《数字视频和高清:算法和接口》一第2章 图像的采样和显示

简介: 本节书摘来华章计算机《数字视频和高清:算法和接口》一书中的第2章 , [加]查尔斯·波因顿(Charles Poynton)著 刘开华 褚晶辉 马永涛 吕卫 宫霄霖 等译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。

第2章

图像的采样和显示

数字图像的基本概念总结如图2-1所示。图像数据是经过捕获,处理或者是记录,然后呈现给观众的,图2-1进行了大概的描述,稍后将进行详细的展开,图像的显示结果是由显示和观察条件决定的。观看图片的条件通常是不同于场景捕获的时候,如果这些条件不同,必须施加图像渲染,获取图片的可信的映射,以达到对场外观众真实的显示(而不是它的物理激励)。

2017_09_20_154349

图2-1显示了图像获取过程,通过照相机获取图片,照相机通过获取场景的光亮,将光亮转换为信号,在大多数照相机中执行特定的图像处理操作。然后信号被记录,进一步处理或者发行。最后,该信号在显示装备中被转换为光。所显示图像的表现状况依靠显示条件(比如说峰值照度);观看条件(比如说显示器周围的环境)和显示器,以及它的配置(比如说对比度)的共同影响。有时候场景比所显示的图像更加明亮:在白天获取场景的亮度白色值为30 000cd·m-2,但是摄影棚产生的亮度白色值仅仅为100cd·m-2。通常成像目标与场景的物理激励不匹配(比如说,白天的照度等级),而与观众对场景的期望相契合。产生一个场景匹配要求施加一个不一般的映射——称为图像渲染——映射场景照度到显示照度。
在阳光明媚的中午观察花园里的花朵,日落半个小时后观察同样的花园。物理上讲,除了有较低的照度水平,花的光谱没有任何变化。然而,花朵在日落之后明显不再那么的丰富多彩:照度减弱,色彩也会衰退,这是以著名色彩科学家亨特(R.W.G. Hunt)命名的亨特效果。图像通常是显示原场景的一小部分,或许图像照度只是采样时照度的百分之一或者千分之一。如果呈现图像的照度正比于场景的照度,展现的图片与原来的场景相比色彩度会减小,对比度会降低。
为了使呈现的对比度和色彩与原来的场景相媲美,我们必须改变图像的特性。科学家和物理学家在成像系统中努力实现数学上的线性变换,然而要求的变化引起显示相对照度不同于原来场景照度的比例。困境是这样的:我们可以实现数学上的线性度,或者实现正确的外观,但是我们不能同时实现二者!成功的商品成像系统是以牺牲数学运算来达到正确的感知结果的。

相关文章
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
277 0
|
4月前
|
编解码 算法
改进SIFT算法实现光学图像和SAR图像配准
改进SIFT算法实现光学图像和SAR图像配准
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
189 8
|
3月前
|
存储 监控 算法
基于文化优化算法图像量化(Matlab代码实现)
基于文化优化算法图像量化(Matlab代码实现)
120 1
|
3月前
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
103 1
|
3月前
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
3月前
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
183 0
|
3月前
|
机器学习/深度学习 监控 并行计算
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
387 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
213 2
|
3月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
226 3

热门文章

最新文章