我们要找出CCM中的系数，也要建立一个和imatest类似的评价体系。先回顾一下ISP框架，在CCM之后还有Gamma，Hue和saturation会对图像色彩和亮度产生影响，而评测的图像是ISP的最终输出。所以要找出CCM系数，首先要建立一个ISP色彩和亮度模型，如下图。我们认为一般情况下用户不需要去调整亮度，对比度，饱和度以及色调等参数，这些模块的默认参数不对图像色彩和亮度产生任何影响。没有影响的模块我都改成灰色，剩下三个有颜色的模块是需要参与CCM系数寻找的。
![]()
建好了模型，还需要注意一点：由于sensor的感光动态范围和24色卡标准色有差异，并且图像平均亮度也可能有差异。我们对标准色做亮度调整(乘法)和动态范围调整(调对比度)，使之尽量符合当前这张图像的平均亮度和动态范围。换句话说，就是让标准24色下方的6个黑白色块，在变换后的亮度尽可能和当前输出的图像接近。
![]() ![]()
有了模型和目标之后，接下来就是选择一种机制来找出最优的CCM系数。这里每人都可以发挥个人想象力，尽量找出最优的结果，最“笨”但有效的方法就是遍历，在一定精度条件下遍历所有的可能性，找出误差最小的那组系数。在搜索CCM系数的时候，有不少误区，例如只看色彩误差数据ΔC，当搜索范围设置不合理，图像饱和度偏低的时候，计算出来的ΔC会很小，实际效果很难看。
![]()
在不同色温下，CCM的系数也有较大的差异，所以一般在ISP中存有多组CCM系数。在实际使用过程中，需要通过AWB计算出当前色温，然后选择合适的CCM系数，或者几组CCM系数的线性组合。在low light Noise较大的情况下，有时还会减小CCM系数绝对值以降低Noise。AWB解决了sensor 的R,G,B敏感度差异和色温的影响，CCM则是纠正R,G,B感光之间的相互干扰，使图像更接近于人眼。两者结合就算把色彩纠正完成了。
|
