第五章 結論與建議
第二節 未來工作與建議
在本節中，將提出六個未來工作的方向與建議。後續的研究者可參考下列所 述做進一步的探討：
一、 部分顏色的大色差現象改善
雖然本研究產生的重建結果，色差值平均小於 1.7，屬於人眼無法分辨的範 圍。但是有一些特定的顏色在重建的過程中，產生了較大的色差。這並不符合預 期，所以應該需要持續研讀相關文獻並找出合適的方法來改善。
二、 不同材質的色彩樣本蒐集
在本研究中所蒐集到的四組色彩樣本中，除了其中一組材質有包含自然界物 質之外，其他的樣本材質皆為紙，可能造成模型能夠應用的範圍比較狹隘，未來 研究者除了應該透過蒐集、或是自行量測更多不同材質的色彩樣本，來擴充本方 法的通用性與普遍性。也許能夠更進一步地依材質的差異分類成不同組的訓練樣 本，將不同材質潛在同色異譜的問題也考慮在研究控制中。
三、 不同光源下的頻譜重建與色彩顯像模擬
本研究利用 D65作為頻譜重建的依據，建議欲從事相關研究者，也可以選擇 不同光源、或是兩種以上的複和光源資料來建立頻譜重建的模型，以增加模型對 物體頻譜反射率重建的準確性。
在色彩顯像的模擬部分，本研究僅選擇了 CIE 定義的典型日光系列，以及 標準照明體 A 等標準照明體作為實驗結果的呈現。未來可以考慮使用更多實際
量測而來的光源種類，如：TL-84、日光燈、與發光二極體(Light Emitting Diode，
LED)等作為色彩顯像模擬的目標。
四、 ISRF 的最佳化
本研究是經由對頻譜樣本的觀察後，從眾多數學函數中任意選擇了六種來作 為 ISRF 的型態代表，而且根據它在 xy 色彩空間中的位置進行微調。然而，還 有許多種類的 ISRF 可以創建，而且應該可以找出最好的組合，來最佳化 ISRF。
另一項關於 ISRF 的工作是控制 ISRF 的數量，使得內插能夠更迅速簡單，
以利用於需要高速度運算的影像處理。研究者應該找到數量最少但足夠能改善內 插效果的 ISRF 來協助內插資料的重建。
五、 應用於影像處理演算法開發
本研究在色彩顯像模擬的研究結果中，實際呈現了一張以本重建方法用於影 像處理的例子，驗證了其能夠應用的可行性。未來可以此方法作為設計影像處理 演算法的基礎，以大批的影像作為測試樣本，持續修正調整此演算法應用於不同 情況之下，如：高動態影像範圍合成(High Dynamic Range，HDR)、廣色域 (Wide-Color-Gamut)或是擴增實境(Augmented Reality，AR)等。
以擴增實境在影視製作上的應用為例，便可利用本方法將虛擬物體與實境背 景之影像色彩加以分析，利用多頻譜的特性，模擬其光源為一致或共同置換成特 定光源。如此一來，在影像融合時便會更生動自然，猶如在同一時空下。
六、 應用於硬體設備設計
除了軟體技術的延伸開發，在未來工作的建議中，硬體的方式也是值得被考 慮的一項工作，例如將 ISRF 的演算方法直接設計在硬體的設備當中，可以簡化 從取像到重建再模擬的步驟，如：多頻譜相機。如此一來，透過含有此演算法的 相機，直接可以取像並估計出頻譜，大大地降低了計算的成本。
參考文獻
[1] 羅梅君(2010)。數位色彩管理科學：色彩度量學。臺北市：羅梅君。
[2] 胡國瑞、孫沛立、徐道義、陳鴻興、黃日峰、詹文鑫、羅梅君(2009)。顯示 色彩工程學。新北市：全華圖書。
[3] Berns, R. S., Imai, F. H., Burns, P. D., & Tzeng D. Y. (1998).
Multi-spectral-based color reproduction research at the Munsell Color Science Laboratory. Proceeding of SPIE , 3409, 14-25. doi:10.1.1.23.6320
[4] Westland, S., & Ripamonti, C. (2004). Computational Colour Science using
Matlab. New York, NY: John Wiley & Sons, Ltd.
[5] Mansouri, A., Marzani, F. S., Hardeberg, J. Y., & Gouton, P. (2005). Optical calibration of a multispectral imaging system based on interference filters.
Optical Engineering, 44(2), 027004-1–027004-12. doi:10.1117/1.1839889
[6] Vilaseca, M., Mercadal, R., Pujol, J., Arjona, M., de Lasarte, M., Huertas, R., Melgosa, M., & Imai, F. H. (2008). Characterization of the human iris spectral reflectance with a multispectral imaging system. Applied Optics, 47(30), 5622–
5630. doi: 10.1364/AO.47.005622
[7] Brauers, J., Schulte, N., & Aach, T. (2008). Multispectral filter-wheel cameras:
Geometric distortion model and compensation algorithms. IEEE Transactions on
Image Processing, 17(12), 2368–2380. doi: 10.1109/TIP.2008.2006605.
[8] Tzeng, D. Y., & Berns, R. S. (2005). A review of principal component analysis and its application to color technology. Color Research Application, 30(2), 84-98.
doi: 10.1002/col.20086
[9] Cohen, J. (1964). Dependency of the spectral reflectance curves of the Munsell color chips. Psychonomic Science, 1(12), 1964, 369-370.
[10] Maloney, L. T. (1986). Evaluation of linear models of surface spectral reflectance with small numbers of parameters. Journal of the Optical Society of America A,
3(10), 1673-1683. doi:10.1364/JOSAA.3.001673
[11] Parkkinen, J. P. S., Hallikainen, J., & Jaaskelainen, T. (1989). Characteristic spectra of Munsell colors. Journal of the Optical Society of America A, 6(2), 318-322. doi:10.1364/JOSAA.6.000318
[12] Fairman, H. S., & Brill, M. H. (2004). The principal components of reflectances.
Color Research and Application, 29(2), 104–110. doi: 10.1002/col.10230
[13] Ansari, K., Amirshahi, S. H., & Moradian, S. (2006). Recovery of reflectance spectra from CIE tristimulus values using a progressive database selection technique.
Coloration Technology, 122(3),
128-134.doi:10.1111/j.1478-4408.2006.00019.x
[14] Ayala , F., Echávarri, J. F., Renet, P., & Negueruela, A. I. (2006). Use of three
tristimulus values from surface reflectance spectra to calculate the principal components for reconstructing these spectra by using only three eigenvectors.
Journal of the Optical Society of America A, 23(8), 2020-2026.
doi:10.1364/JOSAA.23.002020
[15] Agahian, F., Amirshahi, S. A., & Amirshahi, S. H. (2008). Reconstruction of reflectance spectra using weighted principal component analysis. Color Research
and Application, 33(5), 360–371. doi: 10.1002/col.20431
[16] Abed, F. M., Amirshahi, S. H., & Abed, M. R. (2009). Reconstruction of reflectance data using an interpolation technique. Journal of the Optical Society
of America A, 26(3), 613-624. doi: 10.1364/JOSAA.26.000613
[17] Kim, B., Han, J., & Park, S. (2012). Spectral reflectivity recovery from the tristimulus values using a hybrid method. Journal of the Optical Society of
America A, 29(12), 2612-2621. doi: 10.1364/JOSAA.29.002612
[18] Harifi, T., Amirshahi, S. H., & Agahian, F. (2008). Recovery of reflectance spectra from colorimetric data using principal component analysis embedded regression technique.
Optical Review, 15(6),
302-308. doi:10.1007/s10043-008-0049-1
[19] Zhang, W. F., & Dai, D. Q. (2008). Spectral reflectance estimation from camera responses by support vector regression and a composite model. Journal of the
Optical Society of America A, 25(9), 2286-2296. doi: 10.1364/JOSAA.25.002286
[20] CIE(2000). About us. Retrieved from: http://www.cie.co.at/[21] 陳鴻興、陳君彥(譯)(2003)。基礎色彩再現工程(原作：大田登)。臺北市：全 華。(原著出版年：1997)
[22] Amidror, I. (2002). Scattered data interpolation methods for electronic imaging systems: A survey. Journal of Electronic Imaging, 11(2), 157–176. doi:
10.1117/1.1455013
[23] Berns, R. S., Billmeyer, F. W., & Saltzman, M. (2000). Billmeyer and Saltzman's
principles of color technology. New York, NY: John Wiley & Sons, Ltd.
[24] 楊清田、魏碩廷(2007) 。數位色彩之設計與應用。新北市：全華圖書。
[25] BruceLindbloom (2009). Chromatic Adaptation. Retrieved from:
http://www.brucelindbloom.com/index.html?ColorCheckerCalculator.html [26] Sharma, G., Wu, W., & Dalal, E. N. (2005). The CIEDE2000 color-difference
formula: Implementation notes, supplementary test data, and mathematical observations. Color Research Application. 30(1), 21-30. doi: 10.1002/col.20070 [27] Ergun, G., & Nagas, I. C. (2007). Color stability of silicone or acrylic denture
Liners: An in vitro investigation. European Journal of Dentistry, 2007(1), 144-151.
[28] University of Joensuu Color Group (n.d.). Spectral Database. Retrieved from:
https://www.uef.fi/spectral/spectral-database.
[29] Munsell Color Science Laboratory (2011). CIE standard illuminant data.
Retrieved from: http://www.cis.rit.edu/research/mcsl/online/cie.php.
[30] Babelcolor (2003). Spectral data of the color checker digital SG. Retrieved from:
http://www.babelcolor.com/index.htm
[31] Westland, S., Shaw, J., & Owens, H. (2000). Colour statistics of natural and man-made surfaces.
Sensor Review, 20(1),
50-55 doi:10.1108/02602280010311392[32] 周遵儒、陳怡君(2008)。快速反射譜模擬方法。2008 色彩學研討會論文集。
113-120。
[33] 呂億德(2009)。自然影像中最佳化物體反射譜估計及其後製應用之研究(未出 版之碩士論文)。國立臺灣師範大學，臺北市。
[34] Chou, T. R., & Lin, W. J. (2012). Optimal estimation of spectral reflectance based on metamerism. Proceeding of SPIE-IS&T Electronic Imaging 2012, 8292, 829213-829213-10. doi: 10.1117/12.907606
[35] 張智星(2000)。MATLAB 程式設計與應用。新竹市：清蔚科技。
[36] The Multi-Parametric Toolbox for Matlab (2010). MPT toolbox. Retrieved from:
http://control.ee.ethz.ch/overview.en.html
[37] Imai, F. H., Rosen, M. R., & Berns, R. S. (2002). Metameric correction using parametric decomposition. Proceeding of CGIV 2002: The First European
Conference on Colour Graphics, Imaging and Vision, 492-496.
[38] Romero, J., García-Beltrán, A., & Hernández-Andrés, J. (1997). Linear bases for representation of natural and artificial. Journal of the Optical Society of America