Как можно сравнивать качество цветопередачи этих двух камер прямо по кривой?
«какая камера может приблизить значение RGB к истинному значению RGB объекта, меньшее перекрытие каналов RGB»
Возможно сравнение потенциала цветопередачи на основе квантовой эффективности фильтров сенсора.
Как уже упоминалось, существует множество факторов, влияющих на окончательную цветопередачу полноцветной камеры. Тем не менее, чувствительность датчика RGB, возможно, является самым большим фактором, влияющим на точность цветопередачи, и их характеристики цветопередачи можно измерить.
Что такое настоящий RGB
Сначала мы должны ответить, что такое «истинный RGB» сцены? Хорошим определением «истинного RGB» будет относительная реакция трех колбочек сетчатки глаза человека на сцену. Эти колбочки называются LMS, длинные средние и короткие.
Спектр света, интегрированный по этим трем кривым чувствительности, дает три значения LMS, которые можно рассматривать как человеческие значения RGB. Это целевые значения RGB, которые мы хотим воспроизвести с помощью нашей камеры, если нашей целью является точная цветопередача.
Чаще всего мы могли бы также нацеливаться на чувствительность функций сопоставления цветов XYZ. Это линейные комбинации функций LMS, поэтому они эффективно взаимозаменяемы с функциями LMS.
Цветокоррекция
В цифровой камере, когда спектр интегрируется с чувствительностью камеры (например, те, которые вы опубликовали), результирующие значения RGB называются «RGB камеры».
В большинстве цифровых камер есть этап обработки, на котором алгоритм цветокоррекции (M) будет использоваться для преобразования cameraRGB в humanLMS (или XYZ).
M(камераRGB) = человекLMS
В этом случае HumanLMS будет предположением. Это не будет идеально, и разница между предположением и реальным значением LMS, которое воспринимал бы человек, является вашей ошибкой цвета.
Спроектировать хороший M сложно, потому что это недостаточно определенная проблема, некоторые значения cameraRGB имеют несколько потенциальных человеческих значений LMS (это называется метамерией), поэтому не всегда возможно точно знать, что такое правильный LMS, но мы можем использовать естественную статистику изображения и машинное обучение, чтобы сделать предположение о наиболее вероятном правильном ответе.
Наиболее распространенной реализацией M является матрица линейного преобразования 3x3, но если чувствительность камеры не является линейной комбинацией LMS, преобразование будет содержать ошибки. Если чувствительность камеры представляет собой линейную комбинацию LMS, то цветовая ошибка будет равна нулю, это называется условием Лютера. На практике чувствительность цифровых камер никогда не удовлетворяет условию Лютера, поэтому всегда возникает цветовая ошибка.
Сравнение цветопередачи
Теперь есть два фактора, которые влияют на то, насколько точны наши предположения LMS.
1) конструкция нашего алгоритма цветокоррекции M
2) насколько наши кривые чувствительности сенсора похожи на чувствительности LMS
Это лежит в основе вашего вопроса: некоторые чувствительные элементы приведут к более точным цветам, чем другие, потому что они ближе к чувствительности LMS, что облегчает угадывание значения LMS, которое является «истинным RGB», который мы желаем
Или нам нужно поставить эксперимент, чтобы сделать это?
Что может быть полезно, так это « Стандарт ISO 17321, Индекс метамеризма чувствительности ». Это вычисляет точность цветопередачи на основе спектральных характеристик.
https://www.dxomark.com/About/In-depth-measurements/Measurements/Color-sensitivity http://www.iso.org/iso/iso_catalogue/catalogue_ics/catalogue_detail_ics.htm?csnumber=35835
Этот индекс показывает среднюю воспринимаемую разницу между цветами, записанными вашей камерой, которые были линейно скорректированы оптимизированной матрицей 3x3, и известными цветами тестовой сцены.
Единственная проблема заключается в том, что эта процедура выполняется с полной камерой, поэтому она измеряет цветовую ошибку сенсора, матрицы цветокоррекции, оптики и т. д., а не только сенсора.
Если вы действительно хотите количественно оценить ошибку только двух разных датчиков, вы можете выполнить процедуру SMI с одной и той же камерой и заменить только датчик. Или вместо физического эксперимента с реальной камерой вы можете смоделировать свою камеру в программном обеспечении и не включать какие-либо оптические или демозаичные значения в смоделированные значения cameraRGB.
Есть много статей о моделировании камеры для получения дополнительной информации: http://color.psych.upenn.edu/simchapter/simchapter.pdf
« Специальный индекс метамеризма CIE: изменение у наблюдателя » — еще один соответствующий стандарт, предназначенный для сравнения цветопередачи у людей с немного различающимися спектральными характеристиками. Я думаю, вы могли бы применить это и к спектрам камеры.
http://link.springer.com/referenceworkentry/10.1007/978-3-642-27851-8_322-1#page-1
tl,dr : Нет, вы должны правильно провести эксперимент и оценить его, используя откалиброванный дисплей/принтер.
Спектральная чувствительность — это только часть всего процесса. Между захватом и печатью то, что меняет «имидж»:
Допустим, мы можем пренебречь фильтрами, постобработкой и эффектами печати.
Тем не менее между линзами и производителями линз могут быть различия в отношении спектральной прозрачности их продуктов.
Обратите внимание, что при открытии сенсора сигнал аналогичный — чем выше заряд в лунке, тем больше света было захвачено. Затем этот сигнал оцифровывается и преобразуется в значения RGB. Метод оцифровки и алгоритм преобразования RGB могут различаться у разных производителей.
У вас есть ответ в кривых, которые вы представляете для сравнения.
Вы можете сравнить реакцию одного датчика на другой напрямую в любой общей точке двух наборов данных. Например, можно указать и сравнить эффективность каждого из датчиков на длине волны 550 нм. Это единственное утверждение, которое можно сделать с данными.
Утверждение о том, является ли один датчик «более точным», чем другой, не может быть сделано. Единственное утверждение, которое можно сделать, уже дано (нанесено) — относительная квантовая эффективность.
миридий
Кроули
миридий
Чжао Хуан
Роб
Майкл С
Стэн
Стэн
Майкл С
Майкл С