随着成像技术的发展及广泛应用,彩色图像成为各项科研探测活动中信息的一种重要载体及重要探测技术手段,彩色图像处理研究凸显出了及其重要的应用价值。覆盖了彩色滤波阵列的彩色相机是最为常见实用的一种成像手段,其数据量和灰度图一样多,在经过插值还原后可以重现彩色信息,是目前彩色相机广泛采用的一种方式。本文对彩色滤波阵列彩色相机进行相关技术研究。从应用场景分析出发,由于彩色成像相机光学镜头,滤光片参数,传感器参数,复原算法等的不同,相机采集并复原成的图像色彩会出现偏差,为了得到高质量的图像,往往需要进行色彩校正;很多科研或探测活动中,相机需要保持较高的成像性能,因此要对相机的成像质量进行测量,定量评价彩色相机的成像质量。在采用标准色卡进行色彩校正的研究中,需要建立标准颜色和被测相机颜色之间的映射,目前研究大多集中于映射精度的提高,而在采用24色校正整个颜色域的色彩这一未定问题中,如何提高映射的平滑项是有待探讨的问题。采用调制传递函数评价成像质量中,目前最常用的方法为利用刃边法测量系统的调制传递函数（Modulation Transfer Function,MTF）,但是由于彩色相机独特的采样特性,会导致刃边法不够精准,难以准确测量。本文进行了Bayer模式彩色相机的色彩校正及MTF测试技术两方面的研究。针对色彩校正部分,一方面,探讨了校正精度的提高;另一方面,探讨了色彩映射的泛化性能。本文选择了两种算法,分别是自动分段的多项式算法及带有约束项的神经网络算法,对色卡进行计算并建立映射,其后对校正精度进行合理评估,分段多项式算法计算色差可以达到4.99,其在CIELab均匀颜色空间的色差数值小于6,颜色校正精度在可接受范围。BP神经网络色差可以达到3.06,其色差数值接近3,视觉感受几乎察觉不到色差。最后采用计算得到映射对实拍图像进行校正,用主观评价和色彩参数辅助评价校正性能,统计了校正前后图像的均值及标准差,评估其色彩变化特征。仿真结果可以得到,从计算精度和泛化性能两方面综合考虑,神经网络算法优于自动分段多项式算法,这两种方法都优于单一多项式算法。针对彩色相机的调制传递函数测试部分,分析了Bayer格式的相机探测器采样特性、相机的调制传递函数的级联,探讨了不区分通道的方法直接计算会引起的误差,选择分通道加权计算RGB通道的调制传递函数,在每一个颜色通道内,采用了一种三维曲面拟合的方法,对三维曲面对稀疏的采样进行拟合,进一步求解边缘扩散函数（Edge Spread Function,ESF）及线扩散函数（Line Spread Function,LSF）,最后再计算三通道权重因子并加权计算整体MTF。本文计算结果与成像相机的静态MTF测量值接近。