Поскольку iCAM содержит блоки учета локальной адаптации и контроля локального контраста, и поскольку кодирование в зрительной системе человека имеет довольно низкий динамический диапазон, модель может быть использована для визуализации HDR-изображений.
Рис. 20.7 иллюстрирует использование iCAM для HDR-визуализации (взято с www.debevec.org). Изображения в левой колонке - линейная визуализация оригинальных HDR-значений (нормированных на энергетический максимум), демонстрирующая то, насколько данные оригинального диапазона выходят за границы типичной 24-битовой (8 бит на канал RGB) визуализации. К примеру, изображения верхнего ряда имеют динамический диапазон, превышающий 6D, т.к. через оконные витражи пробивается солнце.
Изображения средней колонки представляют результат стандартной визуализации HDR-данных с помощью т.н. интерактивного поиска оптимального степенного преобразования, именуемого также «гамма-коррекцией» (идею логарифмирования мы отметаем, поскольку результат будет почти таким же, как в первой колонке). К изображениям пришлось применить преобразование со степенью (гаммой), равной примерно 1/6 (в отличие от типичных 1/1.8 или 1/2.2), дабы «вытащить» детали из теней. Несмотря на то, что гамма-коррекция успешно визуализирует большую часть данных HDR-изображения, она имеет ряд существенных недостатков, а именно:
- требует обязательного участия пользователя;
- «выбеливает» (wash out) репродукцию, лишая ее достоверности и визуальной соотносимости с оригинальной сценой;
- способствует появлению в тенях изображения артефактов квантования (теневых шумов. - Прим. пер.).
Правая колонка демонстрирует результат обработки HDR-оригинала iCAM-моделью, выполнившей учет локальной адаптации и контроль локального контраста (см. рис. 20.3): на обоих изображениях динамический диапазон сцены сжат, дабы сделать ее тени видимыми и сохранить полноту цвета объектов. То есть, мы видим, что iCAM воспроизвела изображения как вполне приемлемые репродукции HDR-сцен (что эквивалентно результатам селективного недо-/переэкспонирования, от века применявшегося в традиционной фотопечати). Любопытно также и то, что изображения, визуализированные при помощи iCAM, были обсчитаны по автоматическому алгоритму, имитирующему человеческое восприятие, но исключающему интерактивное участие пользователя (Джонсон и Фершильд, 2003).
Рис. 20.7 Три HDR-изображения, взятых с www.debevec.org: изображения левой колонки иллюстрируют результат линейной визуализации HDR-данных; изображения средней колонки - результат ручной оптимизации путем степенного преобразования; изображения правой колонки иллюстрируют результат, полученный при автоматическом расчете, выполненном iCAM-моделью (см. рис. 20.3).
20.5 МЕТРИКА ОТЛИЧИЙ И МЕТРИКА КАЧЕСТВА ИЗОБРАЖЕНИЙ
Когда возникает необходимость оценить качество изображения, в структуре iCAM-модели требуются небольшие изменения, для того чтобы она могла создать специальную карту величины перцепционных отличий между двумя изображениями. При создании такой карты, в рамках линейного /РГ-простран-ства выполняется пространственная фильтрация, зависящая от дистанции просмотра. Сами же отличия при этом вычисляются в обычном нелинейном /РГ-пространстве. В качестве общей карты отличия изображений может быть использована эвклидова сумма отличий по осям /РГ-пространства с последую-