Качество изображения

Качество изображения может относиться к уровню точности, с которой различные системы обработки изображений 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 двумя определениями заключается в том, что одно фокусируется на характеристиках обработки сигналов в различных системах визуализации, а второе — на перцептивных оценках, которые делают изображение приятным для зрителей.

Качество изображения не следует путать с точностью изображения . Точность изображения означает способность процесса визуализировать данную копию так, чтобы она воспринималась аналогично оригиналу (без искажений или потери информации), т. е. посредством процесса оцифровки или преобразования с аналогового носителя в цифровое изображение.

Процесс определения уровня точности называется оценкой качества изображения (IQA). Оценка качества изображения является частью оценки качества опыта . Качество изображения можно оценить двумя методами: субъективным и объективным. Субъективные методы основаны на перцептивной оценке зрителем атрибутов изображения или набора изображений, тогда как объективные методы основаны на вычислительных моделях, которые могут прогнозировать перцепционное качество изображения. ^[2]^{: vii} Объективные и субъективные методы не обязательно согласованы или точны друг с другом: зритель-человек может заметить резкие различия в качестве набора изображений, чего не может сделать компьютерный алгоритм.

Субъективные методы являются дорогостоящими, требуют большого количества людей и их невозможно автоматизировать в режиме реального времени. Таким образом, целью исследования оценки качества изображения является разработка алгоритмов объективной оценки, которые также согласуются с субъективными оценками. ^[3] Разработка таких алгоритмов имеет множество потенциальных применений. Их можно использовать для мониторинга качества изображения в системах контроля качества, для сравнения систем и алгоритмов обработки изображений, а также для оптимизации систем визуализации. ^[2]^: 2^[3]^: 430

Факторы качества изображения

На процесс формирования изображения влияют некоторые искажения между моментом, когда сигналы проходят и достигают поверхности захвата, и устройством или средством, в котором сигналы отображаются. Хотя оптические аберрации могут привести к значительным искажениям качества изображения, они не входят в область оценки качества изображения. Оптические аберрации, вызванные линзами, относятся к области оптики, а не к области обработки сигналов .

В идеальной модели нет потери качества между излучением сигнала и поверхностью, на которой сигнал улавливается. Например, цифровое изображение формируется электромагнитным излучением или другими волнами , когда они проходят через объекты или отражаются от них. Эта информация затем захватывается и преобразуется в цифровые сигналы с помощью датчика изображения . Однако датчик имеет неидеальность, ограничивающую его производительность.

Методы оценки качества изображения

Качество изображения можно оценить объективными или субъективными методами. В объективном методе оценка качества изображения выполняется с помощью различных алгоритмов, 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 одинаковую ценность для изображения и его измененных или ухудшенных версий, в то время как субъективный метод может обнаружить резкий контраст в качестве того же изображения и его версий.

Субъективные методы

Субъективные методы оценки качества изображения относятся к более широкой области исследований психофизики , изучающей взаимосвязь между физическими стимулами и человеческим восприятием. Субъективный метод IQA обычно заключается в применении методов оценки среднего мнения , когда несколько зрителей оценивают свое мнение на основе своего восприятия качества изображения. Эти мнения впоследствии преобразуются в числовые значения.

Эти методы можно классифицировать в зависимости от наличия исходного и тестового 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 условия окружающей среды и просмотра, Международный союз электросвязи разработал ряд рекомендаций по стандартизированным методам тестирования для субъективной оценки качества изображения. ^[4]

Объективные методы

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

Методы полного эталона (FR) – метрики FR пытаются оценить качество тестового изображения путем сравнения его с эталонным изображением, которое, как предполагается, имеет идеальное качество, например, оригинал изображения с версией изображения, сжатой в формате JPEG.
Методы с уменьшенным эталоном (RR) – метрики RR оценивают качество тестового и эталонного изображения на основе сравнения функций, извлеченных из обоих изображений.
Методы без ссылок (NR). Метрики NR пытаются оценить качество тестового изображения без какой-либо ссылки на исходное.

Показатели качества изображения также можно классифицировать с точки зрения измерения только одного конкретного типа ухудшения (например, размытия , блокировки или звона) или учета всех возможных искажений сигнала, то есть нескольких видов артефактов. ^[7]

Атрибуты качества изображения

Резкость определяет количество деталей, которые может передать изображение. На резкость системы влияют объектив (качество конструкции и изготовления, фокусное расстояние, диафрагма и расстояние от центра изображения) и сенсор (количество пикселей и фильтр сглаживания). В полевых условиях на резкость влияет дрожание камеры (может помочь хороший штатив), точность фокусировки и атмосферные воздействия (тепловые эффекты и аэрозоли). Утраченную резкость можно восстановить путем заточки, но заточка имеет пределы. Чрезмерное повышение резкости может ухудшить качество изображения, вызывая появление «ореолов» вблизи границ контрастности. Изображения со многих компактных цифровых камер иногда бывают слишком резкими, чтобы компенсировать более низкое качество изображения.
Шум — это случайное изменение плотности изображения, проявляющееся в виде зернистости на пленке и изменений уровня пикселей в цифровых изображениях. Оно возникает из-за эффектов базовой физики — фотонной природы света и тепловой энергии тепла — внутри датчиков изображения. Обычное программное обеспечение для шумоподавления (NR) уменьшает видимость шума путем сглаживания изображения, исключая области вблизи границ контрастности. Этот метод работает хорошо, но он может скрыть мелкие детали с низкой контрастностью.
Динамический диапазон (или диапазон экспозиции) — это диапазон уровней освещенности, которые может захватить камера, обычно измеряемый в диафрагмах, EV (значении экспозиции) или зонах (все коэффициенты экспозиции равны двум). Он тесно связан с шумом: высокий уровень шума подразумевает низкий динамический диапазон.
Воспроизведение тона — это соотношение между яркостью сцены и яркостью воспроизводимого изображения.
Контраст , также известный как гамма , представляет собой наклон кривой воспроизведения тона в логарифмическом пространстве. Высокая контрастность обычно приводит к потере динамического диапазона — потере деталей или обрезке светлых или темных участков.
цветопередачи Точность — важный, но неоднозначный фактор качества изображения. Многие зрители предпочитают повышенную насыщенность цвета; самый точный цвет не обязательно будет самым приятным. Тем не менее, важно измерить цветовую реакцию камеры: ее цветовые сдвиги, насыщенность и эффективность алгоритмов баланса белого.
Искажение — это аберрация, которая приводит к искривлению прямых линий. Это может быть затруднительно для архитектурной фотографии и метрологии (фотографических приложений, связанных с измерениями). Искажение обычно заметно в недорогих камерах, включая сотовые телефоны, и недорогих объективах для зеркальных фотокамер . Обычно это очень легко увидеть на широкоугольных фотографиях. Теперь это можно исправить программно.
Виньетирование , или затухание света, затемняет изображения по углам. Это может быть значительным для широкоугольных объективов.
экспозиции Точность может быть проблемой для полностью автоматических камер и видеокамер, где возможность регулировки тона после экспозиции практически отсутствует. У некоторых даже есть память экспозиции: экспозиция может измениться после появления в сцене очень ярких или темных объектов.
Боковая хроматическая аберрация (LCA), также называемая «цветной окантовкой», включая фиолетовую окантовку , представляет собой аберрацию объектива, из-за которой цвета фокусируются на разных расстояниях от центра изображения. Это наиболее заметно вблизи углов изображений. LCA хуже всего работает с асимметричными объективами, включая сверхширокоугольные, настоящие телеобъективы и зум-объективы. На это сильно влияет демозаика .
Блики объектива , в том числе «вуалирующие блики», — это рассеянный свет в линзах и оптических системах, вызванный отражениями между элементами объектива и внутренней оправой объектива. Это может привести к затуманиванию изображения (потеря деталей и цвета в тенях), а также к появлению «призрачных» изображений, которые могут возникать при наличии ярких источников света в поле зрения или рядом с ним.
Цветной муар — это искусственные цветные полосы, которые могут появляться на изображениях с повторяющимися узорами высоких пространственных частот, например, на тканях или частоколах. На него влияют резкость объектива, сглаживающий (низкочастотный) фильтр (который смягчает изображение) и программное обеспечение для демозаики . Хуже всего обстоят дела с самыми резкими объективами.
Артефакты . Программное обеспечение (особенно операции, выполняемые во время преобразования RAW) может вызывать значительные визуальные артефакты, включая сжатие данных и потери при передаче (например, JPEG низкого качества ), чрезмерную резкость «ореолов» и потерю мелких, низкоконтрастных деталей.

См. также

Ссылки

^ Бернингем, Норман; Пизло, Зигмунт; Аллебах, Ян П. (2002). «Метрики качества изображения». В Хорнаке, Джозеф П. (ред.). Энциклопедия визуализации науки и техники . Нью-Йорк: Уайли. дои : 10.1002/0471443395.img038 . ISBN 978-0-471-33276-3 .
^ Перейти обратно: ^а ^б Ван, Чжоу; Бовик, Алан С. (2006). "Предисловие". Современная оценка качества изображения . Сан-Рафаэль: Издательство Morgan & Claypool. ISBN 978-1598290226 .
^ Перейти обратно: ^а ^б Шейх Хамид Рахим; Бовик, Алан К. (февраль 2006 г.). «Информация об изображении и визуальное качество». Транзакции IEEE при обработке изображений . 15 (2): 430–444. Бибкод : 2006ИТИП...15..430С . CiteSeerX 10.1.1.477.2659 . дои : 10.1109/TIP.2005.859378 . ПМИД 16479813 .
^ P.910: Методы субъективной оценки качества видео для мультимедийных приложений . Международный союз электросвязи. 6 апреля 2008 г. ^{[ мертвая ссылка ]}
^ Чжоу Ван; Алан К. Бовик (2006). Современная оценка качества изображения . стр. 11–15. ISBN 1-59829-022-3 . ОЛ 9866061М . Викиданные Q55757889 .
^ Килан, Брайан В. (2002). Справочник по качеству изображений: характеристика и прогнозирование . Марселя Деккера, Inc. Нью-Йорк, штат Нью-Йорк: ISBN 978-0-8247-0770-5 .
^ Шахид, Мухаммед; Россхольм, Андреас; Лёвстрем, Бенни; Зеперник, Ханс-Юрген (14 августа 2014 г.). «Оценка качества изображений 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

Шейх, HR; Бовик А.С. , Теоретико-информационные подходы к оценке качества изображения. В: Бовик, А.С. Справочник по обработке изображений и видео. Эльзевир, 2005.
Гуаньи Чен, Стефан Куломб, Метод визуальной оценки качества изображения, основанный на функциях SIFT 85-97 JPRR
Хоссейн Зиаи Нафчи, Атена Шахколаи, Рашид Хеджам, Мохамед Чериет, Индекс сходства среднего отклонения: эффективный и надежный полноэталонный оценщик качества изображения. В: Доступ IEEE. IEEE

[Burnhingam-1] Бернингем, Норман; Пизло, Зигмунт; Аллебах, Ян П. (2002). «Метрики качества изображения». В Хорнаке, Джозеф П. (ред.). Энциклопедия визуализации науки и техники . Нью-Йорк: Уайли. дои : 10.1002/0471443395.img038 . ISBN 978-0-471-33276-3 .

[Wang2006-2] Перейти обратно: ^а ^б Ван, Чжоу; Бовик, Алан С. (2006). "Предисловие". Современная оценка качества изображения . Сан-Рафаэль: Издательство Morgan & Claypool. ISBN 978-1598290226 .

[Sheikh&Bovik2006-3] Перейти обратно: ^а ^б Шейх Хамид Рахим; Бовик, Алан К. (февраль 2006 г.). «Информация об изображении и визуальное качество». Транзакции IEEE при обработке изображений . 15 (2): 430–444. Бибкод : 2006ИТИП...15..430С . CiteSeerX 10.1.1.477.2659 . дои : 10.1109/TIP.2005.859378 . ПМИД 16479813 .

[4] P.910: Методы субъективной оценки качества видео для мультимедийных приложений . Международный союз электросвязи. 6 апреля 2008 г. ^{[ мертвая ссылка ]}

[5] Чжоу Ван; Алан К. Бовик (2006). Современная оценка качества изображения . стр. 11–15. ISBN 1-59829-022-3 . ОЛ 9866061М . Викиданные Q55757889 .

[6] Килан, Брайан В. (2002). Справочник по качеству изображений: характеристика и прогнозирование . Марселя Деккера, Inc. Нью-Йорк, штат Нью-Йорк: ISBN 978-0-8247-0770-5 .

[:1-7] Шахид, Мухаммед; Россхольм, Андреас; Лёвстрем, Бенни; Зеперник, Ханс-Юрген (14 августа 2014 г.). «Оценка качества изображений 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 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]