在这个例子中，当焦距有所改变，景深也会改变。

　　85mm 镜头 @ F:2.8 @ 10英寸[25.4mm]物体的距离 有7英寸[17.78mm]景深（S35mm）

　　85mm 镜头 @ F:2.8 @ 10英寸[25.4mm]物体的距离 有2英尺9英寸[83.82mm]景深（S16mm）

　　这就是为什么人们会有这个误区，总以为不同的格式会有不同的景深特性。他们总是在切换格式的时候忘记切换焦距来保持某个景深。更准确地说每个格式有唯一的景深特性，但是可以有不同的视域特性。

色彩空间 和 比特率

　　从Mysterium™输出的数据都是通过一个12位模数转换器转换得到的数字数据。除非你选用10位的格式，否则在RED ONE中都是12位，但是这是什么意思呢？

　　你现在看的显示器是8位色的［常叫做24位真色］。这意味着每个色彩通道［红色，绿色，蓝色］可以被表示成256个数值中的一个［0－255］。在单色通道中，0的值代表全黑，255代表单色100%饱和。

　　在RGB中，所有颜色都可以通过红色，绿色和蓝色三个通道的值来表达。也就是说在8位RGB中可以有256 x 256 x 256［16777216］种色彩。这就是为什么会有24位真色彩－每个色彩通道有8位。

　　那么8位代表什么呢？简单地说，8位［256种］可以表达出2^8或者 2 x 2 x 2 x 2 x 2 x 2 x 2 x 2个值。这也解释了为什么需要更高的比特率。因为可能表达出的值会随着比特率的增加而成倍增加，这样当一个通道可以提升到10－12位的空间，就可以体现更多的优势。

　　正如以上所说，你现在用的显示器就是8位的。这也是你平时所熟悉的格式如DVDs，以及多数的DV格式等等。也有10位的显示器和投影机可以支持正在流行的10位标准格式如D5。

　　8位可以表达出2^8，10位可以表达出2^10，12位可以表达出2^12。

　　8位

　　2^8

　　每个通道有256个值

　　总共可以显示16777216种颜色

　　10位

　　2^10

　　每个通道有1024个值

　　总共可以显示1073741824种颜色

　　12位

　　2^12

　　每个通道有4096个值

　　总共可以显示68719476736种颜色

　　这也可以显示出使用12位的数据要远优越于用8位的。

　　数据传输率

　　当你有能力使用Mysterium™来记录680亿个色彩时，数据的传输率将是下一个关键的问题。

　　首先RAW格式的数据。由于RAW数据的特性，关于颜色的信息都会被记录在一个单通道中。这就是说RAW格式的数据传输率明显要低于RGB格式的传输率［因为RGB格式需要有个红，绿，蓝的通道］。

　　未压缩4 .5k 的RAW 格式每秒24帧 的数据传输率可以达到323MB/秒。如果是这样的数据量就需要从一个摄影机绕出一根很巨大的数据线到一个大型的RAID［想像成一个电冰箱］。没有人愿意把一个电冰箱大的设备连接在摄影机上的。

　　所以如何解决这个问题？拉到下面看看REDCODE的部分就知道了。

　　那么关于未压缩格式呢？迄今为止对于4.5k在24帧每秒未压缩的RAW格式，给出的数字就是323MB/秒，其它格式的传输率可以大概的估算出。

　　假设未压缩的传输率是323MB/秒，那么可以得出未压缩4.5k的RAW每格是13.46MB。我们也知道4.5k就是4520 x 2540像素，2k就是2048 x 1304像素。

　　估计出未压缩的RAW数据传输率

　　这些数据都是估算的

　　4.5K@60p - 807.50 MB/秒

　　4.5K@30p - 403.75 MB/秒

　　4.5K@24p - 323 MB/秒

　　2K@120p - 375.67 MB/秒

　　2K@60p - 187.84 MB/秒

　　2K@30p - 93.92 MB/秒

　　2K@24p - 75.13 MB/秒

　　您可以先看看REDCODE部分

　　拜尔排列

　　相关拜尔的资料 http://en.wikipedia.org/wiki/Bayer_pattern

　　使用拜尔排列的感光器的好处是距离可以更远，范围更宽。 拜尔过滤片是一个色彩过滤矩阵，可以用来整理入射光线红绿蓝的波长到一个方形格子中。从过滤片的输出信号会被感光器所接受，以12位的通道记录数值。为了避免Moirée（摩尔纹）, 在拜尔过滤片上有一个光学低通过滤器［OLPF］。

　　由于Mysterium™捕捉的所有三个颜色的波长是同一深度［不同于3-ccd系统］，所以标准的胶片摄影机的镜头［摄像的或者拍照的］都可以使用，以下有更多关于镜头部分的介绍。

　　由于我们讨论的拜尔排列的感光器， 所存储的数据格式都是RAW 图像格式。可以参考http://en.wikipedia.org/wiki/Raw_image_format，了解更多的资料。