White Balance/fr

Balance des blancs

Introduction

Une image numérique se compose généralement d'un assemblage des trois couleurs primaires : rouge, vert et bleu. Pour diverses raisons que vous pouvez approfondir dans d'autres lectures, les valeurs du rouge, vert et bleu qui servent de point de départ dans n'importe quel programme de développement de photos raw doivent être corrigées de différentes manières avant que le rendu ne ressemble à la scène photographiée. Une de ces corrections est réalisée par l'ajustement de la balance des blancs, garantissant que les objets de couleur neutre (blanc) de la scène photographiée apparaissent blancs sur la photo. Le réglage de la balance des blancs a des conséquences sur toutes les couleurs, bien qu'il soit plus facile de discerner si une balance des blancs est correcte en observant un objet connu pour être de couleur neutre (blanc, gris).

Le réglage de la balance des blancs fonctionne en multipliant chaque couleur primaire par un montant différent jusqu'à obtenir un résultat satisfaisant. Dans le but de rendre cette opération aisée pour l'utilisateur, au lieu d'agir directement sur les trois multiplicateurs, l'interface présentée à l'utilisateur prend la forme d'un curseur des températures qui ajuste la couleur sur un axe bleu-jaune, et un curseur des teintes que les ajuste sur un axe magenta-vert.

Un couleur neutre est celle pour laquelle les valeurs rouge, vert et bleu sont égales. Par exemple, R=V=B=65% and R=V=B=90% sont neutres toutes les deux, la première étant plus foncée que la seconde. Vous pouvez dire si la balance des blancs d'un point qui doit être neutre est correcte en contrôlant si les valeurs RVB du point correspondent, ou si les valeurs a* et b* dans l'espace colorimétrique La*b* correspondent, ou si les petites barres indicatrices du RVB sous l'histogramme principal se supperposent exactement. Vous pouvez faire cela même si votre moniteur est très mal calibré. Votre perception des couleurs change en fonction des couleur avoisinantes et de l'éclairement du local, ne faites pas toujours confiance à vos yeux, utilisez plutôt les méthodes indiquées ci-dessus.

Une balance des blancs incorrecte procure à l'image une dominante de couleur, typiquement chaude (orange), ou froide (bleue). Certains utilisent cela à des fins d'effets créatifs. Cependant divers outils et opérations présument que la balance des blancs de l'image est correcte, par exemple la reconstruction des hautes lumières dans l'outil Exposition, le réglage des tons chairs dans l'outil Contraste par niveaux de détail ou des tons ciel dans l'outil Ondelettes, l'outil CIECAM02 etc). Ainsi, ne faites pas une mauvaise utilisation de l'outil balance des blancs pour créer une dominante de couleur à des fins artistiques, mais utilisez le plutôt pour vous assurer que les zones neutres restent neutres, puis utilisez Virage partiel ou tout autre outil pour apporter des dominantes créatrices.

L'outil balance des blancs peut être activé/désactivé. Désactivé, les multiplicateurs sont fixés à R=1 V=1 B=1 pour un travail sur les fichiers raw. Cela peut s'avérer utile à des fins de diagnostic ou pour travailler sur des images UniWB.

Description de l'interface

Méthode

La balance des blancs peut-être obtenue de différentes façons : Appareil photo, Auto, Personnalisé ou une multitude de réglages prédéfinis pour différentes sources de lumière.

• Appareil photo

Reprend la balance des blancs utilisée par l'appareil photo. Si vous prenez les vues en mode raw uniquement (c'est à dire pas de raw+jpg), paramétrez la balance des blancs de l'appareil sur Auto. Cela donne en général de bons résultats.

• Auto

Deux algorithmes sont à votre disposition

• Auto RGB grey . Corrige automatiquement la balance des blancs, en supposant que la couleur moyenne de la scène est gris neutre. Fonctionne bien pour une grande variété de scènes, et peut être un bon point de départ pour des ajustements manuels.
• Temperature correlation ou (Auto Iterate temperature correlation Itcwb) . Assure une équilibre des couleurs généralement meilleur que "auto RGB grey"
  • L'algorithme est basé sur la meilleure corrélation (test de Student) entre les couleurs de l'image et un panel de couleurs de références spectrales parmi 200.
  • Cet algorithme peut donner des résultats erronés:
    • si l'illuminant n'est pas avec un CRI (Color Rendering Index) proche de 100, par exemple les conditions "Underwater", "Fluoresent", "Led" risquent de donner de mauvais résultats
    • certains fichiers de type DNG obtenus après conversion avec DNG converter ou autre converter.
    • si les conditions de prise de vue sont extrêmes (très faibles valeurs de luminance...)
    • etc.
  • Le GUI affiche la valeur de la correlation :
    • une valeur de 1000 signifie soit que la calcul n'est pas ré effectué, les résultats précédents sont utilisés soit que l’algorithme échoue dans ce cas T=5002 est affiché
    • des valeurs inférieures à 0.01 sont bonnes

• Personnalisé

Réglez votre propre température de couleur et teinte de vert en déplaçant les deux curseurs et/ou en utilisant l'outil Point de mesure.

• Présélections de sources de lumière
  • Lumière du jour (ensoleillé)
  • Nuageux
  • Ombre
  • sous marin
  • Tungstène
  • Fluorescent
  • Lampe
  • LED
  • Flash

Observer (branch whitebalanceopt)

Réglage dans "Preferences / Color Management / White Balance"

La gestion des couleurs dans Rawtherapee (Balance des blancs, multiplicateurs de canaux, Récupération des hautes lumières,…) utilise les données spectrales des illuminants et des couleurs. Observer est un paramètre important de cette gestion qui prend en compte l’angle de perception de l’œil. En 1931 il a été fixé à 2° (privilégie l’utilisation des cônes). En 1964 il a été fixé à 10° (privilégie l’utilisation des cônes, mais prend en compte partiellement les bâtonnets). Observer 10° est sélectionné par défaut. Pour éviter une (rare) dérive des couleurs dues au choix Observer 10° - probablement due à la matrice de conversion – sélectionner Observer 2°. Dans une majorité de cas Observer 10° sera un choix plus pertinent.

Principe de l'algorithme Temperature correlation - (Itcwb  Iterate temperature correlation white balance):

Contrairement à la majorité des algorithmes de balance des blancs qui sont basés sur les gris, celui-ci est basé sur les couleurs. De manière simplifiée l'algorithme compare un panel majoritaire de couleurs de l'image et des couleurs de référence à données spectrales.

Origine de l'algorithme

C'est une simple lecture d'un résumé de recherche non documenté précisant 3 phases qui m'a lancé dans la mise au point de l'algorithme :

• a) comparaison xyY
• b) données spectrales
• c) histogramme des couleurs
• c'est sur cette base que j'ai mis au point l'algorithme que je vais décrire ci-après, donc à l'origine ni algorithme de principe, ni code,...

Sa pertinence est fondée sur:

• le choix des couleurs de l'image : échantillonnage, prise en compte des couleurs dominantes (peau, ciel, végétaux...)
• la prédétermination de certains paramètres de base pour les calculs (température camera, teinte,...)
• le choix des multiplicateurs de canaux RGB et leur calcul en fonction de la température de l'illuminant
• le principe mathématique de calcul des valeurs XY des couleurs de référence (données spectrale), par une formule « exacte » et un échantillonnage des données spectrales à 5nm. Matrice[Couleur vue] = Matrice[illuminant] * Matrice[couleur] / Matrice[Observer 10°] (ou Observer 2° dans Options ou Preferences)
• L’itération multiple des calculs en prenant en compte à égalité l'équilibre vert-magenta et rouge-bleu.
• Des calculs rigoureux si l'illuminant est avec un CRI (Color Rendering Index) proche de 100, donc illuminant proche de Daylight dans la limite 4000K – 15000K ou Blackbody de 2000K à 4000K.
• La corrélation statistique via un test de Student.

Origine et nature des 429 couleurs spectrales de référence :

• soit elles proviennent de données que l'on trouve sur le web pour les fleurs, feuillages
• soit elles proviennent de la ColorChecker24 ou d'autres grilles
• soit elles proviennent de la mire d'étalonnage 468 que j'ai élaborée pour l'étalonnage il y a quelques années
• soit elles sont élaborées à partir de l'utilitaire Colorlab (Logo Gmbh)
• ces couleurs sont réparties à peu près également sur toute la palette de couleurs (Rouge, Orange, Jaune, Vert, Cyan, Bleu, Magenta...)
• ces couleurs sont également réparties entre neutres ou proches des gris, peu saturées, pastels, saturées
• la luminance n'a que peu d'importance car la comparaison se fait sur la composante chroma

Principes généraux :

• en amont on calcule à partir de données situées après dématricage 3 tableaux red, green, blue pour 1 pixel sur 3 de l'image - horizontalement et verticalement (il est possible de changer cette valeur si nécessaire pour plus ou moins de précision). Les valeurs sont ajustées, selon la précision souhaitée, afin qu'elles soient dans l'amplitude 0..65535;
• puis on passe à une procédure commune aux 2 algorithmes « autowb » via le calcul des multiplicateurs de canaux RGB, qui oriente ensuite soit sur « Itcwb », soit sur « wb auto» ("Wbauto")
• « Wbauto » passe les paramètres à "Itcwb" avec les premiers paramètres réellement importants (ce sont des choix arbitraires, mais je pense pertinents) : température de référence – celle présente dans les données Exif (camera) et celle de la teinte également présente dans les données Exif, mais dont les valeurs sont bornées à 0.77 et 1.30 – (il n'y a pas d’illuminant Daylight ou Blackbody au delà des ces limites arbitraires et donc les calculs seront fantaisistes ou faux...).

Algorithme simplifié « Itcwb » proprement dit :

Première étape :

• calcul des multiplicateurs RGB pour chaque température entre 2000K et 15000K et de la teinte
• calcul des valeurs XY à partir des 429 données spectrales pour chaque température
• choix d'une plage de données pour les températures par rapport à la référence
• calcul des valeurs xy sous la forme d'un histogramme : positionnement de ces couleurs parmi 237 en privilégiant les données les plus répandues (peau, ciel,...) pour chaque température
• tri ascendant de ces données en nombre
• pour les données majoritaires, calcul des valeurs chromatiques de l'image
• choix des couleurs de référence parmi les 429, par utilisation d'un deltaE chroma.
• Calcul des valeurs RGB de référence en fonction de la température de référence

Deuxième étape :

• calcul pour chaque couleur de référence choisie, des valeurs XY en fonction de la température et de la teinte
• calcul des valeurs RGB de l'image à partir des couleurs choisies à l'aide des multiplicateurs RGB,
• premier calcul de la corrélation Student
• pour chaque plage de teinte et de température, calcul des multiplicateurs de canaux , calcul des XY à partir des bonnes données spectrales
• calcul des coefficient de corrélation en fonction de green (teinte)
• tri de ces valeurs
• optimisation afin de déterminer les bonnes valeurs de température et teinte.
• Passage de ces paramètres à « wbauto »
• affichage des résultats et prise en compte dans Improccoordinator.cc

Dernières Améliorations 05 2023

• Par défaut, car il est nécessaire d'avoir une référence de démarrage pour l'algorithme, les paramètres choisis sont ceux de "Camera" (température et teinte). Il s'avère que dans quelques cas, ces valeurs sont manifestements fausses. Dans le cas où "camera" teinte est supérieur à 1.5 ou "Camera" température est inférieure à 3300K ou "Camera" température est supérieure à 7700K, la nouvelle référence de démarrage est celle calculée avec "Automatic RGB grey" (ou un mix de "Camera" et "Automatic RGB grey").
• Lorsque "Camera" température est inférieure à 4000K ou "Camera" température est supérieure à 6000K, un processus 2 passes de l'algorithme est mis en place, en cherchant si une une autres valeur assez distante donne de meilleurs résultats. Lorsque "Camera" température est supérieure à 4000K ou "Camera" température est inférieure à 6000K, un autre processus 2 passes est mis en oeuvre avec de plus faibles écarts par rapport à "Camera".
• Si vous activez "Low sampling & No use Camera settings", en amont de l'algorithme et dans l'algorithme, le système utilisera un mix des réglages "Camera" et "Auto WB grey"
• le calcul du vert (teinte) a été revu;
• une tentative d'optimisation du patch est réalisée à partir de l'analyse chromatique de l'image (écart par rapport au point blanc). Plus la valeur est faible, plus en théorie le patch est crédible.
• avant d'élaborer l'histogramme des données de l'image, un léger débruitage (median 3x3), est appliqué.
• un contrôle de gamut est également appliqué au moment du calcul des données de l'histogramme, éliminant les valeurs aberrantes.

Limites de l'algorithme

Le système n'est pas intelligent, il est logique.

Il y aura des images qui ne seront (évidemment) pas bien traitées. Par exemple les images avec une ou deux fortes dominantes de couleur et quasi absence de blancs (gris) seront mal optimisées. Par exemple les fleurs sur un arrière plan de feuillage. De la même façon les illuminants loin de Daylight (LED) ou les mélanges illuminants amèneront des résultats incorrects.

Données affichées dans le GUI - limites d'interprétation

• Multipliers r, g, b. Ceux-ci sont donnés à titre d'information et ne sont pas modifiables;
• Correlation factor: donne une probabilité de corrélation entre les données de l'image et les données spectrales. Ce coefficient est indicatif, car il suppose que le patch est "bon", or ce patch est relativement indéterminé: quelles données prendre ? Sur quelle amplitude ? Certes il va traduire, pour un choix température / teinte de démarrage le meilleur compromis, mais est-ce que le choix de démarrage est optimum ?
• Passes ( 1 ou 2) et Alt_temp: affiche le nombre de passes de l'algorithme effectuées ainsi que l'éventuelle température alternative. Dans le cas "2 passes" la case à cocher "Remove 2 passes algorithm" est active, sinon elle est inactive.
• Read colors : nombre de couleurs lues dans l'image (dépend de "Sampling"), le maximum est de 237 qui couvre l'ensemble du diagramme CIExy.
• Patch chroma : indicateur qui traduit la tentative d'optimisation du patch. Une pondération selon une loi exponentielle,, affecte les valeurs pour essayer de prendre en compte "au mieux" les aplats (ciel, peau..) et les données plus isolées.
• Size : nombre de couleurs choisies à la fois dans l'image (de la plus élevée en nombre de pixels correspondants, à la plus faible).
• patch ΔE : montre le deltaE du patch entre les données images et les données spectrales.
• datas x9 : affiche le nombre d'enregistrements trouvés pour chaque couleur. Maximum et minimum. Le minimum absolu est(arbitrairement) fixé à 400. Pour avoir une évaluation réelle il faut multiplier ces valeurs par 9, car seul 1 pixel sur 3 (horizontal et vertical) est analysé pour minimiser le temps de traitement.

Limites d'interprétation

L'algorithme Itcwb est complexe, mais dépourvu d'intelligence. Il n'y a pas interprétation de l'image: est-ce un portrait ? un paysage ? quelle est la nature et la répartition des données ? Donc il faut être très prudent sur le "pilotage" du système par ces indicateurs. certes ils semblent robustes dans une majorité de cas mais il y a de nombreuses exceptions:

• ce n'est pas parce que "patch chroma" est plus bas que le patch est obligatoirement meilleur. Cet indicateur montre pour un couple "température / teinte" une optimisation possible, mais est-ce la meilleure ? Il va permettre de choisir la taille du patch.
• ce n'est pas parce que "deltaE" est le plus bas, que ce choix est le plus optimum. Certes il traduit pour une amplitude donnée de température / teinte autour d'une valeur de référence, l'optimisation des écarts, mais cela ne démontre pas que c'est le meilleur choix.
• ce n'est pas parce que "Correlation factor" est le plus faible que le résultat est optimum. Cette correlation traduit l'optimisation d'une "teinte" et d'une température autour d'une valeur de référence, mais cela ne démontre pas que c'est le meilleur choix.

Le système détermine d'abord (avant d'aborder l'algorithme proprement dit) quelles références de base utiliser (Camera ou auto WB grey). Puis il détermine si il va utilser 1 ou 2 passes. En première étape, pour chaque passes (ou une seule) l'optimisation du patch est faite avec "patch chroma". Puis l'algorithme teste une plage de température et de teinte et calcule deltaE du patch et correlation. Un compromis est trouvé par la prise en compte du minimum de la multiplication du detaE et de la correlation. D'autre part, lorsqu'on est loin de D65 (valeur prise en compte par Adobe) pour déterminer la matrice de couleurs, la probabilité que les données lues et interprétées soient incorrectes augmente et les résultats affichés probablement entachés d'erreur. Il n'existe pas à ce jour de possibilité dans Rawtherapee de lire 2 matrices de couleurs. Même si cette possibilité existait le travail de calcul et saisie des matrices de couleurs stdA serait considérable.

Paramètres modifiables par l’utilisateur (branch whitebalanceopt)

Par défaut les réglages doivent convenir dans une majorité de cas. Néanmoins il est possible d’apporter des modifications personnalisées au fonctionnement de l’algorithme.

Vous pouvez faire apparaître dans l’onglet  Color / White Balance  une série de réglages qui permettent d’adapter l’algorithme. A terme (j’espère) pouvoir supprimer la majorité de ces réglages (peut être tous). La finalité de cette mise à disposition de ces réglages (optionnelle) est pour l’essentiel la mise au point de l’algorithme.

Pour faire apparaître ces réglages supplémentaires, aller dans Preferences / Color Management / White balance – Automatic temperature correlation, et cocher la case correspondante. Si "Temperature correlation" n'est pas sélectionné dans "White Balance", les choix apparaissent en grisé.

Quels sont les paramètres qui doivent avoir une influence

Je pense pouvoir émettre un avis pertinent, étant le concepteur de l'algorithme. Néanmoins, je laisse la 'porte ouverte' à d'autres hypothèses car la colorimétrie en général et l'adaptation à Rawtherapee peut réserver des hypothèses.

Paramètres ayant une influence (a priori):

• La matrice de couleur 3x3 :
  • la matrice 3x3 assure la conversion des données brutes Raw, en des données utiles. Dans Rawtherapee, ces indispensables matrices qui sont utilisées dans plusieurs algorithmes de la partie Raw ont pour origine Adobe, soit elles sont issues de Dcraw, soit elles proviennent de Adobe DNG converter (Tag matrice). Comment ont été obtenues ces matrices par Adobe ? Recherche interne, lien avec le constructeur,... ? On peut penser que ces matrices sont construites dans un processus commun, et donc que toutes choses égales par ailleurs, la même scène, sous le même illuminant, pris dans les mêmes conditions (vitesse, diaphragme, objectif,...), avec un processus Raw commun, doit amener des données couleurs (et non pas la luminance ou la Dynamic Range) Raw utilisables sensiblement identiques (avec les réserves possibles dues au paramètres développés ci-après). Que ce soit une matrice de Bayer, ou autre, un boîtier de marque X ou Y. Évidemment il y a des différences, en particulier pour les matrices non-Bayer qui ont un algorithme de dématricage spécifique, ainsi que pour les optiques...mais les écarts doivent être minimes.
  • Cette matrice est pour l’illuminant D65. Dans les exifs on trouve une deuxième matrice pour l’illuminant stdA (tungstène). Un essai effectué sur un raw à 2600K, m’amène à penser que ce choix serait (un peu) meilleur. Cependant Rawtherapee ne sait gérer que une matrice de couleur. D’autre part comment ferait-t-on le choix ? Et comment mettre à jour les centaines de camera ?
  • Cette matrice est « le facteur » qui identifie marque, modèle. Il permet (sauf si cette matrice est mal calculée, cas rare…) de dire que la marque et le modèle sont pris en compte et qu’ils n’ont pas d’influence sur l’algorithme. Ceci ne veut pas dire que la marque, le modèle n’ont pas d’importance, évidemment que oui au sens gamut. Mais c’est pris en compte par l’algorithme si les données spectrales sont suffisantes.
• Le nombre de couleurs spectrales : il semble évident que plus on augmente le périmètre des données de l’image (lecture des données xyY dans le diagramme CIExy), plus les appareils seront récents avec un gamut très large, plus il faudra des données spectrales correspondantes – sinon l’algorithme fonctionne mal. Le nombre des données des couleurs spectrales est passé de 201 jusque début 2023, à 429 actuellement. Peut être faut-il encore plus de données ?
• L'algorithme de dématricage a lui aussi une (petite) influence, en particulier les algorithmes prévus pour traiter les images bruitées (LMSSE, IGV), et bien sûr l’algorithme de dématricage pour les non-Bayer, par exemple Xtrans-demosaic (Frank Markesteijn's algorithm, and Ingo Weirich). De même les traitements Raw exécutés avant Itcwb ont eux aussi une incidence certaine, par exemple Capture Sharpening et la correction d’aberration chromatique. Mais ce n’est pas un dysfonctionnement, au contraire cela montre que l’algorithme fonctionne et prend en compte les changements de couleurs induits par ces processus.
• Chaque capteur – associé à un boîtier – a :
  • une DR (Dynamic range) spécifique – souvent aux environs de 12Ev pour les appareils anciens, proches de 15 ou 16Ev pour les appareils récents. Cette DR doit avoir une incidence faible sur l’algorithme, la composante luminance est quasi ignorée (sinon pour déterminer le gamut).
  • White-levels et Black-levels : si ces 2 composantes ont une forte importance pour l’ensemble du traitement Raw, sauf si ils sont très mal réglés, ils ne doivent pas avoir d’influence sur l’algorithme.
  • le gamut du capteur : je n’ai pas connaissance de documents officiels montrant les limites de transcription des couleurs. Il est raisonnable de penser que avant matrice de conversion, ces limites sont largement suffisantes et au-delà de Prophoto, et donc n’ont pas ou peu d’influence sur l’algorithme.
• La nature et l'intensité des couleurs : la répartition dans le diagramme xyY. Est-on avec une image où les couleurs sont proches du point blanc (couleurs pastels ou neutres), ou des images avec des couleurs aux limites de celles de la perception humaine ?
• La répartition de ces couleurs par rapport à chacune des primaires Rouge / Verte / Bleue.
• Comme l'algorithme divise l'espace 'xy' en 236 zones, couvrant l'ensemble de l'espace visible, l'algorithme doit prendre en compte cette répartition: par exemple une majorité de tons très proches du point blanc (neutre) ou une dominante importante (ciel, ou peau).
• Et bien sûr le (les) illuminants. Une image avec des parties à l'ombre et au soleil est en réalité avec 2 illuminants Daylights (proches de 5000K au soleil et de 7000K à l'ombre). Ce qui est quasi insoluble avec un seul paramétrage de la balance des blancs (température, teinte). Bien sûr c'est encore plus complexe si des illuminants de type Fluorescent ou LED sont présents. Mais ces remarques ne sont pas spécifiques à Itcwb, mais à tous les algorithmes de balance des blancs. Local adjustments (Warm/ cool) permet d'apporter une assez bonne correction aux doubles illuminants (soleil, ombre...).
• Toujours concernant les illuminants, ceux-ci ont une définition théorique qui lie les données spectrales à une température. Ces formules par principe ne peuvent être parfaites et répondre à tous les environnements : latitude, altitude, heure, conditions météorologique (brumes, gradients,...) qui doivent avoir une incidence sur la teinte (green) qui devient différente de 1.
• Observer 2° (1931) ou Observer 10° (1964) : le deuxième assure une meilleure perception de la vision humaine. C’est celui utilisé par défaut dans Itcwb.
• Pour rappel une couleur perçue avec ses données XYZ est la combinaison de 3 matrices :
  • données spectrales de l’illuminant (fonction de la température et de la nature de l’illuminant).
  • données spectrale de la couleur de base (mesurée au spectro).
  • données spectrales de l’observer (2° ou 10°).

Par principe cet algorithme n'est pas conçu pour corriger les dysfonctionnements du processus de traitement (qui est toujours très complexe). Bien sûr il peut (éventuellement) corriger un problème, mais ce n'est pas sa finalité.

Réglages

• Diagramme CIExy et gamut: On pourra remarquer sur les 2 diagrammes ci-dessous, que ce n'est pas parce que une couleur est dans le diagramme CIExy qu'elle est dans le gamut.
  • Exemple pour une luminance de 10 et une luminance de 50 [0..100].

Comparaison gamuts pour L=10 : jaune=ACESp0 gris=Prophoto vert=sRGB

Comparaison gamuts pour L=50 : jaune=ACESp0 gris=Prophoto vert=sRGB

Gamut de Pointer et Rec2020

Comparison de gamut pour L=17 : rose=JDCmax gris=Prophoto jaune=Beta RGB vert=sRGB

Après plusieurs semaines de tests par les utilisateurs et l’optimisation de l’algorithme, 3 paramètres restent accessibles directement à l’utilisateur :

• Green refinement : Permet de changer la "teinte" (vert) qui servira de référence au démarrage de l'algorithme. Il a sensiblement le même rôle pour les verts que le "AWB temperature bias" pour la température. L'ensemble de l'algorithme est recalculé. Selon les cas, afin de guider l'algorithme, l'action sur « Remove 2 pass algorithm » peut être nécessaire.
• Remove 2 passes algorithm : cette case à cocher, gère en arrière plan un processus complexe, qui amène à ce que dans les cas où il n’y a qu’une passe choisie par l’algorithme, l’action sur cette case à cocher est sans effet. Dans le cas où 2 passes sont détectées, cette case à cocher permet le passage d’un réglage à l’autre. Attention, lorsque un des 2 réglages ressort vers des températures proches de stdA (Tunsgtène 2855K), il faut prendre les indicateurs (Correlation deltaE..) avec précaution, les résultats sont probablement entachés d’erreurs liés à la matrice de couleur.
• Choix de l’échantillonnage des données de l’image : 4 choix sont proposés :
  • Low sampling – limite les données aux valeurs de sRGB. Dans certaines conditions (teinte camera > 0.8), force l'algorithme à ne pas utiliser les réglages "Camera".
  • Medium sampling (defaut) - near Pointers's gamut. Les primaires de Beta RGB sont utilisées, on obtient ainsi un domaine de couleur proche de la vision humaine en couleur réfléchies (Subtractive color mixing). J'aurais aussi pu choisir Rec2020 qui est un peu plus "grand" que "Beta RGB".
  • Camera XYZ matrix - utilise la matrice Raw directement dérivée de Color Matrice (Adobe)
  • Close to full CIE diagram – la limite est celle de JDCmax, soit presque le diagramme CIE en entier.
  • Ces 2 échantillonnages n’ont aucun rapport avec le ‘working profile’ et n’ont aucune incidence sur la suite du traitement, sinon sur l’équilibre de la balance des blancs.
  • Je recommande, dans la mesure où il y a assez de données spectrales de choisir ce dernier choix ‘Close to full CIE diagram’, même si cela peut produire des couleurs imaginaires (la majorité dans les verts extrêmes), car on est dans la continuité du processus avant l'application du "working profile". Les exceptions peuvent être de 2 ordres : a) une image contient des données qui ne sont pas référencées en valeurs spectrales (doit être très rare) et dans ce cas les deltaE et corrélations seront biaisés ; b) vous souhaitez volontairement ne pas prendre en compte des parties de l’image à fort gamut, qui pourraient perturber le résultat et ne pas utiliser les données "Camera".
  • A noter que lorsque il y a absence de "Input profile" (ou que l'utilisateur choisit "Camera standard") les données de référence qui servent à l'échantillonnage sont traitées de telle manière à être similaires à celles utilisées postérieurement.

Réglages accessibles depuis les pp3:

• Itcwb_findgreen - Find green student : nombre d'itérations pour trouver le meilleur compromis entre la corrélation (student) et la valeur de green qui pour les illuminants Daylight / Blackbody est proche de 1. Par défaut : 3. Étendue des réglages pris en compte [2..5]. Il semble que la valeur 3 soit un bon compromis, ce qui permettrait de supprimer ce réglage.
• No purple color used : par défaut ce réglage n'est pas pris en compte. Si l'image a besoin de reconstruction des hautes lumières il peut être nécessaire de l'activer.
• itcwb_minsize : fixé par défaut à 20. Fixe la valeur minimum de la taille du patch.
• Itcwb_rgreen - Geen range : fixe l'amplitude d'examen de la valeur de green dans les itérations, depuis une amplitude faible de 0.82 à 1.25 jusqu'au maximum d'amplitude 0.4 à 4. Par défaut: 1. Etendue des réglages pris en compte [0..3]
• Itcwb_delta - Delta temperature in green loop : Fixe pour chaque itération "green" essayé, l'écart de température à prendre en compte. Par défaut : 4. Etendue des réglages pris en compte [1..8]

Réglages accessibles depuis le fichier 'options'

• Itcwb_deltaspec : si Verbose est à "true", affiche les résultats (dans la console) des données images et spectrales dont l'écart en deltaE est supérieur à cette valeur. Par défaut 0.075.
• Itcwb_maxsize : fixe la taille maximale du patch. Par défaut la valeur est de 70.

Adaptation chromatique

Les résultats de l'algorithme Itcwb, traduisent la pertinence des calculs sur des fondements mathématiques objectifs. mais ce résultat - comme d'ailleurs tous les réglages de la balance des blancs - ne tiennent pas compte en totalité de la perception humaine : surround, contraste simultané,... et surtout l'adaptation de notre oeil / cerveau aux écarts de température par rapport à D50 (qui est la référence en colorimétrie). Pour palier cet écart, il est possible de mettre en place une adaptation chromatique "intégrée" à la balance des blancs (c'est ce que j'avais proposé en 2018...) ou laisser l'utilisateur mettre en place cette adaptation avec le module "Color Appearance & Lighting".

Pour y parvenir et limiter le rôle de Ciecam, mettez Ciecam en mode "Automatic symmetric", le système va appliquer 2 adaptations chromatique, la première de "Scene conditions" à l'illuminant de référence (en général D50, mais vous pouvez le changer), la seconde de l'illuminant de référence à "Viewing conditions". Par défaut les 2 pourcentages d'adaptation sont réglés à 90%, vous pouvez accroître ou réduire ces valeurs. Vous pouvez aussi modifier la température dans "Viewing conditions" pour obtenir un rendu, plus chaud, plus froid. Vous pouvez, si vous les souhaitez, changer les réglages de Ciecam comme "Absolute luminance", "Surround", etc. Voir le tutoriel sur Ciecam.

Quelques exemples

J'ai (arbitrairement) choisi ces 6 exemples, pour montrer ce que peut (et ne peut pas) faire Itcwb associée ou non à Color Appearance & Lighting.

• Montagne de sel en Turquie (NEF): Cette image qui paraît anodine est complexe au niveau de la photo, pour plusieurs points:
  • le blanc de la montagne de sel est difficile à traiter, et est affecté d'une structure complexe qui rend difficile le traitement en général.
  • Le point qui nous intéresse ici concerne la balance des blancs et la répartition des couleurs. La majorité de l'image ciel, arbres, montagne est dans sRGB, mais les fleurs en bas de l'image (rouge, orangé, jaune) sont bien au-delà: comment traiter, incidences des réglages
  • Fichier raw (Jacques Desmis - Creative Common Attribution-share Alike 4.0): [1]
• Lunching Room (CR2): Cette image montre que l'algorithme peut se sortir de situations complexes.
  • Par défaut avec White Balance réglé sur "Camera" l'image est verte.
  • Essayez successivement, White Balance auto : 'Rgb grey' et "Temperature correlation"
  • Fichier raw (Creative Common Attribution-share Alike 4.0): [2]
• London Bridge (PEF): Cette image montre à la fois la nécessité de l'adaptation chromatique et le pertinence de l'algorithme Itcwb.
  • Le réglage par défaut 'Camera' donne une dominante verte/jaunâtre.
  • Itcwb permet de trouver un bon compromis mathématique, mais la température est élevée rendant à l'image une coloration chaude, qui peut se voir sur les visages, les haubans du pont.
  • Essayez Color Appearance en mode "Automatic symmetric"
  • Fichier raw (Rawtherapee - Creative Common Attribution-share Alike 4.0)[3]
• Mire étalonnage (RAF)
  • j'ai choisi cette mire pour deux raisons: la première c'est un fichier RAF donc Non-Bayer; la deuxième c'est qu'il contient des blancs et des noirs presque purs (les gris sont dominants dans l'image, ce qui pourrait gêner l'algorithme).
  • Néanmoins il ne semble pas à examiner les résultats (neutral) que l'appareil ait été étalonné (ou je ne dispose pas du profil), les informations sont donc des ordres de grandeurs, mais assez proches de la réalité (blancs, noirs , ColorChecker)
  • Itcwb ne sait pas que c'est une mire d'étalonnage, essayez du fait du gamut un peu élévé 'Force use of the entire CIE diagram' activé ou désactivé, 'Sort in chroma order' désactivé ou activé et "no purple used" désactivé - les résultats sont très proches de ceux avec Camera (lesquels sont les meilleurs ?), mais il n'y a pas de dérives.
  • Fichier raw (Creative Common Attribution-share Alike 4.0): [4]
• Contre-jour Caraïbes (ARW)
  • J'ai choisi cette image, prise avec mon ancien Sony lors d'un voyage aux Caraïbes, où j'avais choisi la balance des blancs automatique.
  • Essayez avec 'Camera' puis 'Itcwb'.
  • Fichier raw (Jacques Desmis - Creative Common Attribution-share Alike 4.0): [5]
• Utilisation de Inpaint-opposed (NEF)
  • j'ai choisi cette image pour montrer l'incidence de la balance des blancs sur "Inpaint opposed" (highlight reconstruction), notamment l'influence green (tint)
  • Essayez "Inpaint opposed" avec White Balance réglé sur Camera, remarquez les importants artefacts dans le ciel
  • Choisissez "Itcwb" et essayez divers réglages.
  • Fichier raw (Creative Common Attribution-share Alike 4.0): [6]

Compatibilité 5.9

Les versions de Itcwb postérieures à 5.9 présentent une compatibilité limitée avec la version 5.9:

• Seul est disponible le réglage "Observer 10° instead of Observer 2°".

Lorsque le système rencontre un fichier pp3 de la version 5.9 utilisant Itcwb, alors la méthode "Temperature correlation" est affichée. Les seules informations pertinentes sont:

• les multiplicateurs de la balance des blancs
• la température et la teinte;
• la case à cocher "Observer 10° instead of Observer 2°".

Vous pouvez basculer sur la méthode de Itcwb courante en changeant la méthode de "Balance des blancs", par exemple en passant par "Custom", puis "Temperature correlation".

Pipette

Ce wagon citerne était l'objet le plus blanc de la scène. Nous pouvons affirmer que la balance des blancs est mauvaise car les niveau RVB ne sont pas égaux, et les barres indicatrices sous l'histogramme sont éloignées.

En réalisant un point de mesure de la balance des blancs sur le coté de la citerne, que nous savons être l'objet le plus blanc de la scène, les couleurs sont ajustées sur toute l'image de telle façon que les niveaux RVB en ce point sont égaux.

Si vous cliquez sur le bouton Pipette (raccourci W), le curseur de la souris se change en pipette lorsqu'il survole l'aperçu. Cliquez sur une zone grise ou neutre pour déterminer une balance des blancs correcte pour toute l'image basée sur le point cliqué.

Choisir un point qui doit avoir un ton neutre, gris ou blanc. Ce point ne doit pas être hors domaine, dans aucun des canaux, car le hors domaine signifie que l'information du canal hors domaine est manquante. En ce qui concerne la balance des blancs, "blanc" ne signifie pas R=100% V=100% B=100% car ce serait un point hors domaine, mais signifie plutôt une teinte de gris, très clair mais sans dépassement. Le point ne doit pas non plus être noir, car noir signifie l’insuffisance de données en ce point, et un calcul correct de la balance des blancs ne peut être effectué.

Vous pouvez utiliser la pipette plusieurs fois sur différentes parties de la photo, jusqu'à trouver une lecture idéale. Utilisez la liste déroulante Taille pour modifier la taille de la pipette.

Cet outil peut aussi être utilisé dans une fenêtre de détail. Cliquer droit pour annuler cet outil et revenir au curseur habituel de la souris.

Température et Teinte

Le curseur Température ajuste la couleur le long de l'axe bleu-jaune. Le déplacer vers la gauche rend l'image plus froide (bleutée), et son déplacement vers la droite la rend plus chaude (plus jaune).

Le curseur Teinte ajuste la couleur le long de l'axe magenta-vert. Le déplacer vers la gauche rend l'image violacée, et son déplacement vers la droite la rend verdâtre.

Egaliseur Bleu/Rouge

L'égaliseur bleu/rouge permet de s'écarter du comportement normal de la "Balance des blancs", en augmentant ou diminuant le ratio entre rouge et bleu. Cela est utile lors de prises de vues éloignées des conditions d'éclairage standard (par ex sous l'eau), ou bien éloignées des conditions ayant servi aux calibrages, où les matrices de couleur dans le profil d'entrée sont inutilisables.

Ajustement de la température BdB

Le curseur Ajustement de la température Balance des Blancs permet de spécifier de combien peut dévier la température calculée automatiquement. Utiliser ce curseur si vous désirez une balance des blancs calculée automatiquement plus froide ou plus chaude.

Relation entre balance des blancs et exposition

La balance des blancs est décrite en termes de température et de teinte, mais sera pour les images raw traduite en poids des canaux rouge, vert et bleu. Ils seront ajustés de façon à ce que le canal de plus faible poids atteigne la limite hors domaine dans l'espace colorimétrique de travail (habituellement ProPhoto RVB) lorsque le canal raw est hors domaine. En d'autres termes, avec l'exposition réglée à 0.0 et sans activation de la reconstruction des hautes lumières, toute l'étendue visible est pleinement définie par le raw. Comme la balance des blancs change les poids, vous pouvez constater une légère évolution de l'exposition si vous réalisez d'importantes corrections.