激光投影电视中图像细节层次感的恰可察觉差 下载: 1000次
1 引言
激光投影电视具有色域广、光效高、功耗低、屏幕大等优点,近年来,逐渐进入人们的日常生活中。同时,图像质量是影响消费者选择和购买显示设备的决定性因素之一,因此建立基于激光投影电视的图像质量模型,有助于生产厂家优化激光投影电视的显示画质。
目前,图像质量评价主要包括主观图像质量评价法[1]和客观图像质量评价法[2-5]两大类。主观图像质量评价法主要是基于被试者观看图像时的主观感受;客观图像质量评价法主要是基于图像呈现的物理上可量化的参数,通过设计算法来评估图像的质量。客观评价法具有计算方法较稳定,易于量化比较,不会因为人的偶然因素或时空的变化而导致评价偏差等优点,但是其评价结果与人的主观感受可能出现比较大的差异,而主观评价法能够比较准确地反映人对图像质量的真实感受,但在工程应用中费时费力。
文献[ 6-12]中基于液晶电视,确定了影响图像质量的4个客观图像属性[色饱和度、峰值亮度、暗场亮度和细节层次感(CR)],通过主观实验测得一般观测条件下自然图像的这4个属性的恰可察觉差(JND),最后利用得到的JND值,建立主观图像质量模型。如果图像的某一属性的变化会导致75%以上的人能够察觉到图像质量的变化,则该变化即为该属性的一个JND。JND可以将单位不同的自然图像属性归一化,以便于度量各属性变化对主观图像质量的影响。
虽然已有基于液晶电视的主观图像质量评价模型,但是激光投影电视与液晶电视在成像原理上有着很大的区别,因此,有必要建立基于激光投影电视平台的主观图像质量模型。本文是该模型研究的一部分,通过设计主观实验,测量并确定激光投影电视细节层次感失真1~4个JND值,分析其影响因素,并与液晶电视的实验结果进行比较和分析。
2 实验设置与方法
2.1 实验设置
实验选用100英寸(1 in=2.54 cm)的双色激光(红色和蓝色使用激光)数字光处理(DLP)投影电视,分辨率为4K,白场的色品坐标为(x=0.2768,y=0.2969),显示屏峰值亮度为275.93 cd/m2,暗场亮度为0.17 cd/m2。实验在暗室(<0.5 lx)中进行,投影机设置为标准模式。
正常视力(视力在1.0左右)的人在中等亮度和对比度下的可分辨视角为1'左右。当屏幕呈现4K图像时,为了使被试者在观看屏幕的位置处观看每一个像素的视角为1',将观测距离设为1.97 m。文献[
9]中的液晶电视为19英寸液晶监视器,物理分辨率为1280 pixel×1024 pixel,观测距离为1.2 m。为了便于与文献[
6-10]中的液晶电视的细节层次感的JND进行比较,设置在观测位置处激光投影电视的实验界面对人眼所张的视角与液晶电视中一致,如
实验选择9幅自然图片,包括气球、花车、孩子、植物、穹顶、鹦鹉、兔子、房子、积木,如
图 2. CR的JND实验测试图片。(a)气球;(b)花车;(c)孩子;(d)植物;(e)穹顶;(f)鹦鹉;(g)兔子;(h)房子;(i)积木
Fig. 2. Test images of JND for CR. (a) Balloon; (b) carriage; (c) children; (d) plant; (e) globe; (f) parrot; (g) rabbit; (h) house; (i) toy block
被试者共有17人(其中10名男士,7名女士),年龄分布在22~27岁。所有被试者的视力(或矫正视力)均在1.0以上,无色盲或色弱。
2.2 实验方法
2.2.1 细节层次感调整
细节层次感可以用来表征显示器件呈现图像内容的轮廓细节的清晰程度。电视图像的细节层次感的丢失现象,可以通过二维高斯(Gaussian)函数对原始图片进行卷积来模拟。卷积中使用的二维高斯函数的表达式为[13]
式中:c为常数;σ为控制卷积函数对图片清晰度的影响值。本文中,细节层次感的JND用参数σ的值来表示,σ值越大,表示图片越模糊。
2.2.2 JND确定方法
主观视觉感知实验是研究人眼主观感知阈值的基本方法。常用的阈值检测方法包括传统的心理物理学方法(如:极限法、平均差误法、恒定刺激法)、适应性方法(如:阶梯法、系列实验的参数评定法)以及信号检测论方法(如:有无法、评价法、迫选法、异同法)。为了能够同时满足精度要求和实验的高效性,本文采用二项迫选法[14-15]和“一上二下”阶梯法[9,16]进行细节层次感JND值的确定。如
图 3. “一上二下”阶梯法示意图。最后6个标星的拐点用来计算JND
Fig. 3. Illustration of the staircase method of 1 up 2 down. The last 6 reversals indicated as stars were used for JND calculation
对于原始参考图(
3 实验结果
将17位被试者的实验数据导入统计产品与服务解决方案(SPSS)软件中,以图片为自变量,使用箱形图去除异常值。异常值以外的变量值称为本体值。箱形图中上截止横线是变量值本体最大值,下截止横线是变量值本体最小值;箱形图中箱体的上中下三条线分别表示变量值的第75,50,25百分位数。异常值包括奇异值(用圆圈“·”表示)和极值(用星号“*”表示)。奇异值是指变量值大于或小于本体1.5倍的值,极值是变量值大于或小于本体3倍的值。
图 4. 9张图片的细节层次感的JND剔除异常值之后的箱形图。(a) 1个JND(原始数据);(b) 1个JND;(c) 2个JND;(d) 3个JND;(e) 4个JND
Fig. 4. Box-plots of JND of contour rendering for nine pictures after excluding outliers. (a) One JND (original data); (b) One JND; (c) two JND; (d) three JND; (e) four JND
剔除所有异常值之后,所有测试图片的细节层次感失真1、2、3、4个JND对应的σ的均值分别为0.81、1.11、1.42和1.68。
4 实验分析
4.1 单因素方差分析
将17位被试者关于每幅图片的细节层次感的1个JND的平均值导入SPSS软件中,对数据进行方差齐次性检验,发现Levene统计量为6.621,差异性显著的检验值Sig.为0.000,具有统计学差异,表示方差不齐。用Welch和Brown-Forsythe统计量代替Levene统计量进行方差分析,发现两者的显著性均小于0.05。因此,激光投影电视的细节层次感的JND与图像内容显著相关。
4.2 一元线性回归分析
单因素方差分析表明激光投影电视的细节层次感的JND与图像内容有关,本节通过一元线性回归分析来研究细节层次感的JND的影响要素。
为了研究图像内容的影响,分别提取图像内容的亮度、颜色和纹理等主要图像特征。其中表征亮度的参数包括图像的平均亮度、亮度标准差,表征颜色的参数包括图像的平均色饱和度、色饱和度标准差、平均色调、色调标准差,表征纹理的参数包括对比度(或称为反差,CON)、角二阶矩(或称为能量,ASM)、熵(ENT)和相关性(COR)。本文选取表征纹理特征的4个量,使用灰度共生矩阵(GLDM)来计算,即
式中:SCON、SASM、SENT和SCOR分别表示对比度、角二阶矩、熵和相关性的值;a(h,k)表示灰度共生矩阵的第h行k列的元素;μx、δx和μy、δy分别表示mx、my的均值和标准差,其中mx是共生矩阵每列所有元素之和,my是矩阵每行所有元素之和。
采用一元线性回归分析对第3节得到的无异常值的数据进行分析,可以得到上述影响要素对细节层次感的影响。对于1个JND,分别以图像的平均亮度、亮度标准差、平均色饱和度、色饱和度标准差、平均色调、色调标准差、对比度、角二阶矩、熵和相关性等10个量为自变量,JND为因变量,进行一元线性回归拟合。拟合结果表明,以相关性为自变量时,对应的相关系数R2最大,为0.337,对应的表达式为
式中:FJND、SCOR分别表示JND和COR的值,其他参数见
1) 在一元线性回归分析中,CR的1个JND的Sig.为0.059,略大于0.05。这表明1个JND的值虽然受COR影响不显著,但是处于受COR显著影响和不显著影响的临界状态;
2) 随着JND数量的增加,JND数值与纹理特征的拟合度越来越高。这是由于当测量第n个JND时,
3) 随着JND数量的增加,JND数值受纹理特征的影响越来越显著。
表 1. 细节层次感的JND回归分析
Table 1. Regression analysis for JND of contour rendering
|
4.3 激光投影电视与液晶电视的差异比较与分析
文献[ 6-10]对液晶电视的CR的JND进行研究,研究结果表明CR的JND与图像内容无关,1个JND的σ=0.5左右,对应于高斯滤波模糊宽度在显示器上约1'30″的视角。该视角比视力为1.0的人眼能观察到视力表中字母对应的角度略大。而对于激光投影电视,根据4.1节和4.2节的分析,其CR与图像内容显著相关,并且主要受纹理特征的影响。
文献[
6-10]中也给出了液晶电视的CR的JND倍数关系,2JND、3JND、4JND对应σ的分别是1JND的1.59、2.27、2.94倍。因为液晶电视CR的1个JND对应σ的值为0.5,所以可以计算出1~4个JND对应σ的值,如
比较发现,液晶电视和激光投影电视CR的1个JND对应σ的值相差较大,但是两种电视中相邻两个JND之间对应σ的差值的平均值接近。下面将对其原因进行具体分析。
表 2. 液晶电视和激光投影电视的细节层次感的JND对应σ的值
Table 2. JND values expressed by σ of contour rendering for LCD TV and laser projection TV
|
表 3. 液晶电视和激光投影电视细节层次感的JND对应σ的差值及平均值
Table 3. Differences and mean values of JND values expressed by σ of contour rendering for LCD TV and laser projection TV
|
文献[
6-10]中液晶电视的物理分辨率为1280 pixel×1024 pixel,如果输入分辨率为1280 pixel×1024 pixel的图像源,当图像源的像素与液晶的像素一一对应时,液晶电视能够清晰地呈现该图像。对于本文的激光投影电视,其使用的是德州仪器0.66英寸的DLP,该DLP采用了像素分辨率扩张(XPR)技术[17-18]。
进一步使用Matlab软件生成多张分辨率为4K的原始图片,每张图中有3条条纹,条纹的宽度分别为1、2、3、4、5 pixel,不同宽度的条纹的间隔随机取1~10 pixel中的3个,条纹的灰阶为255,背景灰阶为0,每种相同像素和间隔的条纹有横、纵两张图。本研究仅以宽度为5 pixel、间隔为5 pixel的横条纹图片为例进行展示。将横条纹的原始图片[
图 6. 宽度为5 pixel、间隔为5 pixel的条纹。(a)原始图片;(b)照片
Fig. 6. Stripes with width of five pixel and spacing of five pixel. (a) Original image; (b) photo
图 7. 宽度为5 pixel、间隔为5 pixel的条纹的归一化亮度分布
Fig. 7. Normalized luminance distribution of stripes with width of five pixel and spacing of five pixel
对于其他横、纵条纹,σ也都在1.35附近。因此,对于分辨率为4K的图像,通过激光投影电视呈现到人眼时,相当于对图像进行了σ=1.35的高斯滤波。CR失真1、2、3和4个JND的情况,分别相当于对原始图片经过σ为0.81、1.11、1.42和1.68(第三节实验结果)的高斯滤波后,再经过一个σ=1.35的高斯滤波。
为了进一步比较激光投影电视与液晶电视的JND的区别与联系,使用Matlab软件模拟了通过激光投影电视呈现1 pixel条纹的原始图片、CR失真1~4个JND的显示效果,如
可见,在50%的最高亮度处,原始图片的CR每降低1个JND,条纹宽度单边扩展的绝对值大概是1/4 pixel,条纹整体扩展1/2 pixel。对于液晶电视,在设置的观测距离处,一个像素的视角为1',当CR失真1个JND(σ约为0.5)时,高斯模糊宽度对应的视角为1'30″,即失真1个JND相当于像素整体扩展约半个像素宽度。因此,虽然激光投影电视和液晶电视的JND值在数值上不一样,但是从像素扩展的角度,原始图像的CR失真1个JND在两个平台上都是单边扩展1/4 pixel,整体扩展1/2 pixel。
图 8. 1 pixel条纹扩展模拟
Fig. 8. Simulation of the extension of a stripe with width of one pixel
5 结论
通过主观视觉感知实验,使用二项迫选法和“一上二下”阶梯法,测量并确定了100英寸双色激光投影电视的细节层次感失真1、2、3和4个JND对应σ的值分别为0.81、1.11、1.42和1.68;细节层次感与图像内容显著相关,JND主要受纹理特征的影响。激光投影电视与液晶电视的JND相比,两个平台的细节层次感失真1个JND对应σ的值相差大,相邻JND对应σ的差值比较接近。虽然两个平台的JND对应σ的不同,但通过两个平台呈现出的图像,当原始图像的CR降低1个JND时,对应的条纹宽度单边扩展1/4 pixel,整体扩展1/2 pixel。
在此基础上,可以利用主观实验进一步确定激光投影电视的峰值亮度、暗场亮度、色饱和度等图像属性的恰可察觉差,为建立激光投影电视的主观图像质量评价模型提供参考。
致谢 感谢青岛海信激光显示股份有限公司、青岛海信电器股份有限公司以及参与实验的被试者们的大力支持。
[1] International TelecommunicationUnion. Methodology for the subjective assessment of the quality of television pictures[M]. Geneva: ITU, 2012: 13.
[2] Sheikh H R, Sabir M F, Bovik A C. A statistical evaluation of recent full reference image quality assessment algorithms[J]. IEEE Transactions on Image Processing, 2006, 15(11): 3440-3451.
[3] Leachtenauer J C. Objective quality measures assessment[J]. Proceedings of SPIE, 2002, 4736: 9-16.
[4] Soundararajan R, Bovik A C. Survey of information theory in visual quality assessment[J]. Signal, Image and Video Processing, 2013, 7(3): 391-401.
[5] 李素梅, 常永莉, 段志成. 基于卷积神经网络的立体图像舒适度客观评价[J]. 光学学报, 2018, 38(6): 0610003.
[6] 夏军, 秦少玲, 刘璐, 等. 主观图像质量影响因素的人眼可察觉变化步长[J]. 东南大学学报(自然科学版), 2006, 36(5): 695-699.
Xia J, Qin S L, Liu L, et al. Just-noticeable-difference of influential factors of subjective images quality[J]. Journal of Southeast University(Natural Science Edition), 2006, 36(5): 695-699.
[7] 葛书, 尹涵春, 夏军, 等. 自然图像清晰度的恰可识别差异[J]. 现代显示, 2007( 8): 38- 41.
GeS, Yin HC, XiaJ, et al. The just-noticeable-difference of natural image definition[J]. Advanced Display, 2007( 8): 38- 41.
[8] Qin S L, Ge S, Yin H C, et al. P-37: just noticeable difference of image attributes for natural images[J]. SID Symposium Digest of Technical Papers, 2007, 38(1): 326-329.
[9] 秦少玲. 基于视觉特性的图像显示质量模型研究[D]. 南京: 东南大学, 2009.
Qin SL. Study on image display quality model based on human vision system[D]. Nanjing: Southeast University, 2009.
[10] XiaJ, Qin SL, LiuL, et al. The just noticeable difference in chromaticity, black level, white level and contour rendering in natural images[C]∥IDW/AD'05-12th International Display Workshops in Conjunction with Asia Display 2005, December 6-9, 2005, Takamatsu. Amsterdam: Elsevier, 2005: 1821- 1824.
[12] Qin S L, Ge S, Yin H C, et al. Effect of experimental methodology on the JND of the black level for natural images[J]. Journal of the Society for Information Display, 2009, 17(8): 687-694.
[13] Liu L, Xia J, Heynderickx I, et al. Visibility threshold in sharpness for people with different regional backgrounds[J]. Journal of the Society for Information Display, 2004, 12(4): 509-515.
[14] García-Pérez M A. Forced-choice staircases with fixed step sizes: asymptotic and small-sample properties[J]. Vision Research, 1998, 38(12): 1861-1881.
[15] McKee S P, Klein S A, Teller D Y. Statistical properties of forced-choice psychometric functions: implications of probit analysis[J]. Perception & Psychophysics, 1985, 37(4): 286-298.
[16] Levitt H. Transformed up-down methods in psychoacoustics[J]. The Journal of the Acoustical Society of America, 1971, 49(2B): 467-477.
[17] Molly N, Terry A, William C, et al. Super resolution projection: leveraging the MEMS speed to double or quadruple the resolution[J]. Proceedings of SPIE, 2019, 10932: 109320R.
[18] Ben Q. What do you need to know before building your 4K home theater system?[EB/OL]. ( 2018-08-15)[2019-10-14]. https:∥www.benq.com/en/knowledge-center/knowledge/true-4k-uhd-home-projector.html.
Article Outline
王飞霞, 王俊轶, 李晓华, 王坚, 刘皓天, 屠彦. 激光投影电视中图像细节层次感的恰可察觉差[J]. 光学学报, 2020, 40(5): 0533001. Feixia Wang, Junyi Wang, Xiaohua Li, Jian Wang, Haotian Liu, Yan Tu. Just-Noticeable Difference of Image Contour Rendering for a Laser Projection Television[J]. Acta Optica Sinica, 2020, 40(5): 0533001.