1 简介

相机成像技术已从耗时的多步骤化学模拟过程发展为具有多种图像共享可能性的近乎瞬时的数字过程。相机曾经是单一用途的设备，现在是手机等多功能设备中最常见的部分。随着数码单镜头反光 (DSLR) 相机变得越来越复杂和先进，智能手机和平板电脑等产品的成像技术能力也越来越强。此外，图像处理技术的进步使过去无法实现的局部自动增强成为可能。新的特征算法和计算摄影的出现，例如复杂的降噪算法和捕获后深度处理，继续充斥着市场。这需要不断扩展基本图像质量指标，以便评估和比较成像系统的状态。目前有一些描述图像质量测量技术的标准可用，但很少描述如何全面表征和基准测试相机的整体图像质量。本书旨在通过讨论和讨论图像质量及其评估（包括建立实验室）和基准测试，描述静态和视频成像应用的方法、注意事项和示例数据。

最有效和最相关的图像质量基准指标应该提供一致、可重复和感知相关的结果。此外水果绿色版，它们应该被标准化，以便成为行业中有意义的指标。这些需求导致了 CPIQ（Phone Image Phone Image ）等计划的创建，该计划最初由 I3A（图像行业国际图像协会）管理，现在作为 IEEE（和

电气和电子工程师协会）作为标准开发的一部分运行。这些标准机构提供和开发用于评估图像质量的客观和主观指标。客观指标是独立于人类对方法和结果的感知的度量水果绿色版，而主观指标是量化人类对人类观察的反应的度量。

1.1 图片内容和图片质量

在 1820 年代中期，Nicéphore Niépce 通过从天窗拍摄建筑物、树木和天空的照片漂亮的古典花纹相框笔刷，成功制作了第一张永久性照片。在马口铁上查看这张由日光成像产生的原始状态的显影图像，似乎很难辨别其内容。

图片1.1 N. Niépce 在他原来的马口铁板上的第一张永久照片，1826 年。

事实上，这个“原始”图像，通过类似于数字图像渲染的图像处理步骤，变成了一个更容易识别的场景（见图1.2）。

图1.2 增强版第一张永久照片

图像模糊、嘈杂、黑白，尽管关键元素仍可辨别。图像的最小锐度和粒度都阻碍了对场景中实际纹理的辨别，只留下基本的形状和密度作为物体识别的线索。值得注意的是，他家的西墙和东墙是从照片的两侧同时被太阳照亮的，这是因为拍摄的曝光时间是八小时，期间太阳的位置发生了偏移。 .

简单的视觉提示可以传达物体信息、光照和深度。例如，可以使用一系列抽象线条来描绘小提琴，如图 1.3 所示。颜色和阴影的添加增加了乐器的真实感，如中间图像所示。一张高质量的小提琴照片包含更多信息，例如构成纹理基本元素的对象的反照率和细观结构，如右图所示。以真实感为目标的成像包括颜色、形状、纹理、深度、亮度范围和运动的基本特征，再现这些物理属性可以生成准确、逼真的场景和物体图像。

图1.3小提琴的三个演绎1.1.1色

颜色是物体在发光或自发光时的物理属性的视觉感知。在最基本的情况下，颜色可以描述为橙色、蓝色、绿色和黄色的阴影，例如黄色金丝雀、红苹果、蓝天和绿叶。这些颜色是人类视觉系统（HVS：Human）对可见波长光谱范围从 380 nm 到 720 nm 的感知。然而，颜色比对主色调的感知更为复杂：颜色包括对明度和明度的感知。例如，它允许人们区分红色和浅红色（即粉红色）流行喷溅笔刷下载2，或者根据墙壁的亮度确定均匀涂漆的房子的哪一侧朝向太阳。这些是与光的反射、透射或发射等物理特性相关的术语，包括考虑场景中最亮的物体。颜色感知也会受到周围颜色的影响——即使两种颜色具有相同的色调，如果被不同的颜色包围，它们也会呈现出不同的色调。图 1.4 显示了这种现象的一个例子，称为同时对比。在图片中，中心的正方形是同一种颜色，但是周围的颜色使它们看起来不是同一种颜色，即使它们在测量上是相同的。

图1.4 同时比较

HVS 的其他方面也会影响我们对颜色的感知。我们非常适应周围环境的偏色。这种颜色适应使我们能够根据场景本身而不是绝对色度来判断颜色。户外阳光明媚，我们适应明亮的日光条件。同样，在有人工照明的室内，我们仍然可以感知颜色的差异。在感知上，我们可以在任何条件下区分颜色。但是，如果在两种不同的光照条件下测量同一物体的光谱，则测量结果将有本质的不同。

图1.5 原图果篮色调明显不同

.5 将青色添加到原始照片以生成照片。通过颜色适应，这张带有青色的照片也有明显的色调差异，让观察者注意到香蕉相对于其他水果颜色的黄色调

图1.5 将原始照片中的香蕉替换为青色香蕉（与中间青色照片中的香蕉物理颜色相同）会导致外观明显不同。在这里，香蕉呈现未成熟的绿色状态，因为在 HVS 中没有发生色素适应

图片1.5 在上图中，一个平衡良好的水果篮在日光下呈现出明显的色调差异：红苹果、橙橘、黄香蕉等。如果将青色添加到照片，其整体外观将与原版有明显不同。然而，随着我们的色彩适应发生，在适应了中间照片中的新光照条件后，水果将再次开始显示与预期相反的颜色，例如香蕉看起来是黄色的，右边的苹果是红色的。但是，如果您只是将原始照片中的香蕉替换为青色香蕉（下图），则不会出现色差：香蕉相对于其他水果颜色具有未成熟的绿色外观。因此，香蕉的原始和青色版本的物理光谱反射率存在显着差异。

有时，由于 HVS 的适应，我们可以感知刺激中不存在的颜色。当光检测信号通过视神经传递到大脑时。该区域是我们视野中的盲点，因为该位置的视网膜中没有光传感器。然而，HVS 会补偿两个遮挡（每只眼睛一个），并用与周围环境相似的信号来补偿该区域，因此我们通常不会注意到视神经的遮挡。这种补偿现象包括颜色和纹理。因此，即使没有色调的物理刺激，HVS 也可以感知颜色，例如水彩错觉。如图1.6所示，轮廓包含一个可以感知色调的浅色内边框，外层被不同色调的深色边框包围。人类视觉系统可以检测到轮廓被一种淡淡的颜色填充，轮廓的内部区域看起来比内边界的色调稍微亮一些。此外，具有波浪轮廓的区域通常比线性轮廓更填充。由于错觉，我们应该在轮廓内看到明显的水彩般的橙色或绿色填充，但在轮廓外看不到这种微弱的色调。事实上，内部根本不是橙色或绿色，波浪轮廓两侧的所有区域在物理上都是相同的，如果测量会显示它们具有相同的色度值，即所有白色背景。

图1.6 浅色边框被深色边框包围，该区域内部除了白色背景之外没有其他色调，但人类视觉系统将内部区域感知为具有类似的模糊度到内部彩色边框，浅色调。

对象具有许多影响其颜色的物理属性，包括反射率、透射率或发射率、角度依赖性和半透明度。因此，量化颜色的复杂性超出了描述颜色定义元素（如发色团、染料或颜料）的光谱特性。假设我们有一张缎面床单和一张法兰绒床单，它们的光谱在色调上是一致的，即使用相同的染料。但是，我们能够很容易地分辨出材料的差异，因为缎面看起来有光泽，而绒面革的质地看起来很暗淡。这种材料外观的差异体现在缎纹编织使用非常细的线，在光线照射下呈现出光滑、有光泽的表面，而法兰绒表面使用更粗、更少的线数和编织风格，从而形成光滑的表面。 ，有光泽的表面。它更分散，因此缺乏缎子的光泽。然而，从光谱的角度来看，缎面和绒面革具有相同的颜色。颜色复杂性的另一个例子是将真牙的颜色与假牙匹配的挑战。由于牙齿晶莹剔透，白度的出现取决于环境中的照明特性，类似于将手电光束放在大理石表面附近，光线可以穿过牙齿并照亮它。因此，比较真牙和假牙的外观包括亮度和白度以及透明度。如果假牙与真牙的透明度不同，即使白色的物理表面反射相同，也有一个照明环境可以区分假牙和真牙。

使用比色法进行颜色测量会考虑光源的光谱特性、物体的光谱特性和 HVS。然而，当应用于现实世界中过多的光源、物体和人时，比色法具有基本的局限性。为了生成估计一阶颜色感知的方程，仅将 17 个颜色正常观察者的数据组合起来生成 1931 年标准观察者。需要多个观察者成为标准观察者表明颜色感知存在观察者间的差异。最近的研究证实，虽然这种观察者同色异谱确实存在，但 1931 年的标准观察者仍然是对典型颜色正常观察者的合理估计。此外，观察者之间的差异高达 8 倍，比 1931 年标准观察者和五个新代理人之间的固有差异大。因此，结合 1931 年标准观察者的色度量化可以将颜色准确度匹配到标准水平，尽管个别观察者可能会有所不同。考虑到相机捕捉到的场景中颜色的质量，然后在显示器或印刷材料中观察，这一点变得尤为重要。场景、显示器和印刷材料中的颜色来源是由根本不同的光谱组成的属性。事实上，色彩工程确实可以在相机捕捉系统中生成与 1931 年标准观察者匹配的颜色，但这种匹配方法并不能保证每个观察者都会感知到匹配，或者色彩匹配会提供与原始观察相同的颜色观察者脑海中对场景的相同印象。

色度方程是量化相机客观彩色图像质量方面的基础。稍后描述的颜色准确度、颜色均匀性和颜色饱和度指标等测量使用色度单位来量化图像质量的颜色相关方面。例如PNGOutWin，如果色域较宽，则图像中可以再现更多的颜色。