《数字视频和高清:算法和接口》一1.8数字图像的表示方法

简介: 本节书摘来华章计算机《数字视频和高清:算法和接口》一书中的第1章 ,第1.8节, [加]查尔斯·波因顿(Charles Poynton)著 刘开华 褚晶辉 马永涛 吕卫 宫霄霖 等译 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.8数字图像的表示方法

静态数码图像和动态序列可用许多不同的文件、内存和流媒体格式用来传输。大多数情况下每个像素的格式都有3个分量值(来描绘附加的红、绿和蓝三种颜色分量)。在消费级别的电子和商品计算中,大多数格式每个分量会有8位。在专业应用,如在视频工作室和数字影院的应用中,每个分量上有10位、12位,乃至更多位数也是正常的。
成像系统通常用于优化人类感知的其他方面,举例来说:JPEG和MPEG压缩系统利用视觉的空间频率特性进行压缩。这样的优化通常称为感知编码。
实际中,几乎全部商业成像系统都使用感知编码,即像素值按照接近人视觉的灰度级辨别能力水平排列。在色彩学中,大写字母R、G、B用来表示三色值,其值的大小和三个波段上光的能量成比例。三色值的感知是不均匀的。不管是显式的还是隐式的,在所有商业数字图像处理系统中,当需要显示的RGB三色值的幂次上升到大约1/2.2(也就是大约0.45)和1/2.6(也就是大约0.38)之间时,像素分量值就会进行编码。 这样构造出来的像素值用加上撇号的字母表示:R′G′B′(尽管上撇号经常省略,以免引起混乱)。
为了对图像数据进行合理可靠地交换和解释,数字图像标准定义了参考黑色和参考白色像素值。数字图像标准通常为参考白色指定一个目标照度,大多数数字图像标准没有为参考黑色提供特定的反射系数或者相对照度,这暗示我们的显示系统将参考黑色设置成尽可能的黑。
在计算过程中,8位的数字图像数据的范围是从编码为0的参考黑色到编码为255的参考白色。sRGB标准要求在显示时指数(γ,gamma)要达到2.2。参考白色显示时亮度则应该达到80cd·m-2,但实际中的值达到320cd·m-2 都是正常的。
在消费级的数码视频中,图像数据都将参考黑色设置为16,将参考白色设置为235的8位分量进行编码(在图像工作室中,一般是10位编码)。图像工作室要求显示时的指数要达到2.4。通常的做法是在黑暗的观测环境(约1lx)和黑暗的周围环境(约1%)下将参考白色的亮度设置成100cd·m-2,当满足这些条件时,就能在消费者所处的环境中可靠地显示。消费类显示器比100cd·m-2 更明亮是正常的;消费者的观看环境经常是相当明亮的(大约100lx),周围的环境往往只不过是昏暗的(5%)。由于消费类显示器和观看条件不同于图像工作室,保持画面的外观就需要进行显示调整。
交互式数字视频显示(DVI)系统,定义为能承载R′G′B′数值范围为0~255的计算机显示系统。高清晰度多媒体接口(HDMI)和显示端口接口也同时兼容以上编码,不过这里的R′G′B′值范围是16~235,能够容纳比8位更宽的位宽,而且也同时兼容YCBCR编码。串行数字接口(SDI)和高清串行数字接口(HDSDI)都能够容纳10位位宽的R′G′B′或者YCBCR编码,它们的范围为64~940(即16×4,219×4)。

平版印刷的图像数据通常定义为8位的编码,编码值代表每个像素位置的青色,品红,黄色和黑色(CMYK)的数量,如(0,0,0,0)代表没有显示(显示基板的颜色,通常是白色),(0,0,0,255)则代表黑色。感知均匀性问题通常使用打印机中网点扩大的概念来表示。用户接口通常以0~100来表示0~255的范围,换而言之,这时的接口值表示的是百分比。

相关文章
|
5月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
208 6
|
5月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
455 0
|
6月前
|
机器学习/深度学习 数据采集 传感器
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
439 0
|
4月前
|
机器学习/深度学习 数据采集 负载均衡
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
229 0
|
4月前
|
机器学习/深度学习 算法 物联网
基于遗传方法的动态多目标优化算法
基于遗传方法的动态多目标优化算法
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1412 6
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
291 3
|
机器学习/深度学习 人工智能 算法
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
2287 13
机器学习算法的优化与改进:提升模型性能的策略与方法
|
存储 算法 安全
SnowflakeIdGenerator-雪花算法id生成方法
SnowflakeIdGenerator-雪花算法id生成方法
501 1