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
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
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。
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
實際效果好壞還需要更多測試，大家可以一起玩看看。