¿Podemos comparar la precisión de reproducción del color de los sensores de 2 cámaras solo observando la curva de sensibilidad espectral del sensor?

Tengo las especificaciones de la cámara del fabricante. Se proporciona la curva de eficiencia cuántica RGB (creo que también es la curva de sensibilidad espectral). ¿Cómo podemos comparar la calidad de reproducción del color de estas dos cámaras directamente desde la curva? ¿O necesitamos preparar un experimento para hacer esto? Gracias.ingrese la descripción de la imagen aquí

ingrese la descripción de la imagen aquí

¿A qué te refieres exactamente con calidad de reproducción del color ? Al final del día, 'reproducimos fotos' almacenando solo tres datos para cada píxel: RGB. En general, habrá (incontablemente) infinitas combinaciones de frecuencias a las que se les asignará el mismo valor RGB. Es el principio del casillero.
@Myridium El ojo humano también divide espectros completos en señales de tres colores + brillo. Es por eso que funciona el espacio de color RGB. Si el ojo trabajara con n tipos de receptores de color, tendríamos espacios de color de n dimensiones para la visualización y espacios de n+1 dimensiones para impresoras so-ho.
Sí, cierto, por eso usamos RGB. Sin embargo...
Me refiero a la calidad de la reproducción del color: cuando captura la imagen de un objeto, qué cámara puede acercar el valor RGB al valor RGB real del objeto, menos superposición de canales RGB
Podría usar un monocromador para generar un haz de luz con un rango de longitud de onda muy estrecho y medir la salida del sensor a medida que cambia la longitud de onda. O, alternativamente, podría usar una rejilla de difracción y observar el rango de colores en el sensor; esperaría una transición más suave para una mejor captura de color. Ningún modelo tiene un verdadero valor RGB como tal, RGB es solo un modelo para representar colores. También hay HSL, CMYK y casi seguramente otros.
Si se igualaran las escalas de los dos gráficos, la comparación podría ser más significativa.
Está discutiendo las características del sensor, no de la cámara, per se. Modifique la pregunta y el título para solucionar este problema. Posiblemente modificará las respuestas existentes.
@Rob Lo que describe es aproximadamente cómo se generaron sus gráficos. Representan la eficiencia del sensor para reproducir una longitud de onda generada a través de una serie de longitudes de onda generadas en un dispositivo llamado espectrofotómetro.
Me parece que toda esta pregunta se basa en una premisa falsa: que cada color específico que percibimos tiene una longitud de onda específica. Ese no es el caso. Además, el valor RGB "verdadero" de varios elementos de la escena varía según las propiedades de la luz que los ilumina. La luz de amplio espectro centrada en 5000K (esencialmente D50) hará que las mismas cosas se vean de un color muy diferente al de las luces de vapor de sodio de 2700K de banda estrecha. La superposición de canales RGB en los sensores de la cámara que parece pensar que introduce colores imprecisos funciona exactamente igual que la visión humana.
Para obtener más información, consulte: ¿Se pueden describir todos los colores con RGB?

Respuestas (3)

¿Cómo podemos comparar la calidad de reproducción del color de estas dos cámaras directamente desde la curva?

"Qué cámara puede acercar el valor RGB al verdadero valor RGB del objeto, menos superposición de canales RGB"

Es posible una comparación del potencial de reproducción del color basada en la eficiencia cuántica de los filtros del sensor.

Como han mencionado otros, hay muchos factores que contribuyen a la reproducción final del color de un sistema de cámara a todo color. Sin embargo, los sensores RGB sensibles son quizás el factor que más contribuye a la precisión de la reproducción del color y se puede medir su rendimiento de reproducción del color.

¿Qué es el verdadero RGB?

Primero tenemos que responder, ¿cuál es el "verdadero RGB" de una escena? Una buena definición de "verdadero RGB" sería la respuesta relativa de los tres conos retinales de un ser humano a la escena. Estos conos se denominan LMS, largo medio y corto.

ingrese la descripción de la imagen aquí

Un espectro de luz integrado sobre estas tres curvas de sensibilidad produce tres valores LMS que pueden considerarse como valores RGB humanos, estos son los valores RGB objetivo que queremos reproducir con nuestra cámara si nuestro objetivo es una reproducción precisa del color.

Más comúnmente, también podríamos apuntar a las sensibilidades de las funciones de coincidencia de color XYZ. Estas son combinaciones lineales de las funciones LMS, por lo que son efectivamente intercambiables con las funciones LMS.

ingrese la descripción de la imagen aquí

Corrección de color

En una cámara digital, cuando se integra un espectro contra las sensibilidades de la cámara (como las que publicaste), los valores RGB resultantes se denominan "cámara RGB".

En la mayoría de las cámaras digitales hay un paso de procesamiento en el que se utilizará un algoritmo de corrección de color (M) para convertir cameraRGB en humanLMS (o XYZ).

M (cámaraRGB) = humanLMS

En este caso, humanLMS será una suposición. No será perfecto, y la diferencia entre la suposición y el valor LMS real que un humano habría percibido es su error de color.

Diseñar un buen M es difícil porque es un problema subdeterminado, algunos valores cameraRGB tienen múltiples valores humanLMS potenciales (esto se llama metamerismo) por lo que no siempre es posible saber exactamente cuál es el LMS correcto, pero podemos usar estadísticas de imágenes naturales y aprendizaje automático para adivinar la respuesta correcta más probable.

La implementación más común de M es una matriz de transformación lineal de 3x3, pero si las sensibilidades de la cámara no son combinaciones lineales de LMS, la transformación contendrá errores. Si las sensibilidades de la cámara resultan ser combinaciones lineales de LMS, entonces el error de color sería cero, esto se denomina Condición de Luther. En la práctica, las sensibilidades de las cámaras digitales nunca satisfacen la Condición de Luther, por lo que siempre hay un error de color.

Comparación de la reproducción del color

Ahora hay dos factores que influyen en la precisión de nuestras conjeturas LMS.

1) el diseño de nuestro algoritmo de corrección de color M

2) qué tan similares son las curvas de sensibilidad de nuestros sensores a las sensibilidades del LMS

Esto llega al corazón de su pregunta: algunas sensibilidades darán como resultado colores cuantificablemente más precisos que otras porque están más cerca de las sensibilidades LMS, lo que hace que sea más fácil adivinar el valor LMS, que es el "verdadero RGB" que deseamos.

¿O necesitamos preparar un experimento para hacer esto?

Lo que podría ser útil es el " estándar ISO 17321, índice de metamerismo de sensibilidad ". Esto calcula la precisión de la reproducción del color en función de las respuestas espectrales.

https://www.dxomark.com/About/In-depth-measurements/Measurements/Color-sensitivity http://www.iso.org/iso/iso_catalogue/catalogue_ics/catalogue_detail_ics.htm?csnumber=35835

Este índice le indica la diferencia de percepción promedio entre los colores registrados por su cámara que han sido corregidos linealmente por una matriz optimizada de 3x3 y los colores conocidos de una escena de prueba.

El único problema es que este procedimiento se realiza con una cámara completa, por lo que mide el error de color del sensor y la matriz de corrección de color y la óptica, etc., no solo el sensor.

Si realmente solo desea cuantificar el error de solo dos sensores diferentes, puede realizar el procedimiento SMI con la misma cámara y solo cambiar el sensor. O en lugar de un experimento físico con una cámara real, podría simular su cámara en software y no incluir ninguna contribución óptica o de demostración a los valores simulados de cameraRGB.

Hay muchos documentos sobre simulación de cámara para obtener más información al respecto: http://color.psych.upenn.edu/simchapter/simchapter.pdf

El " Índice especial de metamerismo CIE: cambio en el observador " es otro estándar relevante destinado a comparar la reproducción del color en humanos con respuestas espectrales ligeramente variables. Creo que también podrías aplicar esto a los espectros de la cámara.

http://link.springer.com/referenceworkentry/10.1007/978-3-642-27851-8_322-1#page-1

Leí los artículos que citaste. Los enlaces que proporciona disputan su reclamo. La pregunta era sobre el uso de los datos del sensor, no sobre el procesamiento posterior requerido para la percepción humana que abordan sus artículos (sobre todo el último citado). El último artículo establece explícitamente que no es posible sin una fase de "calibración". (mi término y énfasis en la cita). Según los artículos, solo es teóricamente posible cuando el sensor tiene características que se ajustan exactamente al "observador independiente ideal".
@stan Por lo que puedo decir, la pregunta fundamental aquí es: dados dos sensores RGB con diferentes curvas de respuesta espectral, ¿podemos decir algo sobre cuál puede reproducir colores con mayor precisión? Esa pregunta se entiende bien y la respuesta es sí, el sensor con curvas espectrales más cercanas a una combinación lineal de respuestas espectrales LMS humanas tendrá menos incertidumbre cuando vaya a aplicar una corrección de color del espacio RGB de la cámara al espacio perceptivo CIE.

tl,dr : No, debe configurar el experimento adecuado y evaluarlo utilizando una pantalla/impresora calibrada.

La sensibilidad espectral es solo una parte de todo el proceso. Entre la captura y la impresión cosas que alteran la "imagen":

  1. Filtros (UV, polarizador, color, gris neutro)
  2. Lente
  3. Máscara de sensor y sensibilidad
  4. Algoritmos en la cámara
  5. Postprocesamiento
  6. Impresión

Digamos que podemos descuidar los filtros, el posprocesamiento y los efectos de impresión.

Aun así, puede haber diferencias entre lentes y fabricantes de lentes con respecto a la transmisividad espectral de sus productos.

Tenga en cuenta que cuando el sensor está expuesto, la señal es análoga: cuanto mayor sea la carga en el pozo, más luz se capturó. Esta señal luego se digitaliza y se convierte a valores RGB. El método de digitalización y el algoritmo de conversión RGB pueden diferir entre fabricantes.

¿Hay alguna forma de comparar solo el chip del sensor de la cámara? no incluye la lente y los filtros, etc. Solo compare qué tan bien el sensor puede responder a la luz
@ZhaoHuang Sí, pero las diferencias son bastante insignificantes con respecto a la fotografía, ya que se debe usar al menos una lente, un sensor, algoritmos de demostración y otros pasos de procesamiento posterior para obtener una imagen visible.
@ZhaoHuang Ya tiene esos datos presentados con su pregunta. Sus dos gráficos comparan los dos sensores y su respuesta a lo largo del espectro visible. No te dicen nada sobre la precisión. No puede utilizar la fotografía para registrar con precisión el color; pero, es genial para la interpretación perceptual.
Repetiría los puntos 4 y 5 unas tres veces cada uno :-). Esos están (uno espera) diseñados específicamente para compensar todas las diferencias entre las curvas espectrales del filtro Bayer y las curvas espectrales de la retina del ojo humano. (sí, sé acerca de los muchos ajustes neurológicos mágicos al color percibido).

Tienes la respuesta en las curvas que presentas para comparar.

Puede comparar la respuesta de un sensor con otro directamente en cualquier punto común de los dos conjuntos de datos. Por ejemplo, se puede dar y comparar la eficiencia de cada uno de los sensores a 550 nm. Esa es la única declaración que se puede hacer con los datos dados.

No se puede hacer una declaración sobre si un sensor es "más preciso" que el otro. La única declaración que se puede hacer ya está dada (graficada): la eficiencia cuántica relativa.

¿Podemos comparar la precisión de reproducción del color de los sensores de 2 cámaras solo observando la curva de sensibilidad espectral del sensor?
RespuestasAquíPolítica de privacidad1y, 0v