基于对比度敏感理论的LED视频叠加显示方法

张成挺, 叶志晖, 徐琦, 王文娟

(浙江中烟工业有限责任公司宁波卷烟厂,浙江,宁波 315000)

0 引言

伴随传媒形式转变,单一信息显示转为互联网信息与人类交互显示[1-3]。作为媒体信息载体的智能LED显示屏的发展吸引社会广泛关注[4-5]。近年来,研究基于人眼视觉特性的LED显示图像技术成为研究热点[6-7]。

王骁等[8]提出HDR图像显示方法,将LCD显示融合LED显示,采取双调制方式搭建创新显示器,该方法使得图像亮度细节更加细致,但操作较繁琐,不具备通用性;罗谨哲[9]提出红外融合可见光图像方法,在增强对比度和两尺度分解基础上增强图像可视性,在视觉质量和客观评价两方面表现较好,但该方法在多尺度领域进行分析时成本较高。

本文提出一种基于对比度敏感理论的LED视频叠加显示方法,研究结果表明该方法处理后的视频更贴合人眼视觉对比特性,用户可获得更舒适的视觉观看效果。

1 LED视频叠加显示方法

1.1 LED视频图像自适应量化

LED视频图像自适应量化处理时,量化表是控制视频图像压缩比的核心,能显著影响压缩效果。分析人眼视觉特性计算出量化表,搭建量化表时综合考量人眼视觉特性,获取的量化表使其阈值则更加贴合人眼最真实效果。因此,依据人眼亮度敏感而对色度不敏感的视觉特性,得到可实现LED视频图像压缩处理的量化表。

1.1.1 人眼对比度敏感理论

LED视频图像视觉清晰水平用对比度描述,分为颜色与亮度,式(1)描述亮度对比:

(1)

观察对象清晰水平取决于对比度感觉,图像视觉质量高低依赖于其自身对比度高低。人眼对比度灵敏度阈值决定人眼观察到的图像。

1.1.2 人眼对比度敏感视觉模型

将窄带带通滤波器视作人眼视觉系统空间频率响应[10],用人眼对比敏感度函数CSF[11]描述视觉系统。利用人眼亮度CSFL方法进行描述,在此基础上融合指数型数学模型求解获取量化表。

(1) 人眼亮度视觉特性模型用式(2)表示

CSFL(fθ)=2.6(0.0192+0.114fθ)·exp{-(0.114fθ)1.1}

(2)

式中,fθ描述模型角频率:

(3)

(2) 人眼对立色彩视觉特性模型用下式表示:

CSFC(fθ)=aexp[b(fθ)c]

(4)

(5)

式中,K为LED显示器分辨率。视觉区域内求解角频率即求解单位视角内刺激人眼观察目标的周期数值。综合考虑DCT变换特征,将该模型均分64块。

1.1.3 自适应量化表构建

利用人眼察觉图像误差阈值搭建完成自适应量化表[12]。该量化表搭建流程如下。

(1) 用YCrCb色空间形容图像,采用三分量方式像素分割为子块,完成视频图像DCT变换。

(2) 基于亮度及色度视觉模型计算各子块、各空间频率对应角频率。

(3) 人眼对比度觉察阈值求解。

(4) 将LED视频图像各分量图子块DCT变换系数求解,同时纳入图变换域频谱系数获取自适应量化表。

1.2 基于自适应牛顿插值算法的LED视频显示

采用自适应牛顿插值算法进行计算,保留压缩处理后LED视频图像高频信息,消除图像边缘模糊现象,以获取更好的视频显示视觉效果。在传统牛顿插值算法基础上改进、优化算法,使其适应人眼视觉效果。

1.2.1 传统牛顿插值算法

各插值节点处,插值多项式在n无限接近极值时未必会收敛至实际值。采用恰当的插值次数至关重要,并非单一盲目追求高次插值。

1.2.2 自适应牛顿插值算法

优化传统牛顿插值算法,创建自适应牛顿插值算法,改善图像边缘模糊问题。鉴于压缩视频内部资源的局限性,选取2阶自适应牛顿插值算法缩放处理视频图像,以满足LED视频显示需求[13]。

用式(6)与式(7)描述自适应牛顿插值算法定义:

|Δx0|=|x1-x0|

(6)

|Δ2x0|=|x1-x0|=|x2-2x1+x0|

(7)

式中,像素相关程度随像素相关因子缩小而提升。用式(8)、式(9)描述自适应牛顿插值算法:

|Δ2x0|<|Δ2x1|时:

N2(xi)=f(x0)w0(x)+f[x0,x1]w1(x)+f[x0,x1,x2]w2(x)

(8)

|Δ2x0|>|Δ2x1|时:

N2(xi)=f(x1)w0(x)+f[x1,x2]w1(x)+f[x1,x2,x3]w2(x)

(9)

对水平、垂直方向分别进行自适应牛顿插值处理[14],自适应牛顿插值处理过程如图1所示。

图1 自适应牛顿插值处理示意图

1.2.3 自适应牛顿插值算法处理流程

自适应牛顿插值算法分判别、系数生成及选择3个步骤,用图2描述算法流程示意图。

图2 自适应牛顿插值算法流程示意图

设输入LED视频数据分辨率为800×600,LED显示屏物理分辨率为1280×1080,放大插值处理每一帧视频图像(列方向放大至1.8倍,行方向放大至1.6倍)。放大系数用m描述,放大系数描述如下:

(10)

自适应牛顿插值处理图像水平方向,设1代表输入帧图像的相邻像素间的距离单位,放大处理时采用间隔m_x,重新采集像素样本,则为放大后相邻像素的间隔,依次选取4个点灰度值[15],利用像素相关因子较小组进行插值计算,计算各项系数,获取插值点灰度值;处理完水平区域后对垂直方向进行自适应牛顿插值处理。

2 实验分析

截取两张LED视频图像作为实验对象,利用本文方法和文献[8]、文献[9]的方法,对LED视频图像进行处理,验证本文方法的效果。表1和表2为实验图像的色度量化表。

表1 实验图像1色度量化表

表2 实验图像2色度量化表

从表1和表2所示的自适应量化表中的数据可知,高频分量之间的量化间隔较大,低频分量之间的量化间隔较小,说明亮度图像的色度特征与人眼视觉特征是相符的。

依据主、客观两种方式评价图像叠加显示效果。依据肉眼观察并采用规定评价标准进行主观评价,依据众多观看者打分统计平均值作为最终结果;客观评价采用计算编码质量及图像显示质量参数进行。

2.1 主观效果评价

分别采用本文方法与文献[8]方法、文献[9]方法进行两个视频图像的叠加显示,图3为图像叠加的部分过程,图4和图5为叠加显示后的效果图。

图3 图像叠加过程

(a) 原始图像

(a) 原始图像

分析可知,文献[8]方法处理后两张图像噪声偏多、图像较模糊,光照对比度欠佳,观看效果不佳;文献[9]方法处理后图像存在小区域噪声,图像清晰度不佳且边缘锯齿状参差不齐,观看效果不佳;经本文方法处理后,图像边缘顺畅。

2.2 客观效果评价

对比叠加显示处理后的图像与原始图像的相似度反映显示质量,选取结构相似度SSIM归一化值指标。假定压缩比邻近状态恒定,采用三种方法对图像进行叠加显示,计算SSIM值。叠加显示后的压缩比值和SSIM值如表3所示。

表3 图像压缩比值和SSIM值

分析可知,文献[8]及文献[9]方法处理后的图像亮度略优,但本文方法在色度方面较优,图像SSIM值明显提升。结合视频数据库中选取的50张图像和收集的夜景、逆光等50张图像组成测试集,用信息熵、NIMA、BIQI以及对比度阈值四项指标客观评价图像质量。为保证数据公平,多次实验取平均。使用三种方法处理后对比,图像评价结果如图6所示。

依据评价指标,文献[8]信息熵较高、视觉效果存在噪声与色彩偏差状况,整体效果偏差;文献[9]针对光照不均图像未能妥善解决,清晰度较差,评价指标不如文献[8];本文方法在信息熵方面略逊色于前两种方法,但其他指标结果均最优,其对比度较越高,说明图像的锐利程度较高,图像更清晰。因此,本文方法整体性能最为优秀,获取显示效果综合评价最佳。

为了进一步验证本文方法的有效性,对比不同方法的视频叠加显示时效性,时效性主要通过时间进行衡量,视频叠加显示时间越长,时效性越差;反之,越好。本文方法、文献[8]方法以及文献[9]方法的视频叠加显示时效性对比结果如表4所示。

表4 视频叠加显示时效性对比结果

分析表4中的数据可知,本文方法所用的视频叠加显示时间较短,最短用时为1.98 s,文献[8]方法以及文献[9]方法的最短用时分别为1.99 s和2.13 s。通过对比可知,本文方法的用时更短,说明其能够满足视频叠加显示的实时性要求,综合性能较好。

3 总结

LED视频显示效果受多重因素影响,人眼观察视觉效果差异较大,研究更为贴合人眼视觉特性的视频叠加显示方法。本文基于对比度敏感理论的LED视频叠加显示方法,通过搭建基于人眼视觉特性的自适应量化表,极度贴合肉眼主观感受,并通过差值处理避免视频图像边缘模糊化,使得LED显示图像对比度得以提升,获得优秀的显示效果,同时实用价值极高。实验结果表明,本文方法可大幅度提升LED视频对比度及清晰度,保证观影效果,图像显示质量较高。