主頁（http://www.by236.com）：安防監控系統的圖像質量檢測 【中國集群通信網】隨著市場的發展，技術的進步，IP Camera的性能也逐步提升，其優勢是家喻戶曉。如何有效的檢測IP Camera的最終圖像質量效果呢?目前對圖像質量的檢測分兩類：主觀評價和客觀評價。 主觀評價方面，大家可以參考ITU-RBT.500-7標準所定義的兩種主觀評價方法。 1、雙刺激連續質量分級法 測試方法： ·將待評估的影像和相應的參考影像交替播放給評估者看，每個影像持續時間為10s; ·每個相同的影像片段之后有2秒的灰畫面間隔，評估者可在此期間打分。當所有測試影像片段進行評測完畢后，對所得數據進行平均運算，這個平均值作為該影像的評價分。 2、單刺激連續質量評價方法 測試方法： ·將待評估的影像播放給評估者看; ·評估者評價時間約30秒，在此其間由評估者根據自己的判斷給出影像的評價分。 客觀評價方面，ITU-RVQEG提出了一些評價方法，其中有：峰值信噪比(PSNR)和均方差(MSE)。這些方法主要是用作圖像壓縮等領域中信號重建質量的測量方法以及噪音評價。如MediaOptimacy軟件在此方面的評測較為齊全，它具有對影像的圖像跳躍、塊效應、模糊度等方面進行評價。
在色彩還原，白平衡，自動曝光收斂性能，圖像均勻性，動態范圍，分辨率等圖像質量方面測試又該如何進行評測呢? 1、色彩還原方面 ·測試圖：采用GretagMacbeth 的ColorChecker card或DNP的Color bar; ·測試方法：在標準光源箱，對測試圖進行攝影; ·評價方法：在Lab表色系統里，使用色差計算公式 dE =( dL^2 + da^2 + db^2 )^(1/2) 計算出每個實際色塊與標準色塊的差距，以此值判斷色彩的偏差。 其中， dE：表示色差，該數值越大，表明色彩偏差越大; dL：亮度差，即待測色塊與標準色塊之間的亮度差; da,db：色度差，既待測色塊與標準色塊之間在Lab表色系統里的ab坐標系統的色度差。
2、白平衡方面 ·原理：我們知道當U和V為0的時候，只有亮度信號，即不存在色偏問題。利用該原理與RGB轉換YUV公式可以推導出U=V=0時，R=G=B，既R/G = B/G = 1; ·測試圖：使用GretagMacbeth的ColorChecker中的灰階色塊數據或DNP光箱; ·測試方法：對準上述測試圖或光箱，進行攝影; ·評價方法：依據原理中所推導出的RG = R/G 和 BG = B/G公式進行計算，RG和BG越小越表明圖像色偏小，白平衡越準確。 3、自動曝光收斂性能方面 ·測試設備：使用LSB-111可變色溫光源箱設備，該設備可以提供光亮度在LV3-LV16@STEP:0.1Lv。因設備的極限，我們可以在LV3的環境下增加ND filter(Neutral density filter中性濾光片)，以此獲取小于LV3的光亮度; ·測試方法：首先將IP Camera放在光源設備前，然后調整光源到指定LV;接著進行攝影。再接著分析當前影像上的亮度數值，并做記錄，這樣我們就可以得到一個環境亮度LV與影像亮度Y的表格。最后通過以下評價方式進行評價; ·評價方法：在YUV表色系統里，我們可以根據Y= 0.3×R+0.6G+0.1B的計算公式計算出每一幀圖像的亮度。由此我們就可以獲取到一個由環境亮度與圖像亮度結合的數據表格。利用公式std = (∑(Y0-Yi)^2/∑)^(1/2)，其中Y0為所有圖像亮度的平均值;Yi表示第i環境亮度所對應的圖像亮度;求得圖像亮度在環境亮度變化過程中std值，這個數值越小，表明曝光收斂性能越好。 4、圖像亮度均勻性方面 ·測試設備：使用DNP光箱; ·測試方法：在DNP光箱處進行影像，并分析影像數據; ·評價方法：在YUV表色系統里，分析影像中每一幀的四角和正中央區域的亮度Y數據，其公式為Uniformity = min(Y1,Y2,Y3,Y4,Y0)/Y0×100%。 其中 Y0：圖像中央區域平均亮度; Y1，Y2，Y3，Y4：圖像四角亮度。 Uniformity這個數值越大，說明圖像均勻性越好。 5、動態范圍 ·測試圖：參考Kodak Q-13 chart或ISO14524; ·測試方法：在標準光源箱內對準測試圖進行攝影并做分析; ·評價方法：獲取每幀圖像內灰階塊的RGB數據并將數據轉換到YUV表色系統里，這樣我們就可以得相應的灰階塊亮度Y，接著對這些數據進行擬合運算，最后我們就可以得到一條灰階塊與亮度的關系曲線。這條曲線必須是遞減曲線，不能出現倒置現象或出現異常的不平滑曲線。曲線內較為平緩的位置為灰階無法識別位置，以此判斷出可識別灰階的數量，該數量越多越好。 6、分辨率方面 ·測試圖：采用ISO12233或USAF1951; ·測試方法：在標準光源箱內對測試圖進行攝影 ·評價方法：對每幀圖像進行二值化運算，然后使用圖像識別算法找出最小可以識別位置，并標志及獲取相應的分辨率數據。該分辨率數值越高說明分辨率越好; 注意：分辨率不僅與傳感器的像素大小有關系，還與鏡頭及濾光片有關系。所以在開發或測試初期，必須根據傳感器的像素大小找到合適的鏡頭和OLPF(光學低通濾波器)。
以上的這些圖像質量測評方法不僅適合低像素的IP Camera圖像質量評價，也適合目前百萬像素以上的圖像質量評價，尤其是分辨率部分，它在百萬像素的圖像質量評價上起到非常重要的作用。這些評測方法的應用比目前業界內普遍使用的比對法更為科學性和合理性。如可配合現在市場上流行的圖像分析軟件進行量化分析，則工作上更加方便，也提高測評軟件開發速度。比如Imatest軟件，它是行業的佼佼者，它涵蓋了色彩還原、白平衡、動態范圍、均勻性、MTF、SQF、SFR 、雜訊等測試，但目前Imatest只能對靜態圖像進行分析，所以需要用戶使用其提供SDK進行二次開發，對影像中每一幀的數據進行分析評價。 通過以上的評價方法，我們可以得到很多主觀和客觀的評價數據，那么如何整合這些數據并對圖像質量水平進行一個綜合性評價呢?根據現在眾多大學的研究和實際操作情況來看，借助模糊數學中的模糊綜合評價模型，是一個非常科學的，合理的綜合評價方法。該方法的引入，能夠準確判斷出目前圖像質量水平。這個綜合性評價方法也為工程師們提供了一個調試圖像質量的方向，縮短了產品研究及開發周期，其產品更能贏得市場歡迎。
|
