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。这已经在我们上一篇量化教程中得到了展示。

我们来看看吧。

假设我们有一个 8bpp 的图像（灰度图像），具有 256 种不同的灰度或灰度级别。

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 64 时，图像或多或少是相同的。但是当将其进一步减少到 32 个不同级别时，我们得到了这样的图片

如果你仔细观察，你会发现图像上开始出现效果。当我们进一步将其减少到 16 个级别时，这些效果更加明显，我们得到了这样的图像。

这些开始出现在该图像上的线条被称为轮廓线，在上图中非常明显。

当我们减少灰度级数量时，轮廓的效果会增加，而当我们增加灰度级的数量时，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效果，反之亦然。但情况总是如此吗？答案是否定的。这取决于下面讨论的其他内容。

对灰度和轮廓的这种影响进行了研究，结果以曲线的形式显示在图表中，称为 Iso 偏好曲线。

等值线的现象表明，轮廓的效果不仅取决于灰度分辨率的降低，还取决于图像的细节。

该研究的实质是：

如果图像具有更多细节，则当灰度级被量化时，与具有较少细节的图像相比，轮廓的效果将稍后开始出现在该图像上。

根据最初的研究，研究人员拍摄了这三幅图像，并改变了所有三幅图像的灰度分辨率。

这些图像是

第一张图像中只有一张脸，因此细节很少。第二张图像中也有一些其他物体，例如摄影师、他的相机、相机支架和背景物体等，而第三张图像比所有其他图像有更多细节。

所有图像的灰度分辨率各不相同，观众被要求对这三幅图像进行主观评分。评分后，根据结果绘制图表。

结果画在图表上。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。

根据该图，我们可以看到第一张脸部图像比其他两张图像更早进行轮廓绘制。第二张图像是摄影师的，当其灰度级降低时，在第一张图像之后进行了一点轮廓处理。这是因为它比第一张图像有更多细节。第三张图像在前两张图像之后进行了很多轮廓处理，即：在 4 bpp 之后。这是因为，这张图片有更多的细节。

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。