相機畫質之什麼是圖像質量

來自專欄 相機圖像質量全解析

圖像質量：由輸入和輸出成像系統的設置和屬性決定的，在特定觀看條件下的圖像感知質量，並且最終影響個人對圖像的價值判斷

作為一個多年從事圖像處理特別是關注畫質的碼農，更加希望從技術分析而非攝影藝術角度去討論這個話題。

簡單來說，「圖像畫質」就是說一副圖像看上去好不好。對於好不好，每個人都可以有自己的看法，所以主觀上如何恰當而準確的評估一副圖像的質量不僅僅是技術問題。最經常的，一名調整圖像質量演算法的工程師和其他參與相機開發的軟體工程師，可能與完全不同的偏好。

那麼用客觀指標呢？事實證明，這也不是一件容易的事情。即使技術質量低下，圖像也可能美觀。根據個人喜好，根據主題的不同，一幅圖像可能比另一幅更令人愉悅。因此，對照片的情緒反應可能非常強烈，以至於壓倒技術上的印象。比如，監視或醫學成像中的技術要求提供物體的最大可檢測性，這可能會導致遠離美學上令人愉快的圖像。另一方面，美觀的照片可能不一定以現實的方式描繪場景，並且可能實際上引入使得圖像偏離場景的偽影，這就是所謂的「看上去很美」。因此，為了獲得成功提供圖像質量量化可靠方法的公平機會，需要開始仔細定義「圖像質量」的含義。這當然取決於圖像的用途，以及圖像的觀察者。

在一個完美的世界中，數碼相機會精確地再現拍攝的真實世界場景。圖像將呈現所有最小的細節，重現準確的顏色，沒有任何噪音和其他人為因素，並且在消費者相機的情況下，使用人眼的全部光譜。此外，相機的動態範圍至少與人眼一樣好，圖像處理流水線將以完美的方式模仿大腦的視覺處理。

但是顯然我們不生活在一個完美的世界。相機硬體和軟體的局限性，相機感測器和鏡頭的製造問題以及圖像處理管道中的問題會導致圖像中出現不同的問題。這些問題可以是內容破壞焦點調整和錯誤的曝光值或非常小的甚至藝術性的問題，如不自然的散景或稍微錯誤的色彩問題。例如，自然本身通過限制鏡頭的性能和定義可以使用人類視覺系統的波長觀察到的最小物體來創建圖像質量的最終界限。

當更仔細地考慮圖像質量的概念時，可能會出現問題或甚至引發爭議，正如知乎上日復一日的在討論著某個手機的畫質是否比另外一個手機更好，某個手機的畫質是否已經可以媲美單反了。儘管可以非常全面地測量圖像質量，但對於消費類產品，圖像最終將由人眼和人類視覺系統進行判斷。儘管感知圖像質量和測量圖像質量相關性良好，但它們絕對不是同一回事。

如何定義或量化圖像質量？從圖像質量的角度研究相機系統時，這是一個基本問題。

Keelan將圖像質量定義如下：「圖像的質量被定義為其優點或卓越的印象，如同觀察者所感知的既不與攝影行為相關，也不與所描繪的主題密切相關。」（Keelan 2002）Keelan在他的「圖像質量手冊」一書中定義了一個圖像質量單位，只有明顯的差異（JND）才能確定人類可以察覺的最小圖像質量差異。實際上，如果有75％的觀察者注意到差異（獲得JND的特定定義，請參閱Keelan書中的第35-45頁），則一個JND是有效的。可以為每個質量屬性或屬性組合分別使用JND。基蘭還定義了一種方法，客觀圖像質量測量結果可以轉換為JND單位。

Wang和Bovik在其「現代圖像質量評估」一書中嚴格關注客觀圖像質量。它們指定了圖像質量屬性的基本要求：如果圖像質量屬性與人的主觀性不相關，則圖像質量屬性是無用的。此外，它們定義了三種用於客觀圖像質量測量的用途：它們可以用來監視系統的質量，對彼此進行基準測試，優化相機系統。

人們對於圖像質量的評估，可能與畫面場景的一些特徵有關，即顏色，形狀，紋理，深度，亮度範圍和（在視頻）運動，這些屬性在圖像中呈現的方式將直接關係到圖像質量如何被感知。這種有限數量的特徵意味著有可能將圖像質量的元素分類為有限的一組屬性，這使得可以將測量圖像質量的任務分解為更小，更易於管理的部分。事實上，考慮到圖像質量的上述定義，如果詢問一個人對某幅圖像質量的看法，答案可能是「模糊」，「色彩好」，「太顆粒狀」等等。

這實際上是對我們稱之為清晰度，顏色和雜訊的圖像質量屬性的描述。看起來可用的屬性數量足以使任何分類或多或少地不可能。然而，正如已經暗示的那樣，人們發現很大程度上，圖像的質量可以歸因於少數特徵。其中一些最明顯的特徵是清晰度，粒度/噪音，顏色，亮度和色調再現/對比度，以及光學畸變等幾何屬性。

關於圖像質量屬性的一個非常重要的觀察是，即使所有其他屬性可能指示高質量圖像，但對單個屬性的差評會完全掩蓋其他屬性的印象，導致整體印象不好。例如，圖像可能表現出非常低的雜訊水平，具有完美的清晰度，沒有光學失真等，但白平衡可能完全錯誤，因此白色和中性物體呈綠色。很顯然，無論其他屬性如何，這樣的圖像都將被評為低質量圖像（通常我會得到一個「畫質異常」bug）。

根據Keelan（2002）的描述，圖像質量屬性可以分為四大類：個人的，審美的，人為的或優先的。個人屬性反映了一些只與直接涉及圖像的人有關的方面，例如攝影師自己。這可能是一個特定的人出現在圖像中，或一個特定的地方，喚起一些愉快的記憶。另一方面，審美屬性也可能與不直接參与圖片拍攝過程的人相關。這可以反映在，例如，圖像的組成。人為屬性與圖像的技術質量更直接相關，如果屬性的變化高於可檢測性閾值，則差異越大，圖像質量將因屬性而變得更令人反感。例如，清晰度可以被視為人為屬性。

圖像變得模糊，所有其他屬性保持不變，圖像質量就會被感知得越低。優先屬性也與圖像的技術質量有關，但與人為屬性相反，存在感知質量的最佳與屬性的變化。一個例子是顏色飽和度。隨著飽和度的增加，感知到的圖像質量會增加到某個點，之後它會再次開始下降。此外，觀察者之間的最佳水平在一定程度上可能不同。這可以通過比較來自不同相機製造商的相機之間的色彩再現來說明，這可以清楚地看出明顯的差異，部分是由於硬體和軟體的差異，但很可能部分歸因於設計工程師的偏好。

圖像質量屬性的另一種分類可以根據全局和本地進行。全局屬性在所有尺度上都是可見的，而且與視距無關。與本地屬性相反。下圖說明了這一點。左側的原始圖像的兩個屬性已經降級：顏色飽和度和清晰度，顯示在中間和右側。在兩個尺度上清楚地看到原始圖像和中間圖像（去飽和）之間的差異。在最下面的一行中，最左側和中間圖像之間的差異如同在第一行中清楚地看到。 然而，最左側和最右側圖像之間的差異並不明顯。因此，顏色再現代表全局屬性，而清晰度可以分類為本地屬性。在實現感知相關的測量方法時，對全局和本地屬性的分類將變得非常重要，因為這意味著必須在度量中考慮查看條件。

為了使圖像質量屬性對圖像質量評估有用，它們必須是可測量的，並且必須將測量結果與人類感知聯繫起來。對於常見的屬性，例如清晰度，雜訊，顏色，失真和陰影，確實存在測量方法，我會在後面詳細描述這些。然而，有些屬性如果不是不可能的話，也很難衡量。在這個類別中，比如圖像壓縮和其他處理的結果。造成這些結果難以測量的部分原因是它們非常依賴於特定的（並且通常是專有的）圖像處理演算法，使得任何分類都非常困難。因此，在某些情況下，不可能對所有相關屬性進行定量評估。在這種情況下，唯一可能的前進方向可能是執行主觀圖像質量實驗，以獲得整體圖像質量的量化。

已經有很多國際標準定義了圖像質量的含義和評測。國際電信聯盟電信標準化部門發布了幾項感知視頻質量標準：ITU-T P.800，ITU-T Rec. BT.500-11和ITU-T Rec. P.910，特別P.910。ISO標準專門為數碼相機的特定功能定義了幾種客觀和感知的圖像質量方法。例如，這些方法被定義為色彩保真度，噪音和解析度等特徵。在後面的一系列文章中會具體講解這些項目以及測試方法。

可以說，劃分成主觀和客觀的圖像質量方法已被廣泛接受。顯然，感知或主觀圖像質量是應該追求的目標，因為最終，消費者相機圖像由人類視覺系統來判斷。有幾種方法來衡量主觀質量。一種方法是測量客觀指標，然後將結果轉換為感知指標（Keelan 2002）；可以使用一組觀察員對圖像進行評分（ITU-T P.910）。此外，圖像質量評估可以模仿人類視覺系統並對圖像進行相應評估（Wang和Bovik 2006）。最後，如果無參考感知質量方法在某一天可靠地工作，它可能會取代所有現有的方法。

所有的方法都有優點和缺點。客觀測量更容易製作，成本更低，因為它們可以自動化至少達到某種程度，但即使使用轉換演算法，它們也不會與感知圖像質量完全相關。主觀測量絕對是感知測量，但是它們昂貴且耗時，並且測量的可靠性取決於觀察者。在Winklers的書中可以找到主觀測量的可靠性問題的一個很好的例子數字視頻質量——視覺模型和指標：視頻質量專家組（VQEG）進行了幾項研究，以找到衡量主觀視頻質量的最佳指標。這些方法在幾個實驗室在相同環境中的合作下進行了測試。最後，當評估結果時，有人指出實驗室之間的測試結果差異很大（Winkler 2005）。

而且，主觀測試總是存在一個稱為人類的變數，可能會扭曲測試結果。儘管找一大群觀察者應該會減少個體的影響，但一些集體現象仍然會發生。一個可能影響主觀圖像質量測試的因素的例子可以在Current Biology的一篇文章中找到，其中指出人類色彩感知可能在季節之間變化（Welbourne等人，2015），這種現象可能會改變主觀圖像質量測量的結果。所以通常我夏天的時候把電腦桌面換成冷色調的，冬天的時候換成暖色調的，這樣看起來更加舒服一點，不知道你是不是也這樣？ (?????)

冬天的桌面 夏天的桌面