ISO 偏好曲线

什么是轮廓？

当我们减少图像中的灰度级数量时，一些假色或边缘开始出现在图像上。这已在我们上一个量化教程中展示过。

让我们来看看。

假设我们有一张 8bpp 的图像（灰度图像），有 256 种不同的灰度或灰度级。

上图有 256 种不同的灰度。现在，当我们将其减少到 128 并进一步减少到 64 时，图像或多或少是相同的。但是当我们将其进一步减少到 32 个不同的级别时，我们得到了这样的图片

如果你仔细观察，你会发现效果开始出现在图像上。当我们将其进一步减少到 16 个级别时，这些效果更加明显，我们得到了这样的图像。

这些开始出现在此图像上的线条称为轮廓，在上图中非常明显。

当我们减少灰度级数量时，轮廓效果会增加，而当我们增加灰度级数量时，轮廓效果会降低。它们都是相反的

这意味着更多的量化，将产生更多的轮廓，反之亦然。但情况总是如此吗？答案是否定的。这取决于下面要讨论的其他内容。

对灰度和轮廓的影响进行了研究，结果以曲线的形式显示在图中，称为等偏好曲线。

等偏好曲线的现象表明，轮廓的影响不仅取决于灰度分辨率的降低，还取决于图像细节。

研究的本质是：

如果图像具有更多细节，则当灰度量化时，轮廓的影响将在该图像上开始出现，与细节较少的图像相比。

根据原始研究，研究人员拍摄了这三张图像，并在这三张图像中改变了灰度分辨率。

图像是

第一幅图像中只有一张脸，因此细节很少。第二幅图像中还有一些其他物体，例如摄像师、他的相机、相机支架和背景物体等。而第三幅图像比其他所有图像都包含更多细节。

所有图像的灰度分辨率各不相同，并要求观众主观地对这三幅图像进行评分。评分后，根据结果绘制图表。

结果绘制在图表上。图表上的每条曲线代表一幅图像。 x 轴上的值表示灰度级数，y 轴上的值表示每像素位数 (k)。

图表如下所示。

根据此图，我们可以看到，第一张脸部图像比其他两张图像更早地开始勾勒轮廓。第二张摄影师图像在第一张图像之后开始勾勒轮廓，此时灰度级降低。这是因为它比第一张图像包含更多细节。第三张图像在前两张图像之后（即 4 bpp 之后）开始勾勒轮廓。这是因为，这幅图像包含更多细节。

因此，对于更详细的图像，等偏好曲线变得越来越垂直。这也意味着，对于具有大量细节的图像，只需要很少的灰度级。