所有关于电路
技术文章

了解数字图像中的对比度,直方图和标准偏差

2020年9月28日通过罗伯特Keim

统计技术可以帮助我们分析图像中明暗色调的分布。

最近,我已经写了关于图像传感器的文章(从这个开始图像传感器技术系列的第一篇文章)和统计(我开始了电气工程统计分析概论)。我突然想到,我想写一篇关于一个有趣的主题的文章,利用数字成像和统计分析——即视觉对比。

对比是什么?

亮度和对比度是灰度或彩色照片的两个最基本的特征。亮度很简单:它描述了图像的整体亮度或暗度。另一方面,对比要复杂得多。

对比可能更容易证明而不是解释,因此让我们开始使用一些图像讨论:

低、中、高对比度

低对比度(左),中对比度(中心)和相同照片的高对比度(右)版本。

中间的图像是直接从扫描的底片上得到的,我对其他图像做的唯一修改就是增加或减少对比度。

我认为这款三人的照片有助于在日常图像的背景下传达对比的细节和细微差别。I could create high- and low-contrast versions that are taken to the extreme—i.e., one with contrast increased to the point where almost all of the pixels are completely black or completely white and the other with contrast so low that everything is washed out grayness. However, contrast doesn’t work that way when we’re trying to produce a realistic, visually pleasing image.

定义对比度的标准方法是图像中更亮和更暗的音调之间的差异程度。在这种情况下,“音调”基本上是“亮度”的同义词,但内涵略有不同:亮度可能被解释为数值强度(用于数字数据)或测量的密度(对于胶片),而使用“音”字也是唤起人类在图像中感知或响应亮度(和黑暗)的方式。

我对“差异程度”的定义不是很满意,因为对比度不仅仅是一个单独的数字,它指定了图像中的灰度分布或压缩的程度。

对比度可以以不同的方式操纵。因此,我建议对比度更充分,尽管可能更为奢侈,但是被定义为图像中的灰度水平的分布,因为这个分布影响更轻和更暗的音调之间的差异。

对比度和图像直方图

图像处理广泛使用称为直方图的统计图。与A.直方图,我们可以直观地指定1)图像中的值(或任何其他数据集中的值)和2)这些值出现的频率。

直方图以一种信息非常丰富的方式组织和呈现像素值,它们通常作为图像整体评估的必要补充。标准直方图的像素值随水平轴从左向右移动而增加。

直方图为我们提供了关于图像对比度的清晰信息,而且我们还可以使用直方图中的变化来更好地理解以某种方式修改对比度的效果。下面我复制了上面的三张照片,每一张都有它的直方图。

随着对比度的增加,像素值向直方图的左边或右边移动得更远。在一张像这样的图片中,它强调了暗色调和浅色调,中间色调像素相对较少,增加对比度使分布更加双峰化:两个峰被移得更远,峰之间的“山谷”变得更加明显。

在强调中间色调的图像中,效果有些不同。例如:


在这里,中等对比度的图像在像素值范围的中间有一个主要的峰值。如果我们降低对比度,更多的像素会集中在这个主要的峰值上。如果我们增加对比度,我们在范围内创建一个更均匀的像素分布,次级峰变得更突出。

对比度和标准偏差

标准差是其中最重要的一个描述性统计措施,它在我的文章中详细解释了平均偏差,标准偏差和方差。底线是这样的:标准偏差传达了数据集中的值偏离平均值的趋势。

上面显示的直方图报告了标准偏差(以及卑鄙和中位数)。注意到标准差随着对比度的增加而增加,这一点很有趣,但并不奇怪:当我们向图像添加更多的对比度时,我们将直方图展开,这样数据集的总体趋势是单个像素值和它们的均值之间有更大的距离。

实际上,报告图像中的像素值的标准偏差是量化对比的一种方式。这称为RMS(根均方)对比度因为计算标准差是一个均方根的过程

结论

我希望你喜欢这个视觉对比的概念和统计探索。在以后的文章中,我们将继续讨论变换函数及其对数字图像对比度的影响。