前言:
而今同学们对“一阶锐化算法是什么”大概比较重视,兄弟们都需要分析一些“一阶锐化算法是什么”的相关内容。那么小编在网上汇集了一些关于“一阶锐化算法是什么””的相关文章,希望同学们能喜欢,姐妹们一起来了解一下吧!基本概念
Noise
噪声
噪声是图像密度的随机变化,在图像中表现为可见的颗粒,在数字图像中表现为可见像素级的变化。
它是一个极为重要的图像质量因素,几乎与清晰度一样重要。它与动态范围(相机能够以合理的良好信噪比和对比度再现拍摄场景的亮度范围)密切相关。由于噪声产生的原因与基本物理学中光的光子性质和热能有关,所以它几乎是无法完全消除的。
但是在具有大像素(4微米或更大)的数码单反相机中,噪声往往会低的难以察觉。然而在具有微小像素的紧凑型数码相机中,噪声可能变得非常大,特别是在高ISO速度下。即便使用降噪软件,可能还是会在某些场景下有噪声现象,同时过度降噪会带来明显的副作用。
虽然在大多数情况下,噪声被认为是图像质量的下降。还是有一些黑白摄影师喜欢它的图形效果,他们利用35毫米Tri-X胶卷拍摄出含有大量噪点的图像,让照片看起来富有艺术感。
著名点画派画家乔治·修拉(George Seurat)利用小圆点和纯色点进行点彩的办法创造出了类似图像噪点的效果,创作了许多带有光影交错极具生命力的画作,这种效果在今天使用Photoshop插件可以在几秒钟内完成。但总而言之,对于大多数图像和成像技术来说,噪声是不受欢迎的。
相关影响因素
➭ 像素大小
简单地说,像素越大,到达它的光子就越多,因此对于给定的曝光,信噪比(SNR)就越好。光子产生的电子数量与传感器面积(以及量子效率)成正比。噪点功率也与传感器面积成正比,但噪点电压与功率平方根成正比,因此与面积成正比。如果将像素的线性尺寸加倍,则将信噪比加倍。像素的电子容量也与其面积成正比。这直接影响动态范围。
➭ 传感器技术和制造
最常见的图像传感器有CMOS与CCD两种技术,我们这里不详细讨论他们的技术差异。CMOS被认为具有更大的噪点,但它已经改进到了两种技术可比的程度,只是在细节上有所不同。
总的来说,由于CMOS每个感光二极体旁边都搭配了一个ADC放大器,如果以千万像素计算,就需要数量众多的ADC放大器,虽然是统一制造下的产品,但每个放大器或多或少存在微小的差异,很难达到放大完全同步的效果,因此对比单一个放大器的CCD传感器,CMOS最终计算的噪点相对较多。
但由于CMOS拥有低成本、低耗电及高整合度的优势,供货更稳定,是厂商的最爱。也因此其制造技术不断改良更新,使得CCD和CMOS两者的质量差异逐渐缩小。从技术发展角度看,CMOS的发展空间要大很多,CCD 则受制造工艺的限制,发展空间有限。
➭ ISO速度
数码相机通过放大像素处的信号(连同噪点)来控制ISO速度。因此,ISO速度越高,噪点越大。为了充分描述传感器的特性,必须在几个ISO速度下进行测试,包括最低和最高速度。
提高ISO速度始终会为给定的相机产生更高的噪波,但是摄影机之间的噪波变化更为复杂。相机传感器中像素的面积越大,它的光收集能力就越强,从而产生更强的信号。因此,具有较大物理像素的相机通常会出现较少的噪点,因为信号相对于噪点更大。这就是为什么在同样大小的相机传感器中装入更多百万像素的相机不一定能产生更好看的图像的原因。
另一方面,更强的信号不一定会导致更低的噪点,因为是信号和噪点的相对量决定了图像将出现多大的噪点。曝光时间。长时间的弱光曝光比短时间的强光曝光更容易产生噪点,也就是说,相互作用并不能很好地解决噪点问题。为了充分描述传感器的特性,应在长时间(至少几秒)的曝光下对其进行测试。
➭ 图像处理
传感器通常有12位模数转换器,因此在传感器级别上,数字化噪点通常不是问题。但是,当图像转换为8位(24位颜色)JPEG时,噪点会稍微增加。如果需要大量的图像处理(减淡或加深),则噪点增加可能更多(可能出现过渡的断层即“Banding”现象)。因此,通常最好转换为16位(48位颜色)文件。但输出文件位深对未经图像处理的文件的噪点测量影响不大。
低通滤波器常常用于图像降噪,但它会使图像趋向于模糊,为了在降噪的同时又尽量能保持图像的清晰度,常常会使用非均匀性双边滤波器(Nonuniform Bilateral filter),它可以在不同的图像区域做不同的处理,边缘区域做锐化,低频区域做降噪。
➭ Raw图像转换
在RAW图像转换为RGB图像时,常常用应用降噪算法(低通滤镜)和锐化算法。这使得测试传感器的固有特性会比较困难。
目前直接分析图像传感器固有噪点性能需要使用专用的测试设备,例如EMVA1288欧洲工视觉标准所推荐的测试方法和设备。
测试与分析
➭ 信噪比SNR:
言归正传,那么如何准确量化图像中噪声的大小呢?这里不得不引入一个概念:信噪比(SNR或S/N)=信号/噪声。噪声仅对信号有意义,但是我们在实际评价图像噪声时需要考虑多种因素对噪声的影响,因此 SNR 通常比噪声本身更有用。
SNR 可以通过多种方式定义,具体取决于 S(Signal) 的定义方式。例如,S 可以是单个灰阶块像素级别在特定场景密度范围(光密度)下的像素级别的差异(1.45 或 1.5 经常用于此目的)或低对比度对象的差异信号(用于imatest分析对比度分辨率 SNR)。
所以说在讨论 SNR 时,准确了解 SNR 是如何定义的非常重要。SNR 可以表示为简单的比率 (S/N) 或分贝 (dB),其中 SNR (dB) = 20 log10(S/N)。S/N 加倍对应于 SNR (dB) 增加 6.02 dB。大多数 Imatest 模块都有多个噪声和 SNR 测量,有些简单,有些详细。
➭ 测试卡推荐:
Imatest通过拍摄带有不同像素级别的灰阶块的图卡测量噪声,总体由以下这些模块测量噪声:Stepchart,Multicharts和Multitest可以输出最详细的结果,同时在Colorcheck,SFR,SFRplus,eSFR ISO和Uniformity中也可以进行噪声测量。
➭ 分析解读:
1、打开imatest Master图像质量分析软件,选择灰阶卡模块,导入需要分析的图像;
2、选择需要分析的图像样本,点击打开;
3、框选需要分析的区域;
4、在设置页面进行参数设置;
5、调整ROI区域;
6、保存分析结果数据;
7、结果解读:
密度反应曲线:
横轴表示色卡色块的编号,1-12;纵轴表示色块像素亮度平均归1化值;灰阶卡的密度等级是均匀的,与视觉等级一致,若该图梯级越均匀,表明相机的阶调响应越好。
RMS噪点曲线:
横轴表示色卡色块的编号,1-12;纵轴表示RMS值,像素最大值255;2-9色块的RMS的平均值越小,噪点越小,图像质量相对越好。
上图显示了亮度 (Y)、红色、绿色和蓝色通道的密度响应(小圆圈),以及一阶和二阶拟合(灰色虚线和虚线)。它类似于一组传统的胶片密度响应曲线。
中间的图显示了密度曲线的斜率,也可以看作是局部对比度或伽马。该曲线是密度的导数,d(密度)/ d(对数曝光)。
下图是颜色误差,测量为 ΔC ab(CIELAB a*b* 平面中的几何距离)、ΔC 94 和 ΔC 2000。它们非常接近,因为灰度色块的色度往往非常低。
SNR_BW是信号S基于白黑色块水平(密度差= 1.5)的平均SNR,这是Colorchecker的黑白密度差。
如图所示,读取SNR_BW中Y通道的结果数值;也可以参考中性灰块SNR_Dnom中Y通道结果数值。
➭ 实操视频:
点击观看:噪声SNR测试与分析
标签: #一阶锐化算法是什么 #数字图像处理添加噪声的方法