3

我的团队希望计算两张在潮湿环境中拍摄的照片之间的对比度。

我们将使用公式计算对比度

对比度 = SQRT((ΔL)^2 + (Δa)^2 + (Δb)^2)

其中 ΔL 是光度的差异,Δa 是(红-绿)的差异,Δb 是(黄-蓝)的差异,它们是 Lab 空间的维度。

我们(迄今为止成功的)方法是将每个像素从 RGB 转换为 Lab 空间,并将图像相关部分的平均值作为 A 和 B 变量。

然而,环境限制我们使用(防水)GoPro 相机,它将图像压缩为 JPEG 格式,而不是保存为 TIFF,因此我们没有使用真彩色图像。

我们现在需要量化对比度的不确定性——为此我们需要知道 A 和 B 的不确定性,并通过扩展了解每个 RGB 像素的每个 a 和 b 值的不确定性(或平均/典型不确定性)。只有当我们知道从真彩色转换为 JPEG 时产生的典型/最大不确定性时,我们才能计算这一点。

因此,当以 JPEG 格式保存时,我们需要知道每个 RGB 通道的最大可能差异。

例如。如果真彩色 RGB 像素 (5, 7, 9) 在压缩后变为 (2, 9, 13),则每个通道的不确定性将为 (+/- 3, +/- 2, +/- 4)。

我们相信相机会以 4:2:0 的纵横比压缩颜色 - 有没有办法对此进行测试?

然而,我们的主要问题是;有没有办法知道每个通道中的最大可能误差,或者从压缩的 RGB 结果中计算不确定性?

注意:我们知道从 JPEG 转换回 TIFF 是不可能的,因为 JPEG 压缩是有损的。我们只需要量化这种颜色损失的程度。

4

1 回答 1

1

简而言之,不可能绝对量化 JPEG 图像中数字计数的最大可能差异。

您已经很好地突出了这些要点之一。使用 JPEG 标准对图像数据进行编码时,首先将其转换为 YCbCr 颜色空间。

一旦进入该色彩空间,色度通道(Cb 和 Cr)就会被下采样,因为人类视觉系统对色度信息中的伪影不如对亮度信息敏感。

这里引入的错误是内容相关的;色度和色调变化非常迅速的区域将比色调/色度恒定的区域具有更多的内容损失。即使知道 4:2:0 压缩,它描述了下采样的数量和几何形状(更多信息在这里),内容仍然决定了这一步引入的错误。

另一个问题是 JPEG 压缩中执行的量化。

使用离散余弦变换对结果信息进行编码。在转换后的空间中,结果再次根据所需的质量进行量化。该量化是在文件生成时设置的,这是在相机内执行的。同样,即使您知道相机正在执行的确切 DCT 量化,对 RGB 数字计数的实际影响最终还是取决于内容。

另一个困难是由 DCT 块伪影产生的噪声,这(再次)取决于内容。

这些场景依赖性使该算法非常适合视觉图像压缩,但很难绝对表征。

然而,隧道尽头有一些光亮。JPEG 压缩会在图像内容快速变化的区域中导致明显更多的错误。恒定颜色和纹理的区域将具有显着减少的压缩错误和伪影。根据您的应用程序,您也许可以利用它为您带来好处。

于 2014-01-10T10:55:08.017 回答