使用ColorChecker模块

注意：这将在未来的版本中会被弃用升级，由color and tone模块取代

介绍

Colorcheck测试卡（可从正印科技获得）的图像的颜色准确性、白平衡、色调响应（使用六个灰度色块）、噪声或 SNR（信号到-噪声比）和ISO 感光度。色调响应的结果类似于Stepchart。它对于测量各种照明条件下白平衡算法和设置的有效性特别有用。ColorChecker 可以单独拍摄，也可以作为场景的一部分拍摄。算法和方程式可在Colorcheck Appendix中找到。ColorChecker 是一个 8 x11″ 英寸图表由 24 个色块组成，具有 18 种熟悉的颜色和六个灰度级别，光密度从 0.05 到 1.50；4.8 档光圈 (EV)。颜色不是高度饱和的。图表的质量非常高——每个色块都是使用精心控制的颜料单独印刷的。补丁具有光滑的哑光表面。还提供较小的ColorChecker 通行证。它对于包含在评估白平衡的场景中很有用。

*最初于 1976 年推出，称为 Macbeth Colorchecker。它被Gretag购买后，被称为 Gretag 或 GretagMacbeth 图表。然后它转移到 X-Rite，后者于 2021 年将其授权给 Calibrite。我的坏笑话是，你有时可以通过他们所谓的图表来判断一个人的年龄。 

下面显示了针对 sRGB 色彩空间（Windows/Internet 标准）的模拟 ColorChecker。底行灰度色块的光密度（–log ₁₀（反射率））显示在括号中。补丁 18——青色——不在 sRGB 色域内；因此它不能在大多数显示器上完美再现。

拍摄图表

• 拍摄ColorChecker。距离并不重要。无需使用 ColorChecker 图像填充框架，尤其是对于高分辨率相机。如果存在明显的渐晕（由于镜头系统导致的光衰减，在广角镜头中通常非常大），填充框架可能会降低精度。包含可能影响白平衡的其他图表或场景元素可能会有用。300 到 1500 像素的 ColorChecker 图像宽度足以进行 Colorcheck 噪声分析。更多像素只会减慢计算速度。每个补丁只有 100 (10×10) 个像素就足以进行颜色和白平衡（但不是噪声）分析。上图包含一个 ColorChecker 和一个带有中性灰色环绕的 Q-14 步进图（类似于经典的 18% 灰卡），这有助于确保正常（自动）曝光。对于自动曝光相机，当背景为黑色时图表往往曝光过度，而当背景为白色时图表往往曝光不足。静物场景可用作测试相机自动白平衡 (AWB) 和曝光算法的背景。
  构图不佳： 有效，但区域选择很
  挑剔，区域需要非常小，
  光衰减可能很严重。
  建议边距至少为图表高度的 20% 。
  后退
  将增加 可用区域的大小。
• 照明应尽可能均匀。照明均匀度可用照度 (Lux)计测量. 建议变化不超过 ±5%。应尽可能少地来自相机后面——它会导致对比度降低。大约 20-45 度的入射角是理想的。对于噪声分析，光线不应强调图表表面的纹理，这可能会影响底行灰度斑块中的噪声测量。推荐多于一个光源。如果可能，ColorChecker 的周围应该是黑色或灰色，以尽量减少耀斑。中灰色（18-22% 反射率）最适合使用自动曝光相机获得正确曝光。不均匀的照明使灰度像素图的顶部倾斜（第一张图中左上角的图，下图）。可以在构建低成本测试实验室中找到照明建议. 如果运行 Colorcheck 的目的是分析相机的白平衡和色彩准确度（不需要噪声分析），则 ColorChecker 不需要在理想条件下拍摄。它可能是挑战相机白平衡算法的场景的一部分。
• 如果可能，曝光应在正确值的 1/4 f 级范围内。L*a*b* 颜色值只有在曝光正确的情况下才是准确的。曝光错误显示在多个Colorcheck图中。可以在颜色检查附录中找到对曝光和灰度级别的解释。
• Colorcheck衡量白平衡算法的有效性。结果对照明类型很敏感。户外、闪光灯、白炽灯和荧光灯可能会产生不同的结果。可以使用Color/Tone Interactive计算颜色校正矩阵（包括白平衡）。
• 拍摄 ColorChecker 时可能会稍微偏离焦点，以最大限度地减少由于色块表面纹理引起的噪声测量误差。我稍微强调一下——补丁之间的暗带应该保持清晰。质感相当低。如果照明是相当漫射的（不是点光源），则来自表面纹理的噪声应该是最小的。
• 警告 ColorChecker 图表图像不应太大！超过 2000 像素宽的图像没有任何好处，而且会减慢计算速度，因为Imatest使用双精度数学，每个 3 色像素消耗 24 个字节。例如，来自 6 兆像素相机的图像在 Matlab 中需要 144 兆字节（6 x 3 x 8 MB）：足以让内存有限的计算机陷入困境。特别注意不要用 8+ MB 数码相机填满画面。将图像保存为 RAW 文件或最高质量的 JPEG，然后将其加载到您的计算机上。如果您使用的是 RAW 转换器，请转换为 JPEG（最高质量）、TIFF 或 PNG。

运行颜色检查

• 单击Imatest主窗口左侧的Colorcheck按钮。
• 选择要分析的文件。（Imatest会记住最后一个文件夹和文件名。）

• 裁剪图像。该方法取决于可以通过单击Imatest主窗口中的ROI 选项访问的设置。

默认的ROI选择方式为2.手动粗选ROI；在微调窗口中显示补丁方块（颜色/色调交互方法）。通过拖动光标进行粗略的 ROI 选择，使少量暗边界可见。然后在微调窗口中细化边界，这在Color/Tone Interactive中有详细描述。对于如下所示的高度扭曲的图像，您可以调整扭曲滑块并将填充因子降低到默认值 0.7 以下。由于此图像具有几何畸变和强烈的桶形畸变，因此必须小心调整角位置。

原有的ROI选择方法，1.手动粗选ROI；在Imatest 5.0中已弃用简单的自动补丁检测，它会在绘制粗略轮廓后检测 ROI 。新的自动检测选项要好得多。

对高度失真的图像进行微调。角落、填充因子和失真都经过仔细调整（它们有些相互作用）。

自动区域检测可用于所有支持它的模块（Colorcheck、 Color/Tone Interactive和Color/Tone Auto）中的 Colorchecker 。必须在运行模块之前选择自动区域检测，方法是在 Imatest 主窗口中按ROI 选项。相关部分如下所示。ROI 选项窗口，显示 Colorchecker 设置（用于 Colorcheck、Color/Tone Interactive 和 Color/Tone Auto）。 Colorchecker（所有模块）投资回报率设置1.旧的手动粗ROI选择；仅适用于 Colorcheck 的简单自动补丁检测已在Imatest 5.0中弃用。此选择现在与 2 相同。新的自动检测选项（3 和 4）要好得多。 2.手动粗选ROI；在微调窗口（颜色/色调交互方法）（如上所述）中显示色块方块是默认方法。推荐，除非选择了全自动检测。 设置 3用于自动检测，并在自动选择确认（和调整，如果需要）后显示微调窗口。设置 4用于无需确认的全自动检测。具有光学失真的图像处理得不好（截至 Beta 版本），但我们希望添加此功能。设置 5 和 6用于使用Isolight传感器按钮（就在 Colorchecker 的角外）进行自动检测。比 3 和 4 快，但无法处理光学失真。 设置 7 和 8适用于在 Colorchecker 色块区域外具有注册标记的图表，例如右侧显示的透射色目标。设置 9允许自动 ROI 检测使用 MATLAB Colorchecker 检测例程Auto ROI selection右侧有两个下拉菜单。第一个有三个与自动检测相关的选择： 1. 在单个模块中设置手动/自动 ROI 选择 2. 自动 ROI 选择并确认支持的模块（覆盖单个模块选择；支持的模块显示在右侧） 3. 自动支持模块的 ROI 选择（无确认）（也覆盖）第二个有两个与区域选择后可能出现的设置窗口相关的设置。 1. ROI选择后显示设置窗口（相当于是，继续；不是快速模式） 2. 快速模式（不显示设置窗口）（相当于快速模式）

• 如果未选择快速模式，则会出现Imatest Colorcheck 设置窗口。它允许您更改标题、Colorchecker 参考、颜色空间、噪声显示、颜色错误显示和其他几个参数的默认值。它还包含有关最新更新的新闻。

颜色检查设置

标题：默认为文件名。您可以保留或修改它。图选择位于右侧的绘图框中。

颜色检查设置

Colorchecker 参考让您选择理想的（参考）ColorChecker L*a*b* 值。表的顺序是历史的（最旧的设置在最前面）而不是逻辑上保持向后兼容性。您可以在多个标准存储值（下面的灰色背景）中的任何一个之间进行选择，或者您可以从 CSV 或 CGATS 文件（下面的蓝色和粉红色背景）中输入测量值。如果您选择读取参考文件（L*a*b*、xyY或XYZ），按下OK后将出现一个用于选择文件的对话框。Colorchecker 参考显示在 L*a*b* 颜色误差图的底部。

请注意，青色色块 (18) 超出了 sRGB 色彩空间色域，因此在分析理想文件（具有标称值）时会出现一些错误。

色彩空间允许选择输入文件色彩空间。当在Options II中选择了 ExifTool 时，颜色空间会自动从 EXIF 数据读入 Color/Tone Interactive ；否则必须手动输入。有几个颜色空间可用。前六个主要用于静止图像。其余大部分用于视频/电影。有关概述，请参阅维基百科 RGB 色彩空间页面和brucelindbloom.com 。

非均匀性校正允许您使用在相同条件下拍摄的单独平场图像来校正非均匀照明。打开灰度和彩色图表模块中的非均匀性校正中描述的非均匀性校正窗口 。 

入射勒克斯（用于ISO 灵敏度计算）当在此框中输入以勒克斯为单位的正入射光级别值（非空白或零）时，将计算 ISO 灵敏度并显示在步骤图噪声细节图中。有关更多详细信息，请访问ISO 感光度和曝光指数页面。

噪声显示：像素噪声或 SNR选择第一个图的左下图（灰度第 4 行的噪声/SNR）和第二个图的右上图的噪声显示。（BGRYMC 第 3 行的噪声/SNR）。渐变照明不均匀性的影响已从结果中移除。所有显示均源自以像素为单位的噪声（下面的第三个选择）。五种显示类型与Stepchart中较低噪声细节图中的类型相同。在下面的符号中，Ni是 RMS 噪声，Si_是补丁 i 的信号（像素）电平_。

颜色错误显示：选择要在 a*b* 颜色错误图的右上角显示为文本的值。

CIE-94 和 CIEDE2000 测量反映了眼睛对高饱和度颜色的饱和度差异的敏感度降低。CIE-94 平均值通常约为 1976 年标准测量值的一半

噪声频谱补丁（仅限Imatest Master）：您可以选择底部两行中的任何补丁来计算噪声频谱。（第 3 行包含 B、G、R、Y、M 和 C 原色；第 4 行包含灰度值。）显示 Y（亮度）、R、G 和 B 通道的光谱。第 4 行中的第三个色块（中间灰色；密度 = 0.44）是默认色块。

a*b* 颜色误差： a*b* 颜色误差图的右上角显示平均颜色误差（Δ C … 和 Δ E …）以及颜色误差的标准偏差 ( σ ) 或最大颜色误差（最大），在此框中选择。

图 3 中的椭圆：确定是否在 a*b* 图上显示彩色或差异椭圆。使您能够看到参考值和相机值中的 a*b* 差异如何对应于色差公式。请注意，为清楚起见，省略号被放大了。选择是无椭圆、MacAdam 椭圆（10 倍；仅具有历史意义）、Delta-C 94 椭圆（4 倍）、Delta-C 2000 椭圆（4 倍；推荐；如下图所示）和Delta-C ab 圆（4 倍）。

图 4 色调调整：图 4 中的大内方块包含参考颜色，这些颜色变亮或变暗以具有与相机颜色相当的亮度。根据使用的颜色模型，颜色饱和度可能与相机值匹配也可能不匹配。选项有1. HSL（默认）、2. HSV、3. xyY和4. L*a*b*。 

输出

该示例是使用佳能 EOS-10D 在 ISO 400 下拍摄的，并使用自动色彩平衡使用佳能 FVU 转换 RAW。

图 1：灰阶色调响应和噪声

显示来自底行灰度色块的图形结果，包括色调响应和噪声。显示选定的 EXIF 数据（如果可用）。

左下方的图有几个显示选项，如上所示。像素 SNR (dB)显示在左侧。

 (   ) = 20日志10()，其中S _i是 patch i 的信号（平均像素级别），N _i是 patch i 的噪声（像素级别的标准偏差，去除了缓慢的变化）。

SNR_BW 是基于白色 – 黑色色块（色块 19 – 色块 24；密度差 = 1.45）的平均 SNR，它被设计为相对独立于图表类型。（它是在Stepchart中针对各种灰度图表计算的）和系统对比度（伽玛）。）

 = 20日志10(– _ _ _  )，其中N _mid是补丁 22 中的噪声（第 4 行中的第 4 个补丁；中间灰色；最接近标称图表密度 = 0.7）。

图 2：噪声细节（仅限 Imatest Master）

显示密度响应、f 级噪声（对应于眼睛工作的相对测量）、Colorchecker 第三行的噪声（包含原色）以及所选色块的噪声光谱。

图 3：a*b* 颜色错误

此图说明了与设备无关的 CIELAB 颜色空间的 a*b* 平面上的颜色误差，其中 a* 是水平轴（绿-红），b* 是垂直轴（蓝-黄）。方块是理想的 (a*, b*) ColorChecker 值，由上面的ColorChecker 参考设置选择。圆圈是测量的 (a*, b*) 值。正方形或圆圈附近的数字对应于 ColorChecker 色块的编号：1-6 在第一行，7-12 在第二行，13-18 在第三行。补丁 19-24（底行）的数字被省略，因为它们的 (a*, b*) 值聚集在 (0, 0) 周围。

a*b* 颜色错误显示 ΔC 2000 椭圆，
放大 4 倍。

图表的背景显示L * 约为 0.9 的预期颜色（在显示器 sRGB 颜色空间中）。它呈现了与 a* 和 b* 相关的色调的合理图片（尽管它们随着L * 发生了一些变化）。浅灰色曲线是L (HSL) = 0.5时颜色空间 (sRGB) 的色域边界（CIELAB 边界很难计算）。由于色块（未显示）的亮度 ( L *)变化很大，因此结果存在明显的分散性。此二维图形无法显示L *；Color/Tone Interactive克服了一个限制，它有一个可旋转的 3D L*a*b* 显示器。CIELAB（通常简称为 LAB）被设计为感知均匀，这意味着颜色之间的感知差异与它们之间的欧几里德距离大致成正比，ΔE * ab （_包括亮度L * ）或 Δ C *（仅颜色；省略L*)。

△ _=(＊2个–＊1个)2个+ (＊2个–＊1个)2个+ (＊2个–＊1个)2个‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√;

△ =(＊2个–＊1个)2个+ (＊2个–＊1个)2个‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√

最小的可察觉差异大致对应于Δ E * _ab = Δ C = 1。（Gaurav Sharma 在数字彩色成像手册第 31 页中使用 2.3 。）

CIELAB 并不像最初预期的那样感知统一。最小可察觉色差的ΔE _{ab随色度（即距}原点的距离，( a * _i ² + b * _i ² ) ^1/2 ）的增加而增加。更准确的色差差异公式，Δ E ₉₄和Δ E ₀₀，可以选择显示并包含在 CSV 和 XML 输出文件中。如果您报告任何更准确的公式，请记住它们比普通的旧 Δ E ab更_不熟悉，所以请务必清楚地表明您使用的是哪种配方。对于具有大色度的色块， _ΔE 94的平均值约为ΔEab_的一半。一般推荐较新的CIEDE2000色差公式ΔE 2000  （ΔE ₀₀）请参阅颜色检查附录。图的右上角报告了几个值。

• 平均相机色度 (%)是相机颜色的平均色度除以理想 Colorchecker 颜色的平均色度，以百分比表示。单个颜色的色度是它到原点的距离，=* 2+* 2‾‾‾‾‾‾‾‾‾√. 色度通常被称为饱和度，因为更多的彩色看起来更饱和。 
  平均色度= 100 % ×意思是（* 2 _    +* 2 _    ‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√)意思是（* 2_ _ _ _ _ _ _+* 2_ _ _ _ _ _ _‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√) ;
  i_meas表示补丁 i 的测量值。
  i_ideal表示理想的 ColorChecker 值。

当Chroma > 100%时，Chroma 会增强。色度受镜头质量（劣质镜头中的耀斑光会降低色度）和信号处理的影响。许多相机和大多数 RAW 转换器都可以调整色度（通常标记为饱和度）。

RAW 转换期间的图像处理（特别是色彩校正矩阵 (CCM)）会严重影响色度。它可以在图像编辑器中轻松调整。相机拍摄的图像通常会提高饱和度以使其更加生动（110-120% 在紧凑型数码相机中很常见），但提高饱和度会导致高饱和度物体的细节丢失。饱和度超过 120% 应视为过度。

• 色度误差 Δ C _xx

色差观察仪

ΔC是省略了亮度差的颜色误差，即只有颜色。ΔE包括亮度差。Imatest 显示两个ΔC值：没有和有相机中饱和度提升（或削减）的校正，如下所述。您可以在 Δ C _xx和 Δ E _xx三种型号之间选择显示器（所有都包含在 CSV/XML 输出文件中）。

• 标准 Δ C和 Δ E 测量（也称为 Δ C _ab和 Δ E _ab），
• CIE 1994 测量（Δ C ₉₄和 Δ E ₉₄）。更准确，
• CIEDE2000 测量（Δ C ₀₀和 Δ E ₀₀）。新兴标准；目前最准确的测量。请参阅 Gaurav Sharma 的CIEDE2000 色差公式页面。

大约 1 的Δ C或 Δ E（根据Sharma为 2.3 ）大致对应于颜色之间的可察觉差异 (JND)。色差模型在Colorcheck 附录中有描述。Imatest 5.2+ 中的Color Difference Visualizer（ 独立于 Colorcheck）可让您交互式地检查色差的外观。

• 通过色度（饱和度）校正计算的颜色误差 Δ C。这不是一个标准的计算。它已不再强调，将来可能会从图 3 中删除（但将保留在 CSV 和 JSON 输出中）。
  饱和度校正涉及对测量颜色进行归一化，使其平均饱和度与平均参考饱和度相同。这是通过将a *、b * 和C * 乘以 100%/（平均色度）来完成的。用i_corr表示的校正值代替 ΔC 计算中的测量值。

＊_ _ _ _ _ _= 100＊ _    平均色度

＊_ _ _ _ _ _= 100＊ _    平均色度

_ _ _ _ _ _=* 2_ _ _ _ _ _+* 2_ _ _ _ _ _‾‾‾‾‾‾‾‾‾‾‾‾‾√

△_ _ _ _ _ _= |_ _ _ _ _ _–_ _ _ _ _ _ _| =(＊_ _ _ _ _ _–＊_ _ _ _ _ _ _)2个+ (＊_ _ _ _ _ _–＊_ _ _ _ _ _ _)2个‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√  （标准（CIE 1976）公式）

这种归一化消除了饱和度提升的影响，导致较低的平均颜色误差 mean(Δ C _{i_corr} )。它很有趣，因为可以通过旋转图像编辑器中的（数字）旋钮轻松调整饱和度。

• 颜色误差 Δ E _xx使用与上述Δ C相同的色差模型（ab、94 或 2000） 。

对于以上三种显示，可以显示均值和最大或均方根 (RMS) 颜色误差。

mean( x ) = ∑ xi / n对于 x 的 n 个值_。
RMS( x ) = σ ( x ) = ( ∑x _i ² / n ) ^1/2对于x 的n 个值。

x 是Colorchecker 色块 1-18（前三行）的Δ C _i和 Δ C _{i_corr 。}

均方根 (RMS) 误差，用 sigma ( σ ) 表示，对大的误差给予更大的权重；因此，它可能是颜色准确度的更好的总体指标。您可以在输入设置窗口中选择σ和最大值。

• 总结：图 3 使用标准 (CIE 1976)、CIE 1994 或 CIEDE2000 差异公式显示了颜色误差的平均值和 RMS 值。后两者更准确，反映了眼睛对高饱和度颜色的饱和度（色度）变化的敏感度降低。因此，它们通常较低。结果总结如下。

在有大量测试结果数据库可用之前，很难评估这些数字。现在，我认为a*b* 颜色误差图（上图）中微型三分之四相机的Δ C _{00平均值 = 3.43 和最大值 = 5.84 的值非常好。}

图 4：颜色分析

是 ColorChecker 的图像，可让您比较实际值和理想值。它还使用底行（灰度色块）显示白平衡错误。

每个色块的外部 (1) 包含拍摄的 ColorChecker 图像

内部包含针对曝光校正 (2) 和未校正 (3) 的理想 ColorChecker 值。

1. 外部区域（区域 1）是照片中的补丁。这对应于上面 L*a*b* 颜色误差图中的圆圈。
2. 中心的方块（区域 2）是色块的参考值，已针对拍摄图表的亮度进行校正。如上所述，校正是从灰色区域的二阶拟合得出的。默认情况下，它以HSL颜色完成，但您可以在HSL、HSV、xyY或L*a*b*之间进行选择。区域 1 和区域 2 的平均亮度应该接近——区域 2 的某些色块可能较暗，而其他色块可能较亮。2区和3区对应于上面 L*a*b* 颜色误差图中的小方块（参考值）。曝光错误与日期和色彩空间显示在同一行。如果小于 0.25 f 制光圈，则可获得最佳结果。
3. 中央正方形右侧的小矩形是补丁的理想值，没有进行亮度校正。对于所有色块，区域 2 的亮度将始终比区域 3 更亮或更暗，具体取决于曝光。

在上面的示例中，ColorChecker 图像1稍微曝光不足；它比理想的未校正颜色更暗3。它也比校正后的理想颜色2更暗。这是这台相机的一个特点：它倾向于使橙色变暗，使蓝色和青色变亮。这可以在右上方的 ColorChecker 图像中看到，该图像稍微曝光过度。此橙黄色块图像（第 2 行，第 6 列）的亮度与未校正的理想颜色 3 大致相同，但比校正后的理想颜色暗。未校正的理想值3上面两张橙黄色的图片（左边的例子和右边的完整图表）是一样的，但由于颜色在眼睛中的相互作用而显得完全不同——艺术家应该很熟悉这种效果和摄影师。

该图像提供了颜色准确度的清晰视觉指示。L*a*b* 颜色误差图提供了定量指示。

第四个 Colorcheck 图的底部说明了白平衡误差（偏离中性灰色），它以四种方式量化。

1. ΔC 2000。 _ 这可能是感知上最有意义的色差指标。请参阅维基百科颜色差异页面。它与色彩空间无关。
2. 来自HSV颜色模型（勃艮第）的饱和度S。S可以取介于 0 和 1 之间的值，表示完美的中性灰色和完全饱和的颜色。S对应的感知色差取决于色彩空间。 
3. 以开尔文度数（蓝色）为单位的相关色温 (CCT) 误差，根据颜色科学中的表格计算：概念和方法、定量数据和公式，作者 Günther Wyszecki 和 WS Stiles，第 224-228 页。以 K 度为单位的色温普遍用于指定照明。较高的色温在感知上“更冷”，即更蓝。CCT 误差是照明色温的变化，它会导致与中性灰色的测量偏差。
4. 以Mireds为单位的反色温（微倒数度）（蓝色），其中 Mireds = 10 ⁶ /(Degrees Kelvin)。比 CCT 误差在感知上更统一的指标。它用于指定光学色彩校正滤镜的强度，但在数字时代使用不多，因为很少需要这种滤镜。 

白平衡错误往往在灰色块中最为明显（底行中的 2-5）。S < 0.02 时几乎不可见。S > 0.10 时非常严重，特别是对于较浅的灰色块。

底部的图像显示了具有夸大的白平衡误差的底行（灰度色块），通过使用左侧曲线提高饱和度 S 来计算，同时保持 H 和 V 不变。低饱和度值提升了 4 倍；升压随着饱和度的增加而降低。此图像比未夸大的图表更清楚地显示白平衡错误。请记住，这个形象比现实更糟糕；实际照片中的小白平衡误差可能不明显，尤其是在强饱和色彩附近。

图 5：时间噪声

时间（时变）噪声是其他方面相同的图像之间的随机差异。它被测量为两个相同测试图表图像的差异除以 2 的平方根 (1.414) 的噪声（标准偏差）。

减去两个图像可以去除固定模式噪声。需要 2 的平方根，因为即使减去图像像素，噪声功率也会增加。除以 2 的平方根将时间噪声缩放为与在单个图像中测量的噪声相同。

要测量时间噪声，请选择两个图像进行分析。在右侧显示的对话框中，选择读取两个文件以测量时间噪声。分析正常进行（对于第一个文件），但是第四个数字，如果显示5.在输入对话框绘图区域中检查时间噪声，包含时间噪声分析。这个数字是独立的，因此重复了以前情节的一些特征。

时间噪声显示

• 左上图显示密度响应，类似于图 2 的左上图。
• 左下图（RMS 噪声（光圈值））使用与图 2 左下图相同的比例显示场景参考灰度噪声或 SNR。在这些图中，单个图像的噪声（或 SNR）是显示为一条苍白的曲线。
• 右上图（第三行的像素 SNR (dB)（对于 BGRYMC 色块））显示色块的噪声或 SNR，其比例由输入对话框中的噪声显示设置。它类似于图 2 的右上图。
• 右下图 (Grayscale SNR dB) 显示灰度像素噪声，其比例由输入对话框中的噪声显示设置（比例与图 1 的左下图相同，但 x 轴不同）。

保存结果

Colorcheck 计算完成后，Save Colorcheck 结果，出现对话框。它允许您选择要保存的结果以及保存位置。默认为数据文件目录中的子目录Results 。您可以更改到另一个现有目录，但必须在 Imatest 之外创建新的结果目录——使用诸如 Windows 资源管理器之类的实用程序。（这是此版本 Matlab 的限制。）选择在运行之间保存。您可以在选中或取消选中复选框之前检查输出数字。单击是或否后，Imatest 主窗口重新出现。图、CSV 和 XML 数据保存在文件中，这些文件的名称由带后缀和扩展名的根文件名组成。根文件名默认为图像文件名，但可以使用结果根文件名框进行更改。一定要按回车。.CSV 摘要文件包含用于色调级别、噪声和颜色计算的 Excel .CSV 输出。它还包含一些附加数据，包括 JPEG 文件的 EXIF 数据。XML 输出文件包含类似的结果。

建议在批量运行时在保存后检查关闭数字，以防止打开数字的累积。

摘要 .CSV 和 XML 文件

可选的 .CSV（逗号分隔变量）输出文件包含 Colorcheck 结果。它的名称是 [根名称]_summary.csv。一个示例是 Canon_EOS10d_ColorCheck_lt_small_summary.csv。

格式如下：

这种格式对于所有模块都是相似的。数据在很大程度上是不言自明的。.CSV 文件的增强功能将列在更改日志中。可选的 XML 输出文件包含类似于 .CSV 文件的结果。它的内容大部分是不言自明的。它存储在 [根名称].xml 中。XML 输出将用于 Imatest 的扩展，例如由 Imatest 和第三方编写的数据库。如果您有任何问题或建议，请联系我们。