Curvas de preferencia ISO
¿Qué es el contorno?
A medida que disminuimos el número de niveles de gris en una imagen, comienzan a aparecer algunos colores falsos o bordes en una imagen. Esto se ha demostrado en nuestro último tutorial de Cuantización.
Echemos un vistazo.
Considere que tenemos una imagen de 8 bpp (una imagen en escala de grises) con 256 tonos diferentes de gris o niveles de gris.
Esta imagen de arriba tiene 256 tonos diferentes de gris. Ahora, cuando lo reducimos a 128 y lo reducimos aún más a 64, la imagen es más o menos la misma. Pero cuando lo volvemos a reducir a 32 niveles diferentes, obtuvimos una imagen como esta
Si miras de cerca, verás que los efectos comienzan a aparecer en la imagen. Estos efectos son más visibles cuando la reducimos más a 16 niveles y obtuvimos una imagen como esta.
Estas líneas, que comienzan a aparecer en esta imagen, se conocen como contornos y son muy visibles en la imagen de arriba.
Aumento y disminución del contorno.
El efecto del contorno aumenta a medida que reducimos el número de niveles de gris y el efecto disminuye a medida que aumentamos el número de niveles de gris. Ambos son viceversa
VS
Eso significa más cuantificación, tendrá efecto en más contorneado y viceversa. Pero este es siempre el caso. La respuesta es No. Eso depende de algo más que se analiza a continuación.
Curvas de isopreferencia
Se realizó un estudio sobre este efecto del nivel de gris y el contorno, y los resultados se mostraron en el gráfico en forma de curvas, conocidas como curvas de preferencia Iso.
El fenómeno de las curvas de isopreferencia muestra que el efecto del contorno no solo depende de la disminución de la resolución del nivel de grises, sino también del detalle de la imagen.
La esencia del estudio es:
Si una imagen tiene más detalles, el efecto del contorno comenzaría a aparecer en esta imagen más tarde, en comparación con una imagen que tiene menos detalles, cuando se cuantifican los niveles de gris.
Según la investigación original, los investigadores tomaron estas tres imágenes y varían la resolución del nivel de gris, en las tres imágenes.
Las imágenes fueron
Nivel de detalle
La primera imagen tiene solo una cara y, por lo tanto, muy menos detalles. La segunda imagen también tiene otros objetos en la imagen, como el hombre de la cámara, su cámara, el soporte de la cámara y los objetos de fondo, etc. Mientras que la tercera imagen tiene más detalles que todas las demás imágenes.
Experimentar
La resolución del nivel de gris se varió en todas las imágenes y se pidió a la audiencia que calificara estas tres imágenes subjetivamente. Después de la calificación, se trazó un gráfico de acuerdo con los resultados.
Resultado
El resultado se dibujó en el gráfico. Cada curva del gráfico representa una imagen. Los valores del eje x representan el número de niveles de gris y los valores del eje y representan bits por píxel (k).
El gráfico se muestra a continuación.
De acuerdo con este gráfico, podemos ver que la primera imagen, que era de la cara, fue sometida a contorneado temprano y luego todas las otras dos imágenes. La segunda imagen, que era del camarógrafo, fue sometida a contornos un poco después de la primera imagen cuando se redujeron sus niveles de gris. Esto se debe a que tiene más detalles que la primera imagen. Y la tercera imagen estuvo sujeta a mucho contorno después de las dos primeras imágenes, es decir, después de 4 bpp. Esto se debe a que esta imagen tiene más detalles.
Conclusión
Entonces, para imágenes más detalladas, las curvas de isopreferencia se vuelven cada vez más verticales. También significa que para una imagen con una gran cantidad de detalles, se necesitan muy pocos niveles de gris.