화질

Image quality

영상 품질은 여러 영상 시스템이 영상을 형성하는 신호를 캡처, 처리, 저장, 압축, 전송 및 표시하는 정확도 수준을 나타낼 수 있습니다.또 다른 정의에서는 이미지 품질을 "이미지의 시각적으로 중요한 모든 속성의 가중 조합"[1]: 598 이라고 합니다.두 정의의 차이는 하나는 다른 이미징 시스템에서 신호 처리의 특성에 초점을 맞추고 후자는 인간 시청자에게 이미지를 즐겁게 하는 지각 평가에 초점을 맞춘다는 것이다.

화질을 이미지 충실도와 혼동해서는 안 됩니다.이미지 충실도는 아날로그 미디어에서 디지털 이미지로 디지털화 또는 변환 프로세스를 통해 원본과 지각적으로 유사한 방식으로(왜곡이나 정보 손실 없이) 주어진 복사본을 렌더링할 수 있는 프로세스를 말합니다.

정확도 수준을 결정하는 프로세스를 IQA(Image Quality Assessment)라고 합니다.이미지 품질 평가는 경험 품질 척도의 일부입니다.영상 품질은 주관적 및 객관적 두 가지 방법을 사용하여 평가할 수 있습니다.주관적 방법은 이미지 또는 이미지 세트의 속성에 대한 인간 시청자의 지각 평가에 기초하고, 객관적 방법은 지각적 이미지 [2]: vii 품질을 예측할 수 있는 계산 모델에 기초합니다.객관적 방법과 주관적 방법이 서로 일치하거나 정확하다고는 할 수 없습니다.인간 뷰어는 컴퓨터 알고리즘이 그렇지 않을 수 있는 일련의 이미지에서 품질의 극명한 차이를 인식할 수 있습니다.

주관적 방법은 비용이 많이 들고 많은 인원이 필요하며 실시간으로 자동화할 수 없습니다.따라서 영상 품질 평가 연구의 목표는 주관적 [3]평가와 일치하는 객관적 평가를 위한 알고리즘을 설계하는 것이다.이러한 알고리즘의 개발에는 많은 잠재적 응용 분야가 있습니다.제어 품질 시스템의 이미지 품질을 모니터링하고, 이미지 처리 시스템과 알고리즘을 벤치마킹하고, 이미징 [2]: 2 [3]: 430 시스템을 최적화하는 데 사용할 수 있습니다.

화질 계수

이미지 형성 프로세스는 신호가 캡처 표면을 통과하고 도달하는 순간과 신호가 표시되는 장치 또는 평균 사이의 몇 가지 왜곡에 영향을 받습니다.광학적 이상이 영상 품질에 큰 변형을 일으킬 수 있지만, 영상 품질 평가 분야의 일부가 아닙니다.렌즈에 의한 광학적 이상은 신호 처리 영역이 아닌 광학 영역에 속합니다.

이상적인 모델에서는 신호의 방출과 신호가 포착되는 표면 사이에 품질 손실이 없습니다.예를 들어 디지털 화상은 전자파나 다른 파장이 물체를 통과하거나 반사할 때 형성된다.그 정보는 이미지 센서에 의해 캡처되어 디지털 신호로 변환됩니다.그러나 센서는 성능을 제한하는 이상적이지 않습니다.

화질 평가 방법

화질은 객관적 또는 주관적 방법으로 평가할 수 있습니다.객관적인 방법에서는 화상에 도입된 왜곡과 열화를 해석하는 다른 알고리즘에 의해 화질 평가가 이루어진다.주관적 영상 품질 평가는 인간이 영상 품질을 경험하거나 인식하는 방식에 기반한 방법입니다.객관적이고 주관적인 품질평가 방법이 반드시 서로 상관관계가 있는 것은 아닙니다.알고리즘은 이미지와 변경 또는 저하된 버전에 대해 유사한 값을 가질 수 있지만 주관적인 방법은 동일한 이미지와 해당 버전의 품질에서 뚜렷한 대조를 인식할 수 있습니다.

주관적 방법

주요 기사:주관적인 비디오 품질

이미지 품질 평가를 위한 주관적 방법은 물리적 자극과 인간의 인식 사이의 관계를 연구하는 분야인 정신물리학 연구의 더 큰 영역에 속합니다.주관적 IQA 방법은 일반적으로 평균 의견 점수 기법을 적용하여 구성됩니다. 여기서 다수의 시청자는 이미지 품질에 대한 자신의 인식을 바탕으로 의견을 평가합니다.이러한 의견은 나중에 수치로 매핑됩니다.

이러한 방법은 소스 및 테스트 이미지의 가용성에 따라 분류할 수 있습니다.

  • 단일 자극: 뷰어에는 테스트이미지만 있고 소스이미지는 인식되지 않습니다.
  • 이중 자극: 뷰어에는 소스 이미지와 테스트 이미지가 모두 있습니다.

시각지각은 환경조건과 시각조건에 의해 영향을 받을 수 있기 때문에 국제전기통신연합은 주관적인 이미지 품질평가를 [4]위한 표준화된 테스트 방법에 대한 일련의 권장사항을 작성했습니다.

객관적 방법

Wang & Bovik(2006)은 (a) 원본 이미지의 가용성, (b) 적용 범위를 기반으로, (c) [5]품질을 평가하기 위한 인간 시각 시스템 시뮬레이션 모델을 기준으로 객관적 방법을 분류한다.킬란(2002)은 (a) 직접 실험 측정, (b) 시스템 모델링 및 (c) 교정된 [6]: 173 표준에 대한 시각적 평가를 기반으로 방법을 분류한다.

  • 전체 기준(FR) 방법 – FR 메트릭은 완벽한 품질을 가진 것으로 가정되는 기준 이미지(예: 이미지의 원본과 JPEG 압축된 버전의 이미지)와 비교하여 테스트 이미지의 품질을 평가하려고 합니다.
  • RR(Reduced-Reference) 방법 – RR 메트릭은 두 이미지에서 추출된 특징의 비교를 기반으로 테스트 및 기준 이미지의 품질을 평가합니다.
  • No-Reference(NR; 참조 없음) 방법– NR 메트릭은 원본 이미지를 참조하지 않고 테스트 이미지의 품질을 평가하려고 합니다.

화질 메트릭은 특정 유형의 열화(예: 흐림, 차단 또는 호출음)만 측정하거나 가능한 모든 신호 왜곡, 즉 여러 종류의 [7]아티팩트를 고려하는 관점에서 분류할 수도 있습니다.

이미지 품질 속성

하이라이트가 끊어지면 화질이 저하됩니다.상단: 원본 이미지.하단:날려버린 부분이 빨간색으로 강조 표시됩니다.
최대 해상도에서 이 이미지에는 가장 오른쪽 트러스 모서리를 따라 선명하게 보이는 압축 아티팩트가 있습니다.
  • 선명도는 이미지가 전달할 수 있는 세부 정보의 양을 결정합니다.시스템 선명도는 렌즈(설계 및 제조 품질, 초점 거리, 조리개 및 이미지 센터와의 거리)와 센서(픽셀 수 및 안티앨리어싱 필터)의 영향을 받습니다.현장에서 선명도는 카메라 흔들림(좋은 삼각대가 도움이 될 수 있음), 초점 정확도 및 대기 교란(열 효과 및 에어로졸)의 영향을 받습니다.샤프닝으로 잃어버린 샤프닝을 복구할 수 있지만 샤프닝에는 한계가 있습니다.너무 선명하게 하면, 콘트라스트 경계 부근에 「헤일로」가 나타나 화질이 저하할 수 있습니다.많은 콤팩트 디지털 카메라의 화상은, 화질의 저하를 보충하기 위해서 과도하게 선명해지는 경우가 있습니다.
  • 노이즈는 이미지 밀도의 랜덤한 변동으로 필름의 입자 및 디지털 이미지의 픽셀 레벨 변동으로 표시됩니다.이는 이미지 센서 내부의 기본 물리 효과(빛의 광자 특성 및 열의 열에너지)에서 발생합니다.일반적인 NR(Noise Reduction) 소프트웨어는 대비 경계 근처 영역을 제외하고 이미지를 부드럽게 하여 노이즈의 가시성을 줄입니다.이 기술은 잘 작동하지만 세밀하고 낮은 대비의 디테일이 흐려질 수 있습니다.
  • 동적 범위(또는 노출 범위)는 카메라가 캡처할 수 있는 광레벨의 범위로, 일반적으로 f-stops, EV(노출 값) 또는 구역(노출 시 두 가지 요인 모두)으로 측정됩니다.노이즈와 밀접하게 관련되어 있습니다.높은 노이즈는 낮은 다이내믹 레인지를 의미합니다.
  • 톤 재생은 씬 휘도와 재생된 이미지의 밝기 사이의 관계입니다.
  • 감마라고도 하는 콘트라스트는 로그 로그 공간에서 톤 재생 곡선의 기울기입니다.고콘트라스트에는 일반적으로 하이라이트 또는 음영에서의 상세 손실이나 클리핑이 포함됩니다.
  • 색 정밀도는 중요하지만 애매한 영상 품질 요소입니다.많은 시청자들이 향상된 색채도를 선호한다; 가장 정확한 색채는 반드시 가장 만족스러운 것은 아니다.그럼에도 불구하고, 카메라의 색 반응을 측정하는 것이 중요합니다. 즉, 색 변화, 채도 및 화이트 밸런스 알고리즘의 효과입니다.
  • 왜곡은 직선을 구부리는 수차입니다.건축 사진 및 도량형(측정을 수반하는 사진 애플리케이션)에 문제가 발생할 수 있습니다.휴대전화와 같은 저가 카메라와 저가 DSLR 렌즈에서 왜곡이 두드러지는 경향이 있습니다.일반적으로 광각 사진에서는 매우 쉽게 볼 수 있습니다.이제 소프트웨어로 수정할 수 있습니다.
  • Vigneting(빛의 낙하)은 모서리 부근의 이미지를 어둡게 합니다.광각 렌즈가 있으면 의미가 있을 수 있습니다.
  • 노출 정확도는 완전 자동 카메라 및 노출 후 톤을 조정할 기회가 거의 또는 전혀 없는 비디오 카메라에서 문제가 될 수 있습니다.일부에는 노출 메모리가 있습니다. 씬(scene)에 매우 밝거나 어두운 물체가 나타나면 노출이 변경될 수 있습니다.
  • LCA(가로 방향 색수차)는 보라색 테두리를 포함하여 "색상 테두리"라고도 하며, 이미지 중심에서 다른 거리에 색상이 집중되도록 하는 렌즈 수차입니다.이미지 모서리 근처에서 가장 잘 보입니다.LCA는 초광대, 진짜 텔레포토, 줌을 포함한 비대칭 렌즈에서 최악입니다.그것은 데모사이싱의 영향을 많이 받는다.
  • 반짝이는 글레어를 포함한 렌즈 플레어는 렌즈 소자와 렌즈의 내부 배럴 사이의 반사에 의해 발생하는 렌즈 및 광학계의 유광입니다.화상의 흐림(그림자와 색상의 소실)이나 화상의 「고스트」를 일으키는 경우가 있습니다.이러한 화상은, 시야내 또는 그 근처에 밝은 광원이 있는 경우에 발생할 수 있습니다.
  • 컬러 모이레는 패브릭이나 피켓 펜스처럼 공간 주파수가 높은 반복 패턴의 이미지에 나타날 수 있는 인공 컬러 밴드입니다.렌즈 선명도, 안티에일리어싱(로패스) 필터(이미지를 부드럽게 하는) 및 디모사이싱 소프트웨어의 영향을 받습니다.렌즈가 가장 날카로우면 최악이 되는 경향이 있습니다.
  • 아티팩트 – 소프트웨어(특히 RAW 변환 중에 수행되는 작업)는 데이터 압축 및 전송 손실(예: 저품질 JPEG), 지나치게 샤프해지는 "헤일" 및 미세하고 저콘트라스트한 디테일의 손실 등 상당한 시각적 아티팩트를 일으킬 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Burningham, Norman; Pizlo, Zygmunt; Allebach, Jan P. (2002). "Image Quality Metrics". In Hornak, Joseph P. (ed.). Encyclopedia of imaging science and technology. New York: Wiley. doi:10.1002/0471443395.img038. ISBN 978-0-471-33276-3.
  2. ^ a b Wang, Zhou; Bovik, Alan C. (2006). "Preface". Modern image quality assessment. San Rafael: Morgan & Claypool Publishers. ISBN 978-1598290226.
  3. ^ a b Sheikh, Hamid Rahim; Bovik, Alan C. (February 2006). "Image Information and Visual Quality". IEEE Transactions on Image Processing. 15 (2): 430–444. Bibcode:2006ITIP...15..430S. CiteSeerX 10.1.1.477.2659. doi:10.1109/TIP.2005.859378. PMID 16479813.
  4. ^ P.910 : Subjective video quality assessment methods for multimedia applications. International Telecommunication Union. 6 April 2008. open access[데드링크]
  5. ^ Zhou Wang; Alan C. Bovik (2006). Modern Image Quality Assessment. pp. 11–15. ISBN 1-59829-022-3. OL 9866061M. Wikidata Q55757889.
  6. ^ Keelan, Brian W. (2002). Handbook of image quality : characterization and prediction. New York, NY: Marcel Dekker, Inc. ISBN 978-0-8247-0770-5.
  7. ^ Shahid, Muhammad; Rossholm, Andreas; Lövström, Benny; Zepernick, Hans-Jürgen (2014-08-14). "No-reference image and video quality assessment: a classification and review of recent approaches". EURASIP Journal on Image and Video Processing. 2014: 40. doi:10.1186/1687-5281-2014-40. ISSN 1687-5281.

추가 정보

  • Sheikh, H.R., Bovik A.C., 이미지 품질 평가에 대한 정보 이론적인 접근법입력: Bovik, A.C. Handbook of Image and Video Processing.Elsevier, 2005.
  • Gwangyi Chen, Stephane Coolombe, SIFT Features 85-97 JPRR 기반의 이미지 비주얼 품질 평가 방법
  • Hossein Ziaei Nafchi, Atena Shahkolaei, Rachid Hedjam, Mohamed Cheriet, 평균 편차 유사성 지수: 효율적이고 신뢰할 수 있는 전체 기준 이미지 품질 평가자.입력: IEEE 액세스.IEEE