利用Imatest与ColorChecker评定色彩还原的方法

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 观察色相区域的改变（见左图：COL为饱和度值）。从 Imatest 的测试图表中，『● 』符代表相机拍摄 ColorChecker 后的测试数据；『■』则是 ColorChecker 图表的原始值（我们将原始RGB值表列于下，供网友们参考）。

        电脑会自动计算 Ideal 与 Camera 之间的数据差异，换成相对数据列于右上方的说明之中。其中 Mean Camera Saturation 代表『平均相机饱和度』，当你调整相机饱和度时，这个数据会忠实反映出你测试环境和相机处理饱和度的差值。例如：我们观察中间饱和度『0』时，D7D 与我们的测试环境饱和度差异达 9.9％（109.9％-100％）。其他左右两图各减 +/-2级之饱和度，我们从中可以看到差异值分别为94.62% 和 130.6%。显示D7D在启用饱和度选项时，增进幅度大于减少。

• ColorChecker 详细色块说明

       整版 ColorChecker 一共包含了 24个图块，完整的图块名称和 RGB 详列下表。其中位于最下方的六个由白～灰到黑的 ColorChecker 主要是用来测试相机白平衡专用，我们会在后续的讲座中讨论其他部分的测试。
(附註：位于这六个方块后的数值为其色彩浓度。)

• ColorError         

       Color error (ΔEsat = ΔE corrected for saturation)  为整个 ColorChecker 各色系的偏移植，是评估整体色偏的重要数据参考，其计算依据系依照理想值至实际色彩值之距离换算求得，其公式如下：

Color error(ΔE) = mean( sqrt( (a*-a(ideal)*)2 + (b*-b(ideal)*)2 ) ) = mean(ΔE)

        另一组 Root Mean Square 简称 RMS error，赋予在 Imatest 图之右上方标明 sigma (σ) 的数值。该数值主要应用于统计学，将色偏严重的部分完全突显出来，而不致受到平均值互补的影响。换言之ΔE提供了平均色偏的参考，RMS，也就是 sigma (σ) 则是提供色偏最大的那一组数据，至于是哪一个颜色色偏最明显，可以直接在测试图上用肉眼辨识）。

Imatest软件与Colorchecker的国内代理商：研鼎信息技术有限公司

[产品说明] 请点击察看
[联系方式] rdshop@gmail.com（021-50795298）