我的团队希望计算在潮湿环境中拍摄的两张照片之间的对比度。
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是亮度的差异,Δa是(红色 - 绿色)的差异,Δb是(黄色 - 蓝色),它是Lab空间的尺寸。
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相机将图像压缩为JPEG格式,而不是保存为TIFF,因此我们不使用真彩色图像。
我们现在需要量化对比度的不确定性 - 我们需要知道A和B中的不确定性以及每个RGB像素的每个a和b值中的不确定性(或均值/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,我们才能计算出这一点。
因此,我们需要知道以JPEG格式保存时每个RGB通道的最大可能差异。
EG。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 - 有没有办法测试它?
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:我们知道不可能从JPEG转换回TIFF,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。
答案 0 :(得分:1)
简而言之,绝对可以绝对量化JPEG图像中数字计数的最大可能差异
。您已经很好地突出了其中一点。使用JPEG标准对图像数据进行编码时,首先将其转换为YCbCr色彩空间。
一旦进入这个色彩空间,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像的敏感度低于亮度信息。
此处介绍的错误取决于内容;色度和色调变化非常快的区域比具有恒定色调/色度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here),内容仍然指示在此步骤中引入的错误。
另一个问题是在JPEG压缩中执行量化。
使用离散余弦变换对结果信息进行编码。在变换的空间中,根据期望的质量再次量化结果。该量化在文件生成时设置,其在相机内执行。同样,即使您知道相机执行的确切DCT量化,对RGB数字计数的实际影响最终也取决于内容。
另一个困难是由DCT块伪像产生的噪声,(再次)依赖于内容。
这些场景依赖性使得算法非常适合于可视图像压缩,但绝对难以刻画。
但是,隧道尽头还有一些亮点。 JPEG压缩会在快速变化的图像内容区域中导致更多错误。具有恒定颜色和纹理的区域将具有显着更少的压缩误差和伪像。根据您的应用程序,您可以利用此功能为您带来好处。