噪音:SNR與視覺噪音
分辨率測試卡的噪聲是圖像質量評估的重要參數。作為每個像素的隨機信號變化,噪聲源于光的物理特性(光子射擊噪聲)和傳感器的技術限制(暗電流和讀取噪聲)。
描述噪聲的一種非常常見的方法是將其報告為信噪比(SNR)。要測量成像設備的SNR,您可以遵循ISO 15739標準。
SNR越高,我們在圖像中發現的噪聲越少。
這可能是故事的結尾,但遺憾的是,SNR并沒有很好地反映出來:
觀察者在圖像中實際看到了多少噪音?
我們從1997年開始測試數碼相機,并且長時間使用SNR作為噪聲的測量。五年多以前,我們已經看到了這樣的影響,即SNR測量的結果不再反映觀察者的經驗。因此,相機具有相似的SNR值,但噪聲的外觀不同。并且相同的噪聲外觀可能導致不同的SNR值。
對于這篇文章,我們準備了三個樣本圖像,1x,2x和4x來說明問題:
想象一下,這些圖像應該是均勻的,但會顯示出一些噪音。如果您遠離屏幕,您可以看到所有三個圖像具有相同的平均值并且看起來均勻。
如果您靠近屏幕,很明顯您可以在圖像4x中看到比圖像1x更多的“噪點”。
如果我們測量SNR,我們會看到所有圖像具有相同的平均值,所有像素值的標準偏差相同,因此信噪比相同。
該樣本顯示SNR僅反映噪聲總量,但未描述人類觀察者實際感知噪聲的方式。
視覺噪音
因此,為了描述人類觀察者在圖像中實際看到多少噪聲,以及這是否令人不安,我們不使用SNR。相反,我們使用稱為視覺噪聲的測量。
ISO 15739中描述了測量視覺噪聲的算法和程序,并且從標準的規范部分轉移到信息附件到2013年的標準修訂版。
可視噪聲值易于理解:值越高,觀察者將看到的噪聲越多。SNR和VN之間的主要區別在于,VN將根據可見性對噪聲進行加權。噪聲測量不會考慮無論如何都看不到的噪聲。
我們如何知道觀察者可以看到哪種噪聲?
可以模擬人類視覺系統對空間頻率的響應。對比靈敏度函數(CSF)與觀察條件的假設允許我們計算噪聲頻譜的不同部分的重要性。因此,從上面的示例:圖像1x將在高空間頻率中具有其大部分“噪聲”,其在CSF中具有低響應。圖像4x在較低的空間頻率中具有大部分“噪聲”,根據CSF可以很好地