不仅仅是拍照：从灰度值到亮度/色度的算法转换#
引言：成像色度计不是一台"会拍照的相机"#
一台成像色度计与一台工业相机在外观上可能相似——都有镜头、传感器和数据接口。但二者的本质区别在于：相机输出的是图像，色度计输出的是物理量。
相机传感器记录的原始数据（RAW Data）是每个像素的灰度数字值（Digital Number, DN），它反映的是该像素接收到的光子数量经光电转换和模数转换后的数字化表征。这个灰度值本身没有物理单位——DN = 2048既不代表某个亮度值，也不代表某种颜色。
将这些无量纲的灰度值转化为具有物理意义的亮度值（cd/m²）和CIE色坐标（x, y），需要经过一条严密的校准链（Calibration Chain）。这条校准链的每一个环节都在消除一类特定的系统误差，最终使传感器输出的原始数据获得物理计量的合法性。
本文将完整阐述这一从RAW灰度值到cd/m²和CIE xy色坐标的数据转换流程，涵盖暗电流消除、平场校正、线性度校正和绝对值校准四个核心环节。
第一步：暗电流噪声消除——建立零点基准#
暗电流的物理成因#
即使在完全无光照的条件下，图像传感器（CCD或CMOS）的输出也不为零。这是因为传感器中的半导体材料在室温下存在热激发效应——硅原子的热运动会随机释放电子，这些电子被像素的势阱捕获后与光生电子一起被读出，形成虚假信号。此外，读出电路的电子噪声和模数转换器的固有偏置电压也会贡献额外的非零基底。
这些非光生信号统称为暗电流噪声（Dark Current Noise），包含以下成分：
固定偏置（Bias/Offset）。 来自读出电路和ADC的固有偏置，与曝光时间无关。每次读出都存在，幅值基本恒定。
暗电流（Dark Current）。 由热激发电子产生，与曝光时间成正比，与传感器温度呈指数关系——温度每升高约6-8°C，暗电流近似翻倍。
随机读取噪声（Read Noise）。 每次读出过程中读出电路引入的随机噪声，服从近似高斯分布，无法通过单帧暗场减除，但可通过多帧平均降低。
暗场校正的标准操作#
暗场校正（Dark Field Correction）是校准链的第一步，其目标是建立传感器的"真零点"。
采集暗帧（Dark Frame）：在完全遮光的条件下（镜头加盖或快门关闭），设置与实际测量时完全相同的曝光时间、增益和传感器温度，采集N帧图像（N建议不少于16帧）。
生成主暗帧（Master Dark Frame）：对N帧暗图像逐像素取平均值。平均操作的目的是抑制随机读取噪声（其标准差按$1/\sqrt{N}$缩减），同时保留暗电流的空间固定模式——不同像素由于制造工艺差异，其暗电流率可能不同，形成所谓的固定模式噪声（Fixed Pattern Noise, FPN）。
减除暗帧：对每一帧实际测量图像，逐像素减去主暗帧：
$$I_{dark\_corrected}(x, y) = I_{raw}(x, y) - I_{master\_dark}(x, y)$$注意事项：暗帧与曝光时间和温度强相关。如果测量中需要使用不同的曝光时间，则需要为每个曝光时间分别采集暗帧。高端系统通常建立暗电流模型——通过在多个曝光时间点采集暗帧，拟合每个像素的暗电流率$k(x,y)$和偏置$b(x,y)$：
$$I_{dark}(x, y, t) = k(x, y) \cdot t + b(x, y)$$有了这个模型，即可在任意曝光时间下通过计算生成暗帧，而无需实际采集——这在生产线上显著减少了校准维护的工作量。
第二步：平场校正——消除空间非均匀性#
非均匀性的来源#
完成暗电流消除后，传感器的零点已经确立。接下来的问题是：如果用一个完全均匀的光场照射传感器，所有像素的输出是否一致？
答案是否定的。图像中通常会呈现"中心亮、边缘暗"的分布，这种空间非均匀性主要源自三个因素：
镜头渐晕（Vignetting）。 光学镜头对通过其边缘的光线的透过率低于中心区域，导致图像边缘的光照度按近似$\cos^4\theta$的关系衰减（$\theta$为视场角）。对于广角镜头，边缘衰减可达中心亮度的50%以下。
像素响应非均匀性（Photo Response Non-Uniformity, PRNU）。 由于半导体制造工艺的微观差异，不同像素的量子效率（将光子转化为电子的效率）存在微小差别。PRNU是传感器的固有特性，与光照强度近似成比例。
光路中的杂散因素。 镜头表面灰尘、传感器保护玻璃上的微粒等，都会在图像上形成局部阴影。
平场校正的实现#
平场校正（Flat-Field Correction）通过以下步骤消除上述空间非均匀性：
均匀光源准备。 将成像色度计对准一个空间均匀度优于98%的大口径积分球（Integrating Sphere）开口。积分球内部的多次漫反射使出射光在球面开口处形成高度均匀的朗伯辐射面。
分通道采集平场图像。 对于三滤色片型成像色度计，需分别在X、Y、Z三个滤光片通道下采集平场图像。曝光时间应控制在传感器满量程的50%-70%范围内，以保证良好的信噪比同时避免饱和。每个通道采集多帧并取平均以抑制随机噪声。
计算增益校正矩阵。 对平场图像（已减除暗帧后）的每个像素计算归一化增益系数：
$$G(x, y) = \frac{\overline{DN}_{center}}{DN_{flat}(x, y)}$$其中$\overline{DN}_{center}$为图像中心区域的平均灰度值。对于暗角区域的像素，$DN_{flat}(x,y)$小于中心值，因此$G(x,y) > 1$——即在后续测量中，边缘像素的读数将被放大以补偿渐晕衰减。
应用校正。 对每一帧实际测量图像，逐像素乘以增益系数：
$$I_{flat\_corrected}(x, y) = I_{dark\_corrected}(x, y) \times G(x, y)$$关键约束条件：平场校正数据与光圈值（F-stop）和对焦距离强相关。改变光圈会改变镜头的渐晕特性和衍射表现；改变对焦距离会改变镜组内部的间距，从而改变光路特征。因此，每一组光圈和焦距的组合都需要独立的平场校准数据。高端成像色度计在出厂时针对每一种常用的光学配置分别采集和存储平场数据，并在使用时根据镜头参数自动调用对应的校正矩阵。
第三步：线性度校正——确保灰度值与光强的比例关系#
非线性的表现与影响#
理想的光电转换应满足严格的线性关系：入射光强度增加一倍，传感器输出的灰度值也应增加一倍。但实际传感器在以下区域会偏离线性：
接近饱和区域。 当像素势阱中积累的电荷接近其容量上限（Full Well Capacity）时，进一步增加光照已无法等比例地增加信号输出，表现为响应曲线的"压缩"。
极低信号区域。 在接近暗电流水平的极低光强下，噪声占比过高，有效的光电线性关系被淹没。
ADC非线性。 模数转换器的量化误差在某些DN值附近可能系统性地偏高或偏低。
非线性直接影响亮度测量的准确性。例如，如果传感器在高DN值区域存在3%的压缩非线性，则对高亮度区域的亮度测量将系统性偏低3%。更重要的是，非线性会破坏不同曝光时间下数据的可拼接性——在高动态范围（HDR）合成应用中，这将导致拼接处出现亮度跳变。
线性度校正方法#
光电转换函数（OECF）测量：使用高稳定性积分球光源，保持光源亮度恒定，以系统性变化的曝光时间拍摄一系列图像。绘制平均灰度值与曝光时间的关系曲线（DN vs. Exposure Time）。理想情况下，该曲线应为通过原点的直线。
构建线性化查找表（Linearization LUT）：基于OECF曲线，建立一个将实际非线性DN值映射为理想线性DN值的查找表。对于12位传感器（4096级），该LUT包含4096个条目，每个条目存储经过线性化修正后的输出值。
应用校正：
$$I_{linear}(x, y) = LUT[I_{flat\_corrected}(x, y)]$$查找表方法的优势在于计算速度极快（仅需一次内存查表），且可以精确补偿任意形状的非线性特征。
第四步：绝对值校准——从相对灰度到物理单位#
为什么需要绝对值校准#
经过暗电流消除、平场校正和线性度校正后，传感器输出的数据已经是"干净的"——消除了噪声基底、空间非均匀性和非线性。但这些数据仍然是无量纲的灰度值，不具备物理计量意义。
绝对值校准（Absolute Calibration）的任务是建立灰度值与物理亮度单位（cd/m²）之间的定量比例关系。
校准流程#
准备标准亮度源。 使用经国家计量机构溯源认证（Traceability）的标准亮度源——通常是配备精密电流控制的积分球灯，其出口面的亮度值$L_{std}$（单位cd/m²）由溯源证书给出，不确定度通常在1%-2%范围内。
采集标准源图像。 成像色度计在与实际测量相同的光学配置下拍摄标准亮度源，经过前述三步校正后，获取Y通道的平均灰度值$DN_{Y,std}$。
计算校准系数。 绝对校准系数$K$定义为：
$$K = \frac{L_{std}}{DN_{Y,std} / t_{exp}}$$其中$t_{exp}$为曝光时间。将曝光时间纳入归一化，使得校准系数$K$独立于曝光设置——在不同曝光时间下测量时，只需将校正后的灰度值除以当前曝光时间，再乘以$K$，即可得到绝对亮度值。
亮度计算。 对任意测量图像中的任意像素$(x,y)$：
$$L(x, y) = K \times \frac{I_{linear}(x, y)}{t_{exp}} \quad [cd/m^2]$$色度标定：从灰度到CIE xy坐标#
绝对值校准解决了亮度（Y通道）的定标问题。完整的色度标定还需要将三个通道的灰度数据转换为CIE XYZ三刺激值，并进而计算色坐标。
色度校正矩阵（Color Correction Matrix, CCM）。 如前文所述，成像色度计的三个通道光谱响应与CIE曲线之间存在偏差。色度校正矩阵的作用是通过线性变换补偿这种偏差：
$$\begin{bmatrix} X \\ Y \\ Z \end{bmatrix} = \mathbf{M}_{CCM} \cdot \begin{bmatrix} CH_1 \\ CH_2 \\ CH_3 \end{bmatrix}$$其中$CH_1, CH_2, CH_3$为三个滤光片通道经过暗电流消除、平场校正和线性度校正后的灰度值。
CCM矩阵的求解方法与前述绝对校准类似：使用高精度参考仪器（分光辐射度计）测量一组标准色样的XYZ参考值，同时用成像色度计拍摄同一组色样，提取各通道灰度值，然后通过最小二乘法或更高级的优化算法（如以最小化CIEDE2000色差为目标的非线性优化）求解矩阵$\mathbf{M}_{CCM}$。
对于$f_1'$值较大的系统（如标定后的RGB相机），简单的3×3线性矩阵可能不够精确，需要引入更复杂的模型：
根多项式回归（Root-Polynomial Regression）：引入$\sqrt{CH_1 \cdot CH_2}$等非线性项，在提高拟合精度的同时保持曝光不变性（即输入信号等比例缩放时，输出也等比例缩放）。这是当前成像色度计领域被广泛认可的先进算法。
多项式回归（Polynomial Regression）：引入$CH_1^2, CH_1 \cdot CH_2$等高阶项。虽然拟合精度可能更高，但由于高阶项破坏了曝光不变性（$R^2$项在输入翻倍时变为4倍而非2倍），该方法仅适用于光照条件严格固定的场景，不适合测量不同亮度水平的对象。
色坐标计算。 获得XYZ三刺激值后，CIE 1931色坐标由以下公式计算：
$$x = \frac{X}{X+Y+Z}, \quad y = \frac{Y}{X+Y+Z}$$或在CIE 1976 UCS色度图中：
$$u' = \frac{4X}{X+15Y+3Z}, \quad v' = \frac{9Y}{X+15Y+3Z}$$CIE 1976 u’v’ 色度图在感知均匀性上优于CIE 1931 xy色度图，因此在显示产业的色差评价中被更广泛地使用。
完整数据流总结#
将上述四个校准环节串联起来，从传感器RAW输出到最终物理量的完整数据流如下：
[传感器RAW输出] DN_raw(x,y)
│
▼
[第一步：暗电流消除]
DN_dark_corrected = DN_raw - Master_Dark
│
▼
[第二步：平场校正]
DN_flat_corrected = DN_dark_corrected × G(x,y)
│
▼
[第三步：线性度校正]
DN_linear = LUT[DN_flat_corrected]
│
▼
[第四步a：色度校正矩阵]
[X, Y, Z] = M_CCM × [CH1, CH2, CH3]_linear
│
▼
[第四步b：绝对值定标]
亮度 L = K × Y / t_exp [cd/m²]
色坐标 x = X/(X+Y+Z), y = Y/(X+Y+Z)每一步的校正都严格依赖于前一步的输出——暗电流未消除时做平场校正会引入偏差，非线性未修正时做绝对定标会引入系统误差。校准链的顺序不可更改。
校准的维护与溯源#
定期复校的必要性#
校准参数并非永久有效。以下因素会导致校准状态随时间漂移：
传感器老化。 传感器的量子效率和暗电流特性会随使用时间发生缓慢漂移，特别是在高辐照度或高温环境下老化加速。
光学元件劣化。 滤光片镀膜的微观退化、镜头内部光学胶的老化都可能改变系统的光谱响应和透过率。
机械漂移。 滤光片轮的定位精度、镜头卡口的配合间隙等机械因素可能导致滤光片在光路中的位置发生微小偏移，改变有效光谱响应。
因此，成像色度计需要建立定期复校（Re-calibration）制度。复校周期取决于使用强度和精度要求，通常为每半年到一年一次。暗帧数据由于对温度高度敏感，在环境温度变化显著的场景中可能需要更频繁地更新。
计量溯源链#
成像色度计的测量结果要具备法定计量意义，其校准必须可溯源至国家或国际计量基准。完整的溯源链如下：
- 国际基准：国际计量局（BIPM）维护的光度/色度基准。
- 国家基准：各国国家计量机构（如中国的NIM、美国的NIST、德国的PTB）维护的一级标准灯。
- 工作标准：由国家计量机构校准的转移标准（Transfer Standard），如标准亮度源、标准色卡。
- 被校准仪器：成像色度计使用上述工作标准进行校准，从而间接溯源至国际基准。
溯源链的每一级传递都会引入额外的测量不确定度。最终，成像色度计的亮度测量总不确定度通常在2%-5%的范围内，色度测量不确定度（以Δu’v’表示）通常在0.002-0.005范围内。
杂散光校正：从"拍照设备"到"计量设备"的分水岭#
在上述基本校准链之外，高端成像色度计还需要进行一项关键的高级校正——杂散光校正（Stray Light Correction）。
杂散光是指光线在镜筒内壁、滤光片表面和传感器微透镜等光学界面之间多次反射后，散布到图像中非成像区域的光。在高对比度场景中（例如黑色背景下的白色发光字符），杂散光会显著抬高暗区像素的读数，导致：
- 对比度测量值（Contrast Ratio）严重偏低。
- 暗区的色坐标被高亮区的色度信息"污染"。
杂散光的校正通常基于**点扩散函数（Point Spread Function, PSF）**的测量与反卷积。通过在暗室中对一个极小的点光源成像，测量该点光源在图像中的光晕分布，即可获得系统的PSF。在实际测量时，通过反卷积算法从原始图像中减去杂散光分量，恢复场景的真实对比度。
这一步骤是区分"拍照用的相机"和"用于计量的仪器"的关键分水岭。
结语#
从传感器输出的原始灰度数字到具有物理意义的cd/m²和CIE色坐标，这条校准链的每一个环节都是在回答同一个问题：如何从不完美的硬件中提取出尽可能接近物理真值的测量结果。
暗电流消除建立了零点基准，平场校正确保了空间一致性，线性度校正保障了量值比例关系，绝对值校准赋予了物理单位，色度校正矩阵弥补了光谱失配。每一步都是对一类系统误差的定向消除，缺一不可，顺序不可更改。
理解这条完整的数据流，不仅有助于正确使用成像色度计获取可靠的测量数据，也有助于在测量结果出现异常时，沿着校准链逆向定位问题的根源——是暗电流补偿不充分导致的偏置偏差，还是平场数据过期导致的空间非均匀性，抑或是校准系数漂移导致的绝对值偏移。系统性地理解校准链，是光学计量工程实践的基本功。
常见问题#
Q1: 校准链中四个步骤的顺序能否更改？#
不能。校准链的顺序是严格固定的：暗电流消除→平场校正→线性度校正→绝对值校准。每一步的校正都依赖于前一步的输出——例如，暗电流未消除时做平场校正会引入偏差（因为暗电流的空间非均匀性会被误当作光学渐晕），非线性未修正时做绝对定标会产生系统误差。更改顺序将导致错误的校正结果。
Q2: 为什么平场校正数据与光圈值和对焦距离强相关？#
因为改变光圈会改变镜头的渐晕特性和衍射表现——大光圈时渐晕较严重，边缘亮度衰减更大；改变对焦距离会改变镜组内部的间距和光路特征。这些变化直接影响图像的空间非均匀性分布。因此，每一组光圈和焦距的组合都需要独立的平场校准数据，高端成像色度计会针对每种常用光学配置分别存储校正矩阵。
Q3: 杂散光校正为什么被称为区分"拍照设备"和"计量设备"的分水岭？#
因为在高对比度场景中（如黑色背景上的白色字符），杂散光会严重抬高暗区像素的读数，导致对比度测量值大幅偏低，暗区色坐标也被高亮区"污染"。普通相机不做杂散光校正，其测量的对比度可能比真实值低数倍甚至数十倍。成像色度计通过测量点扩散函数(PSF)并执行反卷积算法来消除杂散光分量，恢复场景的真实对比度——这是其作为计量级仪器的关键特征之一。
本文为成像色度计技术知识库系列文章。