CN109474821A - 用于图像测试的系统和方法 - Google Patents

用于图像测试的系统和方法 Download PDF

Info

Publication number
CN109474821A
CN109474821A CN201810892304.1A CN201810892304A CN109474821A CN 109474821 A CN109474821 A CN 109474821A CN 201810892304 A CN201810892304 A CN 201810892304A CN 109474821 A CN109474821 A CN 109474821A
Authority
CN
China
Prior art keywords
reference picture
eyes
modification
test image
display
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810892304.1A
Other languages
English (en)
Other versions
CN109474821B (zh
Inventor
格雷戈里·W·库克
哈维尔·里贝拉·普拉
希瓦·莫巴莱吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Display Co Ltd
Original Assignee
Samsung Display Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Display Co Ltd filed Critical Samsung Display Co Ltd
Publication of CN109474821A publication Critical patent/CN109474821A/zh
Application granted granted Critical
Publication of CN109474821B publication Critical patent/CN109474821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6011—Colour correction or control with simulation on a subsidiary picture reproducer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6083—Colour correction or control controlled by factors external to the apparatus
    • H04N1/6088—Colour correction or control controlled by factors external to the apparatus by viewing conditions, i.e. conditions at picture output
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/04—Diagnosis, testing or measuring for television systems or their details for receivers
    • H04N17/045—Self-contained testing apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2300/00—Aspects of the constitution of display devices
    • G09G2300/04—Structural and physical details of display devices
    • G09G2300/0439—Pixel structures
    • G09G2300/0452—Details of colour pixel setup, e.g. pixel composed of a red, a blue and two green components
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2340/00—Aspects of display data processing
    • G09G2340/02—Handling of images in compressed format, e.g. JPEG, MPEG
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2380/00—Specific applications
    • G09G2380/08—Biomedical applications
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
    • G09G5/02—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators characterised by the way in which colour is displayed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Eye Examination Apparatus (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明涉及一种用于图像测试的系统和方法。该用于图像测试的系统和方法被配置为：将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像，以及将所述至少一个显示器属性应用于参考图像以生成显示器修改的参考图像。该系统还将人眼模型应用于所述显示器修改的测试图像以生成眼睛修改的测试图像，以及将所述人眼模型应用于所述显示器修改的参考图像以生成眼睛修改的参考图像。该系统可将所述眼睛修改的测试图像与所述眼睛修改的参考图像进行比较，以确定所述测试图像与所述参考图像之间的人类可感知的差异。

Description

用于图像测试的系统和方法
相关申请的交叉引用
本申请要求于2017年8月7日提交的并且名称为“用于视觉无损测试的措施(MEASURES FOR VISUALLY LOSSLESS TESTING)”的美国临时专利申请第62/542,245号的优先权和权益，其整体内容因此通过引用被明确地合并。
技术领域
根据本公开的实施例的一个或多个方面涉及显示器，并且更具体地，涉及用于测试显示器的操作和被显示的图像的质量的系统和方法。
背景技术
诸如蜂窝电话、可穿戴设备、平板式计算机、笔记本电脑、监视器，以及电视之类的电子设备全部都利用以各种形式和格式的显示器。显示器通常由被配置为以各种颜色发光的像素的图案化阵列组成。这些像素通常由有机发光二极管(OLED)、与背光结合使用的液晶(例如，LCD)、微型发光二极管(微型LED)等组成。每个像素通常包括每个均被配置为发射特定波长的光的多个子像素。例如，子像素典型地包括红色子像素、蓝色子像素和绿色子像素。在向人类视觉系统准确地再现图像的目标的情况下，可以以许多方式布置和驱动这些子像素和像素。像素的常用配置是每个像素中具有红色子像素、蓝色子像素和绿色子像素的RGB条纹配置。在一些情况下，可以对子像素进行二次采样，例如RGBG显示器对于每个像素具有绿色子像素，但是对于两个像素具有仅一个红色子像素和一个蓝色子像素。
由于各种各样的原因，可以对将传送到显示器的图像应用各种压缩技术。在一些情况下，被利用的压缩技术可以引起由显示器显示的被叫作“视觉无损”的图像，这意味着典型的人将不会感知到通过压缩技术引入的任何伪像。然而，一些技术引起对于正在观察显示器的用户而言是显而易见的可感知的伪像。伪像可以包括不正确的颜色、模糊、闪烁、混叠、块效应等。
显示器本身和所使用的任何压缩两者可能因此将伪像引入到被显示的图像中。已经创建了许多系统以针对视觉伪像对显示器和向显示器提供的图像两者进行测试。例如，使用人类测试对象和已校准的监视器、使用ISO/IEC 29170-2:2017标准程序进行的主观测试记分被认为是评估图像序列的编码的高度有效的方式。这些主观测试常常涉及人观看数十或数百个图像并且对于每一个图像提供评估。对于测试对象和测试管理员两者而言，进行这些测试可能是费时的。因此，已经利用客观测试系统来帮助评估。
常用客观测试系统利用各种度量来尝试量化视觉质量，但是它们还没有被证明如同主观测试记分那样有效。因此，使用峰值信噪比(PSNR)和图案颜色灵敏度的常用客观测试系统典型地用于在利用人类测试对象之前执行初级测试。关于客观测度的问题中的一个是它们没有合并显示器空间特性(例如，子像素配置)或人类感知特性。因此，需要考虑显示器和人类特性的改善的客观测试系统。
以上信息仅仅用于增强对本公开的实施例的背景的理解，并且因此可以包含没有形成现有技术的信息。
发明内容
本公开的一些实施例提供一种用于允许用户比较图像以确定可感知的差异的图像测试的系统和方法。该系统和方法将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像，以及将至少一个显示器属性应用于参考图像以生成显示器修改的参考图像。将人眼模型应用于显示器修改的测试图像以生成眼睛修改的测试图像，以及将人眼模型应用于显示器修改的参考图像以生成眼睛修改的参考图像。然后，可以将眼睛修改的测试图像与眼睛修改的参考图像进行比较，以确定测试图像与参考图像之间的人类可感知的差异。
在各个实施例中，至少一个显示器属性包括子像素布局和光谱发射中的至少一项。
在各个实施例中，将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像包括：基于子像素布局来生成用于显示器的子像素矩阵；将子像素矩阵应用于测试图像；将测试图像从3色空间转换到光谱域；以及将光谱发射应用于测试图像以生成显示器修改的测试图像。
在各个实施例中，将至少一个显示器属性应用于参考图像以生成显示器修改的参考图像包括：将子像素矩阵应用于参考图像；将参考图像从3色空间转换到光谱域；以及将光谱发射应用于参考图像以生成显示器修改的参考图像。
在各个实施例中，将人眼模型应用于显示器修改的测试图像以生成眼睛修改的测试图像包括：将光学传递函数应用于显示器修改的测试图像；并且将人眼模型应用于显示器修改的参考图像以生成眼睛修改的参考图像包括：将光学传递函数应用于显示器修改的参考图像。
在各个实施例中，系统和方法进一步包括：将眼睛修改的测试图像从光谱域转换到3色空间；将眼睛修改的参考图像从光谱域转换到3色空间；针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的测试图像以生成多个视锥吸收测试图像；针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的参考图像以生成多个视锥吸收参考图像；对多个视锥吸收测试图像求平均以生成平均的眼睛修改的测试图像；以及对多个视锥吸收参考图像求平均以生成平均的眼睛修改的参考图像。
在各个实施例中，将眼睛修改的测试图像与眼睛修改的参考图像进行比较包括：将眼睛修改的参考图像和眼睛修改的测试图像变换到CIELAB颜色空间中；计算眼睛修改的参考图像中的每个像素与眼睛修改的测试图像中的对应的像素之间的欧几里得距离；以及将池函数应用于欧几里得距离。
在各个实施例中，池函数包括将平均值应用于欧几里得距离和根据百分等级选择值中的至少一项。
在各个实施例中，测试图像可包括从被应用于参考图像的有损压缩算法得到的图像。
在各个实施例中，一种用于将两个图像之间的人类可感知的差异进行比较的图像测试系统包括：处理器和存储指令的存储器，所述指令使得处理器用于：使用显示器模型模块将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像；使用显示器模型模块将至少一个显示器属性应用于参考图像以生成显示器修改的参考图像；使用眼睛模型模块将人眼模型应用于显示器修改的测试图像以生成眼睛修改的测试图像；使用眼睛模型模块将人眼模型应用于显示器修改的参考图像以生成眼睛修改的参考图像；以及使用比较模块将眼睛修改的测试图像与眼睛修改的参考图像进行比较，以确定测试图像与参考图像之间的人类可感知的差异。
在各个实施例中，至少一个显示器属性包括子像素布局和光谱发射中的至少一项。
在各个实施例中，显示器模型模块被配置为：基于子像素布局来生成用于显示器的子像素矩阵；将子像素矩阵应用于测试图像；将测试图像从3色空间转换到光谱域；以及将光谱发射应用于测试图像以生成显示器修改的测试图像。
在各个实施例中，显示器模型模块进一步被配置为：将子像素矩阵应用于参考图像；将参考图像从3色空间转换到光谱域；以及将光谱发射应用于参考图像以生成显示器修改的参考图像。
在各个实施例中，眼睛模型模块被配置为：将光学传递函数应用于显示器修改的测试图像；并且将光学传递函数应用于显示器修改的参考图像。
在各个实施例中，眼睛模型模块进一步被配置为：将眼睛修改的测试图像从光谱域转换到3色空间；将眼睛修改的参考图像从光谱域转换到3色空间；针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的测试图像以生成多个视锥吸收测试图像；针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的参考图像以生成多个视锥吸收参考图像；对多个视锥吸收测试图像求平均以生成平均的眼睛修改的测试图像；以及对多个视锥吸收参考图像求平均以生成平均的眼睛修改的参考图像。
在各个实施例中，比较模块被配置为：将眼睛修改的参考图像和眼睛修改的测试图像变换到CIELAB颜色空间中；计算眼睛修改的参考图像中的每个像素与眼睛修改的测试图像中的对应的像素之间的欧几里得距离；以及将池函数应用于欧几里得距离。
在各个实施例中，池函数包括将平均值应用于欧几里得距离和根据百分等级选择值中的至少一项。
在各个实施例中，测试图像包括从被应用于参考图像的有损压缩算法得到的图像。
在各个实施例中，一种用于比较图像以供图像测试的方法，包括：将显示器模型应用于输入图像以生成显示器修改的输入图像，其中，应用显示器模型包括：基于子像素布局来生成用于显示器的子像素矩阵；将子像素矩阵应用于输入图像；将输入图像从3色空间转换到光谱域；将光谱发射应用于输入图像以生成显示器修改的输入图像；将光学传递函数应用于显示器修改的输入图像以生成视网膜修改的输入图像；以及将视网膜修改的输入图像与参考图像进行比较，以确定输入图像与参考图像之间的人类可感知的差异。
在各个实施例中，将视网膜修改的输入图像与参考图像进行比较包括：将眼睛修改的输入图像和参考图像变换到CIELAB颜色空间中；以及计算眼睛修改的输入图像中的每个像素与参考图像中的对应的像素之间的差异。
附图说明
能够根据结合附图进行的以下描述更详细地理解一些实施例，在附图中：
图1描绘根据各个实施例的用于图像测试的系统；
图2描绘根据各个实施例的图像测试的方法；
图3描绘根据各个实施例的各种显示器子像素和光谱发射；
图4描绘根据各个实施例的人眼的示例光学传递函数；
图5描绘根据各个实施例的测试系统的实施例；
图6描绘根据各个实施例的测试图像的方法的实施例；
图7描绘根据各个实施例的通过眼睛模型模块处理图像的示例方法；
图8描绘根据各个实施例的由眼睛模型模块使用的示例视锥马赛克；
图9描绘根据各个实施例的示例图像比较方法；以及
图10、图11和图12描绘将目前的系统与过去的客观图像测试系统进行比较的示例结果。
具体实施方式
可以通过参考实施例和附图的以下详细描述来更容易地理解本发明构思的特征以及完成其的方法。在下文中，将参考附图更详细地描述实施例，其中贯穿本文，相同的附图标记指的是相同的元素。然而，可以以各种不同的形式体现本公开并且本公开不应当被理解为仅限于本文中所阐释的实施例。相反，将这些实施例作为示例来提供，使得本公开将是彻底的和完全的，并且将向本领域技术人员全面传达本公开的方面和特征。因此，可能不描述对本领域普通技术人员完整理解本公开的方面和特征不是必须的处理、要素和技术。除非另外说明，贯穿附图和所撰写的说明书，相同的附图标记表示相同的要素，并且因此，其描述将不被重复。在附图中，为了清楚，可以夸大要素、层和区域的相对尺寸。
本公开的实施例包括用于图像测试的系统和方法。系统允许对在给定显示系统上显示的图像质量的客观评估。系统允许包括关于将显示诸如子像素布置和光谱发射之类的图像的显示器的信息。系统还合并人眼的物理性质。可以向系统供应参考图像和测试图像，该系统反过来根据显示器和眼睛信息来修改图像。然后，可以比较修改的图像以确定测试图像的人类可感知的视觉质量。
按照定义的无损压缩算法允许数据被压缩并且被完美地重构成其原始形式。有损压缩算法通常能够以丢失原始数据中的一些作为代价来进一步减小数据(例如，图像或视频)的大小。在图像和视频的领域中，当在显示器上显示时，当原始图像与压缩的图像之间的差异对于人类而言是感知不到的时候，压缩算法被称为是“视觉无损”的。能够预测何时压缩算法将引起“视觉无损”图片对于确定压缩参数是重要的。
如以上所讨论的，评估图像质量的当前方法要么使用(例如，利用人类评估的)主观测试，要么使用客观计算。主观测试包括人类测试对象检视大量图像并且可以包括由测试管理员进行的实证分析。传统的客观测试能够测量两个图像之间的每个差异，然而，它们缺乏合并人类将如何感知真实世界显示器上的那些差异的能力。因此，这些传统的方法要么是太费时的(例如，利用主观测试)，要么通常是无效的(例如，利用客观测试)。在各个实施例中，目前的系统通过将显示器数据和人类生理数据合并到客观评估中来对之前的系统进行改善。例如，在先的客观系统依赖两个图像之间的差异。
目前的系统的实施例通过提供增强准确性客观测试系统来对过去的系统的缺陷进行改善。在各个实施例中，测试系统采用计算观察器(例如，计算人类观察者)来处理图像，从而找出可感知的差异。例如，在各个实施例中，系统被配置为变换被测试的图像以考虑用于示出图像的特定显示器。例如，由于许多显示器的配置和特性，它们可能不准确地再现源图像。此外，系统然后可以考虑人眼的感知能力。因此，当比较修改的图像时，该比较示出在观看显示器上的图像时现实的人类不同地感知到什么的估计。本公开的实施例提供技术的特定组合，技术的特定组合提供客观测试系统的速度和易用性以及主观测试的准确性(例如，改善的相关性)。
在各个实施例中，目前的系统向用户提供高水平的通用性。例如，系统可以与任何显示器和任何尺寸的图像一起使用。此外，用户可以根据他们的偏好和当前研究来应用各种人类生理模型。用于图像测试的系统利用基于物理的模型，并且因此能够基于应用而被容易地修改。因此，系统采用一组物理和基于生理的规则，以对之前的系统和方法提供改善。
图1描绘根据各个实施例的用于图像测试的系统。图2描绘根据各个实施例的图像测试的方法。
参考图1和图2，在各个实施例中，图像测试系统100和方法200可以被配置为接收测试图像和参考图像、使用显示器和眼睛特性来处理图像以及比较处理后的图象以确定人类可感知的差异。图像测试系统100可以在诸如服务器、工作站、笔记本电脑或者其他计算设备之类的计算设备上操作，并且可以结合诸如测量设备之类的各种输入源进行工作，以用于评定显示属性。
在各个实施例中，测试系统100包括显示器模型模块110、眼睛模型模块120以及比较模块130。在各个实施例中，测试图像包括作为参考图像的修改版本的任何图像。例如，测试图像可以包括从对参考图像使用的有损压缩算法的使用得到的图像。在其他实施例中，测试图像可以是在显示器上示出的参考图像的图像(例如，用于比较显示器之间的差异)。
在各个实施例中，显示器模型模块110接收测试图像和参考图像(S210)。在各个实施例中，显示器模型模块110被配置为将显示器的物理属性应用于参考图像和测试图像中的每一个(例如，好像图像被显示器显示那样修改图像)。例如，给定显示器可以具有特定子像素布置和光谱发射。
图3描绘根据各个实施例的各种显示器子像素和光谱发射。
参考图3并且继续参考图1和图2，显示器可以具有各种子像素成分。例如，显示器可以具有RGB、RGBY、RGBW、RGBG或其他子像素配置。此外，子像素可以具有各种像素几何形状。例如，RGB显示器可以具有RGB条纹布置、三角形图案布置、对角图案布置、菱形布置或者其他像素布置(例如，第二子像素布置322)。类似地，RGBG、GRBY以及GRBW显示器也可以具有各种子像素布置。在所描绘的示例中，第一显示器310具有第一RGB子像素布置312，第二显示器320具有第二RGB子像素布置322，并且第三显示器330具有RGBG子像素布置332。在各个实施例中，显示器的子像素布置可以是已知的，而在其他的实施例中，可以通过使用红外扫描仪或显微镜进行测量来确定子像素布置。一旦已经确定了布置，用户就向显示器模型模块110提供子像素布置(例如，子像素布局)。
在各个实施例中，显示器模型模块110还合并显示器的光谱发射。显示器的光谱发射例如可以是已知的或可以使用光谱辐射计被物理地测量。例如，第一显示器310可以具有第一光谱发射314，第二显示器320可以具有第二光谱发射324，并且第三显示器可以具有第三光谱发射334。一旦已知显示器的光谱发射，用户就可以向显示器模型模块110提供光谱发射。然后，可以由显示器模型模块110使用显示器的光谱发射和子像素布置来利用显示器属性修改输入图像(例如，参考图像和测试图像)并且向眼睛模型模块120提供显示器修改的图像(S220)。因此，可以基于其上能够示出图像的实际的显示器来修改参考图像和测试图像。
在各个实施例中，眼睛模型模块120被配置为接收显示器模型模块110修改的输入图像(例如，参考图像和测试图像)并且将人眼模型应用于图像(S230)。在各个实施例中，人眼模型可以包括对人类的感知建模的光学传递函数。
图4描绘根据各个实施例的人眼的示例光学传递函数。
参考图4并且继续参考图1和图2，在各个实施例中，眼睛模型模块120可以被配置为将人眼特性应用于每个输入图像(例如，测试图像和参考图像)。在各个实施例中，眼睛模型模块120被配置为将光学传递函数应用于每个输入图像。在各个实施例中，光学传递函数可以基于通过视网膜上的每度的空间数量的周期所测量的图像的波长灵敏度和复杂度。如图4中所示，当观看具有每度高数量的周期的复杂图像时，与蓝色波长和红色波长相比，人类视觉通常对绿色波长更敏感。例如，平滑变化的梯度(小于每度一个周期的空间改变)将传递全可见光谱。然而，在可见光谱的红色和蓝色部分中将不强烈地反应具有有噪声图案(例如，超过每度25个周期)的复杂图像。因此，如果子像素布置和观看距离是已知的，则可以使用光学传递函数来计算用户对任何给定子像素的灵敏度。在各个实施例中，眼睛模型模块120将光学传递函数应用于显示器修改的测试图像和显示器修改的参考图像，以生成显示器和眼睛修改的参考图像以及显示器和眼睛修改的测试图像。
在各个实施例中，由比较模块130来接收显示器和眼睛修改的参考图像以及显示器和眼睛修改的测试图像。然后，比较模块130可以确定变换的参考图像与变换的测试图像之间的差异(S240)。例如，在各个实施例中，比较模块130可以将参考图像和测试图像变换到CIELAB颜色空间(例如，CIE L*a*b*)中。然后，可以计算变换的图像的差，并且可以生成示出可感知的差异的输出。因此，用户可以客观地评估测试图像的质量。
图5描绘根据各个实施例的测试系统的实施例。图6描绘根据各个实施例的测试图像的方法的实施例。
参考图5和图6，在各个实施例中，测试系统500和方法600可以被配置为使用光谱和三色(例如，RGB)域进行操作。例如，在各个实施例中，输入图像可以包括3色数据，并且显示器可以被配置为接收3色数据并且根据频谱来再现输入图像。人类观察者同样地可以根据光谱发射来处理图像。
在各个实施例中，计算观察器模块505可以被配置为接收输入图像(S610)并且基于显示器和人体生理性质来处理输入图像。例如，计算观察器模块505可以被配置为接收RGB图像(例如，3色空间图像)、将显示器的属性应用于图像以将该图像转换为光谱图像、将人类生理属性应用于该图像、并且将该图像转换回RGB以用于进一步处理。在各个实施例中，计算观察器模块505可以利用用于生物学的图像系统工程工具箱(ISETBIO)以用于执行操作。在各个实施例中，计算观察器模块505包括显示器模型模块510和眼睛模型模块520。
在各个实施例中，显示器模型模块510接收输入图像和显示器子像素布置。显示器模型模块510包括用于对显示器子像素布局进行建模的空间布置模块512和用于对显示器光谱发射进行建模的光谱属性模块514。使用子像素布置，空间布置模块512可以创建用于显示器的虚拟子像素矩阵(S620)。然后，可以将图像应用于虚拟子像素矩阵以模拟显示输入图像的子像素阵列(S630)。在各个实施例中，光谱属性模块514可以接收模拟的子像素阵列，并且根据显示器的光谱属性将图像从RGB图像转换为光谱图像(S640)。例如，如上所述，用户可以测量显示器的实际的光谱属性，并且向光谱属性模块514供应光谱属性。在各个实施例中，可以向应用人视网膜模型的眼睛模型模块520供应显示器修改的光谱图像(S650)。
在各个实施例中，眼睛模型模块520可以包括用于对供应的图像模拟视网膜响应的视网膜模型模块522和用于在模拟的视锥上模拟图像的吸收的视锥吸收模块524。在各个实施例中，视网膜模型模块522被配置为将光学传递函数应用于所供应的光谱图像(例如，如以上讨论的)。在各个实施例中，可以将视网膜修改的图像从光谱空间转换回3色空间(S660)。在各个实施例中，视锥吸收模块524被配置为基于眼睛的视锥的样本布置来模拟各种颜色的吸收。视锥吸收模块524将视锥吸收应用于图像(S670)。然后，可以将处理的图像从计算观察器模块505传递到执行测试图像与参考图像之间的比较的比较模块530(S680)。
在各个实施例中，在光谱域中描述单个像素可以包括31个值(例如，31个8比特值)而非在RGB域中使用的3个值(例如，3个8比特或3个10比特值)。输入图像可以例如包括相对高的分辨率。例如，输入图像可以包括全HD分辨率(1920x1080像素)、4k分辨率(3840x2160像素)、8k分辨率(7680x4320像素)或者任何其他分辨率。因此，将图像从3色空间转换为光谱图像可以引起相对大的尺寸(例如，尺寸增加10x)。在各个实施例中，测试系统500可以被配置为将供应到系统的输入图像分成多个部分，并且测试系统500和方法600可以运行多次，直到每个全图像已经被处理。在各个实施例中，可以对每个图像的每个部分进行处理，并且比较模块530可以接收完全处理的测试图像和参考图像以用于比较。在其他实施例中，可以要么连续地或要么并行地处理测试图像和参考图像的对应的部分，并且比较模块可以比较每个对应的部分。
图7描绘根据各个实施例的通过眼睛模型模块处理图像的示例方法。图8描绘根据各个实施例的由眼睛模型模块使用的示例视锥马赛克。
参考图7和图8，在各个实施例中，在通过眼睛模型模块处理图像的方法700中，测试系统被配置为应用使用视网膜和视锥吸收两者的眼模型。在各个实施例中，接收光谱图像以用于应用人眼模型处理(S710)(例如，如上所述，在眼睛模型模块接收)。在各个实施例中，可以对所接收的图像应用视网膜模型(S720)。例如，如上所述，可以对光谱图像应用光学传递函数。在各个实施例中，然后可以将图像从光谱图像转换为RGB图像(例如，3色图像)(S730)。然后，可以对RGB图像应用视锥吸收马赛克(S740)。
图8描绘视锥马赛克的两个示例。在左边是实际的视锥马赛克，并且在右边是采样的表示。例如，人眼具有3种类型的视锥，每种类型的视锥被配置为吸收不同光谱的光。例如，短视锥感知蓝光，中视锥感知绿光，并且长视锥感知红光。视锥马赛克提供视网膜中视锥的定位的模拟。
在各个实施例中，可以针对多个眼睛位置(例如，针对20个眼睛位置)应用视锥马赛克。例如，由于震颤、漂移和微倾(microcascades)，人的眼睛可以作出各种动作。然后，结果图像中的每一个可以被求平均(S750)，并且可以输出结果图像(S760)。
图9描绘根据各个实施例的示例图像比较方法。
参考图9，在各个实施例中，在图像比较方法900中，可以计算参考图像与测试图像之间的差异。例如，机器学习分类器可以用于分类图像之间的差异是否是可感知的。在其他实施例中，系统可以提供具有两个图像之间的数值差异的输出。例如，可以在CIELAB颜色空间中接收和处理被处理的参考图像和被处理的测试图像。在一些实施例中，可以利用S-CIELAB来将被处理的测试图像和被处理的参考图像进行比较。例如，可以在CIE XYZ 910、912处接收3色参考图像和3色测试图像，并且可以在CIE L*a*b*920、922处将3色参考图像和3色测试图像从“X，Y，Z”颜色空间转换为“L*，a*，b*”颜色空间。一旦在CIELAB颜色空间中，就可以针对两个图像计算每个像素处的L*、a*、b*分量之间的差异930。然后，可以计算欧几里得距离(每个分量的差的平方的和的平方根)940。然后，池函数950可以用于提供表示两个图像之间的差异的单个输出。例如，在各个实施例中，池函数950可以包括每个像素上的差异(例如，欧几里得距离)的平均(例如，平均德耳塔E(((IE)-)))。在其他实施例中，池函数950可以使用百分位(例如，中位数或第99百分位)。
图10、图11和图12描绘将目前的系统与过去的客观图像测试系统进行比较的示例结果。
参考图10、11和图12，在各个实施例中，当与先前的客观测试进行比较时，目前的系统提供显著更好的检测以及更好的误报警率。例如，图10描绘使用在先的客观系统(S-CIELAB)的示例结果。在左边是将平均德耳塔E比作平均响应分数的函数的误差图。在右边是误差图的第p百分等级池之间的皮尔逊相关系数的图。使用平均池，当与用于整个数据集的主观结果进行比较时，现有技术客观系统引起0.8012的相关性。使用百分等级池，在第72百分位的最大值的0.809处，相关性略高。图11描绘使用本公开的各个实施例的示例结果。在左边是将平均德耳塔E比作平均响应分数的函数的误差图。在右边是误差图的第p百分等级池之间的皮尔逊相关系数的图。使用平均池，当与用于整个数据集的主观结果进行比较时，现有技术客观系统引起0.8356的相关性。使用百分等级池，仍然在第99百分位的最大值的0.8916处，相关性更高。图12描绘使用本公开的实施例的相关的平均德耳塔E和百分等级方法的图形比较。在该示例中，使用平均德耳塔E的相关性是0.8356(如左图所示)，而使用百分等级的相关性增加到0.8916(如右图所示)。如图12中所示，右图的异常值更接近估计的相关线，因而示出由百分等级池方法所提供的改善。
在先前的描述中，为了解释的目的，阐述许多特定细节以提供对各个实施例的彻底的理解。然而，明显的是，可以在没有这些特定细节的情况下或具有一个或多个等同布置的情况下实践各个实施例。在其他的实例中，以框图形式示出了公知的结构和设备以便避免不必要地模糊各个实施例。
将理解的是，当要素、层、区域，或部件被称为是在另一个要素、层、区域或部件“上”、“连接到”或“耦接到”另一个要素、层、区域或部件时，其能够直接地在另一个要素、层、区域或部件上、连接或耦接到另一个要素、层、区域或部件，或者可以存在一个或多个中间的要素、层、区域或部件。然而，“直接连接/直接耦接”指的是一个部件直接连接或耦接到另一个部件而没有中间部件。同时，可以类似地解释诸如“在…之间”、“刚刚在…之间”或“邻近于”和“直接邻近于”之类的描述部件之间的关系的其他表达。另外，还将理解，当要素或层被称为位于两个要素或层之间时，其可以是两个要素或层之间的唯一要素或层，或者也可以存在一个或多个中间的要素或层。
本文所使用的术语仅用于描述特定实施例的目的，并且不意在限制本公开。如在本文所使用的，单数形式“一”也意在包括复数形式，除非上下文另有明确指示。应当进一步理解，当在本说明书中使用时，术语“包括”、“包括有”、“具有”、“具备”、“包含”和“包含有”指定所陈述的特征、整数、步骤、操作、要素和/或部件的存在，但不排除一个或多个其它的特征、整数、步骤、操作、要素、部件和/或其组的存在或添加。如在本文所使用的，术语“和/或”包括相关联的所列项中的一个或多个的任何组合或所有组合。
如本文所使用的，术语“基本上”“大约”和类似术语被用作近似的术语并且不用作程度的术语，并且意在考虑将由本领域普通技术人员意识到的测量值或计算值的固有偏差。如本文所使用的，在考虑正被讨论的测量和与特定数量的测量相关联的误差(即，测量系统的限制)时，“大约”或“接近”把所陈述的值包括在内，并且意思是在由本领域普通技术人员确定的特定值的偏差的可接受范围之内。例如，“大约”可以意指在所陈述的值的一个或多个标准偏差之内，或者在所陈述的值的±30％、20％、10％、5％之内。此外，当描述本公开的实施例时，使用“可以”指的是“本公开的一个或多个实施例”。如本文所使用的，术语“使用”、“正使用”和“被使用”可以被认为分别与“利用”、“正利用”和“被利用”是同义的。同样，术语“示例性”意在是指的是示例或者图示。
当可以不同地实施某实施例时，可以与所描述的顺序不同地执行特定处理顺序。例如，可以基本上同时执行或以与所描述的顺序相反的顺序执行两个连续描述的处理。
在本文参考作为实施例和/或中间结构的示意性图示的截面图示来描述各个实施例。照此，将预计作为例如生产工艺和/或公差的结果所引起的从图示的形状所发生的变化。此外，在本文公开的特定结构或功能描述仅仅是说明性的，以用于描述根据本公开的构思的实施例的目的。因此，本文公开的实施例不应当被理解为受限于区域的特定图示的形状，而是包括例如由制造引起的形状的偏差。例如，图示为长方形的植入区域典型地将在其边缘具有圆形的或弯曲的特征和/或植入浓度的梯度，而不是具有从植入区域到非植入区域的二元改变。同样地，通过植入所形成的隐埋区可能引起隐埋区和通过其植入发生的表面之间的区域中的一些植入。因此，在附图中图示出的区域实际上是示意性的并且它们的形状并不意在图示出设备的区域的实际形状并且并不意在进行限制。
可以利用任何适当的硬件、固件(例如，专用集成电路)、软件，或软件、固件和硬件的组合来实施在本文描述的根据本发明的实施例的电子的/电的设备和/或任何其他有关的设备或部件。例如，可以在一个集成电路(IC)芯片上或在分离的IC芯片上形成这些设备的各个部件。此外，可以在软性印制电路膜、载带封装(TCP)、印刷电路板(PCB)上实施这些设备的各个部件，或者在一个基板上形成这些设备的各个部件。此外，这些设备的各个部件可以是在一个或多个计算设备中运行于一个或多个处理器上、执行计算机程序指令并且与其他系统部件交互以执行在本文描述的各种功能的进程或线程。将计算机程序指令存储在可以使用诸如随机存取存储器(RAM)的标准存储器设备而在计算设备中实施的存储器中。也可以将计算机程序指令存储在诸如CD-ROM、闪盘驱动器等的其他非瞬态计算机可读介质中。而且，本领域技术人员应当意识到，在不背离本公开的示例性实施例的精神和范围的情况下，可以将各个计算设备的功能组合或集成到单个计算设备中，或者可以跨一个或多个其他计算设备来分布特定计算设备的功能。
除非另外限定，本文所使用的所有术语(包括技术术语和科学术语)具有本公开所属的本领域普通技术人员所共同理解的意义。应当进一步理解，诸如那些在通用词典中限定的术语应该被解释为具有与它们在相关技术和/或本说明书的上下文中的意义相一致的意义，并且将不会以理想或过于正式的意义被解释，除非在本文明确地如此限定。
上文说明示例实施例并且将不被解释为对其进行限制。尽管已经描述了一些示例实施例，但本领域技术人员将容易地理解，在没有实质上背离示例实施例的新颖的教导和优点的情况下，在示例实施例中，许多修改是可能的。因此，所有这样的修改意在被包括在如权利要求中所限定的示例实施例的范围内。在权利要求中，装置加功能从句意在覆盖本文描述为执行所叙述的功能的结构以及不仅仅结构等同物、而且也有等同结构。因此应当理解，上文是说明各个示例实施例并且将不被解释为受限于所公开的特定实施例，并且对所公开的示例实施例以及其他示例实施例的修改意在被包括在所附权利要求的范围内。通过所附权利要求来限定本发明构思，其中权利要求的等同物将被包括在其中。

Claims (20)

1.一种用于比较图像以供图像测试的方法，包括：
将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像；
将所述至少一个显示器属性应用于参考图像以生成显示器修改的参考图像；
将人眼模型应用于所述显示器修改的测试图像以生成眼睛修改的测试图像；
将所述人眼模型应用于所述显示器修改的参考图像以生成眼睛修改的参考图像；以及
将所述眼睛修改的测试图像与所述眼睛修改的参考图像进行比较，以确定所述测试图像与所述参考图像之间的人类可感知的差异。
2.根据权利要求1所述的方法，其中，所述至少一个显示器属性包括子像素布局和光谱发射中的至少一项。
3.根据权利要求2所述的方法，其中，将至少一个显示器属性应用于所述测试图像以生成所述显示器修改的测试图像包括：
基于所述子像素布局来生成用于显示器的子像素矩阵；
将所述子像素矩阵应用于所述测试图像；
将所述测试图像从3色空间转换到光谱域；以及
将所述光谱发射应用于所述测试图像以生成所述显示器修改的测试图像。
4.根据权利要求3所述的方法，其中，将至少一个显示器属性应用于所述参考图像以生成所述显示器修改的参考图像包括：
将所述子像素矩阵应用于所述参考图像；
将所述参考图像从3色空间转换到所述光谱域；以及
将所述光谱发射应用于所述参考图像以生成所述显示器修改的参考图像。
5.根据权利要求3所述的方法，其中：
将人眼模型应用于所述显示器修改的测试图像以生成眼睛修改的测试图像包括：将光学传递函数应用于所述显示器修改的测试图像；并且
将人眼模型应用于所述显示器修改的参考图像以生成眼睛修改的参考图像包括：将所述光学传递函数应用于所述显示器修改的参考图像。
6.根据权利要求5所述的方法，进一步包括：
将所述眼睛修改的测试图像从所述光谱域转换到3色空间；
将所述眼睛修改的参考图像从所述光谱域转换到3色空间；
针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的测试图像以生成多个视锥吸收测试图像；
针对所述多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的参考图像以生成多个视锥吸收参考图像；
对所述多个视锥吸收测试图像求平均以生成平均的眼睛修改的测试图像；以及
对所述多个视锥吸收参考图像求平均以生成平均的眼睛修改的参考图像。
7.根据权利要求1所述的方法，其中，将所述眼睛修改的测试图像与所述眼睛修改的参考图像进行比较包括：
将所述眼睛修改的参考图像和所述眼睛修改的测试图像变换到CIELAB颜色空间中；
计算所述眼睛修改的参考图像中的每个像素与所述眼睛修改的测试图像中的对应的像素之间的欧几里得距离；以及
将池函数应用于所述欧几里得距离。
8.根据权利要求7所述的方法，其中，所述池函数包括将平均值应用于所述欧几里得距离和根据百分等级选择值中的至少一项。
9.根据权利要求1所述的方法，其中，所述测试图像包括从被应用于所述参考图像的有损压缩算法得到的图像。
10.一种用于将两个图像之间的人类可感知的差异进行比较的图像测试系统，所述图像测试系统包括：
处理器和存储指令的存储器，所述指令使得所述处理器用于：
使用显示器模型模块将至少一个显示器属性应用于测试图像以生成显示器修改的测试图像；
使用所述显示器模型模块将所述至少一个显示器属性应用于参考图像以生成显示器修改的参考图像；
使用眼睛模型模块将人眼模型应用于所述显示器修改的测试图像以生成眼睛修改的测试图像；
使用所述眼睛模型模块将人眼模型应用于所述显示器修改的参考图像以生成眼睛修改的参考图像；以及
使用比较模块将所述眼睛修改的测试图像与所述眼睛修改的参考图像进行比较，以确定所述测试图像与所述参考图像之间的人类可感知的差异。
11.根据权利要求10所述的图像测试系统，其中，所述至少一个显示器属性包括子像素布局和光谱发射中的至少一项。
12.根据权利要求11所述的图像测试系统，其中，所述显示器模型模块被配置为：
基于所述子像素布局来生成用于显示器的子像素矩阵；
将所述子像素矩阵应用于所述测试图像；
将所述测试图像从3色空间转换到光谱域；以及
将所述光谱发射应用于所述测试图像以生成所述显示器修改的测试图像。
13.根据权利要求12所述的图像测试系统，其中，所述显示器模型模块进一步被配置为：
将所述子像素矩阵应用于所述参考图像；
将所述参考图像从3色空间转换到所述光谱域；以及
将所述光谱发射应用于所述参考图像以生成所述显示器修改的参考图像。
14.根据权利要求13所述的图像测试系统，其中，所述眼睛模型模块被配置为：
将光学传递函数应用于所述显示器修改的测试图像；并且
将所述光学传递函数应用于所述显示器修改的参考图像。
15.根据权利要求14所述的图像测试系统，其中，所述眼睛模型模块进一步被配置为：
将所述眼睛修改的测试图像从所述光谱域转换到3色空间；
将所述眼睛修改的参考图像从所述光谱域转换到3色空间；
针对多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的测试图像以生成多个视锥吸收测试图像；
针对所述多个眼睛位置，将视锥吸收马赛克应用于所转换的眼睛修改的参考图像以生成多个视锥吸收参考图像；
对所述多个视锥吸收测试图像求平均以生成平均的眼睛修改的测试图像；以及
对所述多个视锥吸收参考图像求平均以生成平均的眼睛修改的参考图像。
16.根据权利要求10所述的图像测试系统，其中，所述比较模块被配置为：
将所述眼睛修改的参考图像和所述眼睛修改的测试图像变换到CIELAB颜色空间中；
计算所述眼睛修改的参考图像中的每个像素与所述眼睛修改的测试图像中的对应的像素之间的欧几里得距离；以及
将池函数应用于所述欧几里得距离。
17.根据权利要求16所述的图像测试系统，其中，所述池函数包括将平均值应用于所述欧几里得距离和根据百分等级选择值中的至少一项。
18.根据权利要求10所述的图像测试系统，其中，所述测试图像包括从被应用于所述参考图像的有损压缩算法得到的图像。
19.一种用于比较图像以供图像测试的方法，包括：
将显示器模型应用于输入图像以生成显示器修改的输入图像，其中，所述应用所述显示器模型包括：
基于子像素布局来生成用于显示器的子像素矩阵；
将所述子像素矩阵应用于输入图像；
将所述输入图像从3色空间转换到光谱域；
将光谱发射应用于所述输入图像以生成所述显示器修改的输入图像；
将光学传递函数应用于所述显示器修改的输入图像以生成视网膜修改的输入图像；以及
将所述视网膜修改的输入图像与参考图像进行比较，以确定所述输入图像与所述参考图像之间的人类可感知的差异。
20.根据权利要求19所述的方法，将所述视网膜修改的输入图像与所述参考图像进行比较包括：
将所述眼睛修改的输入图像和所述参考图像变换到CIELAB颜色空间中；以及
计算所述眼睛修改的输入图像中的每个像素与所述参考图像中的对应的像素之间的差异。
CN201810892304.1A 2017-08-07 2018-08-07 用于图像测试的系统和方法 Active CN109474821B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762542245P 2017-08-07 2017-08-07
US62/542,245 2017-08-07
US16/052,545 2018-08-01
US16/052,545 US10769817B2 (en) 2017-08-07 2018-08-01 Measures for image testing

Publications (2)

Publication Number Publication Date
CN109474821A true CN109474821A (zh) 2019-03-15
CN109474821B CN109474821B (zh) 2022-05-06

Family

ID=63174021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810892304.1A Active CN109474821B (zh) 2017-08-07 2018-08-07 用于图像测试的系统和方法

Country Status (4)

Country Link
US (2) US10769817B2 (zh)
EP (1) EP3441963B1 (zh)
KR (1) KR20190016460A (zh)
CN (1) CN109474821B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472003B (zh) * 2019-08-08 2022-02-22 东北大学 基于图卷积网络的社交网络文本情感细粒度分类方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104793A (zh) * 2009-12-22 2011-06-22 索尼公司 显示设备的评估方法
US8705071B2 (en) * 2012-04-03 2014-04-22 Infoprint Solutions Company Llc Bitmap compare mechanism
US20140254897A1 (en) * 2013-03-06 2014-09-11 Tektronix, Inc. Design verification and diagnostics for image devices

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5664158A (en) * 1995-04-25 1997-09-02 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Video display engineering and optimization system
JP2000163594A (ja) * 1998-11-30 2000-06-16 Canon Inc 画像パタ―ン検出方法及び装置
KR100618975B1 (ko) * 1999-09-03 2006-09-01 삼성전자주식회사 디스플레이장치의 음영 보정장치 및 그 방법
US6791716B1 (en) * 2000-02-18 2004-09-14 Eastmas Kodak Company Color image reproduction of scenes with preferential color mapping
US6781724B1 (en) * 2000-06-13 2004-08-24 Eastman Kodak Company Image processing and manipulation system
US9143706B2 (en) * 2001-06-06 2015-09-22 Andrew Zador Imaging system utilizing spatial image oscillation
DE10234085B4 (de) * 2002-07-26 2012-10-18 Koenig & Bauer Aktiengesellschaft Verfahren zur Analyse von Farbabweichungen von Bildern mit einem Bildsensor
DE10314071B3 (de) * 2003-03-28 2004-09-30 Koenig & Bauer Ag Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal
WO2006049352A1 (en) * 2004-11-01 2006-05-11 Samsung Electronics Co., Ltd. The test system and method of image regeneration apparatus
CA2588759A1 (en) * 2004-11-30 2006-06-08 Bg Medicine, Inc. Biological systems analysis
US20060167670A1 (en) * 2005-01-26 2006-07-27 Deering Michael F Photon-based modeling of the human eye and visual perception
US7586644B2 (en) * 2006-02-15 2009-09-08 Conexant Systems, Inc. Color conversion system and method
US8243326B2 (en) 2006-09-11 2012-08-14 Electronics For Imaging, Inc. Methods and apparatus for color profile editing
US20080117231A1 (en) * 2006-11-19 2008-05-22 Tom Kimpe Display assemblies and computer programs and methods for defect compensation
EP1971156A1 (en) * 2007-03-13 2008-09-17 Thomson Licensing A method to display images using metamerism to prevent illegal copy
JP5398156B2 (ja) * 2008-03-04 2014-01-29 キヤノン株式会社 ホワイトバランス制御装置およびその制御方法並びに撮像装置
US8031938B2 (en) 2008-04-14 2011-10-04 Eastman Kodak Company Method and apparatus for providing improved human observer XYZ functions and calculations for CIELAB
DE102008041458B4 (de) * 2008-08-22 2012-11-08 Carl Zeiss Vision Gmbh Verfahren und Vorrichtung zur Bestimmung der neuronalen Kontrastempfindlichkeit
US8781222B2 (en) * 2008-12-12 2014-07-15 Tektronix, Inc. Method and apparatus for automatic illuminant compensation in video surveillance
WO2010072415A1 (de) * 2008-12-23 2010-07-01 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Anzeigesystem mit circadianer wirkung auf den menschen
KR101080846B1 (ko) 2010-03-30 2011-11-07 중앙대학교 산학협력단 보정 행렬의 추정에 의한 영상의 색상 손상 보정장치 및 방법
EP2375230A1 (en) 2010-04-09 2011-10-12 Thomson Licensing Method for controlling an image display device to allow the same perception of colours over a large variety of observers
US8532371B2 (en) * 2010-10-04 2013-09-10 Datacolor Holding Ag Method and apparatus for evaluating color in an image
JP5967441B2 (ja) * 2010-12-07 2016-08-10 株式会社プロスパークリエイティブ 色処理方法、色処理装置及び色処理システム
MX365965B (es) * 2011-12-06 2019-06-21 Dolby Laboratories Licensing Corp Método y dispositivo para mejorar el intercambio de datos de imagen basado en no linealidad de luminancia perceptual a través de diferentes capacidades de pantalla.
US8917932B2 (en) * 2011-12-29 2014-12-23 Tektronix, Inc. Method of predicting perceptual differences between memory and directly viewed colors in video
US9256803B2 (en) 2012-09-14 2016-02-09 Palo Alto Research Center Incorporated Automatic detection of persistent changes in naturally varying scenes
PL2836983T3 (pl) * 2012-10-08 2018-01-31 Koninklijke Philips Nv Przetwarzanie obrazu zmieniające luminancję z ograniczeniami barwy
CN202928783U (zh) * 2012-11-22 2013-05-08 清华大学深圳研究生院 裸眼3d显示图像源和显示设备综合测试系统
EP2743657B1 (en) 2012-12-13 2016-03-02 Thomson Licensing Method for controlling an image display device to allow an observer to perceive colours as another observer
US9164874B1 (en) * 2013-12-20 2015-10-20 Amazon Technologies, Inc. Testing conversion and rendering of digital content
RU2686642C2 (ru) * 2014-08-08 2019-04-29 Конинклейке Филипс Н.В. Способы и устройства для кодирования hdr-изображений
AU2015207825A1 (en) * 2015-07-28 2017-02-16 Canon Kabushiki Kaisha Method, apparatus and system for encoding video data for selected viewing conditions
JP6320440B2 (ja) * 2015-08-04 2018-05-09 ドルビー ラボラトリーズ ライセンシング コーポレイション ハイダイナミックレンジ信号のための信号再構成
AU2015218498A1 (en) * 2015-08-27 2017-03-16 Canon Kabushiki Kaisha Method, apparatus and system for displaying images
CN108141508B (zh) * 2015-09-21 2021-02-26 杜比实验室特许公司 一种成像装置及在其显示面板前面产生光的方法
KR20180122609A (ko) * 2016-01-18 2018-11-13 웨이브시프트 엘엘씨 전자 디스플레이의 근시 발생 효과 평가 및 감소
US10679544B2 (en) * 2016-01-29 2020-06-09 Barco Nv Digital image processing chain and processing blocks and a display including the same
US10397586B2 (en) * 2016-03-30 2019-08-27 Dolby Laboratories Licensing Corporation Chroma reshaping
WO2017184784A1 (en) * 2016-04-22 2017-10-26 Dolby Laboratories Licensing Corporation Coding of hdr video signals in the ictcp color format
US10542296B2 (en) * 2016-05-10 2020-01-21 Dolby Laboratories Licensing Corporation Chroma reshaping of HDR video signals

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104793A (zh) * 2009-12-22 2011-06-22 索尼公司 显示设备的评估方法
US8705071B2 (en) * 2012-04-03 2014-04-22 Infoprint Solutions Company Llc Bitmap compare mechanism
US20140254897A1 (en) * 2013-03-06 2014-09-11 Tektronix, Inc. Design verification and diagnostics for image devices

Also Published As

Publication number Publication date
US10902644B2 (en) 2021-01-26
US10769817B2 (en) 2020-09-08
US20190043222A1 (en) 2019-02-07
EP3441963A1 (en) 2019-02-13
CN109474821B (zh) 2022-05-06
EP3441963B1 (en) 2023-05-03
KR20190016460A (ko) 2019-02-18
US20200388055A1 (en) 2020-12-10

Similar Documents

Publication Publication Date Title
US7737992B2 (en) Method and system for transforming adaptively visual contents according to terminal user's color vision characteristics
Chichilnisky et al. Trichromatic opponent color classification
Lin et al. The effect of parallax on eye fixation parameter in projection-based stereoscopic displays
Eisenberg et al. Measuring and qualifying optical performance of AR/VR/MR device displays and addressing the unique visual requirements of transparent AR/MR displays
Wang et al. Quality of experience measurement for light field 3D displays on multilayer LCDs
Padilla et al. Perceived roughness of 1/fβ noise surfaces
CN109474821A (zh) 用于图像测试的系统和方法
AU2006306737A1 (en) Sensor and display-independent quantitative per-pixel stimulation system
Giesen et al. Conjoint analysis to measure the perceived quality in volume rendering
Lin et al. Image quality of a mobile display under different illuminations
Gago-Calderón et al. Visual quality evaluation of large LED displays based on subjective sensory perception
Badano et al. Effect of viewing angle on visual detection in liquid crystal displays
Arce-Lopera et al. Effects of diffuse and specular reflections on the perceived age of facial skin
Tsai et al. Identifying regions of interest in reading an image
Machado A model for simulation of color vision deficiency and a color contrast enhancement technique for dichromats
Bernardo et al. A study on the user perception to color variations
Livatino et al. Photorealistic True-Dimensional Visualization of Remote Panoramic Views for VR Headsets
Elloumi et al. Quality metric of 3D models using Weber's Law
KR20070114511A (ko) 액정 표시 장치용 이미지 시뮬레이션 장치 및 그 방법
Barraza et al. The effect of texture on brightness perception in simulated scenes
Harding et al. Using a helmet-mounted display computer simulation model to evaluate the luminance requirements for symbology
Hosseinkhani et al. Investigating into Saliency Priority of Bottom-up Attributes in 2D Videos Without Cognitive Bias
Siitama Technical performance assessment and quality control of ultrasound device monitors
Gebejes et al. Selection of optimal features for texture characterization and perception
CN106791731A (zh) 一种结合相机光谱灵敏度信息的场景真彩色恢复方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant