Качество изображения - Image quality

Качество изображения может относиться к уровню точности, с которой различные системы визуализации захватывают, обрабатывают, хранят, сжимают, передают и отображают сигналы, формирующие изображение. Другое определение относится к качеству изображения как «взвешенной комбинации всех визуально значимых атрибутов изображения».[1]:598 Разница между этими двумя определениями заключается в том, что одно сосредотачивается на характеристиках обработка сигнала в различных системах визуализации, а последние - на оценках восприятия, которые делают изображение приятным для человеческого зрителя.

Качество изображения не следует путать с верность изображения. Точность изображения относится к способности процесса визуализировать данную копию так же, как и оригинал (без искажения или потери информации), т.е. оцифровка или процесс преобразования из аналогового носителя в цифровое изображение.

Процесс определения уровня точности называется Оценка качества изображения (IQA). Оценка качества изображения является частью качество опыта меры. Качество изображения можно оценить двумя методами: субъективным и объективным. Субъективные методы основаны на перцептивной оценке зрителем-человеком атрибутов изображения или набора изображений, в то время как объективные методы основаны на вычислительных моделях, которые могут предсказать качество воспринимаемого изображения.[2]:vii Объективные и субъективные методы не обязательно согласованы или точны между собой: зритель-человек может заметить резкие различия в качестве в наборе изображений, в отличие от компьютерного алгоритма.

Субъективные методы дороги, требуют большого количества людей и их невозможно автоматизировать в режиме реального времени. Следовательно, цель исследования оценки качества изображения - разработать алгоритмы объективной оценки, которые также согласуются с субъективными оценками.[3] У разработки таких алгоритмов есть множество потенциальных приложений. Их можно использовать для контроля качества изображения в системах контроля качества, для тестирования систем и алгоритмов обработки изображений и для оптимизации систем обработки изображений.[2]:2[3]:430

Факторы качества изображения

В формирование имиджа На процесс влияют несколько искажений между моментом прохождения сигналов и достижением поверхности захвата и устройством или средством отображения сигналов. Несмотря на то что оптические аберрации могут вызвать большие искажения качества изображения, они не входят в область оценки качества изображения. Оптические аберрации вызванный линзы относятся к области оптики, а не к обработка сигнала области.

В идеальной модели нет потери качества между излучением сигнала и поверхностью, на которой сигнал захватывается. Например, цифровое изображение формируется электромагнитное излучение или другой волны когда они проходят сквозь предметы или отражаются от них. Затем эта информация фиксируется и преобразуется в цифровую форму. сигналы по датчик изображений. Однако датчик имеет неидеальности, ограничивающие его производительность.

Методы оценки качества изображения

Качество изображения можно оценить с помощью объективных или субъективных методов. В объективном методе оценки качества изображения выполняются различными алгоритмами, которые анализируют искажения и ухудшения, вносимые в изображение. Субъективная оценка качества изображения - это метод, основанный на том, как люди воспринимают или воспринимают качество изображения. Объективные и субъективные методы оценки качества не обязательно коррелируют друг с другом. Алгоритм может иметь аналогичное значение для изображения и его измененных или ухудшенных версий, в то время как субъективный метод может воспринимать резкий контраст качества для того же изображения и его версий.

Субъективные методы

Смотрите основную статью: Субъективное качество видео

Субъективные методы оценки качества изображения относятся к большей области психофизика исследование, область, изучающая взаимосвязь между физическими стимулами и человеческим восприятием. Субъективный метод IQA обычно заключается в применении средняя оценка мнения методы, при которых ряд зрителей оценивают свое мнение на основе своего восприятия качества изображения. Эти мнения впоследствии отображаются на числовых значениях.

Эти методы можно классифицировать в зависимости от наличия исходных и тестовых изображений:

  • Одиночный стимул: зритель имеет только тестовое изображение и не знает об исходном изображении.
  • Двойной стимул: у зрителя есть как исходное, так и тестовое изображение.

Поскольку на зрительное восприятие могут влиять окружающие условия и условия просмотра, Международный союз электросвязи подготовил набор рекомендаций по стандартизированным методам тестирования для субъективной оценки качества изображения.[4]

Объективные методы

Ван и Бович (2006) классифицируют объективные методы по следующим критериям: (а) наличие исходного изображения; (б) на основе их области применения и (в) на модели Зрительная система человека моделирование для оценки качества.[5] Килан (2002) классифицирует методы, основанные на (а) прямых экспериментальных измерениях; (б) моделирование системы и (в) визуальная оценка по калиброванным стандартам.[6]:173

  • Методы полной ссылки (FR) - Метрики FR пытаются оценить качество тестового изображения, сравнивая его с эталонным изображением, которое, как предполагается, имеет идеальное качество, например оригинал изображения по сравнению с версией изображения, сжатой в формате JPEG.
  • Методы сокращенной ссылки (RR) - Показатели RR оценивают качество тестового и эталонного изображений на основе сравнения функций, извлеченных из обоих изображений.
  • Безреференсные (NR) методы - Метрики NR пытаются оценить качество тестового изображения без какой-либо ссылки на исходное.

Метрики качества изображения также можно классифицировать с точки зрения измерения только одного конкретного типа ухудшения качества (например, размытие, блокировка или звон), или с учетом всех возможных искажений сигнала, то есть нескольких видов артефактов.[7]

Атрибуты качества изображения

Яркие блики ухудшают качество изображения. Вверху: исходное изображение. Внизу: выдувные участки выделены красным.
При полном разрешении на этом изображении отчетливо видны артефакты сжатия, например, по краям крайних правых ферм.
  • Острота определяет количество деталей, которые может передать изображение. На резкость системы влияют объектив (дизайн и качество изготовления, фокусное расстояние, диафрагма и расстояние от центра изображения) и датчик (количество пикселей и фильтр сглаживания). В полевых условиях на резкость влияют дрожание камеры (может пригодиться хороший штатив), точность фокусировки и атмосферные возмущения (тепловые эффекты и аэрозоли). Утраченную резкость можно восстановить с помощью повышения резкости, но повышение резкости имеет ограничения. Избыточная резкость может ухудшить качество изображения из-за появления «ореолов» вблизи границ контраста. Изображения со многих компактных цифровых фотоаппаратов иногда становятся чрезмерно резкими, чтобы компенсировать более низкое качество изображения.
  • Шум представляет собой случайное изменение плотности изображения, видимое как зернистость на пленке и вариации уровня пикселей в цифровых изображениях. Это происходит из-за эффектов фундаментальной физики - фотонной природы света и тепловой энергии тепла - внутри датчиков изображения. Стандартное программное обеспечение шумоподавления (NR) уменьшает заметность шума за счет сглаживания изображения, исключая области вблизи контрастных границ. Этот метод работает хорошо, но он может скрыть мелкие детали с низким контрастом.
  • Динамический диапазон (или диапазон экспозиции) - это диапазон уровней освещенности, который может запечатлеть камера, обычно измеряемый в диафрагмах, EV (значение экспозиции) или зонах (все коэффициенты экспозиции равны двум). Это тесно связано с шумом: высокий уровень шума означает низкий динамический диапазон.
  • Воспроизведение тона отношения между сценой яркость и яркость воспроизводимого изображения.
  • Контраст, также известен как гамма, - наклон кривой воспроизведения тона в логарифмическом пространстве. Высокая контрастность обычно связана с потерей динамического диапазона - потерей деталей или отсечения в светлых или темных местах.
  • цвет точность - важный, но неоднозначный фактор качества изображения. Многие зрители предпочитают повышенную насыщенность цвета; самый точный цвет не обязательно самый приятный. Тем не менее, важно измерить цветовую реакцию камеры: ее цветовые сдвиги, насыщенность и эффективность алгоритмов баланса белого.
  • Искажение это аберрация, вызывающая искривление прямых линий. Это может быть проблематично для архитектурной фотографии и метрологии (фотографические приложения, включающие измерения). Искажения, как правило, заметны в недорогих камерах, включая сотовые телефоны, и в недорогих камерах. Объективы DSLR. Обычно это очень легко увидеть на широкоугольных фотографиях. Теперь это можно исправить программно.
  • Виньетирование, или ослабление света, затемняет изображения в углах. Это может быть значительным при использовании широкоугольных объективов.
  • Воздействие точность может быть проблемой с полностью автоматическими камерами и с видеокамерами, в которых мало или совсем нет возможности постэкспозиционной тональной настройки. У некоторых даже есть память экспозиции: экспозиция может измениться после появления в сцене очень ярких или темных объектов.
  • Боковой Хроматическая аберрация (LCA), также называемая «цветной окантовкой», включая фиолетовая окантовка, представляет собой аберрацию объектива, из-за которой цвета фокусируются на разном расстоянии от центра изображения. Это наиболее заметно в углах изображений. LCA хуже всего с асимметричными объективами, включая сверхширокие, настоящие телефото и зумы. На него сильно влияет демозаика.
  • Отблеск от линз, включая «вуалирующие блики» - это рассеянный свет в линзах и оптических системах, вызванный отражениями между элементами линзы и внутренней оправой линзы. Это может вызвать затуманивание изображения (потерю деталей и цвета теней), а также появление «фантомных» изображений, которые могут возникать при наличии ярких источников света в поле зрения или вблизи него.
  • цвет муар это искусственные цветовые полосы, которые могут появляться на изображениях с повторяющимися узорами с высокими пространственными частотами, например на тканях или пикетных ограждениях. На него влияют резкость объектива, фильтр сглаживания (lowpass) (который смягчает изображение) и демозаика программного обеспечения. Хуже всего получается с самыми резкими линзами.
  • Артефакты - программное обеспечение (особенно операции, выполняемые во время преобразования RAW) может вызывать значительные визуальные артефакты, включая сжатие данных и потери при передаче (например, низкое качество JPEG ), чрезмерная резкость "ореолов" и потеря мелких неконтрастных деталей.

Смотрите также

использованная литература

  1. ^ Бернингем, Норман; Пизло, Зигмунт; Аллебах, Ян П. (2002). «Показатели качества изображения». В Хорнаке, Джозеф П. (ред.). Энциклопедия науки и техники изображений. Нью-Йорк: Вили. Дои:10.1002 / 0471443395.img038. ISBN  978-0-471-33276-3.
  2. ^ а б Ван, Чжоу; Бовик, Алан К. (2006). "Предисловие". Современная оценка качества изображения. Сан-Рафаэль: издатели Morgan & Claypool. ISBN  978-1598290226.
  3. ^ а б Шейх Хамид Рахим; Бовик, Алан С. (февраль 2006 г.). «Информация об изображении и визуальное качество». IEEE Transactions по обработке изображений. 15 (2): 430–444. Bibcode:2006ITIP ... 15..430S. CiteSeerX  10.1.1.477.2659. Дои:10.1109 / TIP.2005.859378. PMID  16479813.
  4. ^ P.910: Методы субъективной оценки качества видео для мультимедийных приложений. Международный союз электросвязи. 6 апреля 2008 г. открытый доступ
  5. ^ Чжоу Ван; Алан С. Бовик (2006), Оценка качества современного изображения, стр. 11–15, Дои:10.2200 / S00010ED1V01Y2005081VM003, ISBN  1-59829-022-3, Викиданные  Q55757889
  6. ^ Килан, Брайан В. (2002). Справочник по качеству изображения: характеристика и прогноз. Нью-Йорк, штат Нью-Йорк: Marcel Dekker, Inc. ISBN  978-0-8247-0770-5.
  7. ^ Шахид, Мухаммад; Россхольм, Андреас; Левстрём, Бенни; Цеперник, Ханс-Юрген (2014-08-14). «Оценка качества изображения и видео без эталонов: классификация и обзор последних подходов». Журнал EURASIP по обработке изображений и видео. 2014: 40. Дои:10.1186/1687-5281-2014-40. ISSN  1687-5281.

дальнейшее чтение

  • Sheikh, H.R .; Бовик А.С., Теоретико-информационные подходы к оценке качества изображений. В: Бовик А.С. Справочник по обработке изображений и видео. Эльзевир, 2005.
  • Guangyi Chen, Stephane Coulombe, Метод оценки качества визуального изображения на основе функций SIFT 85-97 JPRR
  • Хоссейн Зиаи Нафчи, Атена Шахколаи, Рашид Хеджам, Мохамед Шериет, Индекс сходства среднего отклонения: эффективный и надежный оценщик качества полноэкранного изображения. В: Доступ IEEE. IEEE