视频动画技术

波形图、矢量示波器看什么:告别靠眼睛调色,数据不会骗人

👤 为我痴狂 👁 1 阅读 ❤ 0 点赞 ➦ 0 分享 📅 2026-09-30
首页› 视频动画› 视频动画技术› 正文
波形图、矢量示波器看什么:告别靠眼睛调色,数据不会骗人

从感知到量化——视频调色的数据化工作流重构与工程实践

摘要

人眼是最不可靠的测量仪器。显示器的色温漂移、环境光干扰、视觉适应与同时对比效应,都会让"看着舒服"变成一种系统性偏差。波形图(Waveform Monitor)、矢量示波器(Vectorscope)、RGB Parade、直方图等视频信号分析工具,本质上是把不可见的电信号与色彩空间映射为可视化的二维数据图形,让调色从主观审美判断转向可验证的工程决策。

本文以"从感知到量化"为贯穿主线,系统梳理各类示波工具的物理原理、读图逻辑与操作路径,结合ITU-R BT.709、BT.2020、SMPTE ST 2084(PQ)、ITU-R BT.2100(HLG)等标准,给出从SDR到HDR的完整调色数据化工作流。全文兼顾理论深度与工程可操作性,并对AI辅助示波分析、神经网络自动调色等前沿方向做出技术预判。

关键词:波形图;矢量示波器;色彩空间;HDR调色;数据化工作流;示波分析

一、为什么人眼不可靠:感知偏差的工程学根源

1.1 视觉系统的自适应特性

人类视觉系统(HVS)经过数百万年进化,优化目标是"在多变光照下识别物体",而非"精确测量光强"。视网膜上的视锥细胞与视杆细胞具有极强的自适应能力:当环境光从100 lux变化到10000 lux时,人眼感知到的"亮度"变化远小于物理量的实际变化。这种特性被称为亮度恒常性(Brightness Constancy),由Helmholtz在19世纪系统阐述,至今仍是视觉心理物理学的核心议题。

在调色场景中,这意味着:当你在暗室中工作两小时后,会不自觉地把画面调暗;当环境光偏暖时,会把画面调冷。CIE(国际照明委员会)在CIE 248:2022技术报告中明确指出,显示器的周边环境照度、色温与观察者适应状态,会显著影响色彩判断的一致性。笔者认为,这正是示波工具存在的根本理由——它提供了一套与观察者生理状态无关的绝对参照系。

1.2 同时对比与色彩恒常性

同时对比(Simultaneous Contrast)是另一个经典陷阱。同一块灰色,放在红色背景上会显得偏青,放在蓝色背景上会显得偏黄。这一现象由Chevreul在1839年首次系统描述,后被大量心理物理学实验证实。在视频调色中,如果画面中有大面积暖色场景,调色师对肤色区域的判断会系统性偏向冷色补偿。

更隐蔽的是色彩恒常性(Color Constancy):大脑会自动"扣除"光源色偏,让我们在不同色温下仍能识别同一物体的颜色。这在日常生活中是优势,在调色中却是灾难——你看到的"白色"可能实际是D65,也可能是D50,大脑不会告诉你区别。

1.3 显示器与环境的变量叠加

即使调色师本人状态稳定,硬件与环境仍会引入偏差。根据SMPTE RP 166与ITU-R BT.500建议书,专业调色环境的参考条件包括:显示器峰值亮度100 cd/m²(SDR)、环境照度约10 lux、背景墙中性灰(D65,反射率约18%)、观察距离为屏幕高度的3-4倍。任何一项偏离,都会让肉眼判断产生可测量的误差。

消费级显示器出厂色准ΔE普遍在3-8之间,专业级经过校准可控制在ΔE<1。但校准只能保证"显示器忠实还原信号",不能保证"信号本身正确"。示波工具的作用,正是在信号层面建立可验证的量化标准。

本文评述:把调色完全交给眼睛,本质上是在用一台未经校准、状态漂移、且带有非线性压缩的"仪器"做测量。示波工具不是要取代审美判断,而是要把技术性决策(曝光、白平衡、饱和度合规)与艺术性决策(风格、氛围、情绪)分离,让前者可验证、可复现、可交付。

二、波形图:亮度与RGB通道的二维映射

2.1 波形图的基本原理

波形图(Waveform Monitor,WFM)的横轴对应画面的水平位置(从左到右),纵轴对应信号的幅度值(从下到上)。对于标准SDR视频,纵轴通常映射为0-100 IRE(Institute of Radio Engineers)单位,其中0 IRE对应黑电平,100 IRE对应白电平。IRE单位的定义源自NTSC模拟电视时代,1 IRE = 7.14 mV,在数字视频中则映射为8bit的0-255码值范围(16-235为合法视频范围)。

波形图的亮度显示方式,是把每一列像素的亮度值以点的形式绘制在对应横坐标上。像素越亮,点越靠上;像素越暗,点越靠下。如果某一列有多个像素具有相同亮度,该位置的点会叠加变亮,形成"密度"信息。因此波形图不仅显示亮度分布,还隐含了画面各区域的亮度密度。

2.2 读图三要素:黑场、白场、中间调

读波形图的第一步,是确定三个关键参考线:

  • 黑场(Black Level):观察波形图底部。如果波形底部紧贴0 IRE线且有大面积堆积,说明暗部被压死(Crushed Blacks),细节丢失。如果波形底部悬空在0 IRE之上,说明黑场被抬高(Lifted Blacks),画面发灰。
  • 白场(White Level):观察波形图顶部。理想情况下,画面最亮的高光应接近但不超过100 IRE。超过100 IRE意味着过曝(Clipping),高光细节不可恢复。
  • 中间调(Midtones):观察波形图中部40-60 IRE区域。这是肤色、天空、大部分物体表面反射的主要分布区。中间调的位置决定了画面的整体"明暗感"。

根据AES(音频工程协会)与SMPTE联合发布的数字视频测量指南,广播级交付要求黑场不低于0 IRE、白场不高于100 IRE(SDR),且亮度信号(Y)的合法范围为16-235(8bit)。超出此范围虽在部分平台可播放,但在广播链路中会被硬裁剪,导致细节丢失。

2.3 波形图的常见形态与诊断

波形形态 画面特征 诊断结论
底部堆积、顶部悬空 暗部死黑、高光不足 对比度不足,需提升白场、压低黑场
顶部平切、底部悬空 高光过曝、暗部发灰 曝光过度,需降低增益、恢复黑场
整体居中、分布均匀 曝光正常、动态范围充足 技术合规,可进入风格化调色
波形呈"双峰"分布 高对比场景(如逆光) 需局部调整,或使用Log/RAW保留动态范围

2.4 波形图在Log与RAW素材中的应用

对于Log编码素材(如S-Log3、C-Log3、V-Log),波形图的IRE刻度不再直接对应显示亮度,而是对应Log曲线下的编码值。以Sony S-Log3为例,18%中灰映射到约41 IRE,90%白映射到约61 IRE(数据来源:Sony S-Log3技术白皮书,2020)。这意味着Log素材的波形图整体"偏低",不能按Rec.709的0-100 IRE标准判断。

RAW素材的波形图则取决于解码设置。DaVinci Resolve中,RAW素材的波形图显示的是解码后的线性或Log值,需结合Camera Raw面板的ISO、白平衡、色彩空间设置综合判断。笔者认为,Log/RAW素材的示波分析,核心不是"看波形是否合规",而是"看波形是否保留了足够的动态范围余量"——即高光是否远离裁剪点、暗部是否远离噪声底。

2.5 操作路径:用波形图做一级校正

  1. 确定黑场:在波形图上找到画面最暗区域,调整Lift(或Black Level)使底部波形刚好接触0 IRE但不堆积。
  2. 确定白场:找到画面最亮区域,调整Gain(或White Level)使顶部波形接近100 IRE但不平切。
  3. 调整中间调:观察肤色或中性灰区域,调整Gamma使中间调落在45-55 IRE区间。
  4. 验证对比度:检查波形图的整体跨度,理想SDR画面的动态范围应覆盖10-90 IRE以上。
  5. 检查通道平衡:切换到RGB Parade模式,确认R、G、B三个通道的黑场、白场、中间调是否对齐。

三、矢量示波器:色度平面的极坐标解读

3.1 矢量示波器的物理原理

矢量示波器(Vectorscope)显示的是色度信息,其原理基于YUV或YCrCb色彩空间。在YUV空间中,Y为亮度,U(Cb)和V(Cr)为两个色差分量。矢量示波器把U作为横轴、V作为纵轴,把每个像素的色度值绘制为极坐标上的一个点:角度代表色相(Hue),半径代表饱和度(Saturation)。

标准矢量示波器上会标注六个主要色标:R(红)、Y(黄)、G(绿)、C(青)、B(蓝)、M(品红),以及肤色线(Skin Tone Line,约在10点钟方向,对应I轴)。这些色标的位置由Rec.709或Rec.2020标准定义,是判断色相准确性的绝对参照。

3.2 读图三要素:色相、饱和度、肤色线

  • 色相(Hue):观察波形点相对于色标的角度。如果红色区域的点偏向黄色方向,说明色相偏黄;偏向品红方向,说明色相偏品红。色相误差超过±5°即可被肉眼察觉。
  • 饱和度(Saturation):观察波形点到圆心的距离。点越靠近边缘,饱和度越高;越靠近圆心,饱和度越低。广播级合规要求饱和度不超过100%圆环(即不超出色域边界)。
  • 肤色线(Skin Tone Line):这是矢量示波器上最重要的一条参考线。所有肤色,无论种族、光照,其色度值都应落在肤色线附近(约±5°范围内)。如果肤色偏离此线,观众会感知为"脸色不对"。

肤色线的科学依据来自人类肤色的光谱反射特性。研究表明,尽管不同人种的肤色在亮度上有显著差异,但其色度坐标(在CIE xy或u'v'空间中)高度集中,这是由皮肤中黑色素与血红蛋白的吸收光谱决定的。这一特性被广泛用于自动白平衡算法与肤色检测。

3.3 矢量示波器的常见形态与诊断

矢量形态 画面特征 诊断结论
点集中在圆心附近 画面饱和度低、发灰 饱和度不足,需提升Chroma
点超出100%圆环 色彩过饱和、溢出 色域违规,需降低饱和度或做色域映射
肤色点偏离肤色线 人脸偏绿或偏品红 白平衡或色相偏移,需校正
点分布不对称 画面整体偏色 需做白平衡或色彩平衡调整

3.4 矢量示波器在HDR与宽色域下的变化

在Rec.2020宽色域下,矢量示波器的色标位置会发生变化。Rec.2020的色域面积约为Rec.709的1.7倍(CIE 1976 u'v'坐标下),因此相同色相在矢量示波器上的角度略有不同。DaVinci Resolve等软件允许用户切换矢量示波器的色彩空间(Rec.709、Rec.2020、DCI-P3等),确保色标与实际交付标准一致。

HDR(PQ或HLG)下,矢量示波器的饱和度映射也需调整。PQ曲线下的色度分量与SDR不同,直接套用SDR的100%圆环判断会导致误判。ITU-R BT.2100建议书明确指出,HDR矢量示波器应使用与信号EOTF匹配的刻度。笔者认为,HDR调色中矢量示波器的核心用途不是"判断是否合规",而是"判断肤色是否落在合理区间"——因为HDR的色域边界更宽,合规判断应交给色域映射工具。

3.5 操作路径:用矢量示波器做肤色校正

  1. 定位肤色区域:在画面中找到人脸或皮肤区域,观察矢量示波器上对应点的位置。
  2. 判断色相偏移:如果肤色点偏离肤色线,使用色相曲线(Hue vs Hue)或色相饱和度曲线(Hue vs Sat)进行局部校正。
  3. 调整饱和度:如果肤色点过于靠近圆心,提升肤色区域的饱和度;如果超出100%圆环,降低饱和度。
  4. 验证一致性:检查画面中所有肤色区域(不同光照、不同人物)是否都落在肤色线附近。
  5. 结合波形图:肤色校正后,回到波形图确认亮度未受影响。

四、RGB Parade与直方图:通道平衡与分布统计

4.1 RGB Parade的原理与用途

RGB Parade是波形图的一种变体,把R、G、B三个通道分别绘制为三个并排的波形图。横轴仍对应画面水平位置,纵轴对应各通道的幅度值。RGB Parade的核心用途是判断通道平衡:如果三个通道的黑场、白场、中间调不对齐,画面就会偏色。

例如,如果R通道的波形整体高于G和B通道,画面偏红;如果B通道的黑场高于R和G,暗部偏蓝。RGB Parade让这种偏色变得可视化、可量化。

4.2 直方图的原理与用途

直方图(Histogram)显示的是亮度或各通道值的统计分布:横轴为亮度值(0-255或0-1023),纵轴为像素数量。直方图不包含空间信息,但能快速反映画面的整体曝光倾向。

  • 左偏直方图:暗部像素多,画面偏暗(欠曝)。
  • 右偏直方图:亮部像素多,画面偏亮(过曝)。
  • 中间集中:中间调像素多,画面对比度低。
  • 两端堆积:高对比画面,可能伴随裁剪。

直方图与波形图互补:直方图看"分布",波形图看"位置"。两者结合,可以全面判断曝光与对比度。

4.3 通道平衡的量化判断

在RGB Parade中,判断通道平衡的量化标准如下:

检查项 合格标准 偏差处理
黑场对齐 R/G/B底部差异<2 IRE 调整Lift或黑平衡
白场对齐 R/G/B顶部差异<2 IRE 调整Gain或白平衡
中间调对齐 R/G/B中部差异<3 IRE 调整Gamma或色彩平衡
中性灰验证 灰卡区域R=G=B 使用白平衡吸管校正

4.4 操作路径:用RGB Parade做白平衡校正

  1. 找到中性参考:在画面中找到灰卡、白墙、白色衣物等中性区域。
  2. 观察RGB Parade:检查该区域在R、G、B三个通道的波形是否对齐。
  3. 调整白平衡:如果R通道偏高,降低R或提升G/B;如果B通道偏高,降低B或提升R/G。
  4. 验证肤色:白平衡校正后,回到矢量示波器确认肤色是否落在肤色线附近。
  5. 检查整体:确认画面其他中性区域是否也达到平衡。

五、从SDR到HDR:示波工具在宽色域下的新规则

5.1 SDR与HDR的信号差异

SDR(标准动态范围)视频遵循ITU-R BT.709标准,峰值亮度100 cd/m²,色域为Rec.709,EOTF为Gamma 2.4(或BT.1886)。HDR(高动态范围)视频则遵循ITU-R BT.2100标准,包含PQ(Perceptual Quantizer,SMPTE ST 2084)和HLG(Hybrid Log-Gamma)两种EOTF,峰值亮度可达1000-10000 cd/m²,色域为Rec.2020。

这一差异对示波工具的影响是根本性的:SDR波形图的0-100 IRE线性刻度,在HDR下不再适用。PQ曲线下的信号值(0-1023,10bit)对应的是绝对亮度,而非相对IRE。

5.2 HDR波形图的读图规则

在DaVinci Resolve中,HDR波形图可以切换为PQ或HLG刻度。以PQ为例,关键参考点如下(数据来源:SMPTE ST 2084,2014):

PQ码值(10bit) 绝对亮度(cd/m²) 用途
64 0.1 黑场参考
512 约10 暗部参考
614 约100 SDR白场等效
769 约1000 HDR典型峰值
1023 10000 PQ最大亮度

HDR调色的核心原则是:让画面最亮区域落在目标显示设备的峰值亮度范围内(如1000 cd/m²对应PQ 769),同时保留足够的暗部细节(不低于PQ 64)。笔者认为,HDR示波分析的关键不是追求"更高亮度",而是管理"亮度层次"——在1000 cd/m²的范围内合理分配高光、中间调、暗部的比例。

5.3 宽色域下的矢量示波器

Rec.2020色域的引入,让矢量示波器的解读更加复杂。Rec.2020的色域边界远大于Rec.709,这意味着在Rec.2020下"合规"的颜色,在Rec.709下可能严重溢出。因此,HDR调色中必须明确交付目标:

  • Rec.2020交付:矢量示波器切换为Rec.2020色标,饱和度不超过100%圆环。
  • P3-D65交付:矢量示波器切换为P3色标,注意Rec.2020到P3的色域映射。
  • Rec.709兼容:需做色域映射(Gamut Mapping),确保下变换后不溢出。

5.4 操作路径:HDR调色的示波工作流

  1. 设置示波器色彩空间:根据交付标准,将波形图切换为PQ或HLG,矢量示波器切换为Rec.2020或P3。
  2. 确定峰值亮度:根据目标显示设备(1000 cd/m²或4000 cd/m²),确定波形图的上限。
  3. 调整高光:使用Gain或HDR色轮,让高光落在目标峰值附近但不超出。
  4. 调整暗部:确保暗部不低于PQ 64(0.1 cd/m²),保留细节。
  5. 验证色域:在矢量示波器上确认饱和度不超出目标色域边界。
  6. 下变换验证:切换到Rec.709模式,检查色域映射后是否有溢出或色偏。

六、实战工作流:一级校正、二级调色与交付验证

6.1 一级校正:曝光、白平衡、对比度

一级校正(Primary Correction)的目标是让画面技术合规:曝光正确、白平衡准确、对比度合理。示波工具在这一阶段的作用是提供量化参照。

具体步骤:

  1. 曝光校正:用波形图确定黑场、白场、中间调,调整Lift/Gamma/Gain。
  2. 白平衡校正:用RGB Parade确认通道平衡,调整色彩平衡或白平衡。
  3. 对比度校正:用直方图确认分布,调整对比度曲线。
  4. 饱和度校正:用矢量示波器确认饱和度合理,调整Chroma。

6.2 二级调色:局部调整与风格化

二级调色(Secondary Correction)的目标是局部调整与风格化。示波工具在这一阶段的作用是验证局部调整是否引入新的技术问题。

具体步骤:

  1. 肤色校正:用矢量示波器确认肤色落在肤色线附近。
  2. 天空校正:用矢量示波器确认天空色相准确,用波形图确认亮度合理。
  3. 风格化调色:使用色轮、曲线、LUT等工具,用示波器监控是否引入偏色或溢出。
  4. 局部调整:使用Power Window、Qualifier等工具,用示波器验证局部调整的边界是否自然。

6.3 交付验证:广播合规与流媒体适配

交付前,必须用示波工具做最终验证:

交付目标 验证项 标准
广播(Rec.709) 黑场/白场/色域 0-100 IRE,不超出100%圆环
流媒体(Rec.709) 黑场/白场/色域 16-235(8bit),色域合规
HDR10 PQ峰值/暗部/色域 峰值≤1000 cd/m²,暗部≥0.1 cd/m²
Dolby Vision 动态元数据/色域 符合Dolby规范

6.4 完整工作流示例

【导入素材】
  → 设置项目色彩管理(DaVinci Resolve: DaVinci YRGB Color Managed)
  → 确认输入色彩空间(S-Log3/S-Gamut3.Cine 或 Rec.709)

【一级校正】
  → 波形图:确定黑场(0 IRE)、白场(100 IRE)、中间调(45-55 IRE)
  → RGB Parade:确认R/G/B通道对齐
  → 矢量示波器:确认饱和度合理
  → 直方图:确认分布均匀

【二级调色】
  → 肤色校正:矢量示波器确认肤色线
  → 天空校正:矢量示波器确认色相
  → 风格化:LUT/曲线/色轮,示波器监控
  → 局部调整:Power Window/Qualifier,示波器验证

【交付验证】
  → 波形图:黑场/白场合规
  → 矢量示波器:色域合规
  → RGB Parade:通道平衡
  → 直方图:分布合理
  → 导出:按目标标准(Rec.709/HDR10/Dolby Vision)

七、常见误区与数据陷阱

7.1 误区一:波形图合规=画面好看

波形图合规只是技术底线,不等于艺术合格。一个画面可以完全符合0-100 IRE标准,但依然平淡无奇。示波工具解决的是"技术正确性",不是"艺术表现力"。笔者认为,调色师应把示波工具视为"安全带"而非"方向盘"——它防止你翻车,但不告诉你该去哪里。

7.2 误区二:矢量示波器上的点越靠边越好

矢量示波器上的点越靠边,饱和度越高。但饱和度不是越高越好。过饱和会导致色域溢出、肤色失真、观看疲劳。广播级交付要求饱和度不超过100%圆环,流媒体平台通常也建议控制在90%以内。

7.3 误区三:Log素材的波形图要"正常"

Log素材的波形图整体偏低是正常的,因为Log曲线把高光压缩了。如果Log素材的波形图看起来"正常"(覆盖0-100 IRE),说明曝光过度,高光细节已经丢失。正确的做法是:Log素材的波形图应保留足够的动态范围余量,高光远离裁剪点。

7.4 误区四:HDR调色就是"更亮"

HDR的核心优势是更大的动态范围,而非更高的绝对亮度。HDR调色中,暗部可以更暗(0.1 cd/m²),高光可以更亮(1000 cd/m²),中间调的层次更丰富。如果只是简单地把画面调亮,反而会失去HDR的意义。

7.5 数据陷阱:示波器的采样与显示偏差

示波器本身也可能引入偏差:

  • 采样率:部分示波器对高分辨率素材做降采样,可能丢失细节。
  • 显示范围:示波器可能只显示当前播放帧,而非整个片段。
  • 色彩空间:示波器的色彩空间设置必须与项目一致,否则读数无意义。
  • 位深:8bit与10bit的示波器读数精度不同,10bit更适合HDR。

八、前沿展望:AI辅助示波分析与自动调色

8.1 神经网络在示波分析中的应用

近年来,深度学习在视频分析领域取得显著进展。卷积神经网络(CNN)可以自动识别画面中的肤色、天空、植被等语义区域,并结合示波数据做针对性调整。例如,2023年发表的"Deep Color Correction"研究(模拟数据,基于公开数据集)显示,基于U-Net架构的模型可以在保持肤色自然度的同时,自动完成白平衡与曝光校正。

但AI调色目前仍面临挑战:训练数据的标注成本高、不同风格的审美标准难以量化、模型泛化能力有限。笔者认为,短期内AI更适合做"辅助工具"而非"替代方案"——它可以自动完成技术性校正(曝光、白平衡),但艺术性决策仍需人类调色师把关。

8.2 实时示波分析与云端协作

随着云计算与5G的普及,实时示波分析与云端协作成为可能。调色师可以在本地做调整,示波数据实时上传云端,由远程团队验证合规性。DaVinci Resolve 18引入的Cloud Collaboration功能,已经支持多人在同一项目上协作,未来可能集成实时示波数据共享。

8.3 自动色域映射与HDR/SDR同步交付

HDR与SDR的同步交付是当前行业痛点。传统做法是分别调色两版,成本高、一致性差。基于示波数据的自动色域映射技术,可以在HDR调色的基础上自动生成SDR版本,并通过示波器验证合规性。ITU-R BT.2408报告(2023)给出了HDR到SDR转换的推荐实践,包括色调映射曲线、色域映射算法等。

8.4 拓展资源

九、参考文献与拓展资源

主要参考文献

  1. ITU-R BT.709-6, "Parameter values for the HDTV standards for production and international programme exchange," ITU, 2015.
  2. ITU-R BT.2020-2, "Parameter values for ultra-high definition television systems," ITU, 2015.
  3. ITU-R BT.2100-2, "Image parameter values for high dynamic range television," ITU, 2018.
  4. SMPTE ST 2084:2014, "High Dynamic Range Electro-Optical Transfer Function of Mastering Reference Displays," SMPTE, 2014.
  5. SMPTE RP 166:2015, "Critical Viewing Conditions for Evaluation of Color Television Pictures," SMPTE, 2015.
  6. ITU-R BT.500-14, "Methodologies for the subjective assessment of the quality of television images," ITU, 2019.
  7. ITU-R BT.2408-7, "Guidance for operational practices in HDR television production," ITU, 2023.
  8. CIE 248:2022, "The effect of ambient lighting on colour appearance," CIE, 2022.
  9. Poynton, C., "Digital Video and HD: Algorithms and Interfaces," 2nd Edition, Morgan Kaufmann, 2012.
  10. Fairchild, M. D., "Color Appearance Models," 3rd Edition, Wiley, 2013.
  11. Hunt, R. W. G., "The Reproduction of Colour," 6th Edition, Wiley, 2004.
  12. Giorgianni, E. J. & Madden, T. E., "Digital Color Management," 2nd Edition, Wiley, 2008.
  13. Reinhard, E. et al., "High Dynamic Range Imaging," 2nd Edition, Morgan Kaufmann, 2010.
  14. Dolby Laboratories, "Dolby Vision: A Technical Overview," White Paper, 2021.
  15. Sony, "S-Log3 Technical White Paper," Sony Corporation, 2020.
  16. ARRI, "Log C and ARRI Wide Gamut," Technical Document, 2021.
  17. Blackmagic Design, "DaVinci Resolve Color Management Guide," 2023.
  18. AES, "Audio and Video Synchronization in Digital Television," AES White Paper, 2019.
  19. EBU Tech 3320, "User Requirements for Video Monitors in Television Production," EBU, 2020.
  20. EBU Tech 3373, "HDR in Live Production," EBU, 2022.
  21. Zhang, Y. et al., "Deep Color Correction for Video Sequences," IEEE Transactions on Image Processing, 2023.
  22. Wang, L. et al., "Neural Network Based Automatic White Balance for Video," Journal of Visual Communication, 2022.
  23. Chen, H. et al., "HDR to SDR Tone Mapping Using Deep Learning," ACM SIGGRAPH, 2023.
  24. Kim, J. et al., "Real-time Vectorscope Analysis for Live Broadcasting," SMPTE Motion Imaging Journal, 2022.
  25. Lee, S. et al., "Color Gamut Mapping in Rec.2020," IEEE Access, 2021.
  26. Park, M. et al., "Skin Tone Detection Using Vectorscope Data," Pattern Recognition Letters, 2020.
  27. ISO 12646:2015, "Graphic technology — Displays for colour proofing," ISO, 2015.
  28. ISO 3664:2009, "Viewing conditions — Graphic technology and photography," ISO, 2009.
  29. IEC 61966-2-1, "Multimedia systems and equipment — Colour measurement and management — Part 2-1: Default RGB colour space — sRGB," IEC, 1999.
  30. DCI, "Digital Cinema System Specification," DCI, 2018.
  31. NVIDIA, "AI-Assisted Color Grading in DaVinci Resolve," Technical Blog, 2023.
  32. Adobe, "Color Management in Premiere Pro," Technical Guide, 2023.
  33. Filmlight, "Baselight Color Science," Technical Document, 2022.
  34. Assimilate, "SCRATCH Color Management," Technical Guide, 2021.
  35. Colorfront, "Transkoder HDR Processing," White Paper, 2022.
  36. Fraunhofer IIS, "HDR Video Coding and Delivery," Technical Report, 2023.
  37. BBC R&D, "HDR Production Practices," White Paper, 2022.
  38. NHK, "8K HDR Production Workflow," Technical Journal, 2021.
  39. SMPTE ST 2110, "Professional Media Over Managed IP Networks," SMPTE, 2017.
  40. SMPTE ST 2065-1, "Academy Color Encoding Specification (ACES)," SMPTE, 2012.
  41. ACES, "ACES Central Documentation," 2023.
  42. OpenColorIO, "OCIO Documentation," 2023.
  43. Reinhard, E. & Pouli, T., "Colour Spaces for HDR," IEEE Computer Graphics, 2021.
  44. Mantiuk, R. et al., "Display Adaptive Tone Mapping," ACM Transactions on Graphics, 2022.
  45. Boitard, R. et al., "Temporal Coherency in HDR Tone Mapping," IEEE ICIP, 2021.
  46. Narwaria, M. et al., "HDR Video Quality Assessment," IEEE Transactions on Broadcasting, 2020.
  47. Hanhart, P. et al., "Subjective Quality of HDR Video," IEEE QoMEX, 2022.
  48. Zhu, Y. et al., "Color Constancy in Deep Learning," CVPR, 2023.
  49. Afifi, M. et al., "Deep White-Balance Editing," CVPR, 2020.
  50. Barron, J. T. & Tsai, Y.-T., "Fast Fourier Color Constancy," CVPR, 2017.
  51. Gijsenij, A. et al., "Color Constancy Using Natural Image Statistics," IEEE TPAMI, 2011.
  52. Finlayson, G. D. & Trezzi, E., "Shades of Gray and Colour Constancy," IS&T/SID, 2004.
  53. Buchsbaum, G., "A Spatial Processor Model for Object Colour Perception," Journal of the Franklin Institute, 1980.
  54. Land, E. H., "The Retinex Theory of Color Vision," Scientific American, 1977.
  55. Helmholtz, H. von, "Handbuch der physiologischen Optik," 1867.
  56. Chevreul, M. E., "De la loi du contraste simultané des couleurs," 1839.
  57. Wyszecki, G. & Stiles, W. S., "Color Science: Concepts and Methods," 2nd Edition, Wiley, 1982.
  58. Brainard, D. H., "Color Constancy," The Visual Neurosciences, 2004.
  59. Foster, D. H., "Color Constancy," Vision Research, 2011.
  60. Smithson, H. E., "Sensory, Computational and Cognitive Components of Colour Constancy," Philosophical Transactions B, 2005.
  61. Shevell, S. K. & Wei, J., "Chromatic Induction: A Test of the Two-Process Theory," Vision Research, 2000.
  62. Ekroll, V. & Faul, F., "Basic Characteristics of Simultaneous Color Contrast," Psychological Science, 2012.

数据集说明

本文涉及的部分模拟数据与整合数据来源如下:

  • 肤色色度坐标数据:整合自CIE TC 1-85公开报告与公开肤色光谱反射率数据库,预处理方式为:去除高光与阴影区域,仅保留漫反射区域,转换至CIE u'v'坐标。
  • PQ码值-亮度对应表:基于SMPTE ST 2084标准公式计算,未做额外处理。
  • HDR调色案例数据:模拟数据,基于公开HDR样片(如Netflix Open Content)的示波分析结果整合,预处理方式为:统一转换为PQ编码,10bit量化。

文章声明

本文内容仅为作者学习、思考、经验、笔记的总结,仅供技术交流与参考。文中观点仅代表笔者个人思辨,不构成任何学术建议、商业建议或专业建议。所有数据来源已标注,引用时请以原始文献为准。

内容仅供学习参考。如需引用,请以原始文献为准。

全文约12800字 | 参考文献62篇(主要)

分享到

💬
微信
📷
朋友圈
🐧
QQ好友
🌐
QQ空间
👁
微博
📌
钉钉
🔗
复制链接
📑
复制图文

微信扫一扫分享

打开微信「扫一扫」,扫描二维码后在微信中分享给好友或朋友圈。

💬 评论 (0)

评论功能已关闭

⏸️ 本站暂未开放评论功能,不能进行评论,此为规划的后续开发预留
首页| 关于本网| 网站声明| 联系我们| 网站纠错| 服务| 网站地图
黔ICP备19010680号-1  |  邮箱:six528528@163.com
贵公网安备 52010302001819号
Copyright 2019-2026 http://www.databrush.com/ All rights reserved.
QQ
QQ扫一扫
Logo
DBN数据刷