4 月
簡單的色彩圖卡一直被用於相機模塊生產線的白平衡、色差、色彩轉換和其他參數的校准。但由於其固有的局限性，業界正在採用現代光譜方法，以提供更大的靈活性和更高的質量。本文概述了生產線每模塊相機色彩校准的最佳實踐。
技術講解視頻-色彩標定與校准
對於產線，校准設備的光譜特性分析對於高速自動化生產線的色彩校准，將使用可編程 LED 光源，為每個相機模塊提供一組已知的白色和彩色光譜。
LED 光源必須具有空間均勻性、時間穩定性、溫度穩定性、 脈衝寬度調制和分光光度自校准功能。
將實驗室的“金機”的光譜靈敏度與產線自動化的校准對應
在產線應用API自動化拍攝並分析光譜響應曲線
圖 16 顯示了一個這樣的設備，即 Image Engineering 公司 基於 iQ-LED 的 Cal 校准光源，圖 17 顯示了其用於創建 T 集的白光 和彩色 LED 光譜功率分布集
圖 16：Image Engineering Cal系列 LED 光譜可調光源（含有多個窄帶光譜通道）
iQ-LED光譜可調光源可還以通過軟件創建自定義光譜光源
產線光譜校准應用
光譜校准方法假定標準樣機的生產相機模塊光譜靈敏度已表徵為 D。
為了校准生產中的任何給定單元，一組峰值波長和光譜功率分布T均經過精心選擇的發光二極管的光譜輻射被呈現給相機，相機的光譜響應被記錄為 c。
要確定給定生產照相機模塊照相機e的未知光譜靈敏度，可考慮代表性光譜靈敏度數據庫 D，並求解光譜靈敏度 e，當與光譜可調光源的光譜功率分布 T 相結合時，可最好地再現給定的照相機模塊光譜響應 c。
在前面的 “特徵描述 “部分，我們收集了所有必要元素：
- D：參考相機光譜靈敏度數據庫（產品樣機庫）；
- K：一組有代表性的場景照明光譜功率分布；
- S：一組相關場景元素光譜輻射；
- T：用於校准每個相機模塊的 LED 的光譜功率分布
有了這些數據，就可以對每個生產相機模塊進行快速光譜靈敏度校准。根據每個模塊的光譜靈敏度校准結果，可在任意 照明和觀察條件下進行白平衡和色彩變換校准。接下來的幾個步驟將詳細介紹每個模塊的校准程序。
光譜靈敏度校准校准步驟
- 對於光譜可調的積分球面光源，光源光譜功率分布T 已知，其峰值波長可覆蓋可見光譜。
- 每個LED窄帶通道依次照亮擴散板（發光口），測試相機 （其未知光譜靈敏度 e 待確定）對每個 LED 的響應被記 錄為校准數據 c。
- 使用光譜靈敏度數據庫、其主成分或其特徵向量，通過 幾種方法中的一種計算測試攝像機的光譜靈敏度 e，以最 好地再現攝像機對 LED 光譜功率分布 T 的響應 c。每個 顏色通道分別進行計算。
如果光譜靈敏度數據庫 D 的方差較大，如果測試攝像機與光 譜靈敏度數據庫中的攝像機有顯著差異，如果希望對未知光 譜靈敏度e的解法施加任意約束，則可採用特徵向量分析 (EVA) 方法。
攝像機對某些呈現光譜T的響應 c 來自其未知光譜靈敏度 e， 而這些未知光譜靈敏度 e 可表示為光譜靈敏度數據庫 D 中前 幾個最重要特徵向量 P 的未知線性組合 w：
其中：
- T 是呈現給攝像機的 LED 光譜矩陣，其維度為 i 個波長乘以 j 個光譜輻射度樣本；
- e 是攝像機對給定顏色通道的光譜靈敏度的 i 長向量；
- c 是攝像機對給定顏色通道響應的結果向量。
雖然可以直接求出方程 (6) 中的 e，但一般來說，最好是先求解方程 (4) 中的 w，然後將 w 代入方程 (3) 以獲得未知光譜靈敏度 e 的解。
通過這種方法，可以很容易地對 w 和 c 施加任意約束，如正 向性或使用廣義數值優化的其他考慮因素。此外，這種方法 還有一個優點，即可以事先檢查特徵向量P，並根據需要對其 進行正則化或平滑處理，以確保計算出的頻譜敏感度 e 具有 合理的行為。
主成分分析 (PCA) 方法與 EVA 方法類似，但當光譜靈敏度 數據庫 D 的方差較小時（生產線校准的典型情況），該方法 的精度更高，是首選方法：
在這種方法中，在計算 D 的主成分 P 之前，首先通過減去其 作為波長函數的平均值 m 來確定 D 的中心位置。由於 EVA 方法中所述的兩步替換程序也適用於 PCA 方法，因此這種方 法還提供了採用任意約束條件的機會。
均方誤差法（MSE）是最簡單的方法，適用於頻譜靈敏度數 據庫 D 方差較小且不需要任意約束的許多情況：
在這種方法中，首先對頻譜靈敏度數據庫 D 的均值和方差進 行歸一化處理。如果需要，矩陣 R 會根據從歸一化頻譜靈敏 度數據庫 D 的方差推導出的信噪比估計值進行正則化。
這些計算光譜靈敏度的方法取決於攝像機對LED光譜的響 應，因此可以在攝像機的整個視場中進行空間計算，以便在 需要時按像素進行校正，這對color shading和其他校正非常 有用。
圖 18 顯示了 PCA 方法的典型結果，並與單色儀測量的光譜 靈敏度進行了比較，該單色儀測量的光譜靈敏度由圖 9 中的數據庫表示，但未包括在數據庫中。
白平衡校准
由於不同模塊的相機光譜靈敏度積分各不相同， 因此通常需要按模塊進行白平衡校准。根據之前計算出的每個單獨光譜靈敏度 e 組合出的整體光譜靈敏度E，現在可以計算出任何場景光照下的白平衡系數 g， 而這些場景光照下的光譜功率分布是可用的：
對整套參考照明光譜功率分布 K 中的每個相關光源重復上述 步驟，從而為每個相機模塊創建一套校准白平衡系數 G。
色彩變換校准
通常情況下，有必要將場景（如 RGB）產生的相機響應 C 轉 換為一組標準色彩坐標（如 CIE XYZ）V，作為色彩渲染管道 的輸入。
如圖 9 所示，不同模塊的相機光譜靈敏度各不相同，因此通 常需要按模塊進行色彩變換校准。給定整套光譜靈敏度E、整 套參考光源 K 和整套參考場景光譜 S，就有可能計算出算子 M，根據所需的任何場景照明和光譜輻射組合，按模塊在攝 像機響應和標準色彩坐標之間進行變換。
雖然色彩變換 M 可以是多種線性或非線性形式，但這裡展示 的是一個簡單的線性矩陣M，它以最小二乘的方式在攝像機 響應 C 和 CIE XYZ V 之間進行變換：
其中，L是從 K 的集合中提取的參考光源的對角矩陣，而 O 則是 CIE 標準色度觀測器色彩匹配函數的集合。從相機響應 C 到標準色彩坐標 V 的變換 M 由以下公式給出：
其中，f 映射到所需的優化空間，變換 M 經過迭代，以最小 化由已知值 f(V) 和預測值 f(MC) 之間的顏色或外觀誤差構成 的成本函數 fmin。
一般來說，最好是通過將 M 的行和限制在光源L的白點來減少問題的自由度，從而保持適當的白平衡。
對於整套參考照明光譜功率分布中的每個相關光源，以及代表其他攝像機場景模式的任何附加場景光譜集，都要重復上述步驟，以便為每個攝像機模塊創建一套完整的校准色彩變換。由於場景光譜數據和攝像機光譜靈敏度均可獲得，因此色彩 變換不必局限於低維線性矩陣運算。
有了這些光譜數據，就有可能構建多維查找表M-LUT，從而提供更高的色彩精度，以及對色域邊緣和色域外行為的精確控制。
此外，多維查找表還提供了根據輸入信號電平優化色彩精度的機會，從而最大限度地減少攝像機噪聲偽影。
結語
產線光譜校准可最大限度地提高相機模塊的質量，同時降低 成本。與其他校准方法相比，可能無法通過質量保證標準的 相機模塊更有可能進行光譜校准。
光譜校准可對每個模塊或每個像素的白平衡、線性度、color shading和色彩變換參數 進行更精確的控制，因此與傳統方法相比產量更高。
光譜校准方法假定預先對具有代表性的攝像機、場景和照明條件進行光譜特徵描述。在生產過程中，每個相機模塊都可以使用市面上的硬件和軟件產品進行高速校准。