Metriche di Qualità per le immagini digitali_2014

Metriche di Qualità per le
Immagini Digitali
Multimedia
Che cosa è una metrica di qualità?

Una metrica di qualità è un metodo che permette di dare una
valutazione qualitativa di un’immagine. E’ quindi fortemente
legata al modello di percezione del sistema visivo umano.

La valutazione oggettiva della qualità suscita grande
interesse fra i produttori di display per applicazioni mobili e
fisse in quanto le misure soggettive richiedono elevate
risorse umane, tempi lunghi e forniscono scarsa ripetibilità;
tuttavia le metriche oggettive adottate spesso non forniscono
un giudizio concorde con i dati soggettivi e con le reali
preferenze delle persone.
Multimedia
La qualità percepità può essere misurata?
Multimedia
Qualità Assoluta …
La qualità assoluta in quanto tale è un dato oggettivo,
completamente descritto dall’immagine e caratterizzabile
mediante un insieme di attributi dell’immagine, alcuni
semplici, altri composti da sotto–attributi, alcuni misurabili,
altri non misurabili. Fra questi ricordiamo:



il contenuto informativo dell’immagine, comprendente i
soggetti raffigurati e il contesto: naturalmente non risulta
matematicamente misurabile;
la luminosità, forse l’unico attributo semplice e misurabile;
il colore, con i suoi sotto-attributi, quali la saturazione, la
naturalezza, l’omogeneità, lo scolorimento;
Multimedia
Qualità Assoluta …





….
il contrasto, rappresentativo sia del rapporto chiaro/scuro
che delle rappresentazioni di contorni e dettagli;
la nitidezza (“sharpness”), costituita dallo sfocamento
(“blur”), dalle rappresentazioni dei dettagli (“detail
rendering”) e dei contorni (“contour rendering”);
la naturalezza dei contenuti, quali la rettilinearità delle linee
rette (“line straightness”), la curvilinearità delle linee circolari
(“circle rendering”), l’uniformità delle forme;
le distorsioni spaziali (e/o temporali), come il rumore, gli
errori di pixel e di contorni (“silhouettes”).
Multimedia
… e Qualità Percepita
La qualità percepita, è invece un parametro soggettivo, dipendente
oltre che dalle caratteristiche dell’immagine, cioè dai suoi attributi
descrittivi, anche da altri fattori, quali ad esempio:

L’elaborazione effettuata sull’immagine, che potrebbe avere in
qualche modo migliorato o alterato l’immagine secondo il gusto
dell’osservatore umano: le tecniche di compressione e di
decompressione responsabili di artefatti tipici che degradano la
qualità dell’immagine (“blocking” e “ringing”); i filtraggi per la
riduzione del rumore indotto dal canale di trasmissione e gli
algoritmi di “enhancement”, miglioramento, della qualità
(“peaking”); le conversioni di formato, per ottenere
rappresentazioni migliori o far dialogare standard diversi (NTSC
– PAL).
Multimedia
… e Qualità Percepita


Le caratteristiche tecnologiche del display impiegato per la
rappresentazione e del sistema video di uscita, con i vincoli
imposti, quali per esempio: il tipo di schermo, LCD o CRT; le
dimensioni dello schermo; le dimensioni dei pixel; la
risoluzione spaziale; la frequenza di refresh; la memoria
dedicata della scheda grafica; la velocità del bus.
La fisiologia e la cognizione della percezione visiva umana,
comprendente i meccanismi percettivi del sistema visivo,
quali: la percezione della luminosità; la percezione del
contrasto e i fenomeni di mascheramento del contrasto; la
percezione di contorni e orientamenti; la percezione del
colore; la percezione stereo della profondità; la percezione
spazio – temporale della visione.
Multimedia
Dove sta il problema?
Potremmo pensare di confrontare tra loro i pixel corrispondenti di due immagini,
potendo così stabilire se le due immagini sono diverse ma non possiamo dire nulla da
un punto di vista “quantitativo” sulla reale distanza percettiva esistente.
Multimedia
Classificazione delle Metriche
Nello studio delle metriche di qualità è possibile
distinguere le metriche in:
Soggettive
Oggettive
Applicare una metrica soggettiva
vuol
dire
effettuare
una
valutazione dell’immagine che
tenga conto della percezione
soggettiva del sistema visivo
umano (HVS - Human Visual
System).
Applicare una metrica oggettiva vuol
dire mettere in atto una computazione
che, attraverso l’ausilio di formule
matematiche, elabora in maniera
automatica
la
valutazione
di
un’immagine,
senza
alcuna
interazione col sistema visivo umano.
Multimedia
Classificazione delle metriche
Le metriche di qualità possono essere poi classificate in base alla presenza di una maggiore
o minore disponibilità del segnale di riferimento, con il quale confrontare l’immagine
distorta.
FR (Full Reference) è una metrica di qualità nella quale si ha la completa disponibilità
dell’immagine di riferimento e quindi può essere effettuato un confronto completo tra
l’immagine distorta, della quale si vuole conoscere la qualità, e l’immagine di riferimento.
Full Reference
Multimedia
Classificazione delle metriche
NR (No-Reference) è una metrica di qualità nella quale non si ha alcuna informazione
sull’immagine di riferimento. In molte applicazioni video le immagini di riferimento o le
sequenze video, spesso non sono accessibili, quindi è desiderabile, per poter gestire tali
situazioni, utilizzare metriche che possano valutare la qualità di un’immagine o di un
video senza un riferimento.
No Reference
Multimedia
Classificazione delle metriche
RR (Reduced Reference) è una metrica di qualità nella quale l’immagine di
riferimento non è per intero disponibile. In questo caso si estraggono, dall’immagine
originale, solo alcune informazioni parziali che vengono in qualche modo elaborate
per fornire una valutazione della qualità, dell’immagine distorta, presa in esame.
Reduced Reference
Spatial details;
Amount of motion;
EXIF metadata;
…
Multimedia
Metriche oggettive più comuni
MSE: (Mean Square Error) tale parametro serve a stimare
l'errore
medio
quadratico tra due immagini; più tale indice è basso minore è la differenza tra le
immagini.
PSNR: (Peak Signal to NoiseRatio) parametro per misurare la qualità di un immagine
compressa rispetto all'originale, dipende dalla differenza tra l’immagine codificata e
quella originale.. Maggiore è il suo valore maggiore sarà la “somiglianza” con l'originale.
SSIM: (Structural SIMilarity) è un indice restituito da una funzione che misura la
similarità tra due immagini. Poiché l'occhio umano è in grado di estrarre informazioni
strutturali, la perdita di informazioni strutturarli può essere usata per approssimare la
distorsione di un immagine. Tale indice che può variare da -1 a 1.
∆E*a,b CIELAB: Si basa sulla differenza percepita tra colori nello spazio L* a* b*.
Multimedia
PSNR (Peak Signal to Noise Ratio)



È una tecnica di Full reference.
Per calcolarlo è necessario avere sia
l’immagine da valutare che una sua versione
ottimale.
Il PSNR non è il migliore parametro per
valutare la qualità di un algoritmo di
interpolazione, ma è il più diffuso.
Multimedia
Schema per il calcolo del PSNR
in caso di zooming
Multimedia
PSNR: formule
Multimedia
MSE e PSNR
MSE e PSNR sono molto usati perché semplici da calcolare, però
non sempre danno un risultato fedele a quello dato dal sistema
visivo umano. Infatti:



La sensibilità del sistema HVS agli errori può essere diversa per diversi
tipi di errori, e può variare anche in base al contesto visuale. Tale
differenza non può essere colta adeguatamente dall’MSE.
Due immagini distorte possono avere tipi molto diversi di errori pur
avendo lo stesso MSE.
Entrambe le metriche sono fortemente influenzate anche da
“impercettibili” movimenti spaziali (traslazioni,rotazioni, flipping di righe
e/colonne)
Multimedia
PSNR vs MSE
PSNR
MSE
1000
45
MSER
MSEG
900
MSEB
MSE
40
800
700
35
dB
600
500
30
400
25
300
200
20
100
0
0
10
20
30
40
50
60
70
80
90
100
15
0
Multimedia
10
20
30
40
50
60
70
80
90
100
MSE e PSNR per immagini RGB

Solitamente
soluzioni



si
usa
una
delle
seguenti
la semplice media dei valori MSE (o PSNR) sui 3
canali
Una combinazione lineare che pesa maggiormente
la componente verde
…
Multimedia
Rappresentazione del colore



Nel caso monocromatico, l’unico attributo necessario a caratterizzare in
ogni punto l’immagine è l’intensità, che si traduce nel valore di grigio del
corrispondente pixel.
Nel caso della radiazione cromatica, per ogni punto dell’immagine occorre
tener conto dei tre valori dei primari che ne determinano il colore. A tal fine
la classica rappresentazione delle immagini a colori prevede l’impiego di
tre matrici di intensità, una di rosso, una di verde, una di blu.
In altre parole, nel caso della radiazione cromatica, l’intensità da sola non
è sufficiente a caratterizzare l’immagine, in quanto occorre anche
esprimere quantitativamente la presenza delle appropriate lunghezze
d’onda, la cosiddetta crominanza (o cromaticità)
Multimedia
Rappresentazione del colore





Due sono gli elementi della crominanza: la tinta (hue in inglese) e la
saturazione.
La tinta è un attributo associato con la lunghezza d’onda dominante in
una miscela di onde luminose. Rappresenta pertanto quello che viene
normalmente denominato il colore dominante di un oggetto.
La saturazione è un attributo che si riferisce alla purezza del colore,
ovvero alla quantità di luce bianca mescolata con una tinta.
I colori puri dello spettro hanno una saturazione del 100%, mentre colori
come il rosa, che è una miscela di rosso e bianco, o il lavanda, che è una
miscela di blu e bianco, sono meno saturi, con il grado di saturazione
inversamente proporzionale alla quantità di bianco. La luce bianca ha
invece saturazione nulla.
Un altro modo in cui può essere specificato un colore è in termini delle
quantità di R, G e B necessarie a formarlo, i cosiddetti valori di tristimolo
X, Y e Z.
Multimedia
Spazio CIE xyz
Un colore può essere specificato mediante dei coefficienti
tricromatici. I valori di tristimolo necessari a rappresentare il
colore corrispondente ad una certa lunghezza d’onda possono
essere determinati da curve, tabelle e diagrammi determinati
sulla base di una estesa sperimentazione, condotta in particolare
negli anni’60. Uno di essi è il diagramma CIE di cromaticità,
che mostra la composizione di un colore in funzione di x e y,
mentre il corrispondente valore di z è calcolato direttamente
dalla z = 1 - (x + y). Il diagramma di cromaticità CIE 1931, è
solo una "fetta" di uno spazio più completo, lo spazio dei colori
CIE 1931 al quale si assegnano le coordinate XYZ.
La sua proiezione su un piano è un diagramma di cromaticità
xy. Le relazioni per passare dalle coordinate tridimensionali
XYZ alle coordinate xy sono: x = X/(X+Y+Z), y =
Y/(X+Y+Z).
Multimedia
Modelli del Colore

Scopo di un modello del colore (o spazio dei colori o sistema dei colori) è di
consentirne la specificazione dei colori con modalità standardizzate, che
fanno normalmente riferimento ad un sistema di coordinate 3-D (dato che tre
sono comunque le caratteristiche che definiscono un colore), o meglio ad un
suo sotto-spazio, nel quale ogni colore è rappresentato da un punto.

I modelli del colore più utilizzati in image processing sono orientati o
all’hardware di acquisizione (RGB) e restituzione (RGB, CMY) delle immagini
o alla loro trasmissione (YUV, YIQ), compressione (YCbCr), elaborazione
(od analisi) mediante trattamento del colore (RGB, HSI, HSV, LUV, ...).

Alla poca chiarezza derivante dalla abbondanza di modelli dello stesso tipo,
si aggiunge l’uso ambiguo delle lettere nei nomi dei modelli (I o V significano
cose diverse in modelli diversi), e soprattutto il fatto che in letteratura
esistono differenti versioni delle equazioni di conversione dall’uno all’altro dei
modelli indicati.
Multimedia
CIE L*a*b*



Il principale difetto del sistema CIE (e di tutti i modelli del colore da esso
derivati mediante trasformazioni lineari o non lineari di coordinate) è che
esso non è dotato di uniformità percettiva.
In altre parole, dati due colori C1 e C2, consideriamone le distanze
∆C, rispettivamente, dal colore C3 = C1 + ∆C e dal colore C4 = C2 +
∆C. Supponendo che le due distanze siano quantitativamente uguali,
sarebbe desiderabile che i due colori C3 e C4 fossero percepiti come
ugualmente distanti da C1 e C2. Dato che il sistema non è
percettivamente uniforme, in generale le due distanze, benchè
uguali, saranno percepite come differenti.
Dopo molti anni di elaborazione, la CIE ha standardizzato nel 1976 due
spazi di colore percettivamente uniformi, chiamati rispettivamente CIE
L*u*v*e CIE L*a*b* (u e v non hanno alcuna relazione con le componenti
video U e V)
Multimedia
∆E*a,b CIELAB
La metrica ∆E*a,b CIELAB lavora sullo spazio colore
CIELAB. Differentemente da altri spazi colore, lo spazio
colore CIELAB, è percettivamente uniforme. I
parametri che lo determinano sono: L*, a*, b*.
L* rappresenta la luminanza
rappresentano la crominanza.
mentre
a*
e
b*
L*, a* e b* sono le trasformazioni dei tre valori di
tristimolo X, Y e Z dello spazio colore CIE XYZ.
Multimedia
Formule

Attraverso le seguenti formule, si può passare dallo spazio
colore CIE XYZ allo spazio colore CIELAB, e viceversa
Y 
L* = 116 
 Yn 


1
3
1
1


3
3




X
Y

− 16 a* = 500



−
 X n   Yn  


1
1


3
3




Y
Z
b* = 200   −   
 Yn   Z n  


Dove X/Xn, Y/Yn, e Z/Zn , sono. maggiori di 0.01 e Xn , Yn e Zn
definiscono il punto bianco. Lo spazio colore CIELAB in
confronto al CIE XYZ rispetta maggiormente la risposta non
lineare dell’occhio umano alle radiazioni elettromagnetiche.
La metrica CIELAB si ottiene dalla seguente formula:
*
∆Eab
=
(∆L *)2 + (∆a *)2 + (∆b *)2
Multimedia
L*a*b* color space
Laboratorio PH3DRA PHysics for Dating
Diagnostic and Dosimetry
Research and Applications
By Anna Maria Gueli
Multimedia
Color differences
Multimedia
By Anna Maria Gueli
Color differences
Laboratorio PH3DRA PHysics for Dating
Diagnostic and Dosimetry
Research and Applications
By Anna Maria Gueli
Multimedia
SSIM (Structural SIMilarity)
I metodi tradizionali come PSNR o MSE hanno
dimostrato di essere in contrasto con la percezione
dell'occhio umano. Questi approcci stimano gli errori
percepiti, mentre l'SSIM considera la degradazione
dell'immagine percepita come cambiamento nelle
informazioni strutturali. Il concetto di informazione
strutturali nasce dall'idea che i pixel hanno una forte
inter-dipendenze
soprattutto
quando
sono
spazialmente vicini. Queste dipendenze portano con
se importanti informazioni sulla struttura degli oggetti
nella scena visiva.
Multimedia
SSIM (Structural SIMilarity)



La Structural SIMilarity (SSIM) misura la similarità tra
due immagini (Full-Reference). Si basa sul fatto che il
sistema visivo umano è in grado di estrarre
informazioni strutturali dal campo visivo.
Pertanto, una misurazione della perdita di
informazione strutturale può fornire una buona
approssimazione alla distorsione della immagine
percepita.
Sono quindi considerate le informazioni strutturali in
un’immagine come quegli attributi che riflettono la
struttura degli oggetti sulla scena, indipendenti da
luminanza e contrasto medio.
Multimedia
SSIM (Structural SIMilarity)
Si considerino x e y due segnali non negativi corrispondenti
rispettivamente all’immagine campione e a quella distorta. Dati
µx (media di x), µy (media di y), σ2x (varianza di x), σ2y (varianza
di y), σxy (covarianza di x e y) si definisce SSIM (x,y):
Le due costanti C1 e C2 servono per i casi limite (divisione per
zero) e sono definite come C1=(K1L)2 e C2=(K2L)2, dove L=255
per immagini a 8 bit, e K1 K2 <<1 sono due costanti molto
piccole).
Multimedia
SSIM (Structural SIMilarity)
•
Luminanza
•
Contrasto
•
Struttura
Multimedia
Multimedia
Compressione JPEG
Originale
Low Quality
Multimedia
High Quality
SOGGETTIVE VS. OGGETTIVE
I metodi soggettivi sono complessi e richiedono costi elevati, in termini
economici e di tempo, per arrivare a risultati soddisfacenti. Per risolvere tali
problemi si è ritenuto necessario sviluppare metriche oggettive che
automatizzino la procedura e riducano i costi.
Le metriche oggettive hanno lo scopo di determinare la qualità dell'immagini
tramite l'uso di funzioni matematiche che calcolano una stima della
distorsione e quindi un indice.
Multimedia
Metriche soggettive più comuni
Le metriche soggettive più conosciute sono:
SSCQE: Single Stimulus Continuous Quality Evaluation
DSCQS: Double Stimulus Continuous Quality Scale
MOS: Mean Opinion Score
Pacchetto IMATest
Multimedia
SSCQE
(Single Stimulus Continuous Quality Evaluation)
SSCQE: l’immagine da valutare
viene mostrata ai soggetti che la
devono valutare in intervalli di
tempo successivi; essa di volta in
volta, presenta diversi rumori.
I soggetti, ad ogni osservazione,
esprimono le loro impressioni sulla
qualità dell’immagine, utilizzando
una scala articolata su cinque livelli
di qualità.
Multimedia
DSCQS (Double Stimulus Continuos Quality Scale).
DSCQS:
l’immagine
di
riferimento
e
l’immagine
distorta vengono presentate in
sequenza l’una dopo l’altra ed
il soggetto le valuta entrambe
usando la stessa scala
utilizzata nel metodo SSCQE.
Multimedia
MOS – Mean Opinion Score
Tra le metriche soggettive, negli ultimi
anni, la metrica MOS è stata
considerata la più affidabile, essa
consiste nella valutazione media di
giudizi espressi da diversi osservatori
umani,
relativi
alla
qualità
di
un’immagine.
Questa metrica però presenta i alcuni
svantaggi:
- è molto lenta, costosa e non può
essere condotta in tempo reale;
- non può essere utilizzata per quelle
applicazioni
che
necessitano
di
metriche automatiche.
Multimedia
IMA Test: www.imatest.com
Un gruppo di esperti ha realizzato IMATest, un sistema software
che simula la valutazione qualitativa di un’immagine da parte del
sistema visivo umano.
Vengono elencati una serie di fattori che impattano la qualità delle
immagini acquisite da specifiche camere digitali:
Multimedia
IMA Test in Matlab
SFR: Spatial
Frequency
Response
MTF:
Modulation
Transfer
Function
Multimedia
VQEG
(Video Quality Expert Group)
Il VQEG (www.vqeg.org) dal 1997 cerca di sviluppare,
convalidare e standardizzare nuove metriche di qualità
dell’immagine.
I criteri di valutazione di una metrica tengono conto di:
Prediction Accuracy (accuratezza della previsione): la capacità di
predire una valutazione soggettiva della qualità con basso errore.
Prediction Monotonicity: l’esattezza con la quale le previsioni
concordano con le valutazioni soggettive della qualità.
VQEG fornisce un ampio database video, a disposizione del
pubblico, con valutazioni affidabili di tipo soggettivo.
Multimedia
VQEG
VQEG nasce dalla necessità di riunire esperti di valutazione soggettiva della
qualità video e la misurazione della qualità oggettiva. Gli esperti di VQEG son
impegnati nel campo della valutazione della qualità video e nella ricerca di
metodi di valutazione soggettiva e oggettiva. Negli ultimi anni la ricerca si è
concentrata nella validazione di nuove metriche oggettive di qualità per fini di
normalizzazione.
Multimedia
OBIETTIVI VQEG I
VQEG fornisce un forum, liste di posta elettronica e incontri di esperti per la
valutazione della qualità video per scambiarsi informazioni e lavorare insieme
su obiettivi comuni.
VQEG mira a fornire un forum dove gli sviluppatori e gli utenti del settore
possono incontrarsi per pianificare ed eseguire test di validazione di metriche
oggettive di qualità percettiva. VQEG ha sviluppato un approccio sistematico
ai test di validazione che include la raccolta di diverse banche dati soggettivi.
Multimedia
OBIETTIVI VQGE II
Un elemento importante dell'approccio VQEG è la formulazione di piani di test
che definiscono le procedure per eseguire la convalida del modello oggettivo.
Questi piani di test descrivono il formato e la gamma di contenuto di origine, la
portata e la natura delle degradazioni, i metodi di prova soggettive da utilizzare
per raccogliere i dati soggettivi, il tipo di modelli oggettivi di qualità che può
essere presentata ai fini della convalida del modello, le modalità di
presentazione dei modelli oggettivi di qualità, e, infine, le tecniche statistiche e
metriche di valutazione del modello da utilizzare.
I piani di test sono approvati dal consenso tra tutti i partecipanti VQEG.1
Multimedia

Download Report