量化光线强度：方法自动化与摄影光线调节器的影响 Veronika ?tampfl 和 Jure Ahtik

《Journal of Imaging》：Quantifying Light Harshness: Method Automation and Influence of Photographic Light Modifiers Veronika ?tampfl and Jure Ahtik

　　摘要
准确评估光的特性至关重要，这通常通过光度和色度标准化方法来实现。然而，光的空间特性——即“硬度”——仍然难以量化。在作者之前工作的基础上，本研究提出了一种基于标准化环境中投射阴影的图像分析来确定光源硬度的完全自动化方法。改进后的方法通过引入算法去噪和阴影数据自适应平滑处理，消除了手动阴影分割的需要。该方法应用于180张测试图像，这些图像包含了30种不同的摄影用光线调节附件（如柔光箱、美妆盘和聚光罩）组合，以及两种光源（卤素灯和氙气灯）和三种亮度级别。结果表明，该方法能够检测到阴影特性的细微差异，并证实了几何形状、材料以及光源调节附件的方向对硬度的影响。此外，研究结果还提供了关于摄影用光线调节附件对原始光线影响的定量见解。

1. 引言
人工照明对摄影、电影制作、建筑、工业设计以及以人为中心的视觉系统等多个领域有着深远的影响。这些领域往往依赖于精确且可预测的照明条件。照明质量传统上通过光度和色度参数来量化，例如发光强度、相关色温（CCT）和显色指数（CRI），这些参数已经得到了国际标准化[1,2]。尽管这些参数非常重要，但它们无法捕捉到其他感知特性，例如硬度的感觉（也表现为光线或阴影边缘的柔和度）或照明的视觉舒适度[3]。
在我们之前的研究[4]中，我们开发了一种定量描述被测光源硬度的方法。然而，该方法并未完全自动化，而是作为针对具有不同特性的少量光源的概念验证而开发的。因此，本研究的目的是将最初提出的方法完全自动化，并将其应用于更广泛和多样的照明条件下，即选择能够改变光源光束硬度的各种光线调节附件。

1.1. 摄影照明中的光线硬度
光线硬度指的是被照亮物体投射出的阴影的空间强度分布和边缘清晰度。柔光箱、美妆盘、蜂窝网格、反射板和其他光线调节附件通常用于通过扩散或定向光线来改变硬度。这些附件的设计、材料和几何形状极大地影响了光束的轮廓，并且会产生不同的阴影，从而影响观察者的感知和焦点[3,5]。
尽管这一概念在照明设计中至关重要，但其性能评估仍然主要是定性的[5]。设置不一致、场景的几何形状以及主观评估使得比较研究变得具有挑战性。因此，一种可复制、定量且可扩展的光线硬度评估方法至关重要。

1.2. 阴影分析与阴影去除
阴影为分析光源的方向性和空间特性提供了可靠的视觉线索。投射阴影的结构——特别是阴影区和半阴影区之间的几何形状和强度梯度——已被用来推断光线方向、柔和度以及环境特征[5,6]。特别是Basri和Jacobs[7]以及Sato等人[8]展示了几何阴影分析可以揭示照明源的物理特性。
基于此，计算机视觉领域的最新方法使用了分割和学习技术来检测阴影，尤其是在不受控制的户外环境中。Dong等人[9]、Khan等人[10]和Chen等人[11]开发了基于边缘、强度和学习模型的阴影检测算法。类似地，Hu等人[12]提出了考虑方向的空间上下文特征以改进阴影去除效果。
Yasutomi等人[13]和Imai等人[14]的研究针对超声波和高光谱无人机（UAV）图像中的阴影估计进行了探讨，表明这些方法在不同领域具有更广泛的相关性和可转移性。此外，Reddy和Harikiran[15]、Zhang和Kong[16]以及Zhang等人[17]提出了用于角度检测、循环注意力和多尺度分解的鲁棒模型，反映了当前将物理阴影特征与人工智能驱动的解释相结合的研究趋势。
先进的图像阴影去除技术，例如使用条件生成对抗网络（CGAN）进行阴影检测并随后去除阴影，在自然[17,18]和技术[19]成像领域都显示出潜力。例如，Xu等人[20]和Acharya与Thapa[21]使用了基于GAN的模型进行投射阴影的去除。Inoue和Yamasaki[22]利用合成阴影进行基于深度学习的阴影检测和去除。虽然这些进步提高了视觉清晰度，但它们主要并不专注于量化阴影结构和光线硬度。

1.3. 确定光线硬度
在我们之前的研究[4]中，我们引入了一种使用二值阈值进行阴影分割的新方法，该方法使我们能够区分阴影区内的阴影区和半阴影区，从而估计阴影硬度，进而估计光线硬度，因为阴影是光线的结果。
该方法假设了一个标准化的设置来捕捉阴影表面的图像，同时预定义了投射阴影的遮挡物。该方法在LED、卤素灯和氙气灯光源上进行了测试，并且光束还通过光线调节附件进行了扩展以分散光线。研究表明，当阴影与背景的对比度较高时，该方法最为有效，从而能够更精确地估计硬度。
该方法的关键步骤如图1所示。首先，将阴影表面的输入图像与参考图像对齐并裁剪到感兴趣的区域。其次，提取阴影并去除背景。然后，对剩余的阴影图像在每个阈值上进行二值化处理，得到256张二值图像。接着，计算二值形状的质心并将其添加到数据堆中，形成包含256个数据点的数据集，这些数据点勾勒出阴影的梯度，如图1f所示。然后通过视觉分析去除数据集中的噪声，并数学上定义从阴影区到半阴影区的分界点。最终的硬度值??基于半阴影宽度????与阴影高度???的比率。

2. 提出的方法自动化
首先，我们介绍了原始方法的算法概述，该方法已被发表为一种提供阴影硬度数值估计的新方法，从而也可以估计被测光源的硬度[4]。其次，我们介绍了提出的方法扩展，其中包含了额外的步骤以改进原始方法并实现方法的完全自动化，消除了确定数据噪声或阴影边界所需的视觉分析步骤。

2.1. 原始方法概述
原始的光线硬度确定方法可以分为四个部分：图像配准、阴影检测、阴影分割和最终硬度确定。在本小节中，我们简要描述每个部分，并强调在本研究中得到改进的部分。
所需的输入数据是一个阴影区域的图像以及同一区域未被遮挡但仍然由相同光源照亮的图像。这些测试图像应在为硬度确定而设计的特殊实验室环境中拍摄，以确保无论测试何种光源都能进行完全比较。用于图像配准的参考图像也是预先定义好的。
通过图像配准，确保了测试图像的可比性。这是通过在参考图像上放置与投影平面上相同的ArUco标记来实现的，从而有足够的参考点来确定视觉上为空区域的重叠部分。首先，将测试照片从RAW格式转换为JPG格式，然后从RGB颜色空间转换为灰度格式。在参考图像和测试图像上都识别出ArUco标记，从而可以通过计算单应性矩阵将测试图像与参考图像对齐。对齐后的图像被裁剪到一个预先定义的区域，沿其垂直轴将阴影一分为二，并去除没有阴影的区域。最终裁剪的图像保存为8位JPG格式。
阴影检测需要两张对齐并裁剪的图像。这对图像包括一个阴影图像???????和一个非阴影图像????（即背景图像）。然后通过减法运算得到阴影的正像??。为了提取不同亮度水平下的阴影形状信息，对该图像在256个阈值?????????（从0到255，步长为1）每个阈值应用逆二值阈值处理，得到256张二值图像。在这些图像中，计算出最显著轮廓的质心，从而得到一组256个质心坐标（???????,???），这些坐标勾勒出分析出的阴影梯度。
然而，在某些二值化图像中，阴影的形状可能无法识别，因此无法计算质心。在这种情况下，质心被设置为（0, 0）。在其他情况下，梯度在视觉检查中可能不呈现恒定趋势，并显示出明显的噪声，无论是重复的还是随机的。这些噪声需要手动去除，而异常值则通过视觉分析来确定。只有这样才能进行阴影的分割。
对于阴影分割，需要检测阴影开始（????）和结束（????）的阈值，即在坐标不是（0, 0）的第一个和最后一个值。这个范围被定义为阴影范围????，然后使用Savitzky–Golay滤波器[23]和自适应窗口长度对其进行平滑处理。通过过滤后的数据集形成曲线~?? =???(~??)，表示阴影的形状。为了确定阴影区和半阴影区的边界，定义了一个过渡点????/??，其公式为
????/??=?{ {?{ {?max???(??′?(~????))??????,??if??~????<~?????,??????max??=1,…,????
?????(??′?(~????)),??otherwise, (1)
其中?? ′(~??)是拟合曲线的导数，????????是其最大值的位置参数。
当定义了从阴影区到半阴影区的过渡点后，可以使用以下公式确定阴影高度???和半阴影宽度????：
???=1????(~??)????/??, (2)
和
????=∣~??????/???~??????∣. (3)
这两个值可以用来计算硬度??：
??=???????. (4)

2.2. 方法自动化的提议扩展
尽管原始方法提供了与阴影硬度（以及由此推断出的光线和光源硬度）的定性评估相关的定量结果[4]，但它并未完全自动化。其主要限制在于手动去除噪声，而这主要是由于基于像素的图像分析技术造成的。在这项研究中，通过扩展方法，使得该方法能够完全自动化。
我们遵循了原始方法的四部分结构，没有改变图像配准、阴影检测和最终硬度评估的过程。在阴影分割阶段提出了改进措施，其中算法去除了重复性和随机噪声，不再需要人工干预。过渡点????/??的检测方法也得到了更新，使其适用于更广泛的光源范围。
首先，我们处理了在最低和最高阈值?????????处可见的重复噪声——即在（???????,???）的质心坐标集的开始和结束处。因此，我们必须算法上确定阴影的开始点????和结束点????。为了确定噪声限制，我们首先计算了导数 ????????/??? = Δ???????Δ???????（公式5）和 ????/??? = Δ???Δ???????（公式6），其中 Δ??????? 和 Δ??? 分别是两个序列坐标之间的差异，Δ??????? 是两个序列阈值之间的差异，即 1。然后，我们确定了一系列四个断点，这些断点能够检测到 ????。利用 ??????????，我们确定了 ???? 坐标集中最大值的位置参数，并将这个值向右移动了 5 个单位，以避免检测到可能由随机噪声引起的虚假最大值：?????????? = a???????????? = 0,…,255(??????) + 5（公式7）。接着我们确定了 ????′????????????????，即 ???? 坐标集中最后一个正值的位置参数：????′???????????????? = a?????? { ?? | ????′?? ≥ 0, ?????????? ≤ ?? ≤ 255}（公式8）。这使我们能够设置限制，以确定 ?????????????? 和 ??????????，这两个位置参数分别属于它们自己的坐标集 ???????? 和 ????：?????????????? = a??????????????????? < i ≤ 255(??????????）（公式9）和 ?????????? = a??????????????????? ≤ i < ????′??????????????(??????)（公式10）。这些限制随后被应用于阴影端点 ???? 的算法确定：???? = {??????????, ???? ????????
为了确定过渡点 ????/??，我们再次定义了两个断点：x??? 和 y???：x??? = a?????????? = 0,…,|x???|（公式15）和 y??? = a?????????? = 0,…,|x???|(g′(x???))（公式16），其中 g′(x???) 是 g(x???) 的导数。然后我们可以根据以下条件设置 ????/??：????/?? = ?{ {?{ {?0, ???? x???=0 ???????? ? ??, ?????>?????+1 x???, ???? x???>??′?????′???,???????????????????}（公式17）。随后根据原始方法的公式（2）–（4）计算了阴影高度 H 和半影宽度 T，以及硬度 H。3. 实验：光源修饰器对光线硬度的影响我们测试了 30 种不同的原始光源和附加的光线整形附件（修饰器）组合。这提供了足够大的数据集，以便完全自动化该方法，并更准确地确定更广泛光源组合的硬度 H。3.1. 测试的光线整形附件和光源我们选择了三种类型的摄影光线整形附件：聚光罩、美妆盘和软箱。这三种类型如图 2 所示，而软箱有三种不同的形状和尺寸：条形箱、方形软箱（squarebox）和八角箱（octabox）（图 2c–g）。每种附件都根据其功能进行了多种测试：是否带有用于引导光线的网格、是否带有反射器，以及是否带有用于软化/扩散光线的内部衬里和外部盖子。所有 30 种组合的概览如图 2 和表 1 所示。图 2. 测试的光线整形附件：(a) 带有网格的聚光罩；(b) 带有银色反射器和网格的美妆盘反射器；(c) 大型间接软箱—八角箱；(d) 小型直接软箱—八角箱；(e) 带有内部衬里、外部盖子和网格的大型方形软箱；(f) 垂直位置的条形箱。表 1. 测试的光线整形附件组合。第一种类型是美妆盘反射器，有七种组合，每种组合都包括主要的 Elinchrom Softlite Silver Beauty Dish Reflector（Elinchrom，美国纽约；适用于本研究中的所有 Elinchrom 产品），直径为 70 厘米（标签 BD_R）。这些组合在附加反射器的特性上有所不同（金色—DG、银色—DS 和白色—DW），我们还测试了是否带有网格（标签 G），Elinchrom Softlite Beauty Dish Grid。第二种类型是软箱，它们在尺寸、形状和制造商上有所不同。其中最大的是 Elinchrom Indirect Litemotiv Octa Softbox（直径 190 厘米），它以间接方式反射光线。一个较小的版本是 Elinchrom Portalite Octa Softbox（直径 56 厘米），但它提供直接照明。这两种都进行了两种组合测试：第一种仅包括修饰器的外部主体部分—箱子（标签 B—Elin.）；第二种包括一个白色的外部扩散器—盖子（标签 C—Elin.）。还测试了两种其他方形软箱—squareboxes，即 Elinchrom Portalite Softbox（边长 66 厘米）和 Elinchrom Rotalux Square Softbox（边长 100 厘米）。这两种都只测试了带有反射箱的情况，以及与附加盖子组合的情况。较大的修饰器允许添加网格和内部扩散器—衬里（标签 L—Elin.），我们在所有可用的组合中都进行了测试。还测试了一种矩形软箱—条形箱，有两种方向：水平和垂直。我们测试了 Quadralite Softbox（Quadralite，波兰克拉科夫），尺寸为 30 × 120 厘米，有四种组合：箱子、衬里和盖子（标签 B—Quad.、L—Quad. 和 C—Quad.）。第三种类型是 Elinchrom Snoot Reflector 锥体，我们测试了两种组合：带有一个 15° 角度的额外网格和不带网格的情况。为了更好地理解材料属性，我们测量了测试的光线整形附件整体表面的反射光谱。由于小而难以接触的表面限制，我们无法确定网格的表面属性。这些属性是使用 X-Rite i1 Pro 2 分光光度计（X-Rite，美国密歇根州大急流城）和 Argyll CMS 软件（版本 1.3）测量的，并显示在图 3a 中。图 3. (a) 测试的光线整形附件整体表面的反射光谱；(b) 三种强度水平下测试光源的标准化发射光谱。为了确定光线修饰器与不同光源的交互方式不同，我们在研究中包括了两种类型的光源：Kaiser Studiolight H 光源（Kaiser Fototechnik，德国布亨）连续使用 Osram 64,575 卤素灯（23 V，1000 W；Osram，德国慕尼黑）和 Elinchrom Pro HD 500 闪光灯单元（Elinchrom，瑞士雷南斯），以及 Elinchrom ELC Pro HD 氙气闪光灯管（Elinchrom，瑞士雷南斯）。这两种类型的光源在摄影中最常用，而 LED 没有包括在内，因为无法将相同的光线整形附件附加到光源的底座上。我们在三种强度水平下测试了光源，以消除不同瓦数下光源特性的影响。卤素灯在 57 lx、99 lx 和 225 lx 下测试，氙气灯在 3268 lx、6822 lx 和 12,786 lx 下测试。我们使用与测量修饰器表面相同的分光光度计设置测量了每个样本的发射光谱，并将发射光谱标准化到 0 到 1 的范围内，如图 3b 所示。相关色温（CCT）对于卤素灯范围从 2425 K 到 2757 K，对于氙气灯范围从 5893 K 到 6012 K，通常随着光强度的增加而增加。3.2. 测试环境和测试图像虽然原始研究使用暗室作为测试环境[4]，但由于测试的光线修饰器尺寸较大，我们必须使用一个更大的房间。我们将整个测试装置放置在一个带有黑色背景的摄影工作室中，这被证明对观察到的场景有与原始使用的暗室相当的效果，当测试的光源组合朝向背景时[25]。为了生成阴影，我们使用了提出的标准化测试场景，该场景包括一个 50 厘米的方形灰色投影表面，边缘分布有 16 个 ArUco 标记，以及一个 6 × 8 厘米的 L 形铝制轮廓用于投射阴影。图 4 可以看到场景的 3D 表示，以及原始研究中预测的距离。图 4. 带有阴影区域（有和没有遮挡物）的投影平面的平面图像，形成了每种光源组合（30 个修饰器和 2 种光源在 3 种强度下的测试对）。我们使用 Nikon D850 相机和 Nikkor 50 mm 1.4G 镜头（Nikon，日本东京）拍摄了所有图像，对于给定的光源，相机设置没有变化。所有图像都以 RAW 格式捕获，以最小化数据丢失。3.3. 计算光线整形附件的效果由于研究包括光源与不同光线整形附件的组合，我们能够确定修饰器引起的硬度差异 H?。为了确定这种差异，我们计算了每种光源和光线修饰器组合的硬度 H?，然后使用公式 H? = H??? ? H?（公式18）计算 H???，其中 H?? 是光源与修饰器组合的硬度，H? 是仅由光源产生的硬度。4. 结果和讨论本研究旨在改进从标准化图像中检测阴影形状的原始方法，以确定光线硬度，并表征更广泛的光照条件。首先，我们评论了所提出的方法改进的成功之处，其次，我们分析了将不同的光线整形附件应用于原始光源所引起的硬度差异。第三小节提供了主要结果的概述，随后是对所提出方法的自动化、结果和方法适用性的批判性评估。4.1. 方法自动化为了实现方法的完全自动化，我们开发了一种算法来自动去除数据集中的噪声。第一步是去除每个数据集开始和结束处（即图像最暗和最亮的部分）出现的重复噪声，这些噪声很可能是由于去除背景、投影平面表面的不平整或相机的动态范围造成的，这些都可能导致分析图像中的噪声。这种噪声可以在输入数据集的图 5a 中看到，而在图 5b 中已经被去除。图 5. 改进方法五个阶段的测试组合结果概览：(a) 原始数据集—质心；(b) 算法去除的重复噪声；(c) 算法去除的随机噪声；(d) 应用高斯滤波；(e) 拟合的曲线 y = g(x) 并标记了过渡点 ???/??（蓝色箭头）。通过视觉监控噪声去除的成功率，以确保数据集中的趋势一致。虽然图 5a,b 的可视化可能会由于坐标密集且顺序不可见而导致对数据的误解，但使用了另一种可视化方法来监控噪声去除过程，如图 6 所示。它分别显示了 ???????? 和 ???? 坐标作为阈值 ??????? 的函数，从阴影起点 ??? 到阴影终点 ??? 的范围内绘制了清晰、一致的趋势。尽管这种方法在确定????和????方面被证明是高效的，但仍有一些坐标需要被过滤掉，这些坐标要么位于这两点附近，要么随机分布在数据集中。在下一步中，这些坐标被移除了，因为它们被检测为随机噪声。图6显示了三个光源强度水平下H_SB_B_L的???????坐标、???坐标以及质心坐标：虚线标记了阴影????的起始位置，而虚线则是阴影????的结束位置。随机噪声代表了无法用任何阴影特性来解释的噪声。我们通过计算两个连续点之间的欧几里得距离成功地区分了这些噪声。图5b和图5c的对比显示了随机噪声是如何被正确识别和移除的，其中大约在??? =0.5处的两个坐标在视觉上被视为异常值。然而，在某些数据集中，这种方法导致了噪声的错误检测，从而移除了这些点，使得数据集变得更加稀疏。这也可以在图5c的??? =0.5处看到。尽管如此，这并没有影响180个数据集中的任何数据质量，因为在这一过程之后进行了高斯滤波，该滤波在遵循数据趋势的同时对数据集进行了插值处理，如图5d所示。这使得最终能够拟合出曲线~?? =???(~??)，且没有出现误差（图5e）。虽然最初用于确定从阴影区到半阴影区????/??的过渡点的方法适用于原始研究[4]中的有限数据集，但在应用于更广泛的光源特性范围时出现了弱点。本研究提供了60种不同光源和光形附件组合的阴影数据，这使得算法得到了改进。图7显示了使用更新算法后的阴影梯度，所有组合都得到了不同的结果。除了一个情况外，????/??都在较低的~??值处被检测到（在图表上视觉上更高），从而导致更高的阴影区高度值???，进而导致不同的粗糙度值??。不过，???与半阴影区宽度????是平衡的，因此这三个值之间的差异并不是线性的。唯一一个结果相反的组合是X_OB_B，这也是唯一满足条件（17）中的第一个条件的组合。然而，这个条件是必要的，否则????/??将在数据集的后期才被检测到，导致粗糙度值??与视觉感知的粗糙度不匹配，这将表明两个光形附件的行为实际上是不同的，尽管它们在尺寸、形状和材料类型上有所不同。图7展示了使用原始方法[4]和本研究中的更新方法确定的测试组合的过渡点????/??：(a) H_OS_B；(b) H_SS_B；(c) H_SN_G；(d) X_OB_B；(e) X_OS_B；(f) X_OS_B_C；(g) X_SN_G。为了确定条件（17）是否适用，我们首先将~?? =???(~??)形成的阴影梯度与底层阴影图像进行了视觉比较（如图7所示），然后比较了????/??值及其对粗糙度??的影响。此外，我们还比较了仅在光源类型上不同的测试组合的结果（例如H_OS_B和X_OS_B），因为我们根据经验知道粗糙度可能会有所不同，但程度很小。这些比较使我们确认了设定算法条件的适用性，因为现在结果与视觉感知的阴影特性相匹配。最明显的例子是图7a和图7d中H_OS_B和X_OB_B的????/??的比较，根据原始方法，这两个值是相似的，但从视觉上看，X_OB_B的阴影粗糙度要柔和得多。阴影梯度也显示了这一点，但????/??并未反映出来。根据提出的方法扩展，这两个值有显著差异，并且与视觉感知的粗糙度相关。

4.2. 光形附件对原始光线的影响
除了方法的自动化之外，本研究还关注了特定光形附件对原始光线的特性影响，因为粗糙度值??结合我们的经验知识是评估方法改进成功率的一般方法。研究了两种光源——卤素灯和氙气灯——每种光源分别在没有和安装了29种光修饰器的情况下进行了测试，共得到了60种测试组合。卤素光源的粗糙度水平为?? =0.01，氙气光源的粗糙度水平为?? =0.07，每种修饰器的影响用????表示，正值表示原始光线的软化，即光束的散射。结果如图8所示。图8显示了由于应用光修饰器而导致的卤素灯和氙气灯粗糙度????的变化。无论使用哪种修饰器组合，美容盘修饰器（BD）在粗糙度变化上显示出一致的值。卤素灯和氙气灯的平均值分别为1.76和1.62，标准差分别为0.16和0.24。这表明，尽管这些反射器在光学特性上有所不同，但它们对原始光线的粗糙度影响不大，即使与单独的反射器和额外的网格相比也是如此。接下来测试的两种间接八角形软箱（OB）组合具有最大的直径，其粗糙度变化最大，平均值为7.54和7.33，标准差分别为1.91和1.99。这表明所使用的盖子大大软化了从修饰器外部箱反射的光线，对原始光线的影响最大。相比之下，较小版本的八角形软箱（OS）采用直接照明机制，但与相同材料组合时，其????值最低，平均值为0.44和0.33（±0.25和±0.22）。这表明，不仅光形附件的材料特性在光线修饰中起决定性作用，还需要考虑它们的几何形状和光线分布机制。如果我们比较大型方形软箱（SB）与六种不同材料组合的结果，可以清楚地看到????值的差异。尽管卤素灯和氙气灯的平均值几乎相同（分别为3.13和3.14），但相应的标准差差异较大（分别为1.62和0.65），这表明不同的光修饰器组件在与不同原始光源结合时可能会产生不同的效果。对于大多数修饰器组合，氙气灯的结果略低于卤素灯的结果，但在这里，最简单的组合（与外部箱B结合）显示出更高的软化程度。这也适用于所有其他带有线性器（L）和网格（G）的组合，而额外的盖子（C）与氙气灯结合时再次产生了更粗糙的光线。虽然L和C都具有软化原始光线的功能，但C的效果更为显著，尤其是在与氙气灯结合时。在这种情况下，L和C都由Elinchrom制造，且具有匹配的反射光谱（图3a），因此材料的光学特性和吸收不会是导致这种结果差异的原因。虽然我们在这项研究中没有收集此类数据，但之前的研究[26]表明，材料的孔径大小可能会影响光束的某些特性，因为更多的光线能够透过。此外，L和C在安装方式和尺寸上也有所不同，L安装在修饰器边缘（箱B）外3厘米处，且比B的整个开口小2厘米。这些特性可能会影响修饰器组合对原始光线修饰的效果。在较小的方形软箱（SS）中也可以观察到????值向较低趋势发展的趋势，其光线通常比大型版本SB更柔和。这也可以从平均值看出，卤素灯的平均值为1.26，氙气灯的平均值为0.73（±1.19和±0.61）。由于使用的材料相同，且SB和SS修饰器仅在尺寸上有所不同，我们可以得出结论，修饰器的尺寸在这些差异中起着关键作用。窄型软箱（stripboxes）在两种方向上进行了测试：水平方向（SH）和垂直方向（SV）。在水平方向上，光线软化程度更大，平均值分别为1.32和0.98；而在垂直方向上，平均值分别为0.66和0.49。这是由于光形器的几何形状造成的，其水平方向从更宽的角度照亮投影平面，从而产生比垂直方向更柔和的阴影，如图9a和图9c所示。虽然垂直方向从更高的视角照亮投影平面，应该会缩短阴影区域，从而产生更粗糙的阴影，但实际上这种差异并未影响最终的????结果。这可以被视为该方法的一个缺点，因为相同的修饰器可能会产生多个粗糙度值；或者也可以视为该方法的一个特点，即根据修饰器的安装方向不同，结果也会不同。从图9的视觉比较来看，垂直方向的阴影确实更粗糙，这与图8的数值结果一致。图9显示了不同方向上带有不同光源的stripboxes的均衡阴影图像，所有修饰器都安装了B、L和C：(a) H_SH，(b) X_SH，(c) H_SV，(d) X_SV。图8中SH和SV组合的结果在每个方向上的样本变化趋势更为一致。对于SH，卤素灯的标准差为0.83，氙气灯的标准差为0.76；对于SV，标准差分别为0.11和0.04，这可能表明当修饰器较窄或较小时，其材料结构对光线软化的影響较小。尽管L和C在软化原始光线方面的作用相同，但C的效果更为显著，尤其是在与氙气灯结合时。L和C都由Elinchrom制造，具有匹配的反射光谱（图3a），因此材料的光学特性和吸收不会是导致这种结果差异的原因。虽然我们没有收集此类数据，但之前的研究表明[26]，材料的孔径大小可能会影响光束的某些特性，因为更多的光线能够透过。此外，L和C在安装方式和尺寸上也有所不同，L安装在修饰器边缘（箱B）外3厘米处，且比B的整个开口小2厘米。这些特性可能会影响修饰器组合对原始光线修饰的效果。在较小的方形软箱（SS）中也可以观察到????值向较低趋势发展的趋势，其光线通常比大型版本SB更柔和。这也可以从平均值看出，卤素灯的平均值为1.26，氙气灯的平均值为0.73（±1.19和±0.61）。由于使用的材料相同，且SB和SS修饰器仅在尺寸上有所不同，我们可以得出结论，修饰器的尺寸在这些差异中起着关键作用。窄型软箱（stripboxes）在两种方向上进行了测试：水平方向（SH）和垂直方向（SV）。在水平方向上，光线软化程度更大，平均值分别为1.32和0.98；而在垂直方向上，平均值分别为0.66和0.49。这是由于光形器的几何形状造成的，其水平方向从更宽的角度照亮投影平面，从而产生比垂直方向更柔和的阴影，如图9a和图9c所示。虽然垂直方向从更高的角度照亮投影平面，应该会缩短阴影区域，从而产生更粗糙的阴影，但实际上这种差异并未影响最终的????结果。这可以被视为该方法的一个缺点，因为相同的修饰器可能会产生多个粗糙度值；或者也可以视为该方法的一个特点，即根据修饰器的安装方向不同，结果也会不同。我们从后一种观点来看待这一点，因为图9中的视觉比较清楚地显示垂直方向的阴影更粗糙，这与图8的数值结果一致。通过对各种阴影的分析，我们能够分多个步骤来定义该算法。每个步骤都起到一种“安全保障”的作用，以防前一个步骤在识别噪声方面不够准确。首先，我们定义了重复性噪声；接着是那些对数据集分析结果没有决定性影响的随机数据点。另一种保护数据集完整性的方法是高斯滤波——它不会过度平滑数据从而改变其原有特性，但会使数据更加均匀，从而便于后续的精确分析。

同时，我们对30种用于塑造光线的附件（即光线调节器）进行了特性研究。不同调节器对光线的影响因原始光线的性质而异。这表明我们需要开展更广泛的研究，特别是针对常用的LED光源。由于光线强度的变化主要与光线与纺织材料的相互作用有关，我们建议进行跨学科研究，探讨纺织纤维的光学特性。不过，可以根据光线调节器的类型对研究结果进行总结：

- 美容盘（Beauty Dish）能够适度扩散原始光束，但当与网格结合使用时，光线的强度会略有降低。
- 使用额外的反射板对光线强度没有明显影响。
- 软箱（Softbox）根据其大小、方向性和材质特性会产生不同的光线强度：较大的软箱和间接使用的软箱会产生最柔和的光影，但强度也相对较高；较小的软箱（如果没有白色覆盖层）对光线强度的影响不大；而密度较大的材料则会使光线强度增加。这些材料还可能与原始光线发生相互作用，并根据光线性质的不同而改变光线的形态。
- 鼻锥（Snoot）单独使用或与网格结合使用时，都不会显著改变光线的强度。

尽管改进后的方法提供了大量关于光线调节器对光线强度影响的定量数据，但我们仍对这些结果的可靠性存有疑虑。在原始研究中[4]，我们已经指出，传统的BER（平衡错误率）指标无法用于验证阴影检测结果，因为该指标基于人类对阴影边缘的感知，而这种感知实际上与阴影与背景的对比度有关。此外，由于没有明确的光线强度最大值，也无法进行统计分析。因此，我们建议采用独立观察者的方法，让他们对阴影图像进行定性评估，并用描述性的强度等级来评分，从而更独立地验证数值结果。

这类研究应该是该方法发展的下一步，它或许能帮助解答在分析过程中出现的另一个研究问题：即何时可以认为某种变化属于错误并予以忽略。在色度学中，这个问题是通过固定的误差阈值来处理的，但这些阈值往往难以被人类肉眼察觉，且可能因观察者的专业经验而有所不同[27,28]。这种误差阈值的概念也可以应用于此处，因为该方法的目标是数值化描述我们原本通过视觉感知的光线特性。

**结论**：
所提出的方法扩展提高了该方法的适用性，因为它实现了完全自动化，无需人工干预。任何人都可以按照实验步骤使用该方法，从标准化环境中的阴影生成到图像的捕捉与处理。尽管还有进一步研究的空间，但我们认为改进后的方法在量化各种光源产生的光线强度方面非常有效。该方法的全自动化确保了在广泛的光源条件下（包括摄影实践中常用的光线调节器）都能准确区分光线强度的变化。关于光线强度变化的研究结果为这一领域的发展提供了初步的全面见解，为后续研究奠定了基础。该方法在摄影和视频制作领域具有极高的价值，因为创作者需要从多种光线调节器中选择合适的工具，而其效果只能依靠以往的经验来推测。此外，该方法还能定量评估光线调节器对原始光束的影响，并便于产品之间的比较，帮助摄影师和视频制作人更好地预测光线的特性。