一、定义
色彩还原指成像系统（胶片或数码相机等）在记录与处理画面时，输出与人眼在标准观察条件下对原场景色彩感知一致的颜色的能力。这种一致性通过拍摄标准色卡、比对实测色度数据与参考值之间的偏差来量化，常用指标为色差 ΔE、白平衡误差和饱和度偏移。

对胶片而言，它涉及拍摄、冲洗、印放等化学与光学过程；对数码相机而言，则主要依赖白平衡、色彩校正矩阵（CCM）、伽马/色调映射等信号处理环节。色彩还原并非简单忠实记录物理光谱，而是传感器光谱响应、滤色阵列、光源估计、设备色彩特性和显示/输出条件等多因素共同作用的系统结果。

色彩还原不准确时，可能表现为偏色、饱和度异常、色相偏移或局部伪色等，典型表现如图 1 所示。

二、核心影响因素
2.1 光源特性（色温与显色性）
物体呈现的颜色是被光源照射后反射的光，因此光源特性直接决定进入相机的颜色成分。色温是基于黑体辐射定义的物理量，用于描述光源色度，单位为开尔文（K）。理想黑体被加热到不同温度时会发出不同颜色的光，温度越低越偏黄（如 2700K 的白炽灯），越高越偏蓝（如 7000K 的阴天光）。色温偏离标准照明体时画面产生整体偏色，可通过白平衡校正。

但色温只能概括光源“ 偏黄还是偏蓝 ”这一个维度，色温相同的光源，光谱成分可能不同。部分荧光灯和廉价 LED 存在光谱缺失（显色性差），即使白平衡正确，某些颜色也无法还原——失真发生在光进入相机之前。显色性由显色指数（CRI/Ra）衡量，Ra 越接近 100，色彩还原的外部条件越理想。

2.2 白平衡
白平衡是相机对光源色温的补偿机制。由于传感器不具备人眼的颜色恒常性，数字相机通常设置自动白平衡（AWB）功能，由算法估计当前光源的色度，并对 RGB 三通道信号施加相应增益，使中性色成像的 R、G、B 数值相等，从而在显示器上还原为中性色，以此模拟人类视觉的颜色恒常性。若白平衡设定与实际光源不符，中性色成像的 RGB 不再相等，画面产生整体偏色。

2.3 传感器与滤色阵列
传感器本身无法感知颜色——感光元件只能记录光强，不能区分波长。为获得彩色图像，传感器表面覆盖一层滤色阵列（最常见为拜耳阵列）：每个像素只允许红、绿、蓝一种颜色的光通过，因此只实测得到一个颜色分量，最终每个像素的完整 RGB 数值由插值推算得到。

（图像来源：https://en.wikipedia.org/wiki/File:Bayer_pattern_on_sensor.svg）

这一机制带来两类失真：其一，插值并非实测，在物体边缘等颜色变化剧烈的区域可能误判，产生沿边缘分布的伪色；当场景包含织物、纱窗等高频规则纹理时，空间采样会发生混叠，表现为彩色摩尔纹。其二，滤色片的光谱透过率与人眼视锥细胞的光谱灵敏度不一致，导致相机对颜色的响应存在系统性偏差。不同相机的滤色片设计各异，偏差的方向和程度也不同——这是同一物体在不同相机间颜色不一的主要原因之一。

2.4 伽马校正与色调映射
伽马校正与色调映射负责把场景的明暗范围压缩到显示设备可呈现的范围，旨在调整亮度。但非线性压缩会连带改变颜色的比例关系，典型失效是亮度分区的色偏：高光区域饱和度衰减并偏黄，阴影区域偏蓝发闷。HDR 场景的色调映射强度大，此类问题尤为明显。

三、颜色标定
3.1 为什么需要标定
人眼的颜色感知，是明视觉条件下（即环境亮度足够、由视锥细胞主导的视觉状态）视觉系统对光信号的处理结果。要让相机“ 看 ” 到与人眼一致的颜色，理想情况是让相机的三个颜色通道在光谱上的灵敏度曲线，与人眼三类视锥细胞的灵敏度曲线一致——这一要求称为卢瑟条件（Luther condition）。但实际相机不满足卢瑟条件，无法看到与人类相似的颜色。

要解决这个问题，需要进行颜色标定：建立描述相机颜色响应的数学模型，并求解对应参数，使相机的颜色感知尽可能接近人眼，其核心工具即色彩校正矩阵（CCM）。

3.2 CCM 是什么
色彩校正矩阵（Color Correction Matrix, CCM）是一个 3×3 的矩阵，用于将相机记录的原始 RGB 值转换为标准色彩空间（如 CIE XYZ）中的颜色数值，以校正因传感器光谱响应与人眼不一致所引入的系统性颜色偏差。矩阵中的九个系数通过颜色标定获得：让相机拍摄一张标准 24 色卡，将相机记录的各色块颜色与色卡的标准参考值进行比对，拟合出使偏差最小的系数。