《数字视频和高清:算法和接口》一第3章 线性光和感知均匀性

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3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3章

线性光和感知均匀性

每一个灰度图像的像素值代表了广义上的明亮度。然而明亮度是根据该区域散发光的多少被正式定义为视觉感官的属性。这种定义显然是很主观的:明亮度不能被测量,因此不能作为数据图像的度量。而且,根据色彩表现理论,明亮度没有最大值:明亮度跟任何值没有关系。
光强(intensity)是某个方向上的辐射功率,也就是每单位立体角的功率[W·sr-2]; 辐射(radiance)是指每单位投影面积的光强度。这些术语都忽略了波长因素,但是在彩色图像中,波长是非常重要的!这些都不适合作为彩色图像数据的度量单位。
参阅附录B有关于辐射度和光度的介绍。声音强度与光强在概念上有很大的不同。
照度是指光中与视觉明度感知相关的光谱灵敏度的加权值,照度与光强度成正比;在SI系统中,它代表了每平方米的坎德拉量[cd·m-2],通常称为nit[nt],图像系统中很少采用正比于照度的像素值,而经常采用与照度非线性相关的数值。
照度描述了落在物体上的光,从技术上讲,是集成在一个半球上的照度。
明度是被CIE定义为某个区域的明亮程度,与被照亮区域的明度相似,其表现为白色或者强放射性。纯化论者可能会说这个判定方法太主观了。然而,客观量L定义为相对照度感观反应的标准估计。它是用相对照度的非线性特征方程模拟在特定情况下的视觉反应来计算的。一些灰度级成像系统中有正比于L的像素值。
测量明度的值大致相当于CIE L(通常在0~10,不是100)。在图像科学领域,与标准图像一致的情况很少。
遗憾的是,有很多从事于数字图像处理和计算机图形处理的人都对这些条款视而不见。在HSB, HSI, HSL和HSV系统中B代表着明亮度(brightness),I代表着强度(intensity),L代表着明度(lightness),V代表着数值;然而,这里没有一个与色彩科学领域公认的明亮度、强度、照度或者数值相关。
彩色图像是以三基色值来感应和传播的,它的幅度正比于强度,其光谱成分是根据彩色图像领域精心挑选的。相对照度可以看做是一个非常有用的三基色值,除了那些特点,三基色值是以三个为一组的。
数码相机传感器产生的值,正比于辐射强度,接近于红绿蓝(RGB)三色值。我们把这些值称为线性光。然而,在大部分成像系统,RGB三色值采用非线性编码——伽马修正——来模仿人类的视觉系统。大部分图像编码系统使用的R′G′B′值并不正比于强度,在这里的标记符号表示施加的感知驱动的非线性参数。
亮度信号(“Y′”)是R′G′B′的加权和,它是视频、 MPEG、JPEG和类似图像编码系统的亮度/色彩差分编码的基础。在视频中,伽马修正中的非线性变换形成R′G′B′分量随后融入到亮度和色度(Y′CBCR)分量中。

相关文章
|
1月前
|
算法
基于多路径路由的全局感知网络流量分配优化算法matlab仿真
本文提出一种全局感知网络流量分配优化算法,针对现代网络中多路径路由的需求,旨在均衡分配流量、减轻拥塞并提升吞吐量。算法基于网络模型G(N, M),包含N节点与M连接,并考虑K种不同优先级的流量。通过迭代调整每种流量在各路径上的分配比例,依据带宽利用率um=Σ(xm,k * dk) / cm来优化网络性能,确保高优先级流量的有效传输同时最大化利用网络资源。算法设定收敛条件以避免陷入局部最优解。
|
1月前
|
算法 5G vr&ar
基于1bitDAC的MU-MIMO的非线性预编码算法matlab性能仿真
在现代无线通信中,1-bit DAC的非线性预编码技术应用于MU-MIMO系统,旨在降低成本与能耗。本文采用MATLAB 2022a版本,深入探讨此技术,并通过算法运行效果图展示性能。核心代码支持中文注释与操作指导。理论部分包括信号量化、符号最大化准则,并对比ZF、WF、MRT及ADMM等算法,揭示了在1-bit量化条件下如何优化预编码以提升系统性能。
|
3月前
|
存储 算法 NoSQL
数据结构和算法——哈希查找冲突处理方法(开放地址法-线性探测、平方探测、双散列探测、再散列,分离链接法)
数据结构和算法——哈希查找冲突处理方法(开放地址法-线性探测、平方探测、双散列探测、再散列,分离链接法)
75 1
|
3月前
|
存储 算法 Java
Java数据结构与算法:线性数据结构之数组
Java数据结构与算法:线性数据结构之数组
|
3月前
|
存储 算法
数据结构和算法学习记录——特殊线性表之队列-队列的概念、队列结构体类型定义 、基本接口函数、初始化函数、销毁队列函数、入队列函数、判断队列是否为空、出队列函数、读取队头队尾的数据 、计算队列数据个数
数据结构和算法学习记录——特殊线性表之队列-队列的概念、队列结构体类型定义 、基本接口函数、初始化函数、销毁队列函数、入队列函数、判断队列是否为空、出队列函数、读取队头队尾的数据 、计算队列数据个数
28 0
|
3月前
|
算法
数据结构和算法学习记录——特殊线性表之栈(上)-栈的概念、栈的结构、链式栈数组栈、栈的结构体定义、栈的基本接口函数、栈顶初始化函数
数据结构和算法学习记录——特殊线性表之栈(上)-栈的概念、栈的结构、链式栈数组栈、栈的结构体定义、栈的基本接口函数、栈顶初始化函数
25 0
|
3月前
|
算法
数据结构和算法学习记录——复习静态顺序表的两个接口函数(在指定位置插入数据,在指定位置删除数据)
数据结构和算法学习记录——复习静态顺序表的两个接口函数(在指定位置插入数据,在指定位置删除数据)
18 0
|
3月前
|
存储 算法
数据结构和算法学习记录——线性表之顺序表(顺序表概念、结构、顺序表接口函数-头插头删、尾插尾删)
数据结构和算法学习记录——线性表之顺序表(顺序表概念、结构、顺序表接口函数-头插头删、尾插尾删)
18 0
|
14天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
|
14天前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。