DEJAVNIKI KAKOVOSTI V TISKU METODE OBJEKTIVNEGA VREDNOTENJA Deja Muck DOLOČANJE KAKOVOSTI PRINTING PROCESS + INK + PRINTING SUBSTRATE Print uality had been defined through many attributes: lightness blur paper flatness sharpness tone reproduction details paper whiteness contrast banding process colour gamut structure properties structure changes saturation chroma gloss colour paper roughness printer type colour shift hue gloss uniformity ordered noise effective resolution colour rendition micro uniformity dinamic range adjacency patchlines text uality naturalness noise/graininess line uality perceived gray value artifacts mottle
ATRIBUTI KAKOVOSTI print uality metrics which correlates well with human perception Grouping uality attributes enables efficient uality assesment: Color aspects related to: hue, saturation Lightness is important, separate from the color Contrast differences in lightness and chromaticity, within the image Sharpness clarity of details and edges definition Artifacts noise, contouring, and banding + physical uality attributes; paper properties, gloss KONTROLA KAKOVOSTI Image processing Spectrophotography / Colorimetry Densitometry
UVOD kako objektivno določiti z očesom zaznano razliko; original : reprodukcija? algoritmi rastriranja > vnos napak kvantizacije (uantization error/noise) > zmanjšanje bitne globine slike npr. iz 8 (256 odtenkov sivin) na 1 (binarna slika) METODE VREDNOTENJA KAKOVOSTI subjektivne > zamudne objektivne > numerično izraziti zaznano razliko med večtonskim originalom in rastrirano sliko določiti objektivno optimalen algoritem rastriranja > problem > kakovost rastriranja se lahko spreminja z aplikacijo Splošno dva razreda metod objektivnega vrednotenja kakovosti: matematično / statistične metode (enostavne, hitre, neodvisne od pogojev opazovanja, opazovalca) vključen HVS (človeški vizualni sistem za napoved percepcijske vizualne kakovost low-pass filter, omejitve vidnega sistema)
STATISTIČNE METODE VREDNOTENJA MATEMATIČNO / STATISTIČNE METODE Matematično osnovana metrika MSE Mean Suered error RMS Root mean Suare SNR - Signal-to-Noise Ratio PSNR - Peak Signal-to-Noise Ratio Za vse velja: per-pixel based method hitre, enostavne ne upoštevajo strukture, kontrasta le vidik moči signala napake in ne kako le-ta vpliva na sliko STATISTIČNE METODE VREDNOTENJA STATISTIČNE METODE -MSE, RMS, SNR, PSNR e( = x( - y( E E MSE RMS = = j j SNR= 10log e( 10 E Ł mse j PSNR= 10log10 Ł x( 2 / M ( x( - y( ) j N j x( 2 D M N ( x( - y( ) 2 2 ł 2 ł y( x( > sivinska slika y( > rastrirana slika M N > velikost slike D > maks. peak-to-peak vrednost signala (255 za 8- bit)
STATISTIČNE METODE VREDNOTENJA STATISTIČNE METODE - MSE, RMS, SNR, PSNR ČLOVEKOV VIDNI SISTEM - HSV HVS = Human VisualSystem CSF = ContrastSensitivityFunction
ČLOVEKOV VIDNI SISTEM - HSV Človeško oko kot nizkoprepustni filter značilnosti človeškega očesa > upadanje njegove občutljivosti pri višjih prostorskih frekvencah visokofrekvenčni vzorec (šum) bo torej težje zaznan oz. manj moteč kot nizkofrekvenčni ČLOVEKOV VIDNI SISTEM - HSV Modeli HVS občutljivost človeškega vidnega sistema pri različnih frekvencah podaja funkcija kontrastne občutljivosti Contrast sensitivity function (CSF) CSF > vlogo pri določanju ločljivosti slike, izboljšanju kakovosti in izbiri najustreznejšega algoritma rastriranja CSF Frekvenca (cikli/st)
ČLOVEKOV VIDNI SISTEM - HSV Funkcija kontrastne občutljivosti (CSF) Campbell 1969-2par -2pbr k( e - e ) a = 0.012, b = 0. 046 Mannos 1974 a( b + cr )exp(-( cr ) d ) a = 2.6, b = 0.192, c = 0.114, d = 1.1 Nasanen 1984 al r b exp( - ) c log L + d a = 131.6, c = 0.525, L = 11 b = 0.3188 d = 3.91, Daly 1987 a b + cr ) e 1, - ( cr ) ( d, if r > r max else a = 2.2, b = 0.192, c = 0.114, d = 1.1, r = max 6.6 ČLOVEKOV VIDNI SISTEM - HSV CSF
ČLOVEKOV VIDNI SISTEM - HSV Prototipni sistem za oceno kakovosti slik osnovan na občutljivosti za napake. CSF je lahko implementirana kot samostojna stopnja ali pa znotraj normalizacije napake. UNIVERSAL IMAGE QUALITY INDEX Zhou Wang Modeliranje popačenja slik kot kombinacija 3 faktorjev: izguba korelacije (loss of correlation) popačenje svetlosti (luminance distortion) popačenje kontrasta (contrast distortion) Universal neodvisen od: slike (vsebine) pogojev opazovanja od opazovalca
UNIVERSAL IMAGE QUALITY INDEX Zhou Wang 1. koeficient korelacije med x, y (meri stopnjo lin. korelacije, max. 1) 2. kako blizu je srednja vrednost svetlosti med x, y, max 1 3. kako podobna sta kontrasta slik; max 1 UNIVERSAL IMAGE QUALITY INDEX a) Original b) Salt-pepper noise c) Gaussian noise d) Speckle noise MSE UIQI b) 255 0,6494 c) 255 0,3891 d) 255 0,4408
UNIVERSAL IMAGE QUALITY INDEX MSE UIQI a) 255 0,9894 b) 255 0,9372 c) 255 0,3461 d) 215 0,2876 a) Mean shifted image b) Contrast streched image c) Blurred image d) JPEG compresed image SSIM structural similarity index loči strukturo, svetlost in kontrast > simuliranje HSV rezultat primerjava vhodna : izhodna slika > vrednost (0 1) človekovo oko je občutljivo že na majhne spremembe v svetlost kontrastu in struktur kar danes vključuje že veliko algoritmov SSIM opisuje kakovost slike s primerjavo lokalnih korelacij svetlost kontrasta in strukture med originalno in testno sliko
SSIM structural similarity index Diagram merilnega sistema strukturne podobnosti.
SSIM structural similarity index Komponente relativno neodvisne; sprememba svetlosti in/ali kontrastu ne vplivala na strukturo slike Slike enak MSE, različen SSIM http://www-ee.uta.edu/dip/courses/ee5356/ssimzhouwang.pdf
LITERATURA ImageJ vtičniki (P)SNR, RMSE, MAE: http://bigwww.epfl.ch/sage/soft/snr/ SSIM indeks: http://rsbweb.nih.gov/ij/plugins/ssim-index.html MSSIM in MSSIM* indeks: http://rsbweb.nih.gov/ij/plugins/mssim-index.html http://waset.org/publications/9998522/a-new-categorization-ofimage-uality-metrics-based-on-a-model-of-human-ualityperception http://www.imaging.org/ist/publications/reporter/articles/rep 26_2_EI2011_PEDERSEN_7867_1.pdf