|
6.源文件，注意你需要什么
近来，人们很关注将获得的数字图像保存为源文件。专业摄影师可以使用源文件避免相机制造商在相机内部所做的图像处理，比如说信号量化等。其他人使用源文件是为了得到一个开放的源图像文件格式，可以延长存档的数字内容的使用期限。然而，在接受这种数据采集方法之前，我们应该考虑包含在这种文件中的数据的意义。通过追踪彩色图像数据从物体到数字图像文件的情况，即图6的轮廓，我们能够做到这些。 第一步是用光学器件采集物体反射或透射的光，并用传感器检测。针对传感器自身的缺陷和曝光不一致的现象，我们需要对测得的数据进行处理。如果成像器件使用一个彩色滤波阵列，结果就是产生一个对应于重复的空间模式(如R、G、B信号)的单值矩阵。这些元数据形成了“原始的”记录图像的第一种形式：校正后的原始CFA数据。 传统处理路径的下一步是产生一个完全填充的三色图像阵列，此处就可以应用旨在减少方块效应的算法了。去马赛克操作是单记录阵列向“原始的”经过插值的R、G、B数据设置的一种插值操作。 再下一步通常是白平衡和矩阵的色彩校正操作，其结果是和色彩编码有关的图像数据集。这种源图像数据用于存档是最有用的。但是请注意，这还不是目前大多数图像交付的形式。 图像处理链条中的最后一步通常是用于显示的渲染操作。其结果是涉及色彩编码输出的最终图像数据阵列。这一步是一个简单的色彩空间转换，但它同样可以包含色域映射和颜色偏好的选择。 虽然上述步骤在彩色图像采集系统中很常见，但具体的实施细节会有所不同。理解源图像的信号(色彩)编码和就某一个特定的文件格式达成一致是同样重要的。 7.保持中性灰平衡 很多关于成像性能、彩色图像质量和图像处理的技术出版物都提到了硬件和软件元素的设计，而没有注意系统控制和维护。因为此处重点推荐的是评价和维护成像性能的方法，所以我们建议使用一个简单的测试方法来检测成像性能发生变化的原因。 一旦安装好图像采集系统并确定了其目标或可接受性能，那么对中性阶调响应曲线，即光电转换函数(OECF)的常规测量便可以用来评价其性能偏差。它是通过在测试目标中放置一系列灰梯尺来完成的，如图7所示。 图8显示了对数码相机的测量结果。其目标响应结果是，等量的R、G、B分量产生不同的中性灰。请注意，获得的图像文件中有一个R分量，中间阶调较高的R色信号水平就表明了这一点。虽然这一实验不能区分影响阶调和颜色复制的所有因素，但它的确为成像性能检测提供了一个简单的指示器。 8.数码相机不能制造颜色 对于数字图像转换方案来说，要求有一种方法来测量色彩或颜色复制的精确性。这看起来比较简单——我们都知道用CIE ΔEab值衡量色差。然而，数字图像及其像素值不是物理度量单位，也不是颜色三刺激值。就取景或图像输入的物理特性而言，只有在解释这些值及其可变性时，我们才可以把颜色的精确性测量归因于图像采集过程。 若在显示器上显示一幅图像，或评价图像采集系统的精确性，那么第一步是解读数字信号编码。目前在色彩管理系统中，它可以使用ICC色彩特性文件(规定了数字图像的意图编码)来完成。开放和封闭的色彩成像系统为色彩交流提供了有利条件。然而，目前那些放在网站上参与交流的数字图像，大多数都没有经过色彩管理。用户软件认为颜色编码是图像显示的一部分，因此sRGB可能是传递的图像内容中最常见的解释。 如果解读颜色编码是确定图像采集的精确性的第一步，那么如何测量成像性能呢?取景过程中有的参考物体非常有用，不管它们属于图像层次还是设备层次。图7是一幅带有图像层次测试目标的实例图像，其中包含评价成像性能的若干要素。 测试目标的要素可用来评价成像性能变量。其中，彩色图像捕捉是以图9所示的色度解释为基础的。第一步是确定数字图像的感兴趣区域(ROIs)，它对应具体的目标要素。第二步，根据这些区域的像素值可估计对应的统计数据。这样就能计算出每个色块的R、G、B平均值。然后，用指定或假设的图像颜色编码将这些数据转换成第三步CIELAB坐标的等价值。 之后，测试值可以和下一步中的CIELAB目标坐标值进行比较。常用的色差公式有ΔEab或ΔE00(即CIE ΔE2000)等。 9.同时考虑图像的内部和外部变化 考察成像性能随时间变化而变化的情况，以及连续图像文件之间的成像性能是很必要的。这不仅与日常的生产质量管理实践一致，而且在通过采集到的信号绘制图片时，这些区别很明显。根据定期的图像评价得到的结果，可以作为重要测量方法的控制图。 此外，我们经常透过数字图像观察不可忽视的图像变量。可以翻拍的相机通常会出现变量，从图像中央到边缘的信号均匀度、清晰度和空间(桶形或针垫)失真。使用数码相机时可以通过图像处理补偿光学失真。但这种校正会使得数字图像校正方案取景的(重新)采样不均匀。或者，我们可以把相机镜头想像成传感器上有一个可变光学放大器件(从物体到图像)。其解决方案是，以一种补偿不均匀的采样方式来重新采集图像阵列。但重新采样需要插值计算，因此会造成部分空间图像细节的损失。 为模拟这一效果，将扫描过的图像边缘放在位于图像中央和角落的较大的数字图像阵列中，如图10所示。软件中引入了桶形失真，其中在角落处有5%的有效光学失真。然后，使用同一软件校正失真图像，将第一次操作反转。因为原始边缘和校正边缘都是连续的，所以二者最根本的不同是由双线性插值的图像重新采样引起的。图像细节的损失在图像角落处较大，如图11的一个较低的SFR值所示。因此，SFR结果预测，校正后的图像在角落处比中央处的清晰度低。 因为相机的硬件组成会引起变化，所以评价整个图像的成像性能是很重要的。图像处理可以解决一些问题，但要留意如模糊、图像噪声或外形修整等连锁效应。 10.标准是评价成像性能要依靠的资本 直到1995年前后，在音像行业约定俗成的标准中，成像标准在很大程度上取决于少数控制图像捕捉和印刷的公司。不同制造商的影片都有互通性，成像过程、印刷过程、成像性能一般比较稳定，并且容易理解。各方的成像和交流语言是一致的。通过应用这些标准，人们可以保持物体和图像之间的联系。例如，基于为捕捉图像而采用的曝光、分辨率和影片处理的标准性能方法，人们可以放心评价文件的光学起源。这个标准和可行的技术数据为维持图像的成像性能提供了一个共同语言。 20世纪90年代中期，随着数字成像技术的发展和完善，出现了一些针对图像性能的数字成像标准。这使得人们开始用各种各样的标准评价成像分辨率、颜色和图像噪声，而不是根据已经核实的标准。例如，按照每英寸的像素数进行采样并不能区分真正的光学分辨率。阶调和颜色复制方法完全基于编码值，而不是这些值和源文件本身的物理特性的关系。实际上，若伽玛值用于此目的，那么其行为往往不遵循公认的准则。其动态范围是典型的按照信号编码，而不是基于适当的信号和噪声的度量法进行定义。 在过去的10年里，专门从事成像的技术人员为电子成像性能和质量开发了很多国际标准。正如McDowell在他的概述文章里所提到的，在使不同成像团体利益一致的合作协议的发展过程中，这些标准更大的优势是作为有价值的资源。这对于文化的传承尤其重要，没有一个单独的机构在促进或号令形成更大的社团方面比其更有影响力了。 这些标准的好处体现在改进过程控制、正确选择技术和降低成本等方面。常规性能评价使用国际标准允许的工具，为日常工作流监测提供了方法。若需求超过目前制定的标准，那么它们可以作为图书馆和博物馆修改方法的起点，如目前的一些其他应用。 如果计算的目的只是作为了解，那么它可为评价数字成像性能所采用的技术服务。为此，上述建议和意见旨在为那些寻求维持或改进数字图像采集的人提供技术指导。 以上内容节选自科印传媒《数码印刷》2009年第11期，更多期刊内容请关注期刊频道 |
