接近单色照明与彩色成像中的串扰校正 严国华， 黄梅， 于照辉， 彭传乾

《Photonics》：Near-Monochromatic Illumination and Crosstalk Correction for Color Imaging Guohua Yan, Mei Huang, Zhaohui Yu and Chuanqian Peng

　　摘要：连续光谱照明在彩色成像系统中会引起严重的信道串扰和分辨率下降问题。为了解决这一问题，本文介绍了与镜头设计波长相匹配的近似单色LED照明，并提出了一种基于CCD强度叠加的线性串扰校正方法。根据ISO 12233评估标准进行的实验表明，混合色LED照明仅能增强蓝色通道的性能，而独立使用的单色照明和图像合成能够有效消除串扰并提升整体分辨率。所提出的线性校正方法通过标准参考区域校准串扰系数，从而校正单次拍摄的混合色图像，使红色/蓝色通道的性能接近纯单色照明效果，仅在绿色通道中略微出现过锐化现象。该方法为使用近似单色LED照明进行单次工业彩色成像提供了一种可行的线性校正方案。

1. 引言
彩色成像技术是机器视觉、工业检测和精密测量等领域的重要基础，其分辨率和成像质量直接影响检测精度和信息提取效率。限制彩色成像系统性能提升的关键因素包括照明光源特性、光学镜头设计以及与图像传感器光谱特性的协调性[1,2,3]。传统的彩色成像系统通常采用连续光谱光源进行照明；虽然这种照明可以覆盖全波段的可见光，但由于光学镜头是根据离散的单色光（如F光、C光、D光）进行校准的[4,5]，因此不匹配设计波长的连续光谱光容易导致色差和图像平面模糊。此外，电荷耦合器件（CCD）传感器中的拜耳滤光阵列具有重叠的光谱响应范围，从而在不同颜色通道之间产生串扰，使得红色（R）、绿色（G）和蓝色（B）通道的成像分辨率降低，其中绿色通道受红色和蓝色光串扰的影响最为显著[6,7,8]。

具有窄光谱线宽、高波长稳定性和高能量浓度的近似单色发光二极管（LED）成为解决上述问题的潜在方案[9,10,11]。理论上，与镜头设计参考波长精确匹配的近似单色LED照明可以充分发挥镜头的色差校正效果，抑制滤光阵列中的信道串扰，从而实现各通道间的协同分辨率提升[12]。然而，现有研究大多集中在近似单色光在单色成像中的应用；关于近似单色照明在彩色成像系统中的信道串扰机制、定量分析及校正方法的研究仍然相对较少。此外，一些提出的串扰校正算法依赖于复杂的非线性算法，这些算法对硬件性能要求较高，难以在工业级成像系统中实现[13,14]。

为了填补这一研究空白，本文系统地研究了近似单色照明在彩色成像中的应用。首先，从理论上分析了近似单色LED、光学镜头和图像传感器之间的适应机制，阐明了串扰抑制和分辨率提升的原理。随后建立了一个实验系统，以近似单色LED作为实验光源，并以D50连续光谱光源作为对比对象。基于ISO 12233标准，通过使用峰值调制传递函数（MTF50P）50%处的空间频率等指标，定量分析了不同照明条件下RGB通道的成像分辨率，明确了串扰对成像质量的影响[15,16,17]。针对混合色照明中的串扰问题，本文提出了一种基于CCD像素强度值线性叠加特性的简单可行的线性串扰校正方法，并通过计算串扰系数验证了其有效性。

2. 近似单色光照成像分析
在光学成像领域，彩色成像质量的提升与镜头设计、CCD成像机制和照明光源的特性密切相关。一方面，彩色光学镜头通常是基于若干离散的单色光谱线设计的，而非连续宽频带的可见光，其主要目的是校正光学系统的色差。在工程实践中，常选择几个代表性的特征光谱线（例如工业中常用的F光486.1 nm、C光656.3 nm和D光587.6 nm）作为设计基准。通过优化镜头材料和曲率等参数，确保光学系统的光在基准波长处准确聚焦，从而为高质量彩色成像提供基本保障。

另一方面，彩色CCD传感器通过光谱分解、光电转换和信号重建等完整工作流程完成成像。集成在传感器表面的彩色滤光阵列（典型的是拜耳滤光阵列）将入射的宽带白光空间分离成不同的波长段。每个像素通道将对应波长段内的光学信号转换为电信号，再通过插值、校准和融合处理，重建出符合人类视觉感知的彩色图像。值得注意的是，在连续光谱光源的照明下，由于CCD彩色滤光阵列相对较宽且光谱响应重叠，不同波长之间的信道串扰容易发生，从而导致RGB通道的成像分辨率下降。相比之下，使用近似单色LED等窄光谱光源可以有效抑制带间串扰，并避免某些材料导致的强单波长吸收问题，从而显著提升整体成像质量。

近似单色LED具有窄光谱带宽和稳定的中心发射波长等显著优势。理论上，当系统由中心波长与镜头设计参考波长精确匹配的近似单色LED照明时，可以充分发挥镜头的色差校正能力和最佳聚焦性能，同时实现与CCD光谱成像机制的高兼容性。这种方法有效缓解了由于偏离参考波长引起的成像模糊和信道串扰问题，显著提高了每个RGB通道的独立分辨率，确保了彩色成像的清晰度和色彩再现准确性。

3. 实验验证
3.1. 实验系统
为了验证近似单色照明在彩色成像中的优势，本文使用中国深圳创伟视频有限公司（Shenzhen Chuangwei Video Co., Ltd.）生产的CW-VM0850-3MP变焦镜头进行了对比实验。作为参考光源，采用了中国东莞创光照明科技有限公司（Dongguan Chuanggu Lighting Technology Co., Ltd.）生产的YIXIAN-15W-950 D50连续光谱光源。

由于无法从制造商处获得CW-VM0850-3MP变焦镜头的确切设计参考光谱，本研究采用了接近镜头设计波长的LED发射光谱，因为理论上在接近设计波长时可以获得最佳成像效果。通过多组具有不同峰值波长的LED成像对比实验，最终选出了三组窄带LED作为近似单色照明源，它们的中心波长分别约为480 nm、548 nm和621 nm，典型半高全宽（FWHM）分别在470–491 nm、531–567 nm和611–627 nm范围内。

图1显示了D50连续光谱光源和近似单色LED的光谱分布，使用中国上海Ideaoptics有限公司（Ideaoptics Co., Ltd.）生产的Fuxiang PG2000-EVO高灵敏度光谱仪进行测量[18]。如图1所示，D50光源具有覆盖400至800 nm可见光带的连续光谱，能够准确反映宽带连续照明下的成像性能。而近似单色LED具有极窄的光谱带宽和高中心波长集中度，有效抑制了CCD通道间不同波长段的光谱串扰。

3.2. 实验设置和MTF评估机制
在图像采集之前，将相机垂直对准目标平面，并将光源以大约45°的入射角度排列在表面上以减少成像眩光。然后根据绿色通道的清晰度优化镜头焦点，以便清晰展示ITRC图像。实验测试流程如图3所示。为了严格比较不同照明源对成像质量的影响，实验中统一并固定了MV-GE500C CCD的所有成像参数，包括自动曝光、自动白平衡、自动对焦、自动降噪、自动锐化、自动对比度、自动亮度、自动HDR、自动色温和自动饱和度调整等自动优化算法均被关闭。实验中，ISO增益、镜头光圈、焦点位置、白平衡R/G/B增益比（1:1:1）、锐化强度、降噪强度、伽马值、亮度和对比度等参数均保持不变。为了平衡不同光源之间的光照强度差异，仅根据参考位置的曝光强度调整了曝光时间，其他所有成像参数保持不变。

物体平面照明的均匀性对分辨率测量精度有显著影响。然而，照明均匀性、光源波长和整体光照强度对分辨率表征有不同的影响。以楔形条纹的调制传递函数（MTF）作为研究对象，其严格的物理定义为：
(1)
其中是测试图表上楔形图案的固有调制程度，是标准目标的调制传递函数；表示捕获的条纹图像的迈克尔逊对比度：
(2)
其中和分别代表亮区和暗区的成像强度或像素信号。

当光照强度变化时，整体光照强度会按比例缩放。因此，亮区和暗区的信号值也会相应地调整为和。将缩放后的信号代入对比度计算公式，可以得出光照强度的整体比例缩放对MTF值没有影响。

不均匀的物体平面照明会导致空间上不一致的信号衰减，相当于引入了一个调制系数。具体来说，表示均匀照明；表示在非均匀照明下暗区信号衰减，而表示暗区响应增强。非均匀照明下的图像对比度可以表示为：
(3)

由于光照强度的整体缩放不影响测量的分辨率值，因此可以在各种照明条件下配置不同的缩放系数，以保持在恒定范围内。在这种情况下，光源波长和光谱分布的变化会直接影响暗区的光电响应，从而改变原始的暗场信号。优化的高精度细节辨别照明方案能够降低，而较差的照明条件则会提高。结合照明非均匀系数，实际非均匀照明下的表现为：
(4)

受传感器饱和度和固有噪声的限制，有效的像素信号遵循以下边界条件：
(5)

在合理的动态范围内（，），整体光照强度对分辨率测量的影响可以忽略不计。然而，一旦像素进入饱和区或噪声主导区，全局光照强度的变化会严重影响MTF的准确性。本研究旨在提出一种在常规普通照明条件下提高成像分辨率的有效方法。尽管如此，上述分析表明，要获得精确的定量分辨率测量，需要高度严格的照明条件。因此，我们放弃了基于精确分辨率数据的对比分析，而是采用分辨率的变化趋势作为评估所提方法性能的合理标准。

对公式(4)关于求一阶偏导数：
(6)
由于、和均为正值，偏导数始终为负值。这种单调关系表明，的减少对应于明显的增加。尽管非均匀照明会使测量值偏离理想值，但在不同光源下同一空间位置的变化趋势仍然是可信的。因此，本文采用点对点比较策略。对于ISO 12233 eSFR图表的所有有效测试位置，逐一比较光源更换前后的MTF指标。每个测量位置分辨率的一致性提高充分证明了所提出的近单色照明和串扰校正方法能够在实际非均匀照明下有效提高成像分辨率。从方程(5)及其后续分析可以看出，欠曝或过曝会严重降低成像分辨率的测量精度。在实验中，采用ITRC的高反射率白色区域（HRWA）作为未饱和度判断参考区域。该区域是整个测试图表上最亮的标准区域。因此，一旦HRWA保持未饱和状态，包括ITRC边缘区域在内的所有其他区域也自然未饱和。定义HRWA的RGB通道强度向量为，表示HRWA区域内CCD传感器的红色、绿色和蓝色通道的光电响应数字强度。在图像采集过程中，调整光源强度和CCD曝光时间以保持各分量的未饱和状态。这种策略消除了由不当曝光引起的分辨率测量失真，保证了实验结果的准确性和可靠性。

3.3 实验测试
图4a显示了在D50连续光谱光源照明下ITRC的捕获图像。在图4a所示的HRWA区域，最大RGB强度向量测量值约为(226,253,166)，相应的平均RGB强度值分别为(212,241,157)。由于实验期间CCD的R/G/B通道增益固定为1，D50照明下绿色通道的响应强度显著高于红色和蓝色通道，导致捕获的图像整体带有绿色调。
图4. 在D50光源照明下ITRC的成像结果。(a) 在D50照明下捕获的图像。(b) IRTC的倾斜边缘块。
图4b显示了ITRC上的一个倾斜边缘块。ITRC共有15个倾斜边缘块，其倾斜边缘（在图4b中标记为A、B、C和D）作为测量相应物体平面视场区域的水平和垂直分辨率的测试位置。整个ITRC有56个有效测试位置，每个角落的倾斜边缘块都有三个有效倾斜边缘。基于这些倾斜边缘，使用商业软件（Imatest、IQstest）、开源算法（sfrmat3、Mitre SFR1.4）或自定义图像处理程序来计算每个视场位置的分辨率和MTF曲线。
图5展示了从图4a所示的ITRC获得的MTF计算结果。具体来说，图5a展示了ITRC中心倾斜块倾斜边缘A（图4b）处三个RGB颜色通道的MTF曲线。在光学镜头设计中，绿色通道通常是主要的优化目标，实验聚焦调整以实现绿色通道的最清晰成像。因此，图5a中绿色通道的MTF性能优于红色和蓝色通道。
图5. 来自中心倾斜块A倾斜边缘的MTF数据。(a) 三个颜色通道的MTF曲线；(b) 绿色通道的MTF50P、MTF30P和MTF20P数据。
根据ITRC上15个倾斜块上56个测试位置的MTF数据，可以定量比较不同图像的分辨率性能。然而，直接比较所有56个位置和三个颜色通道的全带MTF曲线会带来大量的工作量，并阻碍直观的性能评估。因此，本文采用MTF50P、MTF30P和MTF20P指标（MTFI）作为关键评估指标；这些指标分别对应于MTF值下降到峰值的50%、30%和20%的空间频率。MTF50P和MTF20P是成像评估中广泛使用的基于MTF的指标[20]。MTF50P与人类感知的清晰度密切相关，而MTF20P反映了系统分辨细节的能力。MTF30P作为中间指标，用于评估中高频细节的保留情况。这些指标能够全面有效地评估成像分辨率性能。
图5b展示了基于绿色通道数据的ITRC上56个测试位置的这些MTFI的统计结果。
为了比较在D50连续光谱照明和近单色LED照明下成像系统之间的分辨率差异，最直接的方法是在其他条件相同的条件下使用这两种光源捕获ITRC的图像，然后基于MTFI进行定量比较。由于近单色LED光源的红色、绿色和蓝色通道允许独立调整强度，因此在实验中校准每个通道的亮度，以平衡它们对HRWA的贡献。这确保了ITRC在每种单色光源下的HRWA具有相似的强度响应，并防止了三色成像时的过曝。
如果ITRC在三种颜色LED单独照明下的HRWA显示出相似的强度水平，那么图6a中的混合颜色成像效果应理论上接近白光的效果。然而，由于CCD颜色滤光片的通道间串扰不完全，HRWA中R/G/B通道的平均强度向量为(194, 242, 187)。绿色通道的显著更高强度导致了图6a中ITRC图像的明显色偏。同样，受到通道间干扰的影响，图6b中的绿色通道MTFI并没有显示出比图5b中更好的改善。为了便于直观的定量比较，本研究采用了基于RGB三个通道所有测量点MTFI差异的三个综合评估指标，包括ΔMTF-AVG（MTFI差异的平均值）、ΔMTF-MED（MTFI差异的中位数）和ΔMTF-STD（MTFI差异的标准差）。
图6. 三色LED混合颜色成像。(a) 在混合颜色照明下的ITRC图像；(b) 绿色通道的MTF指标数据。
图7展示了在两种照明源下ITRC的56个有效测试位置的三个通道MTFI差异。图7a展示了红色通道的结果，ΔMTF-AVG值为0.3、?0.5和?1.0，ΔMTF-MED值为0.2、?0.3和?0.8，ΔMTF-STD值为1.6、1.9和2.5；图7b展示了绿色通道的数据，ΔMTF-AVG值为?1.2、?1.8和?3.0，ΔMTF-MED值为?1.1、?1.9和?2.6，ΔMTF-STD值为1.4、2.1和3.2；图7c提供了蓝色通道的结果，ΔMTF-AVG值为10.0、9.7和9.4，ΔMTF-MED值为10.1、9.8和9.2，ΔMTF-STD值为2.2、3.2和3.5。
图7. 混合颜色LED和D50照明下MTFI数据的差异。(a) 红色通道。(b) 绿色通道。(c) 蓝色通道。
由于在该应用中不需要严格的均匀照明，因此本文测量的MTF值并不完全准确。尽管如此，参数ΔMTF-AVG和ΔMTF-MED的符号和大小可以可靠地反映分辨率的变化。正的ΔMTF-AVG和ΔMTF-MED值表示分辨率的提高，较大的值对应于更明显的提升，而负值表示成像分辨率的下降。ΔMTF-STD量化了视场内MTFI变化的空间波动。较低的ΔMTF-STD对应于在非均匀照明下的更均匀的分辨率提升，而较高的ΔMTF-STD揭示了优化效果中的显著区域不一致性。
如图7中的MTFIT差异以及相应的ΔMTF-AVG和ΔMTF-MED指标所示，在近单色LED照明下，红色和绿色通道的分辨率略有下降，而蓝色通道的分辨率得到了显著提升。
理论上，在近单色LED照明下，所有三个CCD通道的分辨率都应该有所提高。然而，图7中观察到的分辨率下降主要是由于多色光引起的通道间串扰干扰。为了缓解这个问题，可以实施颜色分离的独立照明方案：依次用对应于红色、绿色和蓝色的三组近单色LED进行照明，分别收集每种单色光源下的有效成像数据，然后合成图像。
图8展示了在独立颜色分离的近单色LED照明下传感器捕获的ITRC图像。具体来说，图8a显示了仅用红色LED照明捕获的图像，其中红色通道数据不受绿色和蓝色光的串扰干扰。同样，图8b和图8c中的绿色和蓝色通道数据也不受其他颜色组分的串扰影响。从图8a、图8b和图8c中提取红色、绿色和蓝色通道数据以进行颜色图像合成，可以有效地消除由通道间串扰引起的分辨率下降。
图8. 在近单色LED照明下ITRC的图像。(a) 在红色LED照明下拍摄的图像。(b) 在绿色LED照明下拍摄的图像。(c) 在蓝色LED照明下拍摄的图像。
图9通过比较在单色LED照明（图8）和D50宽带照明（图4a）下获得的结果，展示了ITRC上56个视场位置的三个CCD通道的MTFIT差异。具体来说，图9a绘制了红色通道的差异，ΔMTF-AVG值为1.2、0.7和0.4，ΔMTF-MED值为1.0、1.0和0.2，ΔMTF-STD值为1.5、2.6和3.0。图9b展示了绿色通道的差异，ΔMTF-AVG值为5.0、6.7和8.0，ΔMTF-MED值为5.0、6.7和7.4，ΔMTF-STD值为1.7、3.4和4.2。图9c提供了蓝色通道的差异，ΔMTF-AVG值为9.5、8.9和7.7，ΔMTF-MED值为9.5、9.4和7.8，ΔMTF-STD值为2.7、3.6和3.9。
图9. 独立LED照明和D50照明之间的MTFIT差异。(a) 红色通道的差异值，(b) 绿色通道的差异值，(c) 蓝色通道的差异值。
结合图9中的MTFIT差异以及相应的ΔMTF-AVG和ΔMTF-MED指标，可以看出 near-monochromatic LED分离成像可以有效抑制通道间串扰并大幅提高绿色和蓝色通道的整体分辨率。相比之下，红色通道的分辨率提升有限，这可能主要受光学镜头设计、CCD传感器的三通道采集模式和实际焦点位置的影响。
此外，ΔMTF-STD数据表明MTF20P值明显高于MTF50P值。这表明对应于高频MTF指标的精细结构区域更容易受到噪声、不均匀照明和其他干扰因素的影响，导致数据分散和分辨率测量的偏差较大。
图9中的数据表明，在近单色LED照明下减轻通道间串扰的最佳方法是依次用红色、绿色和蓝色LED捕获图像并将三个通道的数据融合。然而，这种方法需要每种颜色图像三次曝光，这限制了其在大多数基于颜色传感器的成像系统中的实际应用。

4. 线性串扰图像校正方法
在不同颜色光照明下，每个传感器像素的强度值遵循近似线性的叠加关系。因此，图6a中的混合光成像结果可以被认为是红色、绿色和蓝色近单色LED独立照明下捕获的图像的线性叠加。设图像传感器在单独的红色、绿色和蓝色LED照明下的三个通道强度矩阵分别为、、和。表示在近单色红色LED照明下相机绿色通道捕获的图像数据。其他符号的定义规则类似。图6a中的混合光成像对应的三个通道强度矩阵可以表示为：(7) 在方程(7)中，如果忽略Bayer彩色滤镜阵列的区域差异，当单个波长的LED单独照明时，传感器三个通道输出的强度值可以认为仅具有强度缩放关系，因此方程(7)可以改写为：(8) 其中 (9) 鉴于三个通道遵循方程(8)中的近似线性关系，本研究使用ITRC上HRWA区域的三个通道强度值进行校准。在单独的红、绿、蓝LED照明下，图8中HRWA区域的R/G/B通道的平均强度向量分别约为(153, 38, 17)、(37, 154, 26)和(13, 60, 152)。这些值的线性叠加产生的理论平均强度值约为(203,252,195)。如标准化比例关系203:252:195 ≈ 194:242:187所示，理论通道间的比例与图6a中测量的值(194, 242, 187)高度一致。这一结果验证了方程(8)中线性叠加假设对于图像强度值的合理性。在单色照明下，系数可以通过图8a中HRWA区域的三个通道的平均强度值来计算：(10) 理论上，给定比例系数以及红、绿、蓝通道矩阵，可以从方程(8)推导出各自的照明矩阵。然而，使用彩色CCD生成完整的彩色图像需要引入额外的图像处理机制，因此无法直接使用方程(8)来求解这些系数。大多数彩色CCD采用Bayer滤镜阵列进行彩色图像采集。在Bayer滤镜阵列的2×2基本重复单元中，红、绿、蓝像素的分布比为。这意味着没有一个单个颜色通道能够在单帧原始图像中获得完整的空间细节，绿色通道保留了高达50%的原始细节。需要后续插值算法来重建每个通道以获得全分辨率图像数据。由于绿色像素的比例较高，绿色通道在初始采样阶段表现出更高的分辨率，导致不同颜色通道之间的串扰程度存在显著差异。当绿色光在红色和蓝色通道中引起串扰时，每个通道在Bayer阵列的基本重复单元中仅包含一个像素，其余像素通过插值重建，这种串扰主要是低频的。相反，红色和蓝色光在绿色通道中的串扰由于采样密度较高，主要由高频串扰主导。红色对蓝色通道和蓝色对红色通道的串扰也表现出低频特性，类似于与绿色光相关的串扰。换句话说，对于实际彩色相机捕获的图像，方程(8)中的绿色通道值与红色和蓝色通道的值不一致。(11) 在方程(11)中，绿色通道的强度值是在接近单色光的混合白光照明下由绿色通道捕获的高分辨率成像数据。经过适当平滑处理后，处理后的结果近似等于原始值。在实际处理中，首先使用绿色通道的数据来校正红色和蓝色通道的矩阵。在方程(13)中，表示经过适当平滑处理后的绿色通道数据。我们首先使用方程(13)分别计算矩阵的近似值，然后利用这些结果在方程(11)中求解矩阵的近似值。然而，由于这些值是低频数据，直接使用它们来校正方程(11)中的绿色通道数据只能补偿其低频成分。这会导致校正后的绿色通道显示出比纯绿色光照明下实际分辨率更高的 apparent resolution。图10a显示了根据图6a使用方程(11)和(13)校正绿色通道后得到的图像，随后使用HRWA作为基准进行色温校正（通过将每个通道的HRWA缩放到最大值254并成比例地重新调整整个通道的强度值）。图10. 混合色LED光源的照明校正图。(a) 校正后的ITRC图像。(b) 校正后的绿色通道差异。在校正红色和蓝色通道时，绿色通道数据先经过高斯模糊处理（通过MATLAB R2024b中的imgaussfilt函数实现）。模糊核参数σ直接影响优化后的图像分辨率。在多个成像位置的实验比较表明，对于本研究中使用的镜头-相机组合，σ=0.8是最优的。图10b展示了在图4中的D50连续光谱照明下校正后的绿色通道与参考数据之间的MTFI偏差。相应的定量指标如下：ΔMTF-AVG分别为11.0、14.2和15.9，ΔMTF-MED分别为10.3、14.0和14.6，ΔMTF-STD分别为3.0、4.1和6.1。校正后的绿色通道的ΔMTF-AVG和ΔMTF-MED显著高于单色光照明下的值，图9b报告的ΔMTF-AVG分别为5.0、6.7、8.0，ΔMTF-MED分别为5.0、6.7、7.4。这一发现验证了前述分析的准确性。具体来说，基于方程(13)计算，并从方程(11)中推导出的值，仅消除了由红色和蓝色光在绿色通道中引起的低频串扰，但这最终可能导致绿色通道图像分辨率的过度校正。略微较大的ΔMTF-STD值3.0、4.1和6.1表明红色和蓝色光的高频成分残留导致校正后分辨率值的明显波动。图11展示了图6a中校正后图像的红色和蓝色通道的MTFI差异曲线，与图4a中连续光谱照明下的对应通道进行了比较。红色通道的ΔMTF-AVG值分别为1.7、1.4和1.2，ΔMTF-MED值分别为1.7、0.8和1.1，ΔMTF-STD值分别为1.9、2.4和3.4；蓝色通道的ΔMTF-AVG值为8.3、7.5和6.8，ΔMTF-MED值为8.3、7.4和6.6，ΔMTF-STD值为2.9、3.7和4.0。这些数据与图9a、c中独立LED照明下测量的ΔMTF-AVG、ΔMTF-MED和ΔMTF-STD结果非常吻合，即红色通道分别为1.2、0.7、0.4（ΔMTF-AVG），1.0、1.0、0.2（ΔMTF-MED），1.5、2.6、3.0（ΔMTF-STD）；蓝色通道分别为9.5、8.9、7.7（ΔMTF-AVG），9.5、9.4、7.8（ΔMTF-MED），2.7、3.6、3.9（ΔMTF-STD）。这表明校正后的红色和蓝色通道的分辨率与单独单色LED照明下的性能非常接近。图11. 校正后红色和蓝色通道的MTFI差异值。(a) 红色通道数据。(b) 蓝色通道数据。本文算法的核心目标是使校正后的图像接近通过单独RGB时分近单色光照明合成的理想参考图像。使用峰值信噪比（PSNR）和结构相似性指数（SSIM）进行客观质量评估，以量化像素强度偏差、残余颜色串扰和结构差异。以RGB时分近单色光合成的图像作为理想基准，定量结果如下：校正后图像相对于理想基准的RGB三通道PSNR和SSIM分别为29.8 dB、29.1 dB、29.5 dB和0.89、0.84、0.88；原始混合图像相对于理想基准的RGB三通道PSNR和SSIM分别为25.9 dB、35.6 dB、23.5 dB和0.80、0.88、0.78。逐通道分析显示，与原始混合图像相比，校正后的R和B通道的PSNR分别增加了3.9 dB和6.0 dB，SSIM分别增加了0.09和0.10，更接近理想基准；G通道的PSNR下降了6.5 dB，SSIM下降了0.04，这是由于多通道联合优化的限制，这是一个合理的折中。校正后图像与原始混合图像之间的RGB三通道PSNR和SSIM分别为27.9 dB、24.5 dB、27.1 dB和0.89、0.80、0.94，表明该算法在保留主要结构的基础上完成了像素重建和串扰校正。总体而言，处理后的图像更接近理想基准，可以有效抑制通道串扰并实现高质量恢复，符合客观评估标准，验证了算法的有效性并实现了设计目标。对于给定的成像系统，比例系数是与照明波长、CCD量子效率和其他相关因素相关的常数。可以观察到，当使用与镜头设计波长带匹配的接近单色LED光源进行成像时，使用标准白色参考表面（例如HRWA）预校准每个颜色通道的串扰比率系数，可以通过线性通道串扰关系（方程(11)和(13)）部分校正串扰，从而提高各个通道和整个成像系统的分辨率。5. 讨论当前针对颜色串扰和色差的主要解决方案主要依赖于后处理算法，如非线性反卷积和迭代优化。Kim的正则化反卷积在细节恢复方面表现良好，但计算量大且实时性能较差[14]。Ahmad的工作有效分析了CCD串扰，但它仅限于特定设备，无法为一般成像场景开发通用的校正方法[8]。与上述策略不同，本研究通过网络前端近单色照明调节而不是后处理补偿来优化颜色成像性能。对比实验（标准化CCD参数，ISO 12233 eSFR测试卡）证实了通过光谱耦合分析揭示的通道间串扰是混合色LED照明下分辨率限制的主要因素。单独的单色照明和图像合成可以有效抑制串扰并提高分辨率。提出了一种基于CCD强度响应线性叠加的低复杂度线性串扰校正方法，无需非线性迭代算法即可校准混合色图像。本研究为实际彩色成像系统工程中的光谱优化和串扰抑制提供了坚实的实验支持和可靠参考。