[发明专利]基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法

说明书

本发明提供了一种基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法，该方法是在标准光源下，计算相机光谱灵敏度曲线对训练样本的预测RGB值和训练样本的标准XYZ值，建立二者间的转换模型，通过模型的优化，使相机光谱灵敏度曲线预测的XYZ与标准XYZ之间的色差最小化。在建立模型的基础上，针对特定相机，对标准光源的光谱进行修正和优化，得到对应的预测误差最小的LED光源。本发明可以在不同标准光源下对特定相机光谱灵敏度曲线预测三刺激值XYZ的能力进行优化与测试，提高不同相机之间的一致性，对于相机的颜色标定具有重要意义。

技术领域

本发明涉及颜色和相机标定领域，具体是一种基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法。

背景技术

相机的光谱灵敏度响应函数(Spectral Sensitivity Function,SSF)是相机的重要参数，它量化了相机的红、绿、蓝三通道对于入射的不同波长光谱的响应值。相机经过拍照处理得到的RGB值是设备相关的，也就是说不同相机对于相同场景拍照得到的RGB响应是不同的，即不同相机的光谱灵敏度响应存在差异性。在工业界，相机SSF的测量、测试和优化对于相机的标定与校正至关重要。然而，在这一过程中存在许多干扰因素。在测量过程中，相机的焦距、角度位置等因素都会对测量结果产生影响，可能使得SSF的测量重复性不好，准确性降低。在测试与优化过程中，若使用标准色卡如爱色丽标准24色卡，不可避免地会出现褪色或变形等问题。实际测试时，测试光源的光谱不能做到与标准光源完全一致，并且选取不同亮度、不同类型的测试光源都可能得到不同的测试结果。不同公司对于同一相机SSF的测量也会有不同的结果，得到的测量结果和预测精度各不相同，并且测试过程复杂，不同SSF之间难以统一。

另一方面，相机的RGB响应与三刺激值XYZ之间并不直接相关，在相机 RGB响应与设备无关的XYZ值之间建立映射十分重要，对于高保真度的颜色再现具有重要意义，这一过程即为相机颜色的标定。

传统方法中，使用维度为3×3的矩阵建立相机RGB响应与CIE三刺激值 XYZ之间的映射。例如可以使用爱色丽SG数码色卡中的140种颜色作为训练样本，使用爱色丽标准24色卡作为测试样本。这种方法的精度平均值(色差)在 2.0-3.0ΔE_ab*(或1.5-2.0ΔE₀₀)左右。大部分传统方法在拟合矩阵时是在XYZ 空间内，令预测XYZ值的误差平方和最小，但这样不能符合人眼的视觉感受，从色差值来看预测误差较大。况且测量得到的SSF不可避免地存在误差，SSF 预测的RGB与实际相机的RGB响应之间存在差异。因此希望采用最小化色差的方式建立SSF预测的RGB与XYZ之间的模型，将预测误差进一步降低，从而可以更好地符合人眼的视觉感受，提高相机颜色标定的准确性。

发明内容

本发明的目的在于克服现有技术中的缺陷，并提供了一种基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法。该方法建立了相机光谱灵敏度曲线预测 RGB与XYZ值之间的矩阵模型，并对标准光源的光谱进行优化，使用多通道 LED实际光源对优化的光谱进行模拟与测量，以色差为标准实现预测误差的最小化。

本发明所采用的具体技术方案如下：

本发明提供了一种基于光谱灵敏度曲线和光源光谱优化的相机颜色标定方法，具体如下：

S1：确定标准光源的光谱分布函数和样本的反射率；在每个所述标准光源下，进行RGB预测处理，并计算每个样本的标准三刺激值XYZ_s；以预测三刺激值与标准三刺激值之间的色差值小于设定值为目标，通过转换模型得到每个转换过程的矩阵模型M；

所述RGB预测处理具体如下：计算目标相机的光谱灵敏度曲线对每个样本反射率的预测RGB值，随后将所有预测RGB值进行归一化处理，得到归一化预测RGB值；