色溫? 你理解對了麼?

色溫是什麼意思

大家色溫真用對了麼？

不管燒錄OTP，IQ tuning， ISP的AWB，LSC，color correction演算法都會扯上“色溫”。。。。。

什麼是色溫？

色溫定義：某物體的輻射光譜和理想黑體在一定溫度時的黑體輻射光譜一致時，此時黑體的溫度稱之為該實際物體的色溫。

注意兩點：

1。 物理裡的理想模型現實不存在的（就像絕對0度不存在一樣）。同時說明完全理想的色溫不存在

2。 色溫初衷是由光譜所決定的，由於理想和現實的差異，色溫和光譜並不是唯一對應。（如果再加上測試裝置的誤差，其差異性更大）。

舉個例子， 理想黑體色溫的光譜和CIE標準色溫的光譜對比：如下圖：

其中上面一行的是CIE定義的D65，D50和A光的光譜， 下面行是根據普朗克定律的黑體色溫模型得到的理想光譜。

普朗克輻射定律：

I（w，T） = 2hc^2/w^5/（（e^（hc/wKT））-1）。

h 為 普朗克係數，w為波長，c為光速，K為Bolzmann係數，T為色溫。

以上說明色溫和光譜的區別，再看下面D65可能對應的色座標簡易圖的範圍：

以上統統說明一個實際“色溫”本身的variation有多麼的大。

要拍攝的照片具有卓越的顏色還原，當然除了有先進的AWB，LSC，CC演算法等（某些額外更高階補償如skin detection，color tone adption等等）， 更重要的是你需要先有個堅實的基礎， 而這個堅實的基礎就包括：

極致的模組 （高質量的IRCF，sensor和Lens）

對“色溫”各個細節的深度掌控，包括OTP校準本身光源，tuning所用光源，當然包括機臺之間的差異補償， 先保證燒錄資料的準確性和tuning的good correlation （不知道大家懷疑過自己燒錄OTP的R/G，B/G的準確性和一致性嗎？？）

現在概念可以換回來了， sensor 看見的是“色溫“ 嗎？ 不是， 是光譜。。。， 光譜的細節掌控才是控制校準資料燒錄的準確性和測試資料準確性的關鍵， 也是控制模組質量一致性的關鍵。 畢竟tuning只是tune那麼幾顆，怎麼保證上千萬顆的質量一致性呢？ 答案還是正確的方法和細節的深度控制。 這也是A的顏色在各環境下的出色表現的至關重要的最重要因素，沒有之一。

如果連燒錄OTP的資料對應的光源光譜和tuning光源光譜的correlation都很差的話，別說做好上千萬的camera，估計連專門調3顆都很難和A隨便拿一個相比。

所以，大家先看看下面幾個最簡單的問題，如果缺失的話，自然其質量是冒著龍捲風的：-）

模組OTP燒錄光源和測試光源 有采取措施保證其光譜的可靠性麼？ 有研究過嗎？

這條產線和那條產線的光源有做過correlation嗎？ first source 和 second source有做correlation麼？ （因為某個物體的光譜就像人的指紋一樣，不是一樣的喲。。）

有做光源差異的補償校準麼？

有做模組燒錄和測試光源和 你tuning時的光源correlation 麼？

在設計初期有用光譜來模擬系統的設計質量麼？

有分析過生產tolerance帶來的差異麼？

有自己開發制定好的測試方法，演算法和標準以控制模組質量和一致性麼？

有做個ISP 演算法對光源的矯正能力麼？

如果沒有，那我就打廣告了，CamAnalyzer 工具軟體本身就具備除了終端（jpg照片）的color uniformity（CPIQ metric）的測試能力外， 更是首個具備從設計模擬（無需image包括無需raw）開始，到raw image的color / uniformity 的測試能力，全方位輔助你開發紮實基礎的camera， 同時我們還可以提供支援來幫助你對光源，校準，一致性，方法，標準等各個細節的深度掌握方案。

設計階段，CamAnalyzer 具備對系統光譜的模擬能力，檢驗lens+IR+Sensor 在設計上對color，noise，shading上對錶現能力。

驗證階段，raw的各種分析，可以助你發現問題，解決問題或者提供解決方案。

生產階段，我們有一套完備的方法，助你制定標準來到達A一樣的模組質量和一致性。

Br

CamAnalyzer

公眾號

http：//

weixin。qq。com/r/ojutqXL

ELbpRKTbKb24m

（二維碼自動識別）