呢？那就是最公正的东西：中性灰。色彩调和尚且遵循中性灰理论，那么图片偏色调整更应该以中性灰为依据了。 矫正偏色的目的就是让机器记录的色彩信息适应到人眼看 到的那种“调节”状态上去。当图片的RGB等值，偏色的问题就解决了。二、色彩校正的科学依据：在色彩理论学中，孟塞尔认为:构成画面的各种色彩相混合,只有产生中性灰时才能取得色彩和谐，他认为严格意义上的色彩调和，是画片中的所有的颜色按比例进行混合，能够得到中性灰色彩调和尚且遵循中性灰理论，那么图片偏色调整更应该以中性灰为依据了。Adobe关于灰平衡控制论述的两个基本原理：(1) 高光点，中间调及暗调决定了图象的色调。
(2) 只有在灰平衡的调整下才能正确地实施色彩组合，灰平衡是颜色存在的基础。邮差老师对“中性灰”的描述： 自然界中原本是黑白灰色的物体，在正常的光线（白光）照射下，反映到图像中其RGB三个参数应该相等。 某个照片在冲印、扫描后，图像中原本是黑白灰的物体的RGB值不相等了，说明这个图像偏色了。哪个值高，就是偏哪一种颜色。 白色的物体在较暗的光线照射下，可以呈现灰色。所以白色的物体在图像中不一定是RGB=255的标准白色。 我觉得：在RGB中，黑白灰是颜色的亮度关系，任何一个颜色（红绿蓝青品黄）最亮的时候都是白，最暗的时候都是黑。 所以，在灰色梯度中除了纯黑、纯白以外，只要RGB相等就是标准的灰色，就可以属于中性灰的范畴。 至于127还是128，我觉得没有必要较真。绝对值本应该是127.5，但是无法设定小数点，所以通常以128为例。RGB=128被称为“绝对中性灰”。三、几种典型的色偏：(1)阴天下雨的原稿看上去像是被一层淡蓝色所笼罩，由于阴天没有阳光，所以缺少红色。 (2)由荧光灯作为光源所拍摄的正片，有时会产生偏绿的现象，这是固为荧光灯所发出的光看起来是白色的，但实际上白色中含有强烈的颜色，如果用彩色底片直接拍摄必定合造
评定色彩还原力的方法
Mr. OH!主講 ANAN 策劃 我們在上一講中簡略地介紹了自然色彩是如何數位化進入電腦系統之中，接下來我們所要討蛌瑰侅 漹m方式，其實就和解像力測詴模式相近；也就是利用一組標準色版，在標準環境下拍攝，取得數據之後再去比較與原始值之間的差異，就可以概略的知道設備偏色的 程度。 然而，真正的問題卻自此開始，許多同學都知道影像工業的極致原是在追求完整呈現真實色彩；然而現實生活之中，在消費者導向的意志下，更多人希望具有高飽和度的色彩表現。換言之，天空藍還要更藍，草地綠拍出來要更綠，尤其牽涉到人像美感，更是要求人人膚色都白晰透紅，達到普世的審美哲學。在此思考邏輯之中，要求消費級、甚至專業級數位相機不運用人為的方式色偏，幾乎是不可能的事。 同學們在此講中應該要瞭解到『色偏』既是不可能不存在，那麼色彩測詴本身所量度的數據就不應當是評量相機表現的絕對標準。而相對地，我們要從色偏的範圍中學到，如何在特定的環境下，運用相機的特性拍出好照片。以下，我們將以Imatest 與ColorChecker 範例來說明，如何看懂色彩測詴圖表：
ColorChecker 簡易色彩測詴 我們在前一講中曾經提到幾種色彩測詴的圖表，ColorChecker 因為簡單易用已經逐漸變成業界的主流。基本上，色彩校正包含的範圍除了，色彩本身之外，還有雜訊表現、動態範圍、白平衡等項目。色彩（Color)在數位化的世界中是以一個3D三維空間的座標表現（La*b*），L 代表明度，a*b*代表顏色座標（座標規範請見第75講＼CIELAB色彩空間說明）。如果要討論相機完整的色彩表現，理應測詴完整L值；不過，這樣光是測詴數據就會龐大到令人無法分析的地步。要求測詴簡單明瞭，我們勢必取一定值的明度L表現，來分析對應的a*b*位置，這就像將整條火腿，切下薄薄的一片來品嚐味道一樣。
色彩校正的意义
一、色彩校正的意义 使用图片前，你首先要做的就是观察这些图片是不是偏色，如果偏色，要仔细分析偏什么色，再运用一系列手段加以矫正。 校色，就是要还原图片本来的颜色；校色与调色是两个根本不同的概念；前者是将偏色图片的颜色矫正为本来的颜色，必须遵循一定的科学标准，不具有随意性，属于专项技术的范畴；后者则是作者为表现某种意图或是某种情感而对图片进行的“艺术渲染”，不需要遵循严格的技术标准，具有随意性，属于“艺术”的范畴 二、色彩校正的科学依据 图片偏色调整应该以中性灰为依据。 Adobe关于灰平衡控制论述的两个基本原理： (1) 高光点，中间调及暗调决定了图象的色调。 (2) 只有在灰平衡的调整下才能正确地实施色彩组合，灰平衡是颜色存在的基础 细小的色偏是一种不被人眼所注意的色偏，对于这些色偏的解决办法是寻找图像中的中性灰色或记忆中的颜色作为一个标准 三、校正色偏应遵循的原则： (1)色偏不会只局限于图像中某一种颜色，应先检查亮调部分（因为人眼对较 亮部分的色偏最敏感） (2)校正色偏时要先选择中性灰色，因为中性灰色是弥补色偏的重要手段。在 彩色部分校正灰色时，不要相信人眼所呈现的颜色，应使用吸管工具进行检查。 (3)校正色偏时要尽量调整该颜色的补色。 (4)根据图像的具体要求，可以使用HLS模式进行调整。 (5)许多图像的色偏在某些色调范围内是相当严重的。如果只单纯地调整这部 分色调，会使调整以外的色调变化剧烈，所以一定要协调好整体的色调范围。 四、校色前的准备： 1、显示器的校准：在对图像进行操作前一定要先用Adobe Gamma 软件 （与Photoshop 一同安装，在系统的控制面板中可以找到）校准你的显示器；如果在图像输出前不进行色彩校正，很可能从屏幕上看到的色彩和打印输出的色彩会出现不一致的情况，或在另一台显示器上显示的同一个图像相差甚远。如果你的显示器颜色偏差的厉害，就会直接影响到如扫描、打印以及各类与颜色打交道的操作。 2、如果使用色彩管理和准确的ICC 配置文件，显示器将更可靠地显示颜 色。使用ICC 显示器配置文件可帮助您消除显示器中的色偏，使显示器的灰色尽可能呈现中性色，并且使不同显示器中的图像显示达到标准化。 在Photoshop中，色彩管理调用Adobe RGB(1998)，并建议你将色彩管理中的灰度改为Gray Gamma2.2，新存为自己的方案。有关显示器的校正和色彩管理方面的详细内容，请自行在网上搜索，很容易找到。 五、校色的一般方法及技巧：
1.2数码影像漫谈之二(色彩还原)
二色彩还原 绝大多数的感光元件能够识别的是亮度信息，那么怎么能够得到彩色的图像呢。目前主要有两种类型的感光元件，一种是广泛应用的马赛克形式的感光元件，另一种是Foveon公司的专利产品，X3技术的感光元件，两者的原理不同。 对于一个彩色的主体，灰度图像感应器只能纪录如图这样的黑白图像，你根本得不到彩色图像。那么我们怎样才能用灰度图像感应器捕捉到彩色的图像呢？ 柯达的工程师提出了一种解决方案，这就是Bayer Pattern（柯达的Bayer博士在80年代发明了这种全新的彩色滤镜阵列构造后背，因此命名为Bayer Pattern，除此以外也有其他不同的Pattern）。 首先大家可以注意到，总共有50%的绿色，而红色和蓝色各占25%。这样做的原因是人眼对绿色更敏感，能分辨出更多的细节。你观察一下周围的环境就会发现这并不奇怪，另外绿色也占据了可见光谱中最重要和最宽的位置。 现在我们的灰度感光元件得到的是经过彩色滤镜过滤的灰度值。图像由彩色的马赛克构成。但我们想得到的是每个像素都记录了全部的色彩信息的图像，而不是这样的马赛克效果，那么就需要一个软件来进行Bayer Pattern Demosaicing (去马赛克)或者叫做彩色插值。那些丢失掉的色彩信息经过对相邻像素的色彩信息分析之后被重新估算出来。 下图显示了插值的过程
而Foveon公司的采用X3技术的感光元件与银盐彩色胶片相似，由三层感光元素垂直叠在一起。同等像素的X3图像感光器比传统CCD要锐利，提供更丰富的彩色还原度以及避免采用Bayer Pattern传统感光器所特有的色彩干扰。另外，由于每个像素提供完整的三原色信息，把色彩信号组合成图像文件的过程简单很多，降低了对图像处理的计算要求。硅片对光线的吸收与光谱和硅片深度有关。其中蓝色光在离硅片表面0.2微米开始被吸收，绿色光在离硅片表面0.6微米被吸收，红色光在离硅片表面2微米被吸收。这种光线吸收个性于银盐彩色胶片的感色涂层是相同的。 对于马赛克类型感光元件，彩色插值（去马赛克）算法的好坏非常重要，既要解析细节还要仍能正确还原颜色。对于某些情况，比如拍摄一个十分小的黑白相间的检验图样，黑白图样小到什么程度呢，小到大小刚刚能覆盖住每一个像素单元。
色域对颜色还原的影响
色域大小为什么会影响显示效果，看了就知道了。 什么是色域？色域指某种设备所能表达的颜色数量所构成的范围区域。通俗的讲，即各种屏幕显示设备的原始色域所能表现的颜色范围。区域覆盖面积越大，就表示该设备的色域范围越大。 那么覆盖的区域大小，对于监视器的显示效果会有什么影响呢？首先让我们先来看看什么是色域。下面以高清电视信号所规定的REC-709色域范围，并以测试图形加以说明： （图1） 这是一幅完整的REC-709色域图（见图1），沿三角形的边缘有六个白色方框，分别代表三原色（红、绿、蓝）和三补色（黄、品、青），这是色域范围的目标值。在每个方框内，有六个圆点，显示屏幕色域指标的测量值。当红、绿、蓝三种颜色的测量值完全打进方框内（目标值），说明该显示屏幕的原始色域是符合REC-709色域范围的。 如果显示屏幕的原始色域达不到REC-709所要求的色域范围，其测量状态将是这样的（见图2）
（图2） 我们了解了原始色域大小的对比效果，下面再来看看色域大小反映在饱和度侧视图上面的差别： （图3）
（图4） 我们暂时不谈每个色坐标的作用，仅以红色测试指标为例，中心点为白色，饱和度以20%的递增向外延伸，直到100%。图3测量值完全打进100%红色目标值，而图4则只达到了85%的饱和度，那么这15%的差值会产生什么结果呢？简单地说，就是显示在屏幕上的红色不再是红色了，而是橙红色。如果将色域不能完全覆盖REC-709标准的监视器用于后期调色的话，那么无论调色师增加多少饱和度，都无法呈现100%的红色。 由于大多客户手上暂时不具备色域和颜色指标的检测设备，所以，辨别画面色彩还原度的优劣，依然采用主观评测的方法（即：目测、对比和印象）。由于每个人对于颜色的色感不同，对同一画面的评测结果也不尽相同，这也是目前业界存在的普遍问题。 那么如何解决这一普遍存在的问题呢？请看下一篇：“主观检测色域大小的方法”。
利用Imatest与ColorChecker评定色彩还原的方法
利用Imatest與ColorChecker評定色彩還原的方法 我們在上一講中簡略地介紹了自然色彩是如何數字化進入電腦系統之中，接下來我們所要討論的檢測色彩方式，其實就和解像力測詴模式相近；也就是利用一組標準色版，在標準環境下拍攝，取得數據之後再去比較與原始值之間的差異，就可以概略的知道設備偏色的程度。 然而，真正的問題卻自此開始，許多同學都知道影像工業的極致原是在追求完整呈現真實色彩；然而現實生活之中，在消費者導向的意志下，更多人希望具有高飽和度的色彩表現。換言之，天空藍還要更藍，草地綠拍出來要更綠，尤其牽涉到人像美感，更是要求人人膚色都白晰透紅，達到普世的審美哲學。在此思考邏輯之中，要求消費級、甚至專業級數字相機不運用人為的方式色偏，幾乎是不可能的事。 同學們在此講中應該要瞭解到『色偏』既是不可能不存在，那麼色彩測詴本身所量度的數據就不應當是評量相機表現的絕對標準。而相對地，我們要從色偏的範圍中學到，如何在特定的環境下，運用相機的特性拍出好照片。以下，我們將以Imatest 與ColorChecker 範例來說明，如何看懂色彩測詴圖表：ColorChecker (24色卡)簡易色彩測詴 我們在前一講中曾經提到幾種色彩測詴的圖表，ColorChecker 因為簡單易用已經逐漸變成業界的主流。基本上，色彩校正包含的範圍除了，色彩本身之外，還有噪音表現、動態範圍、白平衡等項目。色彩（Color)在數字化的世界中是以一個3D三維空間的座標表現（La*b*），L 代表明度，a*b*代表顏色座標（座標規範請見第75講＼CIELAB色彩空間說明）。如果要討論相機完整的色
彩表現，理應測詴完整L值；不過，這樣光是測詴數據就會龐大到令人無法分析的地步。要求測詴簡單明瞭，我們勢必取一定值的明度L表現，來分析對應的a*b*位置，這就像將整條火腿，切下薄薄的一片來品嚐味道一樣。 Mean Camera Saturation 平均相機飽和度 許多數字相機和單眼機身都有內建的數字效果設定，包含從最基本的對比、飽和度、銳利變化到許多色彩特效等。我們透過加減實測機身KonicaMinolta D7D 觀察色相區域的改變（見左圖：COL為飽和度值）。從Imatest 的測詴圖表中，『●』符代表相機拍攝ColorChecker 後的測詴數據；『■』則是ColorChecker 圖表的原始值（我們將原始RGB值表列於下，供網友們參考）。 電腦會自動計算Ideal與Camera之間的數據差異，換成相對數據列於右上方的說明之中。其中Mean Camera Saturation代表『平均相機飽和度』，當你調整相機飽和度時，這個數據會忠實反映出你測詴環境和相機處理飽和度的差值。例如：我們觀察中間飽和度『0』時，D7D與我們的測詴環境飽和度差異達9.9％（109.9％-100％）。其他左右兩圖各減+/-2級之飽和度，我們從中可以看到差異值分別為94.62%和130.6%。顯示D7D在啟用飽和度選項時，增進幅度大於減少。 ColorChecker 詳細色塊說明 整版ColorChecker 一共包含了24個圖塊，完整的圖塊名稱和RGB 詳列下表。其中位於最下方的六個由白～灰到黑的ColorChecker 主要是用來測詴相機