CCM 调节笔记

本文详细介绍了CCM色彩校正矩阵在RGB色彩空间中的应用,包括调整不同色彩问题的解决方法,如红色过深、绿色偏嫩等,并提供了24色卡的RGB值。通过实例和调试技巧,帮助理解如何保持白色平衡并修复色彩偏差。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       CCM 全称为Color Correction Matrix --色彩校正矩阵 ,它通常在RGBdomain进行,并在AWB之后。AWB主要是矫正白色,相应的其他色彩也跟着有一些变化。CCM就是保持白色不变,将其他色彩校正成真实的颜色。

         色彩校正矩阵如图所示:

        

        为了保证宝平衡不被破坏,需满足:C00 + C01 + C02 = 1 ,且C00大于等于1,C10和C20以此类推。

 

 调试小技巧:

问题现象调试方向备注
红色偏深减rg和减rb红色比例增多,相应的要增加gg,bb,则绿色和蓝色饱和度会提高
绿色更嫩减gb和减grgb越小,绿色越黄;gr越小,绿色越青
肤色偏黄加gb蓝和黄相对时,蓝色会变淡
肤色变红减br或加bgbr越小,蓝色越青
肤色偏红加brbr越大,蓝色越紫
红色偏桔减gr或加rbrg越小,红色越粉
红色偏粉加rg或减rbrg越大,红色越桔,红色系饱和度回收
黄色偏红加br或减bgbr越大,黄色越绿
黄色偏绿减br或加bgbr越小,黄色越红
绿色偏青加gr
绿色偏黄加gb蓝黄相对,蓝色变淡
蓝色变淡减gbgb越小,绿色越黄,且绿色饱和度下降,反之增加
蓝色偏青加br或减bgbr越大,蓝色越紫
蓝色偏紫减br或加bgbr越小,蓝色越青;加bg,蓝色和绿色饱和度都下降,但整体饱和度增加

 顺便附上24色卡的RGB值

 

本篇笔记属于个人总结,有什么错误欢迎大佬指正,如有雷同,纯属巧合。

 

        

 

 

 

 

### CCM调试方法与技巧 CCM(色彩校正矩阵)用于调整图像的颜色准确性,使捕获到的颜色更接近真实场景中的颜色。为了实现这一目标,需要精确计算并优化CCM矩阵中的九个系数。 #### 数据采集准备 确保测试环境光线稳定均匀,使用标准色卡作为拍摄对象可以提供可靠的参考数据[^1]。这有助于后续分析过程中减少外部因素干扰带来的误差。 #### 初始参数设定 基于设备制造商提供的默认值或者先前经验设置初始CCM矩阵,在此基础上进行微调能够加快收敛速度并提高最终效果的质量。 #### 迭代优化算法应用 采用最小二乘法或其他合适的数学模型来迭代求解最优解。每次更新后都需重新评估当前配置下输出图片质量的变化情况直至满足预设精度要求为止。 ```python import numpy as np def least_squares_ccm(known_colors, measured_colors): """ 使用最小二乘法计算CCM矩阵 参数: known_colors (numpy.ndarray): 已知的标准RGB颜色数组 measured_colors (numpy.ndarray): 测量得到的RGB颜色数组 返回: ccm_matrix (numpy.ndarray): 计算得出的最佳CCM转换矩阵 """ A = np.hstack((measured_colors.T, np.ones((3, 1)))) B = known_colors.T X, _, _, _ = np.linalg.lstsq(A.T @ A, A.T @ B, rcond=None) ccm_matrix = X[:9].reshape((3, 3)) return ccm_matrix ``` #### 结果验证流程 完成初步调试之后,应当利用更多样化的样本集进行全面检验,确认不同光照条件下都能保持良好的表现一致性;同时也要关注特殊色调区域如肤色再现能力等方面的表现特性。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值