Bildkvalitet

Bildkvalitet kan hänvisa till graden av noggrannhet med vilken olika bildbehandlingssystem fångar, bearbetar, lagrar, komprimerar, överför och visar signalerna som bildar en bild. En annan definition hänvisar till bildkvalitet som "den viktade kombinationen av alla de visuellt signifikanta attributen för en bild". Skillnaden mellan de två definitionerna är att man fokuserar på egenskaperna hos signalbehandling i olika bildsystem och den senare på de perceptuella bedömningar som gör en bild behaglig för mänskliga tittare.

Bildkvalitet ska inte förväxlas med bildåtergivning . Bildtrohet hänvisar till förmågan hos en process att återge en given kopia på ett perceptuellt liknande sätt som originalet (utan förvrängning eller informationsförlust), dvs genom en digitaliserings- eller konverteringsprocess från analog media till digital bild.

Processen för att bestämma nivån av noggrannhet kallas bildkvalitetsbedömning (IQA). Bildkvalitetsbedömning är en del av kvaliteten på upplevelsemått . Bildkvaliteten kan bedömas med två metoder: subjektiv och objektiv. Subjektiva metoder är baserade på perceptuell bedömning av en mänsklig betraktare om egenskaperna hos en bild eller uppsättning bilder, medan objektiva metoder är baserade på beräkningsmodeller som kan förutsäga perceptuell bildkvalitet. Objektiva och subjektiva metoder är inte nödvändigtvis konsekventa eller korrekta mellan varandra: en mänsklig betraktare kan uppfatta stora skillnader i kvalitet i en uppsättning bilder där en datoralgoritm kanske inte.

Subjektiva metoder är kostsamma, kräver ett stort antal personer och är omöjliga att automatisera i realtid. Därför är målet med forskning om bildkvalitetsbedömning att utforma algoritmer för objektiv bedömning som också är förenliga med subjektiva bedömningar. Utvecklingen av sådana algoritmer har många potentiella tillämpningar. De kan användas för att övervaka bildkvaliteten i kontrollkvalitetssystem, för att jämföra bildbehandlingssystem och algoritmer och för att optimera bildbehandlingssystem.

Bildkvalitetsfaktorer

Bildbildningsprocessen påverkas av flera förvrängningar mellan det ögonblick då signalerna färdas fram till och når infångningsytan, och den enhet eller medel i vilken signalerna visas . Även om optiska aberrationer kan orsaka stora förvrängningar i bildkvalitet, är de inte en del av området för bildkvalitetsbedömning. Optiska aberrationer orsakade av linser hör till optikområdet och inte till signalbehandlingsområdena .

I en ideal modell finns det ingen kvalitetsförlust mellan emissionen av signalen och ytan där signalen fångas på. Till exempel bildas en digital bild av elektromagnetisk strålning eller andra vågor när de passerar genom eller reflekteras av föremål. Den informationen fångas sedan in och omvandlas till digitala signaler av en bildsensor . Sensorn har dock icke-idealiteter som begränsar dess prestanda.

Metoder för bedömning av bildkvalitet

Bildkvaliteten kan bedömas med objektiva eller subjektiva metoder. I den objektiva metoden utförs bildkvalitetsbedömningar av olika algoritmer som analyserar de förvrängningar och försämringar som introduceras i en bild. Subjektiva bildkvalitetsbedömningar är en metod som bygger på hur människor upplever eller uppfattar bildkvalitet. Objektiva och subjektiva metoder för kvalitetsbedömning korrelerar inte nödvändigtvis med varandra. En algoritm kan ha ett liknande värde för en bild och dess ändrade eller försämrade versioner, medan en subjektiv metod kan uppfatta en skarp kontrast i kvalitet för samma bild och dess versioner.

Subjektiva metoder

Subjektiva metoder för bildkvalitetsbedömning hör till det större området psykofysikforskning , ett område som studerar sambandet mellan fysisk stimulans och mänskliga uppfattningar. En subjektiv IQA-metod kommer vanligtvis att bestå av att tillämpa medelvärde åsiktspoängtekniker , där ett antal tittare betygsätter sina åsikter baserat på deras uppfattning om bildkvalitet. Dessa åsikter kartläggs efteråt på numeriska värden.

Dessa metoder kan klassificeras beroende på tillgängligheten av källan och testbilderna:

Single-stimulus : tittaren har bara testbilden och är inte medveten om källbilden.
Dubbelstimulus : tittaren har både källan och testbilden.

Eftersom visuell perception kan påverkas av miljö- och visningsförhållanden, tog International Telecommunication Union fram en uppsättning rekommendationer för standardiserade testmetoder för subjektiv bildkvalitetsbedömning.

Objektiva metoder

Wang & Bovik (2006) klassificerar de objektiva metoderna med följande kriterier: (a) tillgängligheten för en originalbild; (b) på grundval av deras tillämpningsområde och (c) på modellen av en mänskligt visuellt system för att bedöma kvalitet. Keelan (2002) klassificerar metoderna utifrån (a) direkta experimentella mätningar; (b) systemmodellering och (c) visuell bedömning mot kalibrerade standarder.

Fullreferensmetoder (FR) – FR-mått försöker bedöma kvaliteten på en testbild genom att jämföra den med en referensbild som antas ha perfekt kvalitet, t.ex. originalet av en bild kontra en JPEG-komprimerad version av bilden.
Metoder med reducerad referens (RR) – RR-mått bedömer kvaliteten på en test- och referensbild baserat på en jämförelse av funktioner som extraherats från båda bilderna.
No-referens-metoder (NR) – NR-mått försöker bedöma kvaliteten på en testbild utan någon referens till den ursprungliga.

Mätvärden för bildkvalitet kan också klassificeras i termer av att endast mäta en specifik typ av försämring (t.ex. suddighet , blockering eller ringsignal), eller ta hänsyn till alla möjliga signalförvrängningar, det vill säga flera typer av artefakter.

Attribut för bildkvalitet

Blåsta högdagrar är skadliga för bildkvaliteten. Överst: Originalbild. Nederst: Blåsta områden markerade i rött.

I full upplösning har den här bilden tydligt synliga komprimeringsartefakter, till exempel längs kanterna på takstolarna längst till höger.

Skärpa avgör hur mycket detaljer en bild kan förmedla. Systemets skärpa påverkas av objektivet (design- och tillverkningskvalitet, brännvidd, bländare och avstånd från bildens centrum) och sensor (pixelantal och kantutjämningsfilter). I fält påverkas skärpan av kameraskakning (ett bra stativ kan vara till hjälp), fokusnoggrannhet och atmosfäriska störningar (termiska effekter och aerosoler). Förlorad skärpa kan återställas genom att skärpa, men skärpan har gränser. Överskärpning kan försämra bildkvaliteten genom att "glorior" visas nära kontrastgränser. Bilder från många kompakta digitalkameror är ibland överskärpa för att kompensera för lägre bildkvalitet.
Brus är en slumpmässig variation av bilddensitet, synlig som korn i film och pixelnivåvariationer i digitala bilder. Det härrör från effekterna av grundläggande fysik – ljusets fotonnatur och värmens termiska energi – inuti bildsensorer. Typisk brusreduceringsmjukvara (NR) minskar synligheten av brus genom att jämna ut bilden, exklusive områden nära kontrastgränser. Denna teknik fungerar bra, men den kan dölja fina detaljer med låg kontrast.
Dynamiskt omfång (eller exponeringsintervall) är intervallet av ljusnivåer en kamera kan fånga, vanligtvis mätt i f-stop, EV (exponeringsvärde) eller zoner (alla faktorer av två vid exponering). Det är nära besläktat med brus: högt brus innebär lågt dynamiskt omfång.
Tonåtergivning är förhållandet mellan scenens luminans och den återgivna bildens ljusstyrka.
Kontrast , även känd som gamma , är lutningen på tonåtergivningskurvan i ett log-loggutrymme. Hög kontrast innebär vanligtvis förlust av dynamiskt omfång - förlust av detaljer, eller klippning, i högdagrar eller skuggor.
Färgnoggrannhet . är en viktig men tvetydig bildkvalitetsfaktor Många tittare föredrar förbättrad färgmättnad; den mest exakta färgen är inte nödvändigtvis den mest tilltalande. Ändå är det viktigt att mäta en kameras färgrespons: dess färgskiftningar, mättnad och effektiviteten hos dess vitbalansalgoritmer.
Distorsion är en aberration som gör att raka linjer kröks. Det kan vara besvärligt för arkitekturfotografering och metrologi (fotografiska tillämpningar som involverar mätning). Distorsion tenderar att märkas i lågpriskameror, inklusive mobiltelefoner, och billiga DSLR-objektiv . Det är oftast väldigt lätt att se på vidvinkelfoton. Det kan nu korrigeras i mjukvara.
Vinjettering , eller lätt falloff, gör bilderna mörkare nära hörnen. Det kan vara betydande med vidvinkelobjektiv.
Exponeringsnoggrannhet . kan vara ett problem med helautomatiska kameror och med videokameror där det finns liten eller ingen möjlighet till tonjustering efter exponering Vissa har till och med exponeringsminne: exponeringen kan ändras efter att mycket ljusa eller mörka föremål dyker upp i en scen.
Lateral kromatisk aberration (LCA), även kallad "färgkant", inklusive lila kant , är en linsavvikelse som får färger att fokusera på olika avstånd från bildens centrum. Det är mest synligt nära hörnen av bilder. LCA är sämst med asymmetriska objektiv, inklusive ultravida, äkta telefoton och zoomar. Det är starkt påverkat av demosaicing .
Linsreflexer , inklusive "slöja bländning" är ströljus i linser och optiska system som orsakas av reflektioner mellan linselement och linsens inre cylinder. Det kan orsaka bildimbildning (förlust av skuggdetaljer och färg) samt "spökbilder" som kan uppstå i närvaro av starka ljuskällor i eller nära synfältet.
Färgmoiré . är konstgjorda färgband som kan förekomma i bilder med repetitiva mönster med höga rumsfrekvenser, som tyger eller staket Det påverkas av objektivets skärpa, anti-aliasing (lågpass)-filtret (som mjukar upp bilden) och mjukvara för demosaicing . Det brukar bli värst med de skarpaste objektiven.
Artefakter – programvara (särskilt operationer som utförs under RAW-konvertering) kan orsaka betydande visuella artefakter, inklusive datakomprimering och överföringsförluster (t.ex. JPEG av låg kvalitet ), överskärpning av "halos" och förlust av fina detaljer med låg kontrast.

Se även

Vidare läsning

Sheikh, HR; Bovik AC , Informationsteoretiska tillvägagångssätt för bildkvalitetsbedömning. I: Bovik, AC Handbook of Image and Video Processing. Elsevier, 2005.
Guangyi Chen, Stephane Coulombe, en metod för bildkvalitetsbedömning baserad på SIFT-funktioner 85-97 JPRR
Hossein Ziaei Nafchi, Atena Shahkolaei, Rachid Hedjam, Mohamed Cheriet, Mean Deviation Similarity Index: Effektiv och tillförlitlig bildkvalitetsutvärderare med full referens. I: IEEE Access. IEEE