1 簡介
相機成像技術(shù)已從耗時的多步驟化學模擬過程發(fā)展為具有多種圖像共享可能性的近乎瞬時的數(shù)字過程。相機曾經(jīng)是單一用途的設(shè)備,現(xiàn)在是手機等多功能設(shè)備中最常見的部分。隨著數(shù)碼單鏡頭反光 (DSLR) 相機變得越來越復雜和先進,智能手機和平板電腦等產(chǎn)品的成像技術(shù)能力也越來越強。此外,圖像處理技術(shù)的進步使過去無法實現(xiàn)的局部自動增強成為可能。新的特征算法和計算攝影的出現(xiàn),例如復雜的降噪算法和捕獲后深度處理,繼續(xù)充斥著市場。這需要不斷擴展基本圖像質(zhì)量指標,以便評估和比較成像系統(tǒng)的狀態(tài)。目前有一些描述圖像質(zhì)量測量技術(shù)的標準可用,但很少描述如何全面表征和基準測試相機的整體圖像質(zhì)量。本書旨在通過討論和討論圖像質(zhì)量及其評估(包括建立實驗室)和基準測試,描述靜態(tài)和視頻成像應(yīng)用的方法、注意事項和示例數(shù)據(jù)。
最有效和最相關(guān)的圖像質(zhì)量基準指標應(yīng)該提供一致、可重復和感知相關(guān)的結(jié)果。此外水果綠色版,它們應(yīng)該被標準化,以便成為行業(yè)中有意義的指標。這些需求導致了 CPIQ(Phone Image Phone Image )等計劃的創(chuàng)建,該計劃最初由 I3A(圖像行業(yè)國際圖像協(xié)會)管理,現(xiàn)在作為 IEEE(和
電氣和電子工程師協(xié)會)作為標準開發(fā)的一部分運行。這些標準機構(gòu)提供和開發(fā)用于評估圖像質(zhì)量的客觀和主觀指標??陀^指標是獨立于人類對方法和結(jié)果的感知的度量水果綠色版,而主觀指標是量化人類對人類觀察的反應(yīng)的度量。
1.1 圖片內(nèi)容和圖片質(zhì)量
在 1820 年代中期,Nicéphore Niépce 通過從天窗拍攝建筑物、樹木和天空的照片漂亮的古典花紋相框筆刷,成功制作了第一張永久性照片。在馬口鐵上查看這張由日光成像產(chǎn)生的原始狀態(tài)的顯影圖像,似乎很難辨別其內(nèi)容。
圖片1.1 N. Niépce 在他原來的馬口鐵板上的第一張永久照片,1826 年。
事實上,這個“原始”圖像,通過類似于數(shù)字圖像渲染的圖像處理步驟,變成了一個更容易識別的場景(見圖1.2)。
圖1.2 增強版第一張永久照片
圖像模糊、嘈雜、黑白,盡管關(guān)鍵元素仍可辨別。圖像的最小銳度和粒度都阻礙了對場景中實際紋理的辨別,只留下基本的形狀和密度作為物體識別的線索。值得注意的是,他家的西墻和東墻是從照片的兩側(cè)同時被太陽照亮的,這是因為拍攝的曝光時間是八小時,期間太陽的位置發(fā)生了偏移。 .
簡單的視覺提示可以傳達物體信息、光照和深度。例如,可以使用一系列抽象線條來描繪小提琴,如圖 1.3 所示。顏色和陰影的添加增加了樂器的真實感,如中間圖像所示。一張高質(zhì)量的小提琴照片包含更多信息,例如構(gòu)成紋理基本元素的對象的反照率和細觀結(jié)構(gòu),如右圖所示。以真實感為目標的成像包括顏色、形狀、紋理、深度、亮度范圍和運動的基本特征,再現(xiàn)這些物理屬性可以生成準確、逼真的場景和物體圖像。
圖1.3小提琴的三個演繹1.1.1色
顏色是物體在發(fā)光或自發(fā)光時的物理屬性的視覺感知。在最基本的情況下,顏色可以描述為橙色、藍色、綠色和黃色的陰影,例如黃色金絲雀、紅蘋果、藍天和綠葉。這些顏色是人類視覺系統(tǒng)(HVS:Human)對可見波長光譜范圍從 380 nm 到 720 nm 的感知。然而,顏色比對主色調(diào)的感知更為復雜:顏色包括對明度和明度的感知。例如,它允許人們區(qū)分紅色和淺紅色(即粉紅色)流行噴濺筆刷下載2,或者根據(jù)墻壁的亮度確定均勻涂漆的房子的哪一側(cè)朝向太陽。這些是與光的反射、透射或發(fā)射等物理特性相關(guān)的術(shù)語,包括考慮場景中最亮的物體。顏色感知也會受到周圍顏色的影響——即使兩種顏色具有相同的色調(diào),如果被不同的顏色包圍,它們也會呈現(xiàn)出不同的色調(diào)。圖 1.4 顯示了這種現(xiàn)象的一個例子,稱為同時對比。在圖片中,中心的正方形是同一種顏色,但是周圍的顏色使它們看起來不是同一種顏色,即使它們在測量上是相同的。
圖1.4 同時比較
HVS 的其他方面也會影響我們對顏色的感知。我們非常適應(yīng)周圍環(huán)境的偏色。這種顏色適應(yīng)使我們能夠根據(jù)場景本身而不是絕對色度來判斷顏色。戶外陽光明媚,我們適應(yīng)明亮的日光條件。同樣,在有人工照明的室內(nèi),我們?nèi)匀豢梢愿兄伾牟町?。在感知上,我們可以在任何條件下區(qū)分顏色。但是,如果在兩種不同的光照條件下測量同一物體的光譜,則測量結(jié)果將有本質(zhì)的不同。
圖1.5 原圖果籃色調(diào)明顯不同
.5 將青色添加到原始照片以生成照片。通過顏色適應(yīng),這張帶有青色的照片也有明顯的色調(diào)差異,讓觀察者注意到香蕉相對于其他水果顏色的黃色調(diào)
圖1.5 將原始照片中的香蕉替換為青色香蕉(與中間青色照片中的香蕉物理顏色相同)會導致外觀明顯不同。在這里,香蕉呈現(xiàn)未成熟的綠色狀態(tài),因為在 HVS 中沒有發(fā)生色素適應(yīng)
圖片1.5 在上圖中,一個平衡良好的水果籃在日光下呈現(xiàn)出明顯的色調(diào)差異:紅蘋果、橙橘、黃香蕉等。如果將青色添加到照片,其整體外觀將與原版有明顯不同。然而,隨著我們的色彩適應(yīng)發(fā)生,在適應(yīng)了中間照片中的新光照條件后,水果將再次開始顯示與預期相反的顏色,例如香蕉看起來是黃色的,右邊的蘋果是紅色的。但是,如果您只是將原始照片中的香蕉替換為青色香蕉(下圖),則不會出現(xiàn)色差:香蕉相對于其他水果顏色具有未成熟的綠色外觀。因此,香蕉的原始和青色版本的物理光譜反射率存在顯著差異。
有時,由于 HVS 的適應(yīng),我們可以感知刺激中不存在的顏色。當光檢測信號通過視神經(jīng)傳遞到大腦時。該區(qū)域是我們視野中的盲點,因為該位置的視網(wǎng)膜中沒有光傳感器。然而,HVS 會補償兩個遮擋(每只眼睛一個),并用與周圍環(huán)境相似的信號來補償該區(qū)域,因此我們通常不會注意到視神經(jīng)的遮擋。這種補償現(xiàn)象包括顏色和紋理。因此,即使沒有色調(diào)的物理刺激,HVS 也可以感知顏色,例如水彩錯覺。如圖1.6所示,輪廓包含一個可以感知色調(diào)的淺色內(nèi)邊框,外層被不同色調(diào)的深色邊框包圍。人類視覺系統(tǒng)可以檢測到輪廓被一種淡淡的顏色填充,輪廓的內(nèi)部區(qū)域看起來比內(nèi)邊界的色調(diào)稍微亮一些。此外,具有波浪輪廓的區(qū)域通常比線性輪廓更填充。由于錯覺,我們應(yīng)該在輪廓內(nèi)看到明顯的水彩般的橙色或綠色填充,但在輪廓外看不到這種微弱的色調(diào)。事實上,內(nèi)部根本不是橙色或綠色,波浪輪廓兩側(cè)的所有區(qū)域在物理上都是相同的,如果測量會顯示它們具有相同的色度值,即所有白色背景。
圖1.6 淺色邊框被深色邊框包圍,該區(qū)域內(nèi)部除了白色背景之外沒有其他色調(diào),但人類視覺系統(tǒng)將內(nèi)部區(qū)域感知為具有類似的模糊度到內(nèi)部彩色邊框,淺色調(diào)。
對象具有許多影響其顏色的物理屬性,包括反射率、透射率或發(fā)射率、角度依賴性和半透明度。因此,量化顏色的復雜性超出了描述顏色定義元素(如發(fā)色團、染料或顏料)的光譜特性。假設(shè)我們有一張緞面床單和一張法蘭絨床單,它們的光譜在色調(diào)上是一致的,即使用相同的染料。但是,我們能夠很容易地分辨出材料的差異,因為緞面看起來有光澤,而絨面革的質(zhì)地看起來很暗淡。這種材料外觀的差異體現(xiàn)在緞紋編織使用非常細的線,在光線照射下呈現(xiàn)出光滑、有光澤的表面,而法蘭絨表面使用更粗、更少的線數(shù)和編織風格,從而形成光滑的表面。 ,有光澤的表面。它更分散,因此缺乏緞子的光澤。然而,從光譜的角度來看,緞面和絨面革具有相同的顏色。顏色復雜性的另一個例子是將真牙的顏色與假牙匹配的挑戰(zhàn)。由于牙齒晶瑩剔透,白度的出現(xiàn)取決于環(huán)境中的照明特性,類似于將手電光束放在大理石表面附近,光線可以穿過牙齒并照亮它。因此,比較真牙和假牙的外觀包括亮度和白度以及透明度。如果假牙與真牙的透明度不同,即使白色的物理表面反射相同,也有一個照明環(huán)境可以區(qū)分假牙和真牙。
使用比色法進行顏色測量會考慮光源的光譜特性、物體的光譜特性和 HVS。然而,當應(yīng)用于現(xiàn)實世界中過多的光源、物體和人時,比色法具有基本的局限性。為了生成估計一階顏色感知的方程,僅將 17 個顏色正常觀察者的數(shù)據(jù)組合起來生成 1931 年標準觀察者。需要多個觀察者成為標準觀察者表明顏色感知存在觀察者間的差異。最近的研究證實,雖然這種觀察者同色異譜確實存在,但 1931 年的標準觀察者仍然是對典型顏色正常觀察者的合理估計。此外,觀察者之間的差異高達 8 倍,比 1931 年標準觀察者和五個新代理人之間的固有差異大。因此,結(jié)合 1931 年標準觀察者的色度量化可以將顏色準確度匹配到標準水平,盡管個別觀察者可能會有所不同??紤]到相機捕捉到的場景中顏色的質(zhì)量,然后在顯示器或印刷材料中觀察,這一點變得尤為重要。場景、顯示器和印刷材料中的顏色來源是由根本不同的光譜組成的屬性。事實上,色彩工程確實可以在相機捕捉系統(tǒng)中生成與 1931 年標準觀察者匹配的顏色,但這種匹配方法并不能保證每個觀察者都會感知到匹配,或者色彩匹配會提供與原始觀察相同的顏色觀察者腦海中對場景的相同印象。
色度方程是量化相機客觀彩色圖像質(zhì)量方面的基礎(chǔ)。稍后描述的顏色準確度、顏色均勻性和顏色飽和度指標等測量使用色度單位來量化圖像質(zhì)量的顏色相關(guān)方面。例如PNGOutWin,如果色域較寬,則圖像中可以再現(xiàn)更多的顏色。