Jakość obrazu - Image quality
Jakość obrazu może odnosić się do poziomu dokładności, z jakim różne systemy obrazowania rejestrują, przetwarzają, przechowują, kompresują, przesyłają i wyświetlają sygnały tworzące obraz. Inna definicja odnosi się do jakości obrazu jako „ważonej kombinacji wszystkich wizualnie istotnych atrybutów obrazu”. Różnica między tymi dwiema definicjami polega na tym, że jedna skupia się na charakterystyce przetwarzania sygnału w różnych systemach obrazowania, a druga na ocenie percepcyjnej, która sprawia, że obraz jest przyjemny dla ludzkiego widza.
Jakość obrazu nie powinna być mylona z wiernością obrazu . Wierność obrazu odnosi się do zdolności procesu do renderowania danej kopii w sposób percepcyjnie podobny do oryginału (bez zniekształceń lub utraty informacji), tj. poprzez proces digitalizacji lub konwersji z nośnika analogowego na obraz cyfrowy.
Proces określania poziomu dokładności nazywany jest oceną jakości obrazu (IQA). Ocena jakości obrazu jest częścią jakości miar doświadczenia . Jakość obrazu można ocenić za pomocą dwóch metod: subiektywnej i obiektywnej. Metody subiektywne opierają się na percepcyjnej ocenie przez widza atrybutów obrazu lub zestawu obrazów, podczas gdy metody obiektywne opierają się na modelach obliczeniowych, które mogą przewidywać percepcyjną jakość obrazu. Metody obiektywne i subiektywne niekoniecznie są między sobą spójne lub dokładne: widz może dostrzec wyraźne różnice w jakości w zestawie obrazów, podczas gdy algorytm komputerowy może nie.
Metody subiektywne są kosztowne, wymagają dużej liczby osób i nie da się ich zautomatyzować w czasie rzeczywistym. Dlatego celem badań oceny jakości obrazu jest zaprojektowanie algorytmów oceny obiektywnej, które są również spójne z ocenami subiektywnymi. Rozwój takich algorytmów ma wiele potencjalnych zastosowań. Mogą być wykorzystywane do monitorowania jakości obrazu w systemach kontroli jakości, do porównywania systemów i algorytmów przetwarzania obrazu oraz do optymalizacji systemów obrazowania.
Czynniki jakości obrazu
Na proces tworzenia obrazu wpływa szereg zniekształceń pomiędzy momentem, w którym sygnały przechodzą i docierają do powierzchni przechwytywania, a urządzeniem lub środkiem, w którym sygnały są wyświetlane. Chociaż aberracje optyczne mogą powodować duże zniekształcenia jakości obrazu, nie wchodzą one w zakres oceny jakości obrazu. Aberracje optyczne powodowane przez soczewki należą do obszaru optyki, a nie do obszarów przetwarzania sygnału .
W idealnym modelu nie ma utraty jakości między emisją sygnału a powierzchnią, na której sygnał jest przechwytywany. Na przykład obraz cyfrowy jest tworzony przez promieniowanie elektromagnetyczne lub inne fale przechodzące przez obiekty lub odbijające się od nich. Informacje te są następnie przechwytywane i przetwarzane na sygnały cyfrowe przez czujnik obrazu . Czujnik ma jednak niedoskonałości, które ograniczają jego działanie.
Metody oceny jakości obrazu
Jakość obrazu można ocenić za pomocą metod obiektywnych lub subiektywnych. W metodzie obiektywnej oceny jakości obrazu są wykonywane przez różne algorytmy, które analizują wprowadzone do obrazu zniekształcenia i degradacje. Subiektywne oceny jakości obrazu to metoda oparta na sposobie, w jaki ludzie doświadczają lub postrzegają jakość obrazu. Obiektywne i subiektywne metody oceny jakości niekoniecznie są ze sobą skorelowane. Algorytm może mieć podobną wartość dla obrazu i jego zmienionych lub zdegradowanych wersji, podczas gdy metoda subiektywna może dostrzec wyraźny kontrast jakości dla tego samego obrazu i jego wersji.
Metody subiektywne
Zobacz główny artykuł: Subiektywna jakość wideo
Subiektywne metody oceny jakości obrazu należą do szerszego obszaru badań psychofizycznych , dziedziny badającej związek między bodźcem fizycznym a percepcją człowieka. Subiektywna metoda IQA zazwyczaj polega na zastosowaniu technik średniej oceny opinii , w których pewna liczba widzów ocenia swoje opinie na podstawie ich postrzegania jakości obrazu. Opinie te są następnie mapowane na wartości liczbowe.
Metody te można sklasyfikować w zależności od dostępności obrazu źródłowego i testowego:
- Pojedynczy bodziec : widz ma tylko obraz testowy i nie jest świadomy obrazu źródłowego.
- Podwójny bodziec : widz ma zarówno obraz źródłowy, jak i testowy.
Ponieważ na percepcję wzrokową mogą wpływać warunki otoczenia i oglądania, Międzynarodowy Związek Telekomunikacyjny opracował zestaw zaleceń dotyczących znormalizowanych metod testowania subiektywnej oceny jakości obrazu.
Metody obiektywne
Wang i Bovik (2006) klasyfikują obiektywne metody według następujących kryteriów: (a) dostępność oryginalnego obrazu; (b) na podstawie ich zakresu zastosowania oraz (c) na modelu symulacji ludzkiego systemu wzrokowego w celu oceny jakości. Keelan (2002) klasyfikuje metody w oparciu o (a) bezpośrednie pomiary eksperymentalne; b) modelowanie systemu i c) ocena wizualna w odniesieniu do wzorców wzorcowych.
- Metody pełnego odniesienia (FR) – metryki FR próbują ocenić jakość obrazu testowego, porównując go z obrazem odniesienia, co do którego zakłada się, że ma doskonałą jakość, np. oryginał obrazu w porównaniu z wersją obrazu skompresowaną w formacie JPEG.
- Metody o zredukowanej referencji (RR) – metryki RR oceniają jakość obrazu testowego i referencyjnego na podstawie porównania cech wyekstrahowanych z obu obrazów.
- Metody bez odniesienia (NR) – metryki NR próbują ocenić jakość obrazu testowego bez odniesienia do oryginalnego.
Metryki jakości obrazu można również sklasyfikować pod kątem pomiaru tylko jednego określonego typu degradacji (np. rozmycie , blokowanie lub dzwonienie) lub uwzględnienie wszystkich możliwych zniekształceń sygnału, czyli wielu rodzajów artefaktów.
Atrybuty jakości obrazu
- Ostrość określa ilość szczegółów, jakie obraz może przekazać. Na ostrość systemu ma wpływ obiektyw (jakość projektu i wykonania, ogniskowa, przysłona i odległość od środka obrazu) oraz czujnik (liczba pikseli i filtr antyaliasingowy). W terenie na ostrość mają wpływ drgania aparatu (pomocny może być dobry statyw), dokładność ustawiania ostrości oraz zakłócenia atmosferyczne (efekty termiczne i aerozole). Utraconą ostrość można przywrócić przez wyostrzanie, ale wyostrzanie ma swoje granice. Nadmierne wyostrzanie może pogorszyć jakość obrazu, powodując pojawienie się „aureoli” w pobliżu granic kontrastu. Obrazy z wielu kompaktowych aparatów cyfrowych są czasami nadmiernie wyostrzane, aby zrekompensować niższą jakość obrazu.
- Szum to losowa zmiana gęstości obrazu, widoczna jako ziarno na kliszy i zmiany poziomu pikseli na obrazach cyfrowych. Wynika to z efektów podstawowej fizyki — fotonowej natury światła i energii cieplnej ciepła — wewnątrz przetworników obrazu. Typowe oprogramowanie redukcji szumów (NR) zmniejsza widoczność szumu poprzez wygładzenie obrazu, z wyłączeniem obszarów w pobliżu granic kontrastu. Ta technika działa dobrze, ale może przesłaniać drobne szczegóły o niskim kontraście.
- Zakres dynamiczny (lub zakres ekspozycji) to zakres poziomów światła, które kamera może zarejestrować, zwykle mierzony w stopniach przysłony, EV (wartość ekspozycji) lub strefach (wszystkie współczynniki dwa w ekspozycji). Jest to ściśle związane z hałasem: wysoki poziom hałasu implikuje niski zakres dynamiki.
- Odwzorowanie tonów to związek między luminancją scenya jasnością odtwarzanego obrazu.
- Kontrast , znany również jako gamma , to nachylenie krzywej reprodukcji tonów w przestrzeni logarytmicznej. Wysoki kontrast zwykle wiąże się z utratą zakresu dynamicznego — utratą szczegółów lub przycinania w światłach lub cieniach.
- Dokładność kolorów jest ważnym, ale niejednoznacznym czynnikiem jakości obrazu. Wielu widzów preferuje zwiększone nasycenie kolorów; najdokładniejszy kolor niekoniecznie jest najprzyjemniejszy. Niemniej jednak ważne jest, aby zmierzyć reakcję kolorów aparatu: zmiany kolorów, nasycenie i skuteczność algorytmów balansu bieli.
- Zniekształcenie to aberracja, która powoduje, że linie proste zakrzywiają się. Może to być kłopotliwe dla fotografii architektonicznej i metrologii (aplikacje fotograficzne obejmujące pomiary). Zniekształcenia są zwykle zauważalne w tanich aparatach, w tym w telefonach komórkowych i tanich obiektywach DSLR . Na zdjęciach szerokokątnych jest to zwykle bardzo łatwe do zauważenia. Można to teraz poprawić w oprogramowaniu.
- Winietowanie lub zanikanie światła powoduje przyciemnienie obrazów w rogach. Może to mieć znaczenie w przypadku obiektywów szerokokątnych.
- Dokładność ekspozycji może stanowić problem w przypadku w pełni automatycznych kamer i kamer wideo, w których istnieje niewielka lub żadna możliwość dostosowania tonalnego po ekspozycji. Niektóre mają nawet pamięć ekspozycji: ekspozycja może się zmienić po pojawieniu się w scenie bardzo jasnych lub ciemnych obiektów.
- Boczna aberracja chromatyczna (LCA), zwana również „kolorową obwódką”, w tym fioletową obwódką , to aberracja obiektywu, która powoduje, że kolory skupiają się w różnych odległościach od środka obrazu. Najbardziej widoczny jest w rogach zdjęć. LCA wypada najgorzej w przypadku obiektywów asymetrycznych, w tym ultrawide, prawdziwych teleobiektywów i zoomów. Jest silnie dotknięty przez demozaicowanie .
- Flara obiektywu , w tym "veiling glare" to światło rozproszone w obiektywach i układach optycznych spowodowane odbiciami między elementami obiektywu a wewnętrznym tubusem obiektywu. Może powodować zamglenie obrazu (utrata szczegółów cieni i koloru), a także obrazy „ducha”, które mogą wystąpić w obecności jasnych źródeł światła w polu widzenia lub w jego pobliżu.
- Kolorowa mora to sztuczne kolorowe pasy, które mogą pojawiać się na obrazach z powtarzającymi się wzorami o wysokich częstotliwościach przestrzennych, takich jak tkaniny lub płoty. Wpływa na nią ostrość obiektywu, filtr antyaliasingowy (dolnoprzepustowy) (zmiękczający obraz) oraz oprogramowanie do demozaikowania . Najgorzej jest z najostrzejszymi obiektywami.
- Artefakty – oprogramowanie (zwłaszcza operacje wykonywane podczas konwersji RAW) może powodować znaczne artefakty wizualne, w tym kompresję danych i utratę transmisji (np. JPEG niskiej jakości), nadmierne wyostrzanie „halo” i utratę drobnych szczegółów o niskim kontraście.
Zobacz też
Bibliografia
Dalsza lektura
- Szejk, HR; Bovik AC , Teoretyczne podejścia do oceny jakości obrazu. W: Bovik, AC Handbook of Image and Video Processing. Elsevier, 2005.
- Guangyi Chen, Stephane Coulombe, metoda oceny jakości wizualnej obrazu oparta na funkcjach SIFT 85-97 JPRR
- Hossein Ziaei Nafchi, Atena Shahkolaei, Rachid Hedjam, Mohamed Cheriet, Wskaźnik podobieństwa odchylenia średniego: Wydajny i niezawodny oceniający jakość obrazu w pełnym zakresie. W: Dostęp IEEE. IEEE
