- 确保相似的光照条件，
- 确保类似的环境，
- 确保相似的观察者。
介绍
Ocean™ 是一个基于光学引擎的渲染器，它基于 3D 模型和材质数据，提供预测性物理外观渲染和光学参数量化数据。证明Ocean™能够模拟现实的一种方法是提出模拟图像和真实样本照片之间的比较。 在本文中，我们将说明照片渲染与绿色汽车油漆样品的比较。
在进行照片与渲染比较时，需要满足几个重要条件：
光照条件
在两种不同的照明条件下看到的样本可能会有所不同。这种效应如图 1 所示，其中汽车油漆样品是在两种光照条件下拍摄的（D65 标准光源，大致对应于平均正午光，而 A 标准光源，对应于典型的家用照明）。这两张照片对样品绿色的感知是不同的。
环境
观察样本的环境会影响对该样本的感知。这种效果如图 2 所示，其中具有相同光照条件（D65 光源）的模拟图像显示在两种不同的环境（灰色墙壁和蓝色墙壁）中。在这两个模拟中，绿色汽车油漆看起来不同。
观察者
颜色感知因观看物体的人而异。最常见的例子是色盲。在照片渲染比较的情况下，拥有相同的观察者意味着在照片和模拟之间具有相同的相机设置，应用相同的后期处理并在同一屏幕上观察两个图像。例如，在图 3 中，使用两种不同的相机设置显示了相同的图像。在这种情况下，ISO感光度（即相机传感器对光线的感光度）是不同的。
灯箱
3D模型
如图 4 所示的灯箱在 3D 模型中完全重建，如图 5 所示。
然后，每种材料以及灯箱的发光在测量后都包含在 Ocean™ 中，如下一节所述。模拟的灯箱如图 6 所示。
图4 – Lightbooth照片
图 5 – Lightbooth 3D 模型
图6 – ocean模拟灯箱
材料和光线模拟
为了正确模拟与物理灯箱相对应的照明和环境条件，使用分光光度计在多个角度测量灯箱各部分（墙壁、地面和窗格）的反射率特性。然后将这些测量值导入 Ocean™。
真实测量值和虚拟测量值之间的差异是在 CIELAB（或 L*a*b*）色彩空间中确定的。该色彩空间由以下部分组成：L*代表感知亮度，a*和b*代表人类视觉的四种独特颜色（红、绿、蓝、黄）。这些参数是针对一个给定的光源（在本例中为D65）确定的，并取决于人眼反应和材料反射率或透射率光谱。
图 7 – 在不同角度下，给出了灯箱地面的真实和虚拟测量值之间的 ΔE
L*a*b* 中任意两种颜色之间的相对感知差异可以近似为每种颜色的欧几里得距离 ΔE，表示为三维空间 L*、a*、b* 中的一个点。通常设置，如果 ΔE < 3，则肉眼看不到任何差异。
在图 7 中，在不同角度下，在灯箱地面的真实测量值和虚拟测量值之间确定的 ΔE 始终低于 3，表明灯箱材料模拟是正确的。
光谱和强度发射也使用照度计进行测量。然后进行校准，以估计发射形状并与海洋™模型中获得的形状相匹配。
照相机
一旦样品被放置在灯箱中，在稳定的照明和环境下，下一步就是拍摄样品的照片并与模拟进行比较。 为了在这两个图像之间进行良好的比较，真实相机和虚拟相机需要具有完全相同的设置。这意味着相机的位置（与样品相比）、焦距镜头、快门速度和ISO感光度必须相同。在Ocean™中，所有这些参数都可以在“理想透视相机”中实现。 最后，图片和模拟后处理需要相同。这意味着白平衡、观察的比色空间和全局色调映射需要相同。相机的 DNG 相机配置文件是使用 X-rite 颜色检查器护照确定的（如图 8 所示）。DNG 相机配置文件用于定义给定光源下的相机传感器行为。由于有了这个配置文件，曝光、色彩归一化、白平衡和色彩变化都可以被设置和校正。
图 8 – 用于定义 DNG 摄像机配置文件的 X-rite 颜色检查器
示例 – 汽车油漆样品
本文介绍的程序适用于汽车油漆样品。结果如图 9 所示。问题是：哪个是真实的样本和模拟的样本？
图 9 – 绿色汽车油漆样品的照片与模拟比较
样品照片在图9的上部，模拟在下部。两张图像之间的绿色非常相似。为了证实这一点，针对该图像的不同点确定了L*a*b*欧几里得差值（如“材料和光模拟”部分所示），并在图10中给出。欧氏差值 ΔE 小于 3，表明这两个图像之间没有太大的差异。
图 10 – 在照片和模拟图像之间确定的 ΔE，用于右侧图像上指示的不同点使用测试数据应用于整车的ocean仿真结果
结论
本文介绍了照片和模拟与Ocean™进行比较的过程。以绿色汽车涂料为例，照片与模拟图像在外观和比色方面表现出良好的一致性。 这种比较表明，从测量特性到完整而准确的样品模拟，精度是令人满意的。这个完整的工作流程都可以通过ocean™和适当的材料来实现。这也是我们可以提供的客户服务。
0 Comments