原文链接：https://www.lightillusion.com/chasing_delta-e.html

Chat-GPT翻译为主，人工进行校正。如有纰漏尽请指出。

核对by @NOOOOOB_GUY

Delta-E

追求Delta-E、灰阶和原色的精确校准

 

出于非常明显的原因，在考虑校准准确性时，通常会对Delta-E值非常关注，的更低Delta-E值被视为灰度和原色准确性的良好指标。许多校准系统供应商会特意提供各种校正报告功能，用Delta-E值来证明他们的校准在灰阶和RGB三原色是准确的。

 

但是，这种说法正确吗？

 

依赖于Delta-E的现实状况

简而言之，这种说法并不正确，而且往往对校准的整体准确性没有太大的实际意义。

 

一个非常简单的解释就是，现实世界中的图像并不包含灰度，或者甚至没有太多灰色或纯红、绿、蓝色作为实际颜色。只有在技术上生成的图像才具有如此完美的颜色，这表明许多系统在处理校准和验证时存在潜在问题，因为这些非自然的颜色是大多数校准系统关注的焦点。

 

这张图片显示了基于灰度和RGB三原色梯度的标准Delta-E值，作为校准准确性的一个示例。所有黑色空间都无法进行准确的校准验证，很容易出现极大的不准确性。

 

由于这种Delta-E校验关注到的采样点有限，当查看真实世界的图像时，实际的基础校准很可能出现广泛的不准确性，尽管Delta-E值报告了准确的校准。

 

更好的验证校准的方法是在校准后进行第二次校准，使用完整的显色体积色块，并在ColourSpace中评估3D图形，包括评估所有显色体积校准测量的dE值。

 

 

Delta-E（dE）是表示两种颜色之间差异的单个数值，基于这样一个原理，即dE值为2.3时是人眼可以察觉到的最小颜色差异（JND，Just Noticeable Difference）。

 

因此，在理论上，任何小于2.3的dE值都是无法察觉的，而大于2.3的dE值则是可察觉的。然而，有些大于2.3的颜色差异无法察觉，而有些低于2.3的颜色差异可能非常明显，这取决于所测量的颜色。

 

此外，更重要的是，当使用Delta-E表示校准准确性时，通常只反应了有限数量的颜色点。通常只有灰度和RGB主要颜色，如上所示，或者基于类似麦克白色卡（24色色卡）的少量颜色选择。但实际上，这种方法并不足够，因为使用的点太少，无法完整地验证整个体积的颜色空间。

 

。

 

Delta-E存在的问题

为了形象地描述这里所提出的问题，请想象一下肤色。高加索人的平均肤色与任何灰度或主要颜色都有很大的差距，因此大多数校准系统在进行后期校准验证时都会忽略它们。更重要的是，像肤色、草地、天空等颜色属于记忆颜色，这意味着人眼对它们应该是什么样子会很熟悉，因为几乎每天都可以看到它们。同样重要的是，每个记忆颜色和影调都与许多不同的色调、饱和度和亮度变化相关联。如果没有包括这些差异的显示设备校准，那么校准结果将永远不能被认为是准确的。

 

上述立方体图像显示了标准的灰度和RGB三原色验证，其中添加了肤色以便参考其大致位置。在大多数校准系统中，所有的黑色区域（包括肤色色块）都没有得到有效的验证。

 

 

对于具有线性表现较差的显示器（正如上文所述，大多数显示器都是如此），确保准确校准需要使用基于完整3D立方体配置的3D LUT。

 

但并非所有基于3D LUT的校准都相同，因为许多校准系统错误地将Delta-E、灰度和原色作为准确校准的定义重点。

 

这并不是说Delta-E报告毫无用处、应该被忽视，或者它们报告的值不可靠（忽略了实际报告值可能具有误导性这一事实），而是说仅凭良好的Delta-E值不能保证准确的校准。所有Delta-E值中未提到的颜色同样重要，对于良好的最终校准，它们必须同样准确。

 

 

每个颜色点都必须被视为一样重要

从上述校准问题的描述可以看出，在配置文件制作、校准和验证过程中，每个颜色点都必须被赋予相等的重要性，而不仅仅是灰度和三原色。

 

上述声明对于准确的校准非常重要，值得再次强调！

 

在配置文件制作和校准过程中，每个体积颜色点都必须被赋予相等的重要性，而不仅仅是灰度和主要颜色！

 

而唯一的方法就是通过验证多个显色体积点，尽可能多地使用点来进行任何重要校准的验证，以便涵盖整个色彩空间，并具有足够细致的颗粒度。

 

下图形象地说明了这一点。

 

第一个验证图显示了一个正常的灰度和主要颜色渐变，以及记忆颜色的验证，可以看出存在大量未经验证的显色体积空间。

 

第二个图使用了1000个色块的体积验证，第三个图使用了3000个色块的验证。差异是显而易见的，显然显色体积验证更好地定义了最终校准的准确性。

 

Delta-E和人类视觉系统（HVS）

所有Delta-E值都试图提供一个在不同显示条件和对比度水平下、定义人类视觉系统（HVS, Human Visual System）对颜色差异反应的方式。

 

例如，给定的颜色数值相对于目标色彩空间的峰值亮度所处位置，定义了人类视觉系统对颜色变化的敏感度，因此相同的技术上的颜色差异将根据其相对亮度与峰值亮度之间的差异，产生不同的Delta-E值。

 

简单来说，颜色越暗，在报告中的Delta-E值变大之前，技术上的颜色差异可以拉开的更大；而相同颜色在更亮的情况下，对于相同的技术性的颜色变化下，报告的Delta-E值将显著增大。

 

通过查看以xy颜色误差为例的dE00值可以看出这一点，其中x为-0.0065，y为0.0062，在目标值和测量值相同、只有Y值发生变化时，在Rec709显示器上使用峰值亮度为100尼特。

 

l  接近黑色 - dE00值：0.0002

l  灰色 - dE00值：5.0661

l  接近峰值白色 - dE00值：8.0879

可以看出，测量值的亮度接近目标峰值白色时，dE值越大，因为图像较亮时人类视觉系统更容易察觉到颜色误差。

 

上述示例中使用的实际亮度值并不重要，

 

PQ HDR, Delta-E, & ITP

PQ HDR（Perceptual Quantization HDR）的出现给Delta-E作为评估显示色彩准确性的概念带来了新的变化。

 

PQ HDR是一个绝对标准，使用10,000尼特作为目标峰值亮度。然而，实际上没有显示器能够达到10,000尼特的峰值亮度...因此，如果给定显示器的峰值亮度明显低于10,000尼特，尤其是许多家庭电视的亮度低于1,000尼特，那么Delta-E值如何能准确地表示给定显示器相对于HVS的色彩准确性呢？

 

不幸的是，针对PQ HDR引入了一种新的dE指标 - dE ITP，它在应用于ST2084（PQ）配置文件时将10,000尼特锁定为参考目标亮度。这意味着对于具有不同峰值亮度能力的PQ显示器，给定测量亮度点的报告的dE值不会改变，而这与HVS对不同对比度水平的视觉条件下的响应不一致。

 

如果使用PQ标准的10,000尼特来定义显示器的Delta-E值，而该显示器的峰值亮度要低得多，那么得到的值将与HVS的感知相对不准确，并展示出比HVS实际感知更高水平的准确性。

 

然而，如上所述，除了dE ITP之外的所有其他Delta-E计算都使用定义的目标峰值亮度作为dE值计算的参考。因此，与使用dE ITP（或dE00/76）时的PQ HDR默认值10,000尼特相比，使用显示器的实际峰值亮度值作为目标，将会生成与HVS感知更贴切的dE00/76值，。

 

这正是ColourSpace的工作原理，可以为任何色彩空间定义任何目标峰值亮度值，包括基于PQ的HDR，这意味着在任何显示器上使用dE 2000或dE 1976生成基于PQ的HDR的有效且感知准确的dE值时，不同目标峰值亮度值对HVS的影响可以被正确考虑。

 

这种改进的感知数据源于目标峰值亮度是显示器的真实峰值，因此意味着所有测量值都更接近峰值，从而生成更真实的dE值。

 

 

dE 2000和dE 1976与dE ITP相比

dE00/76的计算取决于测量值和参考色块的L*a*b值，这些值是根据参考白色的绝对亮度计算得出的。但在ITP中并非如此。

 

因此，如果参考白色的绝对亮度发生变化，dE00/76的计算结果也会不同。dE00/76是颜色差异的相对度量。样本的亮度越接近参考白色，就越可能观察到颜色差异，即dE值越大。

 

在ColourSpace中，对PQ配置文件进行评估时可以证明这一点，只需改变目标色彩空间的峰值白色值，并在dE00/76和ITP之间切换。dE ITP的值不会受到PQ参考白色亮度的任何变化的影响，而dE00/76将显示出变化。

 

当然，可以在ColourSpace中使用dE ITP来处理SDR和HLG显示配置文件，但ITP使用的dE算法所报告的值与dE00/76相比会有较大的差异，并错误地暗示了校准中的视觉错误，而实际上这些错误并不存在或不可见。