《利用Imatest与ColorChecker评定色彩还原.doc》由会员分享，可在线阅读，更多相关《利用Imatest与ColorChecker评定色彩还原.doc（3页珍藏版）》请在金锄头文库上搜索。
1、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，其實就和解像力測試模式相近；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
2、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，那麼色彩測試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，如何看懂色彩測試圖表： ColorChecker (24色卡)簡易色彩測試 我們在前一講中曾經提到幾種色彩測試的圖表，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。
3、 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，理應測試完整L值；不過，這樣光是測試數據就會龐大到令人無法分析的地步。 要求測試簡單明瞭，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KonicaMino
4、lta D7D 觀察色相區域的改變（見左圖：COL為飽和度值）。 從Imatest 的測試圖表中， 符代表相機拍攝ColorChecker 後的測試數據；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試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與我們的測試環境飽和度差異達9.9（109.9-100）。 其他左右兩圖各減+/
5、-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 主要是用來測試相機白平衡專用，我們會在後續的講座中討論其他部分的測試。(附註：位於這六個方塊後的數值為其色彩濃度。) ColorError Color error (Esat = E corrected for saturation)為整個ColorChecker 各色系的偏移植，是評估整
6、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( E)= mean( sqrt( (a*-a(ideal)*)2 + (b*-b(ideal)*)2 ) ) = mean(E) 另一組 Root Mean Square簡稱RMS error，賦予在 Imatest圖之右上方標明 sigma ()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 E提供了平均色偏的參考，RMS，也就是 sigma ()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，可以直接在測試圖上用肉眼辨識）。
