CN102447945B

CN102447945B - 一种图像亮度的jnd值测定方法

Info

Publication number: CN102447945B
Application number: CN 201110373090
Authority: CN
Inventors: 秦少玲; 曹宁
Original assignee: Hohai University HHU
Current assignee: Hohai University HHU
Priority date: 2011-11-22
Filing date: 2011-11-22
Publication date: 2013-09-25
Anticipated expiration: 2031-11-22
Also published as: CN102447945A

Abstract

本发明公开了一种图像亮度的JND值测定方法。本发明方法首先将原始图像转换到xyY空间，对分量Y按照不同的压缩系数分别进行线性压缩，得到一组测试图像；然后进行视觉感知实验，找出至少一幅测试图作为JND临界图像；接着将原始图像和JND临界图像同样划分为多个图像块，分别选出原始图像和JND临界图像中平均灰度最大的图像块；计算原始图像和JND临界图像中平均灰度最大的图像块的平均灰度值所对应的实际显示亮度的差值，该差值的平均值即为该被试对该原始图像亮度的JND值；最后对不同被试对不同原始图像的亮度JND值进行均值计算确定最终的JND值。本发明可以定量评价改进显示器参数时人眼所能察觉的对图像亮度的影响，从而对显示技术的设计、研究提供依据。

Description

一种图像亮度的JND值测定方法

技术领域

本发明涉及图像亮度的测定方法，尤其涉及一种图像亮度的JND（Just Noticeable Difference：恰可察觉差）值测定方法。

背景技术

显示技术不仅可实现准确、直观、清晰、快捷的信息输出，同时也为信息时代提供了一种友好的人与机器交流信息的界面。市场调研表明显示图像质量是终端用户购买电子显示设备的重要决定因素之一。因此信息显示质量的评价是显示技术领域的一个重要内容。由于所有显示信息均是通过人眼被观察者观测到的，对于不同的环境和用途，人们对图像质量的评判是不同的。因此对显示图像质量评价必须考虑人的因素。近年来，随着各种显示技术的数量和多样性的快速增加，基于人眼视觉系统的显示质量评价理论的研究就显得非常必要了。

随着信息时代的到来，人们对显示质量的要求与日俱增。新的技术、新的应用场合都可能改变观察者对显示图像质量的评价。为此，Engeldrum引入了“图像质量环”模型，将消费者关注的图像显示质量与显示系统技术参数通过一些中间步骤联系起来。消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和。这些图像质量属性包括清晰度，色彩丰富度，亮度，图像均一性等被观察者无意识评价的特性。然后建立主观图像质量属性与图像物理特性的联系。这些图像物理特性包括可以由测量仪器测得的光学和电学特性，如输出亮度、色域大小、显示白场、伽马值、噪声水平等。最终，通过深入了解显示物理原理，这些图像物理特性可以与显示系统的技术参数间建立联系。

现有的显示器件或压缩编码等相关技术还不可能做到使图像显示质量非常完美，总有这样或那样不尽如人意的缺陷。由于影响最终显示质量的各技术参数间经常存在交互影响，提高各参数需要的成本也存在差异，而成本是实际生产中必须考虑的问题。因而改善显示质量的研究需要考虑各种因素的权重和折中。有时某些图像质量的损伤并不能被人眼察觉，即便通过努力可以消除这种缺陷，实际上消费者并不能感受到图像质量的提高。JND的引入可以有效地解决这些问题。由于消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和，因而采用JND为图像属性的统一单位建立图像质量评价模型，可以为显示系统工业设计提供理论依据，用以指导有限投入下如何最大限度地提高消费者感受到的图像质量。

发明内容

本发明所要解决的技术问题在于克服对显示器亮度相关参数进行改进时无法定量评估其对图像显示质量影响的不足，提供一种图像亮度的JND值测定方法，可以定量评价改进显示器参数时人眼所能察觉的对图像亮度的影响，从而对显示技术的设计、研究提供依据。

本发明的图像亮度的JND值测定方法，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；

步骤A2、然后将原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤A3、在xyY空间中，保持其它分量不变，仅对分量Y按照一组不同的压缩系数分别进行线性压缩，所述一组压缩系数在0.85-0.99之间等间隔分布；

步骤A4、将线性压缩后的图像由xyY空间转换回RGB空间，得到一组具有不同压缩系数的测试图像；

步骤B、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；

步骤C、将原始图像和JND临界图像分别划分为大小为K*K个像素的图像块，然后分别选出原始图像和JND临界图像中平均灰度最大的图像块；

步骤D、根据显示器的伽马曲线，计算原始图像和JND临界图像中平均灰度最大的图像块的平均灰度值所对应的实际显示亮度的差值，该差值的平均值即为该被试对该原始图像亮度的JND值；

步骤E、更换不同的原始图像及被试，重复步骤A-D；将所有被试对不同原始图像的亮度JND值进行均值计算及方差分析确定图像亮度的JND值。

相比现有技术，本发明方法可以定量测定改进显示器亮度相关参数时人眼所能感受到的显示图像亮度上的实际变化，且所测图像亮度的JND值不受图像内容的影响。

附图说明

图1为生成测试图像的过程示意图；

图2为人眼最佳视角所覆盖图像大小的计算原理示意图；

图3为本发明中实例用图片；

图4为本发明中采用的视觉感知实验过程图；

图5为具体实施方式中各原始图像亮度的JND值的箱图分布。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

本发明的图像亮度的JND值测定方法，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；本具体实施方式中γ=2.2；

步骤A2、然后将原始图像由RGB空间经XYZ空间转换到xyY空间；

从RGB空间到XYZ空间的转换公式如下：

(1)

其中，

(Xr，Yr，Zr) ，(Xg，Yg，Zg) 和 (Xb，Yb，Zb)分别是红绿蓝三基色在XYZ空间的坐标，(Xw,Yw,Zw)是白场点在XYZ空间的坐标；

从XYZ空间转换到xyY空间，其中Y分量无需重新计算，x，y分量根据式（2）求得：

x=X/(X+Y+Z), y=Y/(X+Y+Z) (2)

对原始图像的每个像素进行线性压缩，线性压缩的表达式如式（3）所示，其中Y_i表示线性压缩后的Y分量，Y₀为原始图像的Y分量，α为压缩系数，

Y_i=αY₀ （3）

本具体实施方式中，采用40个在0.85-0.99之间等间隔分布的压缩系数。

测试图像的生成过程如图1所示。本发明将原始图像由RGB空间经XYZ空间转换到xyY，然后再进行亮度相关的图像处理，得到测试图像，可以保证图像处理过程中色度分量保持不变。

步骤B、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像。

在进行JND研究时，需要利用基于心理物理学方法的视觉感知实验确定JND临界图像，最常用的是阶梯法结合二项迫选法：将测试图与原图同时并排显示在屏幕上，由被试判定能否察觉测试图与原图亮度间的区别；每次在显示器上同时显示两幅图像，一幅为参考图（即原图），另一幅为测试图。根据二项迫选法的规定，被试需要在两幅图中选出其认为哪幅图较暗。起初，测试图与参考图间亮度差别很大，被试可以很容易将二者区分开，即正确回答哪幅图较暗。如果被试回答正确，则下幅测试图与参考图间差别将被减小。被试一旦回答错误，就增加测试图与参考图间的亮度差别。本具体实施方式中采用以下实验方法：

每次在显示器上同时显示两幅图像，一幅为原始图像，另一幅为测试图，由被试在两幅图中选出其认为哪幅图较暗；如果被试选择正确，则更换压缩系数较小的测试图；被试一旦选择错误，则更换压缩系数较大的测试图；重复上述过程；其中，实验起始变化步长是8，经过2个拐点后步长减半为4，再经过4个拐点，步长变为2，再经过6个拐点后，变化步长减为1；当步长为1时的拐点总数达到6时停止；最后6个拐点所对应的测试图即为JND临界图像。

由于被试仅需要观察出原始图像与测试图像间有差别即可，在图像处理过程中仅对Y分量进行线性压缩，也就是说平均灰度最大的图像块其实际的亮度变化也最大，即被试较容易观察出其差异。

面对一个复杂的场景，人眼视觉系统依靠视网膜来处理大量的信息。视网膜将场景的信息从光波转换成大脑可以处理的神经信号。视觉注意使得人眼视觉系统可以通过移动在图像上的关注点，多关注显著位置、少关注不重要的区域来处理视觉输入的优先级。在视网膜中心的中央凹拥有高密度的对色彩敏感的锥状细胞，因而有更好的空间和色饱和度分辨力。然而中央凹所能覆盖的视角仅有大约2度，也就是你伸直胳膊时大拇指的大小或者一页文字中8个字母的大小。在人眼的外围视觉中，也就是中央凹视角范围外，看到的图像是不清晰的。因此图像块的大小应以人眼2度视角所覆盖的面积为宜。考虑到通用性，以图像分辨率为620*700，屏幕分辨率为1280*1024来进行计算。假定屏幕高度为H，宽度为W。观测距离为L=4*H。求2度视角所覆盖的图像的像素数方法如下：

如图2 所示，当视角在屏幕上的宽度为D，观测距离为L时，对应的视角为：

因而，对应于2度视角的像素数大约为直径为143个像素的圆形区域。为简便起见，本发明将图像划分为143*143个像素的图像块。

通过测试所使用显示器的伽马曲线，可以得到每一灰度值所对应的在该显示器上的实际显示亮度。假设原始图像中平均灰度最大的图像块的平均灰度（即图像块中所有像素灰度值的平均值）为S₀，对应于测试用显示器上的实际显示亮度为B₀；第i个JND临界图像（假设JND临界图像的个数为N）中平均灰度最大的图像块的平均灰度为S_i，对应于显示器上的实际显示亮度为B_i，则该被试对该原始图像亮度的JND值X可用下式表示：

。

为了验证本发明方法，进行以下实验：

采用Philips 19英寸的LCD监视器，显示器的白场被调整至D65，显示屏峰值亮度为264 cd/m²，暗场亮度为0.33 cd/m²。过程中观测距离为4倍的屏幕高度，大约1.2m。测试房间环境光设置为屏前垂直方向20 lx，显示屏后方照度大约为10-20lx，接近家用电视的实际环境光设置。图3为实验所使用的原始图像，考虑到图像内容对图像亮度的JND可能存在影响，所用图像具有一定的代表性，既包括亮度分布不同的图像，也包括肤色、植物、动物等内容。采用本发明方法进行图像亮度JND值的测定。图4显示了视觉感知实验的过程（图中仅示出了变化步长变为4之后的步长变化情况）。参与实验的被试人数为20，年龄介于20~70岁之间，其中男性和女性各10人。分别测定每位被试的图像亮度JND值，而后将20位被试的图像亮度JND值与图像内容的关系做箱图，结果如图5所示。从图中不难看出，不同图像的JND值的中位数大约在10~15cd/m²之间，不同图像内容间的JND值差别不大。以图像内容为自变量，被试为随机变量，图像亮度的JND值为因变量做方差分析，结果表明该方法测得的图像亮度JND值不受图像内容的显著影响（F=1.67，df=6,p=0.13）。本实验验证了采用本发明方法测定图像亮度JND的可行性，且所测得的亮度JND值不受图像内容的影响，便于评估显示器亮度相关参数改变时人眼能察觉的终端显示亮度的变化量。

Claims

1.一种图像亮度的JND值测定方法，其特征在于，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；

步骤A2、然后将伽马校正后的原始图像由RGB空间经XYZ空间转换到xyY空间；

步骤B、利用阶梯法结合二项迫选法进行视觉感知实验，找出至少一幅测试图作为JND临界图像；所述视觉感知实验具体为：每次在显示器上同时显示两幅图像，一幅为原始图像，另一幅为测试图，由被试在两幅图中选出其认为哪幅图较暗；如果被试选择正确，则更换压缩系数较小的测试图；被试一旦选择错误，则更换压缩系数较大的测试图；重复上述过程；其中，实验起始变化步长是8，经过2个拐点后步长减半为4，再经过4个拐点，步长变为2，再经过6个拐点后，变化步长减为1；当步长为1时的拐点总数达到6时停止；最后6个拐点所对应的测试图即为JND临界图像；

2.如权利要求1所述图像亮度的JND值测定方法，其特征在于，所述一组不同的压缩系数的个数为40。

3.如权利要求1所述图像亮度的JND值测定方法，其特征在于，所述K的取值为143。

4.如权利要求1所述图像亮度的JND值测定方法，其特征在于，所述被试的人数为20。