Оцінка якості зображень

      Тогда Y будет лежать в диапазоне [0,1]. Значение 0 будет соответствовать абсолютно чёрному изображению, а значение 1 – абсолютно белому. Изображение оптимальной яркости должно иметь значение Y близкое к 0.5.  
 
 
 
 
 
 
 
 
 
 
 
 

      3.2 Оценка контрастности изображения 

      Контрастность изображения бывает яркостная и тоновая.

      Яркостная контрастность представляет собой  разницу между физической или  видимой яркостью отдельных участков изображения. Вообще говоря, вычисление физической или видимой яркости  можно рассматривать как конвертацию  цветного изображения в ахроматические цвета. Поэтому яркостная контрастность — это сравнение двух участков изображения, приведенных к ахроматическим цветам.

      Если  проанализировать RGB-гистограммы, то можно  сделать вывод, что у контрастного изображения количество тёмных и светлых пикселей должно быть приблизительно одинаковым, разница в их яркости — значительна, а основное место сосредоточения пикселей — возле границ диапазона.

      Хорошим критерием оценки яркостной контрастности  будет дисперсия яркости пикселей изображения:  

      

,   (8.1) 

      Более универсальный безразмерный критерий оценки яркостной контрастности  — отношение средне-квадратического  отклонения к максимально возможному значению яркости:  

      

,    (8.2)

      C изменяется в диапазоне [0,1]. Значение 0 соответствует однотонному изображению, значение 1 — максимально контрастному. Оптимальное значение контрастности зависит от типа объекта, представленного на изображении.

      Более сложный случай представляет тоновая  контрастность. Конвертированные в  оттенки серого цвета могут иметь одинаковую яркость, но визуально чётко различаться.

      Можно вычислить «средний тон» пикселя  для всего изображения. Его удобно выразить через средние значения RGB:  

      

,   (8.3) 

      

,   (8.4) 

      

,   (8.5) 

      Расстояние  в RGB кубе между пикселями изображения и «средним тоном» определяется по формуле: 

      

,  (8.6) 

      В качестве оценки тоновой контрастности  изображения можно взять среднее  расстояние в RGB кубе между пикселями  и «средним тоном»:

      

,   (8.7) 

      В RGB-кубе максимальное расстояние между  двумя точками равно длине главой диагонали:  

      

,  (8.8) 

      Хорошую тоновую контрастность будут  иметь пиксели, расположенные на расстоянии R , G или B (длины ребра RGB - куба):  

      

,   (8.9) 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      3.3 Оценка тоновой насыщенности 

      Тоновая насыщенность — это отличие цвета  от ахроматического при их одинаковой яркости. В RGB-кубе тоновую насыщенность пикселя можно выразить как расстояние до диагонали ахроматических цветов:  

      

, (10.1) 

      Для всего изображения оценка тоновой насыщенности может быть выражена как среднее значение тоновой насыщенности для всех пикселей:  

      

,   (10.2) 
 
 
 
 
 
 
 
 
 
 
 
 
 

      3.4 Оценка резкости изображения 

      Понятие резкость, как характеристику аппаратных средств и технологий, можно разделить на три составляющие:

- резкость, как характеристика фокусировки объектива на объект;

- резкость как характеристика оборудования, позволяющая воспроизводить без искажений яркостный переход максимального контраста;

- резкость как результат специальной обработки исходного изображения.

      Идеальное оборудование должно обеспечить вывод  информации о смене цвета в  элементе изображения таким образом, чтобы никакого промежутка между  цветами не было.

      С физической точки зрения нерезкий переход  можно рассматривать как диффузное смешение двух контрастных цветов.

      С точки зрения человеческого восприятия резкость - это наличие контура  контрастного перехода (яркостного или  тонового) между двумя соседними  частями изображения.

      Для оценки резкости изображения в ахроматических цветах удобно использовать яркость пикселей. Такое изображение может быть представлено прямоугольной матрицей (размерностью соответствующей размерам изображения в пикселях), элементами которой являются значения яркости пикселя.  
 

      

 

      Рисунок 11.1 – Контрастный (сверху) и неконтрастный (снизу) переходы между цветами 

      Поскольку в настоящее время в большинстве  случаев используется квадратный пиксель, можно составить другую матрицу (матрицу яркостных контрастов), элементами которой будут разности яркости последующего и предыдущего пикселей по горизонтали или по вертикали ( или ). Можно учитывать и диагональные разности.

      Значения  элементов матрицы характеризуются  следующим образом:

 если яркость следующего пикселя  меньше яркости предыдущего;

, если яркость следующего пикселя больше яркости предыдущего;

, если яркость следующего пикселя  равна яркости предыдущего;

, если изменение яркости незначительно;

,если имеется резкий контрастный  переход.

      Далее осуществляется сканирование строк  для разностей по горизонтали (столбцов для разностей по вертикали) матрицы яркостных контрастов. Строка (столбец) разбивается на участки, в которые входят элементы, имеющие одинаковый знак (переходые участки) или участки со значениями элементов равными 0.

      Для каждого переходного участка оценивается:

- длина m (количество элементов матрицы контрастов);

- крутизна участка k, то есть, соотношение суммарного изменение яркости на участке к длине участка: 

      

,  (11.1) 

      Для проведения анализа матрицы яркостных  контрастов необходимо определить критерии и их значения: какое значение элемента матрицы считать контрастным переходом, а какое — нет.

      Порог «минимальной заметной разницы» контрастной  чувствительности (JND) или дифференциальный порог определяют согласно закона Вебера-Фехнера, который формулируется следующим образом: субъективная величина ощущения, измеренная в единицах минимальной заметной разницы, пропорциональна логарифму физической величины стимула:  

      

,   (11.2) 

      где:

      p — субъективная величина ощущения;

      k — коэффициент пропорциональности;

      X — значение интенсивности стимула;

      X — граничное значение интенсивности стимула;

      Закон утверждает: ощущение разницы между  близкими по величине стимулами пропорциональна  величине стимулов, т.е.:  

      

,   (11.3) 

      где:

        — изменение интенсивности  стимула.

      Это отношение называется пороговым  контрастом, а  — дифференциальным порогом. В средине дифференциального порога изменения интенсивности стимула не ощутимы.

      Отношение Вебера-Фехнера (пороговый контраст) составляет 1-3%.

      Таким образом, для каждого переходного  участка матрицы яркостных контрастов в идеальном случае m = 1 или , , (здесь и далее k — крутизна участка).

      Поскольку критерии оценки резкости связаны с  локальными участками изображения, общая оценка резкости по этим критериям будет сильно зависеть от типа объекта на изображении (документ, пейзаж и т.д.). И всё же в качестве оценки резкости всего изображения можно предложить средние значения длины и крутизны для всех n переходных участков.  

      

,   (11.4) 

      

,   (11.5) 

      Для оценки резкости цветных изображений  вместо разности яркости соседних пикселей можно использовать расстояние в RGB-кубе между цветами этих пикселей:

      

,  (11.6) 

      При сканировании матрицы тоновых контрастов, подобно сканированию матрицы яркостных контрастов, необходимо контролировать тенденцию изменения тона: отрезки, соединяющие пиксели в RGB-кубе должны лежать на одной прямой. Реально они могут иметь некоторое незначительное отклонение ε. Осуществить такой контроль можно сравнивая сумму длин расстояний между цветами в RGB-кубе с расстоянием между крайними точками этой ломаной линии:  

      

 (11.7) 

      Прекращение выполнения данного условия можно  считать границей участка.

      Далее оценка резкости цветного изображения  проводится подобно оценке резкости ахроматического изображения. Крутизна участка будет вычисляться через расстояния между цветами пикселей в RGB-кубе:  

      

,   (11.8) 

        и  для всего цветного изображения вычисляются также, как и для ахроматического изображения.

      Несмотря  на грубость и приблизительность предложенных критериев и методов оценки, их можно успешно использовать для предварительного отбора изображений из больших массивов в автоматическом режиме; для предварительной оценки качества изображений с целью выбора более детальных методов оценки и т.п. 

      ВЫВОД 

      В данной работе мы научились оценивать  качество изображений, сформировали понятие  о растровой и векторной графике, а также определили параметры  для оценки их качества.

      Таким образом можно перечислить достоинства и недостатки как растровой так и векторной графики.

      К достоинствам растровой графики относится:

- Простота вывода. Отображение растровой графики не "нагружает" слишком сильно процессор компьютера, вывод изображения происходит очень быстро. Какая-либо дополнительная обработка при этом отсутствует, за исключение подстройки цветов.

- Размер массива пикселов, а значит и графического растрового файла, зависит от геометрических размеров самого изображения и от его цветности. Размер растрового изображения не зависит от его сложности. Это значит, что маленькие черно-белые изображения занимают меньше места, чем большие полноцветные.

- Высокая точность и достоверность передачи полутоновых изображений, например, сканированных картин и фотографий.

      Недостатки  растровой графики:

- Размер массива пикселов зависит от геометрических размеров самого изображения и от его цветности. Если сохранить в растровом формате простое, полноцветное и большое по размерам изображение, оно может занять на диске десятки мегабайт.

- Растровая графика зависит от разрешения устройства вывода: монитора или принтера.