DisplayCal 的 Testchart Editor

最近我在測試第三方軟體對螢幕硬體校正的效果,也順便試一下最佳化Profiling使用的Testchart

Testchart Editor,安裝DisplayCAL後附帶的小程式 更多說明請詳閱官網
https://displaycal.net/#testchart_editor

🔍 Light Illusion的ColourSpace內建預設的取樣"Cube"是三維數值平均的取樣點,但其實學理上並非最佳解,因為數位數值上的平均取樣,並不能等校於色彩空間中影像色彩的平均取樣

這類平均數值的取樣會碰到另一個問題,就是當Profiling用的測量點,與製作完成後Verification驗證取樣點重疊時,通常會得到最佳的驗證結果。

另外數值上規律的取樣點還有可能帶入計算上周期性的偏差

灰階在不同RGB通道上規律的起伏,很可能就是來自取樣、計算上造成的結果

📖我用 DisplayCal 內建的 Testchart Editor工具自己做了新的Testchart,預設的「Perceptural space random感知空間隨機取樣」測了第一個樣本,果然DeltaE色差值比ColourSpace預設數值平均取樣大大進步。

數值從DeltaE 0一路下降,呈現統計學上圖表理論上應該要呈現的樣態。Cube方式下數值上規律的取樣,會造成圖表上呈現一些特定數值聚集的狀況,其實反而無法正確反映真實的顯色狀況。當然如果取樣點夠多,可能會緩解這種問題。

附帶一提,這些圖表是製作HDR顯示器PQ Rec.2020模式1000nits Hard Clipping下的硬體校正。這台螢幕2D的色域覆蓋大概是Rec2020 85%,3D色域覆蓋則大概是47%。(覆蓋比例會隨選擇不同色彩空間模式而有差異)

😅手癢看到「Optimized Farthest Point Sampling OFPS最遠採樣點」,想說試看看這個好像是2011年發表論文的演算法,理論上能達到影像中平均取樣的最佳解。

設定完後發現軟體運算速度有點慢,就想先睡個覺….結果起床電腦算了12小時竟然預設2000點只計算了一半。上網做一下功課這算法需要疊代計算,似乎只會越算越慢…果斷放棄 XD

🙋小結

建議大家可以利用DisplayCAL內建的Testchart Editor工具,設計自己的測式色彩導表,個人建議以Perceptural space random感知空間隨機取樣為主,搭配RGBCMY,和黑、白、灰階的漸層取樣點來建構一套效率更好的色表。

另外Testchart Editor還能對不同色彩空間(例如PQ Rec.2020)預先考慮,以及做Gamma壓縮(例如選擇2.2來模擬面板原生對比 最到不同的疏密取樣)等等多種功能。另外思考了一下,針對目標色彩空間PQ Rec.2020 1000nits做取樣最佳化這部分 Profiling時如果面板不是PQ狀態就應該不需要,但校正後驗證可以加上~不用浪費時間取樣那些根本不會顯示的部分。

可以預先就特定色彩標準(如P3D65 1000nits HDR)設計測試色靶,增加取樣的合理性/有效性


像我手上這台螢幕,HDR校正模式啟動時面板就不是PQ曲線,恢復Power Law Gamma(約2.2),所以應該只需要加入Gamma2.2壓縮來適度調整取樣點就好了

可以預先就特定色彩標準(如P3D65 1000nits HDR)設計測試色靶,增加取樣的合理性/有效性

實際效果好壞還需要更多測試,大家可以一起玩看看。

#螢幕校正 #硬體校正 #3DLUT #displaycal #colourspace

發表者:Miles 林

色彩管理顧問 之前任職影像後期/DIT 剪輯 調光 美國 ISF影像標準協會 認證校正員 通過 經濟部IPAS色彩計畫/色彩工程鑑定 印刷色管顧問 T-Lab 東煦色研所 合作夥伴

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s

%d 位部落客按了讚: