Courbes de préférence ISO
Qu'est-ce que le contouring?
Lorsque nous réduisons le nombre de niveaux de gris dans une image, certaines fausses couleurs ou contours commencent à apparaître sur une image. Cela a été montré dans notre dernier tutoriel de quantification.
Jetons un coup d'œil.
Considérez que nous avons une image de 8 bpp (une image en niveaux de gris) avec 256 nuances différentes de niveaux de gris ou de gris.
Cette image ci-dessus a 256 nuances de gris différentes. Maintenant, lorsque nous la réduisons à 128 et la réduisons encore à 64, l'image est plus ou moins la même. Mais quand on le réduit encore à 32 niveaux différents, on obtient une image comme celle-ci
Si vous regardez de plus près, vous constaterez que les effets commencent à apparaître sur l'image. Ces effets sont plus visibles lorsque nous la réduisons encore à 16 niveaux et que nous obtenons une image comme celle-ci.
Ces lignes, qui commencent à apparaître sur cette image, sont appelées contours qui sont très visibles dans l'image ci-dessus.
Augmentation et diminution du contouring
L'effet du contour augmente à mesure que nous réduisons le nombre de niveaux de gris et l'effet diminue lorsque nous augmentons le nombre de niveaux de gris. Ils sont tous les deux vice versa
CONTRE
Cela signifie plus de quantification, aura un effet sur plus de contournage et vice versa. Mais est-ce toujours le cas? La réponse est non. Cela dépend de quelque chose d'autre qui est discuté ci-dessous.
Courbes d'isopréférence
Une étude menée sur cet effet du niveau de gris et des contours, et les résultats ont été présentés dans le graphique sous forme de courbes, appelées courbes de préférence Iso.
Le phénomène des courbes d'isopréférence montre que l'effet du contournage dépend non seulement de la diminution de la résolution du niveau de gris mais aussi du détail de l'image.
L'essence de l'étude est:
Si une image a plus de détails, l'effet de contournage commencera à apparaître sur cette image plus tard, par rapport à une image qui a moins de détails, lorsque les niveaux de gris sont quantifiés.
Selon la recherche originale, les chercheurs ont pris ces trois images et elles font varier la résolution du niveau de gris, dans les trois images.
Les images étaient
Niveau de détail
La première image n'a qu'un visage, et donc très moins de détails. La deuxième image a également d'autres objets dans l'image, tels que le caméraman, son appareil photo, son support de caméra et des objets d'arrière-plan, etc. Alors que la troisième image a plus de détails que toutes les autres images.
Expérience
La résolution du niveau de gris variait dans toutes les images et le public a été invité à évaluer ces trois images de manière subjective. Après la notation, un graphique a été dessiné en fonction des résultats.
Résultat
Le résultat a été dessiné sur le graphique. Chaque courbe du graphique représente une image. Les valeurs sur l'axe x représentent le nombre de niveaux de gris et les valeurs sur l'axe y représentent les bits par pixel (k).
Le graphique a été présenté ci-dessous.
D'après ce graphique, on peut voir que la première image qui était de visage, a été soumise à un contouring précoce puis toutes les deux autres images. La deuxième image, celle du caméraman, a été soumise à un contouring un peu après la première image lorsque ses niveaux de gris sont réduits. C'est parce qu'il a plus de détails que la première image. Et la troisième image a beaucoup fait l'objet de contournages après les deux premières images c'est à dire: après 4 bpp. C'est parce que cette image a plus de détails.
Conclusion
Ainsi pour des images plus détaillées, les courbes d'isopréférence deviennent de plus en plus verticales. Cela signifie également que pour une image avec une grande quantité de détails, très peu de niveaux de gris sont nécessaires.