图像质量评估(8) -- 低光(Low Light)

        低光性能(低光表现)被定义为相机所抓取的图片仍然能保持可接受的图像质量的最低光照水平。一些使用小型传感器的相机比如手机里的相机,常常会有低光性能问题。过去测量低光性能通常来说有不一致或不合逻辑的测试步骤(比如0 lux的灵敏度)等问题。在2018年的时候,ISO标准19093被发布出来,标准概括了用于测试和分析低光性能的测试方法以及规范。低光测试如今在整个相机质量评估中已成为了一个核心指标。

测量低光

        在2018年标准被发布前,几乎没有统一的测试方法来测量低光性能,已有方法也没有提供准确的评估。标准中的描述的测试方法使用了一个多功能的测试图卡。

        TC42工作组和图像工程图卡生产组合作,创造出了TE420-LL多功能图卡。图卡本身包含了用来测量低光性能的至关重要的图像质量测试结构。

 ISO 19093标准,TE42-LL测试图卡

        低光评估的第一步是确保测试卡有均匀的照明。由于低光测试分析天然就需要较低的光照,使用一个可以调节不同光照级别的光源是必不可少的条件。目前来自Image-Engineering的iQ-Flatlight是能够在需求的强度级别下提供宽光谱范围的唯一商用的照明系统。

        设置了照明后,ISO 19093所描述的下一个步骤是使用明亮的光照条件(> 1000 lux)来拍摄参考图像。从这个光照条件开始,光照水平应该一步步降低,在每一种光照水平下去拍摄一副图像。最后一步是评估被拍摄的图片,评估包含了所有必要的图像质量指标例如纹理,颜色,噪声等。

        所有图像质量因子都能够维持在所要求的阈值之上的最低光照级别被报告为被测相机的低光性能。

 低光测试中的不同光照水平

        被确定的图像质量因子有:

  •         曝光时间,确保图像不会因为手部抖动造成模糊。
  •         曝光级别,有些时候图像会欠曝,以便维持低曝光时间、隐藏大量噪声。
  •         由于降噪被应用到了处于高信号放大级别的图像,可能造成 纹理(低对比度细节)丢失。
  •         由于降噪只在颜色通道上处理,可能会有肉眼可见的色度降低。

        下面的表格展示了一个低光性能测量的结果样例。相机的低光新能是3 lux,因为在表格中,低于3 lux的时候,图像质量因子有灰色的结果(绿色表示处于阈值之上、灰色表示处于阈值以下)。

可接受的特定性能指标通过绿色高亮标注

        这些阈值仅仅是为了举例所用,ISO 19093 并没有定义一个单独的阈值集合。它只描述了过程,用户能够根据相机的应用来设置他们的阈值。目前也存在某些组织定义了特定应用下的相机的阈值集合。例如用于手机分析的VCX工作组就正工作在用于评估手机低光能力的想要去发布的集合上。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Zero-reference deep curve estimation for low-light image enhancement代码(简称“ZR-DC”代码)是一项用于低光图像增强的计算机视觉技术。它是一种基于图像曲线估计的方法,通过在零参考条件下学习图像曲线,在不使用其他图像参考的情况下实现低光图像增强。这项技术是一种“无参考”方法,意味着它不需要额外的输入,而是直接从输入的低光图像中学习并生成增强后的图像。 具体来说,ZR-DC代码通过使用学习的图像曲线来计算图像的对数域,并将其映射回原始像素空间进行增强。在训练中,ZR-DC代码通过使用大量的低光图像和它们对应的增强图像进行训练。最终生成的模型可以用于增强各种低光图像,包括对比度、暗影和失真等。 该代码是基于深度学习框架PyTorch实现的,包括网络的训练和测试代码。它还提供了一些实用工具,如数据加载器、图像可视化和性能评估工具。该代码已在多个数据集上进行了测试,包括LOL、SID和NPE等,结果表明,它比其他最先进的技术具有更好的性能。此外,该代码还可以应用于实际场景中的图像增强和视频增强等。 总之,ZR-DC代码是一种基于图像曲线估计的低光图像增强方法,它使用深度学习技术从零参考条件下学习图像曲线,并可生成高质量增强图像。该代码具有良好的可扩展性和实用性,可以应用于多种场景下的低光图像增强问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

亦枫Leonlew

希望这篇文章能帮到你

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值