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。