首先，分析确定了两种方法对颜色分量的评估不同，尤其是颜色分量 a* 和 b*。差异取决于样品的类型，因为加工肉和新鲜肉的测量显示出不同的行为。这表明反射率样品的特性对色度计的影响比对多光谱视觉系统的影响更大。

图1.左：VideometerLab 的LED光谱。右图：CIE XYZ 颜色匹配函数和光谱带的拟合

将上一节中描述的光度成像模型应用于Macbeth Color Checker® 的多光谱图像，得到图2中的 L*、a* 和 b* 图像。图像的色标基于定义 CIELAB空间的-L*从黑色到白色，a*从绿色到红色，b*从黄色到蓝色。通过平均每个颜色方块内的像素值，可以找到 24个不同的 L*、a* 和 b* 值。色度计应用于 24 个正方形中的7个。主要考虑了带红色和褐色的方块。

图2.基于光度成像模型的Color Checker 的 L*、a* 和 b* 图像

在肉类样品的L*、a*和b* 图像中，我们模仿了色度计的现场测量值，如图3所示。这些现场测量值并不直接对应于色度计测量的位置。它们是按照相同的准则选择的，因此与色度计站点一样主观和随机。在测量中，三个颜色分量的范围是 28.3-74.13 (L*)、2.17-29.01 (a*) 和 2.66-20.28 (b*)，即数据中仅表示了一小部分颜色分量。

图3.L*、a* 和 b* 图像中的点模拟

图4的图表表明，对于色度分量，情况可能并非如此。对于方法 (M) 的效果，本文注意到三个分量的测试 F 值增加 - L* 分量为 66.9，a* 分量为 570.4，b* 分量为 2851.1。对于处理效果(p)的F值，观察到相反的趋势。F值急剧下降。这些结果，连同之前发现的相关性，表明这两种方法以类似的方式测量 L* 分量。一个*成分受所用测量方法的影响更大，但也取决于样品是加工过的还是新鲜的肉。最后，对于 b* 成分，两种方法的评估存在很大差异，肉类加工不如 a* 成分显着。这些结果支持对图4中的图和图 5中的可视化的可视化调查。

图4.顶行是所考虑的12 种肉类中的每一种的示例。这些是伪RGB图像。
底行：色度计和VideometerLab的sRGB 中每种类型的五个样本的平均测量值