색 정확도 분석기
컬러 필터의 분광 감도로부터 색 재현 정확도를 평가합니다. 색 보정 행렬(CCM)을 적용하고 ΔE*ab 지표로 색차를 측정합니다.
색 정확도 분석기
TMM 기반 QE 스펙트럼과 최소제곱 색 보정 행렬(CCM)을 사용하여 ColorChecker 패치의 색 재현 정확도(deltaE)를 계산합니다.
평균 deltaE
28.90
최대 deltaE
49.59
우수 (deltaE < 3)
0%
센서 QE 스펙트럼
색 보정 행렬 (CCM)
| Rin | Gin | Bin | |
|---|---|---|---|
| Rout | 0.0247 | -0.0001 | -0.0006 |
| Gout | -0.0151 | 0.0241 | -0.0003 |
| Bout | 0.0015 | -0.0154 | 0.0154 |
ColorChecker 패치 (24)
Dark Skin
18.9
Light Skin
28.3
Blue Sky
47.2
Foliage
18.9
Blue Flower
41.1
Bluish Green
36.2
Orange
22.0
Purplish Blue
31.5
Moderate Red
19.0
Purple
23.0
Yellow Green
40.0
Orange Yellow
35.5
Blue
23.1
Green
16.5
Red
8.2
Yellow
49.6
Magenta
33.2
Cyan
45.3
White
29.7
Neutral 8
29.0
Neutral 6.5
28.4
Neutral 5
26.2
Neutral 3.5
23.7
Black
19.6
패치별 deltaE
a*b* 색도 다이어그램
CIE xy 색역 커버리지
sRGB: 100% DCI-P3: 100% BT.2020: 100%
모델 범위
이 브라우저 도구는 직관 형성, 상대 경향 비교, 설계 공간 탐색에 사용하세요. 로컬에서 실행되는 간이 모델이며 RCWA/FDTD sign-off, 실리콘 보정, 벤더 공정 데이터를 대체하지 않습니다.
더 알아보기
물리 수식과 이론
색 보정과 Delta E
쉽게 이해하기
카메라는 사람의 눈과 똑같이 색을 보지는 않습니다. 그래서 raw RGB 값을 우리가 인식하는 색에 맞게 “번역”해야 하는데, 이것이 색 보정 행렬(CCM)입니다. Delta E는 번역된 최종 색이 기준 색과 얼마나 가까운지를 사람의 지각 감각에 맞춰 측정합니다(Delta E ≈ 1은 사람이 겨우 구분할 수 있는 최소 색차). 좋은 필터와 충분한 광량은 이 번역을 더 쉽고 정확하게 만듭니다.
이 분석기는 시뮬레이션된 카메라 RGB 응답을 색 보정 행렬로 기준 색도계 값에 매핑하고 지각 색차를 측정합니다.
모델 가정
- Scene spectra, illuminants, filter responses, ColorChecker patch는 단순화된 공개 또는 설명용 spectrum입니다.
- CCM은 선형 3x3 보정이며 metamerism, saturation, clipping, nonlinear image processing을 완전히 보정할 수 없습니다.
- Noise와 color error는 full ISP가 아니라 compact signal-chain model에서 평가됩니다.
출력값
- Camera response, fitted CCM, CIE tristimulus comparison, Delta E summary, illuminant/noise 민감도를 출력합니다.
- Spectral overlap, weak channel, illuminant mismatch 중 무엇이 color error를 지배하는지 보여줍니다.
검증 예제
- 매우 넓고 겹치는 filter에서는 camera response가 덜 독립적이므로 color error가 증가해야 합니다.
- Sensor spectra가 observer function에 이상적으로 맞지 않는 한 illuminant 변경은 fitted CCM 성능을 바꿔야 합니다.
핵심 수식
최소제곱 CCM
$$M = \text{argmin}_M \left\| \mathbf{R}_{\text{cam}} M - \mathbf{X}_{\text{ref}} \right\|_2^2$$
- \(M\): 3x3 CCM 행렬
- \(\mathbf{R}_{\text{cam}}\): 카메라 응답 행렬
CCM은 카메라 센서 응답을 기준 XYZ 값에 맞추도록 피팅됩니다.
CIELAB 색차
$$\Delta E_{ab}^* = \sqrt{(\Delta L^*)^2 + (\Delta a^*)^2 + (\Delta b^*)^2}$$
- \(\Delta E_{ab}^*\): 전체 색차
Delta E는 지각 색공간에서의 색 불일치를 요약합니다.
노이즈 포함 RGB
$$R_{\text{meas}} = R_{\text{ideal}} + n_{\text{shot}} + n_{\text{read}}$$
- \(n\): 노이즈 항
저조도 노이즈가 채널 비율을 흔들면 색 정확도가 나빠집니다.
모델 해석
- 좋은 컬러 필터는 단순히 좁은 필터가 아니라 조건이 좋은 RGB 기저를 만들어야 합니다.
- CCM은 선형 색 혼합은 보정할 수 있지만 사라진 분광 정보는 복원할 수 없습니다.
- 광원 선택은 기준 색과 카메라 채널 밸런스를 모두 바꿉니다.
CCM 조건성
- RGB 채널 spectrum이 너무 비슷하면 $\mathbf{R}_{\text{cam}}$이 ill-conditioned가 되어 CCM이 노이즈를 증폭합니다.
- 낮은 평균 $\Delta E$가 큰 outlier를 숨길 수 있으므로 worst patch와 hue별 error를 봐야 합니다.
- 더 좋은 spectral separation은 종종 낮은 throughput 및 저조도 color noise 증가와 tradeoff입니다.
측정 절차
- 알려진 illuminant에서 color target을 촬영하고 black level 제거, response linearization 이후 CCM을 fitting합니다.
- 한 광원에 맞춘 CCM은 다른 광원에서 실패할 수 있으므로 여러 illuminant에서 평가합니다.
- Tone mapping 전 raw linear data를 테스트해 spectral design error와 pipeline error를 분리합니다.
아직 빠진 물리
- Demosaic, white-balance adaptation, local tone mapping, color appearance modeling은 포함하지 않습니다.
- Linear CCM을 가정하지만 실제 카메라는 matrix 이후 비선형 hue/saturation transform을 자주 사용합니다.
- Sensor noise, flare, lens shading, IR leakage가 모두 color-filter design 문제처럼 보일 수 있습니다.