第四章 實驗結果與分析
本章之內容在於說明五種類型之複雜影像經過六種色彩複製演算法處理後 之實驗結果。此外,心理物理實驗之Z 值及 Error Bar 之分析結果也會一併在此 章節中做討論。
第一節 實驗結果分析方法
在研究實驗中,一共有六種色彩複製演算法來做為最後評比的項目,再由心 理物理實驗來評估出最好的色彩複製演算法 (整理如表 4-1)。
一、NC:複雜影像之明度不經過處理,直接使用裁切法 (Clipping) 壓縮後輸出。
二、NL:複雜影像之明度不經過處理,直接使用線性壓縮法 (Linear Compression) 壓縮後輸出。
三、NNL:複雜影像之明度不經過處理,直接使用非線性壓縮法 (Non-Linear Compression) 壓縮後輸出。
四、SC:複雜影像之明度經過處理,再使用裁切法 (Clipping) 壓縮後輸出。
五、SL:複雜影像之明度經過處理,再使用線性壓縮法 (Linear Compression) 壓 縮後輸出。
六、SNL:複雜影像之明度經過處理,再使用非線性壓縮法 (Non-Linear Compression) 壓縮後輸出。
將配對比較法所得到之實驗數據統計整理之後,以Microsoft Excel 加以計算 成Z 值,Z 值可以用在評估不同色彩複製演算法模式的表現。
配對比較法:此方法由1927 年 Thurstone 所提出之比較判斷法定律導出。在 一配對比較實驗中,觀察者觀測一成對色刺激並依據某色彩屬性表現的優劣,判 斷一系列以配對方式呈現的色彩樣組中,何者表現較優。且統計兩兩比較之間各 自表現較佳出現的次數,然後將次數轉變成比率值。以統計學的標準 Z 值運算 法則,將各色刺激相對品質表現轉換和心理覺理學有關的尺度值(以 Z 值表示)。
最後以轉變出來的Z 值大小和排名順序,代表其品質的相對優劣順序。
表4-1 實驗中所使用之色彩複製演算法及其解說 代稱 解說
ORI 電子原稿,不經過任何處理
NC 明度不先經過處理,直接使用裁切法 NL 明度不先經過處理,直接使用線性壓縮法 NNL 明度不先經過處理,直接使用非線性壓縮法 SC 明度先經過調整,再使用裁切法
SL 明度先經過調整,再使用線性壓縮法 SNL 明度先經過調整,再使用非線性壓縮法
資料來源:本實驗整理
以下是分析方法中所使用到之陣列以及其相關說明,之後會以表格的方式將 這些陣列及數據呈現出來。
(1)頻率陣列 (Frequency Matrix) :由所有觀察者之原始實驗資料中計算得到一 6×6 頻率陣列,此陣列中的每一欄包含某特定色彩複製方法與其他 5 種方法 比較時,優於其他5 種方法出現的次數 (頻率)。
(2)比列陣列 (Percenttage Matrix) :將頻率陣列中每一元素數值除相對應之兩 色彩複製方法的總觀測比較值,得一6×6 比列陣列。
(3)Z 值陣列 (Z-Score Matrix) :計算比列陣列中每一元素數值 (機率) 於標準 常態分佈曲線X~N(0,1)上之 Z 值。
(4)將每一欄 Z 值加總得 Zsum,可知某特定色彩複製方式之相對優劣分數 (排 名) 。
有關Z-score 的算法如下:
假設以單張測試影像為例,其某兩種色彩複製演算法模式被選擇為較佳的票 數分別為A 票及 B 票 (A+B=觀測者數目)。
一、利用下列的公式4-1 及 4-2 將兩種色彩複製演算法模式的票數換成機率值Æf
B A f A
= +
1 (4-1)
B A f B
= +
2 (4-2)
二、將求得的f 值代入下列式中,求得該色彩複製模式的 Z 值
= −
2 exp 1 2 1 1
Z 2
f (4-3)
三、最後,該模式的整體Z 值,為每張測試影像中,該模式 Z 值的加總,n 為測 試影像數目,i=1~n。其餘 GMA 的 Z 值算法類推。下列為計算公式 4-4。
∑
= n
i
i Z
Z1 ( ) (4-4)
四、95%信賴區間算法:
至於差異顯著性的檢定,可由各模式的95%信賴區間以及 Error Bar 的範圍 是否與其他模式重疊來判定兩者的差異是否顯著。計算公式如 4-5 (王延平,民 86):
Confidence Limit (CL)=
2 1 ) (
) (
) (
96 .
1 ×
×
×
±
實驗重覆次數 觀測人數
測試影像數目 (4-5)
本實驗中,測試影像數目=10;觀測人數=10;實驗重覆次數=2
計算結果,整體影像的 95%信賴區間為±0.0693,而每單張測試影像的 95%信賴 區間值則為±0.693
第二節 影像壓縮結果與Z 值分析
以下針對每一張複雜影像經過實驗後所得之數據及影像加以分析討論,包括 影像明度值分佈、Z 值表、Error Bar 分析:
一、花朵植物之測試影像(1)壓縮結果與分析:
下列圖 4-1 為花朵植物測試影像(1)之原稿與原稿經過六種色彩複製演算法 處理後所得到之複製影像。圖4-2 為花朵植物之測試影像(1)原稿影像明度值分佈 圖。表4-2 為花朵植物之測試影像(1)之 Z 值表。圖 4-3 為花朵植物之測試影像(1) 之Error Bar。
(1)由圖 4-2,我們可以清楚的看到花朵植物測試影像(1)之明度值,全部集中在 0%至 95%的區域內,在最後 95%-100%的暗部區域是沒有任何的明度值分 佈,所以有必要對花朵植物測試影像(1)先做明度調整的處理。如此一來可 以讓影像在色彩複製的時候,除了高明度的階調層次可以完整的被複製之 外,暗部區域的層次也得以保留。
(2)表 4-2 則是將實驗結果之頻率陣列經由計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-2 的 Zsum 及 Rank 我們可以看出,針對花朵植物影像(1)所採用之六種不同色彩複製演算法之 排名分由高而低分別為SL (7.5)、SNL (1.3)、NL (-0.25)、NNL (-0.98)、NC (-2.57)、SC (-5) ,此排名為六種色彩複製演算法使用在花朵植物測試影像(1) 之相對優劣程度。
(3)由表 4-2 及圖 4-3 中得知,使用 SL 之模式會有較高的 Z 值,比其他五種模 式擁有較好的色彩再現能力。SL 模式的線段與其他五種模式並沒有任何交 集涵蓋,所以可以確定SL 與其他五種模式有明顯之差異。NL 與 NNL 之線 段有互相交集的部份,因此對於影像(1)而言,NL 與 NNL 二種模式具有相 似之色彩再現能力,僅次於SNL。
ORI
NC SC
NL SL
NNL SNL
圖4-1 花朵植物之測試影像(1)原稿與壓縮後之影像
圖4-2 花朵植物之測試影像(1)明度值分佈圖
圖4-3 花朵植物測試影像(1)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-8 -6 -4 -2 0 2 4 6 8 10
表4-2 花朵植物之測試影像(1)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL
NC --- 7 6 1 10 8
NL 3 --- 7 2 8 6
NNL 4 3 --- 2 10 6
SC 9 8 8 --- 9 8
SL 0 2 0 1 --- 2
SNL 2 4 4 2 8 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 0.7 0.6 0.1 1 0.8 NL 0.3 --- 0.7 0.2 0.8 0.6 NNL 0.4 0.3 --- 0.2 1 0.6 SC 0.9 0.8 0.8 --- 0.9 0.8 SL 0 0.2 0 0.1 --- 0.2 SNL 0.2 0.4 0.4 0.2 0.8 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 0.52 0.25 -1.3 2.3 0.8 NL -0.52 --- 0.52 -0.8 0.8 0.25 NNL -0.25 -0.52 --- -0.8 2.3 0.25 SC 1.3 0.8 0.8 --- 1.3 0.8 SL -2.3 -0.8 -2.3 -1.3 --- -0.8 SNL -0.8 -0.25 -0.25 -0.8 0.8 --- (d) NC NL NNL SC SL SNL Zsum -2.57 -0.25 -0.98 -5 7.5 1.3
Rank 5 3 4 6 1 2
二、花朵植物之測試影像(2)壓縮結果與分析
下列圖 4-4 為花朵植物測試影像(2)之原稿與原稿經過六種色彩複製演算法 處理後所得到之複製影像。圖4-5 為花朵植物之測試影像(2)原稿影像明度值分佈 圖。表4-3 為花朵植物之測試影像(2)之 Z 值表。圖 4-6 為花朵植物之測試影像(2) 之Error Bar。
(1)由圖 4-5,我們可以清楚的看到花朵植物測試影像(2)之明度值集中在 0%至 90%左右。在最後 90%-100%的暗部區域是沒有任何的明度值分佈,所以有 必要對花朵植物測試影像(2)先做明度調整的處理。如此一來可以讓影像在 色彩複製的時候,除了高明度的階調層次可以完整的被複製之外,暗部區域 的層次也得以保留。
(2)表 4-3 將實驗結果之頻率陣列經過計算轉換成比例陣例,再換算成 Z 值,
最後加總得到Zsum,得到各種模式的排名。由表 4-2 的 Zsum 及 Rank 我們 可以看出,針對花朵植物影像(2)所採用之六種不同色彩複製演算法之排名 分由高而低分別為 SL (7.72)、SNL (0.82)、NL (-0.24)、NNL (-0.46)、NC (-2.84)、SC (-5) ,此排名為六種色彩複製演算法使用在花朵植物測試影像(2) 之相對優劣程度。
(3)由表 4-3 及圖 4-6 中得知,影像使用 SL 之模式會有較高的 Z 值,也就是說 SL 比其他五種模式擁有較好的色彩再現能力。SL 模式 Error Bar 的線段與 其他五種模式並沒有任何交集涵蓋,所以可以確定SL 與其他五種色彩複製 演算法模式有明顯之差異。在圖 4-6 中 NL 與 NNL 之線段有互相交集的部 份,因此對於花朵植物影像(2)而言,NL 與 NNL 二種色彩複製演算法模式 具有相似之色彩再現能力,僅次於SNL。由圖 4-6 中之 Error Bar 之線段可 以很明顯的看出NC 與 SC 這二種色彩複製演算法,是最不適合使用在花朵 植物影像(2)上。
ORI
NC SC
NL SL
NNL SNL
圖4-4 花朵植物之測試影像(2)原稿與壓縮後之影像
圖4-5 花朵植物之測試影像(2)明度值分佈圖
圖4-6 花朵植物測試影像(2)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-8 -6 -4 -2 0 2 4 6 8 10
表4-3 花朵植物之測試影像(2)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL
NC --- 7 7 1 10 8
NL 3 --- 7 2 7 7
NNL 3 3 --- 2 10 5
SC 9 8 8 --- 9 8
SL 0 3 0 1 --- 1
SNL 2 3 5 2 9 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 0.7 0.7 0.1 1 0.8 NL 0.3 --- 0.7 0.2 0.7 0.7 NNL 0.3 0.3 --- 0.2 1 0.5 SC 0.9 0.8 0.8 --- 0.9 0.8 SL 0 0.3 0 0.1 --- 0.1 SNL 0.2 0.3 0.5 0.2 0.9 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 0.52 0.52 -1.3 2.3 0.8 NL -0.52 --- 0.52 -0.8 0.52 0.52 NNL -0.52 -0.52 --- -0.8 2.3 0 SC 1.3 0.8 0.8 --- 1.3 0.8 SL -2.3 -0.52 -2.3 -1.3 --- -1.3 SNL -0.8 -0.52 0 -0.8 1.3 --- (d) NC NL NNL SC SL SNL Zsum -2.84 -0.24 -0.46 -5 7.72 0.82
Rank 5 3 4 6 1 2
三、人物之測試影像(1)壓縮結果與分析
下列圖 4-7 為人物之測試影像(1)之原稿與原稿經過六種色彩複製演算法處 理後所得到之複製影像。圖4-8 為人物之測試影像(1)原稿影像明度值分佈圖。表 4-4 為人物之測試影像(1)之 Z 值表。圖 4-9 為人物之測試影像(1)之 Error Bar。
(1)由圖 4-7,我們可以清楚的看到人物測試影像(1)之明度值集中在 0%至 85%
左右,在最後85%-100%的暗部區域是沒有任何的明度值分佈,所以有必要 對人物測試影像(1)先做明度調整的處理。如此一來可以讓影像在色彩複製 的時候,除了高明度的階調層次可以完整的被複製之外,暗部區域的層次也 得以保留。
(2)表 4-4 將實驗結果之頻率陣列經由公式計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-4 的 Zsum 及 Rank 我們可以看出,針對人物之測試影像(1)所採用之六種不同色彩複製演算法 之 排 名 分 由 高 而 低 分 別 為 SNL(8.5) 、 SL(5.9) 、 SC(3.52) 、 NL(-3.62) 、 NNL(-4.8)、NC(-9.5),此排名為六種色彩複製演算法使用在人物測試影像(1) 之相對優劣程度。
(3)由表 4-4 及圖 4-9 中得知,人物測試影像(1)使用 SNL 之模式會有較高的 Z 值,比其他五種模式擁有較好的色彩再現能力。SNL 模式的線段與其他五 種模式並沒有任何交集涵蓋,所以可以確定 SNL 與其他五種模式有明顯之 差異,且SNL 使用在人物測試影像(1)之色彩複製之結果比其他五種之效果 相對來的好。NL 與 NNL 之 Error Bar 線段在圖 4-9 中有交集的部份,所以 當人物測試影像(1)使用 NL 與 NNL 處理影像後所得到的結果,在人眼觀測 的時候,其實是沒有明顯差異,且比SL、SC 的效果還令人不滿意。人物測 試影像(1)使用 NC 的效果相對上而言是最差的,所以不建議使用在人物測試 影像(1)上。
ORI
NC SC
NL SL
NNL SNL
圖4-7 人物之測試影像(1)原稿與壓縮後之影像
圖4-8 人物之測試影像(1)明度值分佈圖
圖4-9 人物之測試影像(1)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-15 -10 -5 0 5 10 15
NC NL NNL SC SL SNL
Z-Score
-15 -10 -5 0 5 10 15
表4-4 人物之測試影像(1)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 9 9 10 10 10 NL 1 --- 8 7 9 10 NNL 1 2 --- 10 10 10
SC 0 3 0 --- 8 8
SL 0 1 0 2 --- 8
SNL 0 0 0 2 2 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 0.9 0.9 1 1 1 NL 0.1 --- 0.8 0.7 0.9 1 NNL 0.1 0.2 --- 1 1 1 SC 0 0.3 0 --- 0.8 0.8 SL 0 0.1 0 0.2 --- 0.8 SNL 0 0 0 0.2 0.2 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 1.3 1.3 2.3 2.3 2.3 NL -1.3 --- 0.8 0.52 1.3 2.3 NNL -1.3 -0.8 --- 2.3 2.3 2.3 SC -2.3 -0.52 -2.3 --- 0.8 0.8 SL -2.3 -1.3 -2.3 -0.8 --- 0.8 SNL -2.3 -2.3 -2.3 -0.8 -0.8 --- (d) NC NL NNL SC SL SNL Zsum -9.5 -3.62 -4.8 3.52 5.9 8.5
Rank 6 4 5 3 2 1
四、人物之測試影像(2)壓縮結果與分析
下列圖4-10 為人物之測試影像(2)之原稿與原稿經過六種色彩複製演算法處 理後所得到之複製影像。圖 4-11 為人物測試影像(2)原稿影像明度值分佈圖。表 4-5 為影像(2)之 Z 值表。圖 4-12 為人物之測試影像(2)之 Error Bar。
(1)由圖 4-11,我們可以清楚的看到人物測試影像(2)之明度值從 0%至 100%區 域內皆有出現分佈值。這樣表示影像不論有沒有做明度值的處理,對於影像 在經過色彩複製演算法處理過後之結果,對於人眼評估時並不會有太大的差 異。
(2)表 4-5 將實驗結果之頻率陣列經由公式計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-5 的 Zsum 及 Rank 我們可以看出,人物測試影像(2)所採用之六種不同色彩複製演算法之排名 分由高而低分別為 SL(6.7)、NL(1.6)、SNL(1.48)、NNL(-0.05)、SC(-2.3)、
NC(-7.15), 此排名為六種色彩複製演算法使用在人物測試影像(2)之相對優 劣程度。
(3)由表 4-5 及圖 4-12 中得知,影像使用 SL 之模式會有較高的 Z 值,比其他 五種模式擁有較好的色彩再現能力。SL 模式的線段與其他五種模式並沒有 任何交集涵蓋,所以可以確定 SL 與其他五種模式有明顯之差異,且 SL 使 用在人物測試影像(2)之色彩複製之結果比其他五種之效果相對來的好。SNL 與NL 之線段有互相交集的部份,因此對於影像(2)而言,SNL 與 NL 二種模 式具有相似之色彩再現能力。也就是說當人物測試影像(2)使用 SNL 與 NL 處理影像後所得到的結果,在人眼觀測的時候,其實是沒有明顯差異。同樣 的在圖4-12 中,可以清楚明顯的看到 NC 使用在人物測試影像(2)中相對而 言是最差的結果,會讓觀測者有最不滿意的色彩複製結果。
ORI
NC SC
NL SL
NNL SNL
圖4-10 人物之測試影像(2)原稿與壓縮後之影像
圖4-11 人物之測試影像(2)明度值分佈圖
圖4-12 人物之測試影像(2)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-10 -8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-10 -8 -6 -4 -2 0 2 4 6 8 10
表4-5 人物之測試影像(2)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 10 5 6 10 10 NL 0 --- 2 10 5 2 NNL 5 8 --- 0 9 6 SC 4 0 10 --- 10 6
SL 0 5 1 0 --- 3
SNL 0 8 4 4 8 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 1 0.5 0.6 1 1 NL 0 --- 0.2 1 0.5 0.2 NNL 0.5 0.8 --- 0 0.9 0.6 SC 0.4 0 1 --- 1 0.6 SL 0 0.5 0.1 0 --- 0.3 SNL 0 0.8 0.4 0.4 0.8 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 2.3 0 0.25 2.3 2.3 NL -2.3 --- -0.8 2.3 0 -0.8 NNL 0 0.8 --- -2.3 1.3 0.25 SC -0.25 -2.3 2.3 --- 2.3 0.25 SL -2.3 0 -1.3 -2.3 --- -0.52 SNL -2.3 0.8 -0.25 -0.25 0.8 --- (d) NC NL NNL SC SL SNL Zsum -7.15 1.6 -0.05 -2.3 6.7 1.48
Rank 6 2 4 5 1 3
五、風景之測試影像(1)壓縮結果與分析
下列圖4-13 為風景測試影像(1)之原稿與原稿經過六種色彩複製演算法處理 後所得到之複製影像。圖4-14 為風景之測試影像(1)原稿影像明度值分佈圖。表 4-6 為風景之測試影像(1)之 Z 值表。圖 4-15 為風景之測試影像(1)之 Error Bar。
(1)由圖 4-14,我們可以清楚的看到風景測試影像(1)之明度值集中在 0%至 85%
左右,在最後85%-100%的暗部區域是沒有任何的明度值分佈,所以有必要 對風景測試影像(1)先做明度調整的處理。如此一來可以讓影像在色彩複製 的時候,除了高明度的階調層次可以完整的被複製之外,暗部區域的層次也 得以保留。
(2)表 4-6 將實驗結果之頻率陣列經由計算轉換成比例陣例,再換算成 Z 值,
最後加總得到Zsum,得到各種模式的排名。由表 4-6 的 Zsum 及 Rank 我們 可以看出,針對風景測試影像(1)所採用之六種不同色彩複製演算法之排名 分由高而低分別為 NL(6.7)、SL(6.2)、SNL(2.75)、NNL(2.75)、SC(-9.2)、
NC(-9.2) , 此排名為六種色彩複製演算法使用在風景測試影像(2)之相對優 劣程度。
(3)由表 4-6 及圖 4-15 中得知,雖然影像使用 NL 之模式會有較高的 Z 值,比 其他五種模式擁有較好的色彩再現能力。不過由於NL 模式的線段與 SL 之 Error Bar 線段有交集的部份,所以對於風景測試影像(1)而言,NL 與 SL 之 模式其色彩再現能力相對而言並無明顯差異,不過比起NC、NNL、SC、SNL 相對而言會得到令觀測者比較滿意的色彩複製結果。NNL 與 SNL 之線段有 互相交集的部份,因此對於風景測試影像(1)而言,NNL 與 SNL 二種模式具 有相似之色彩再現能力,僅次於NL 與 SL。而 NC 與 SC 模式對於風景測試 影像(1)而言,均為最差之色彩複製模式。我們在圖 4-15 中,只能看出採用 L(線性壓縮模式)模式比採用 NL(非線性壓縮模式)之色彩再現結果有明顯差 異。
ORI
NC SC
NL SL
NNL SNL
圖4-13 風景之測試影像(1)原稿與壓縮後之影像
圖4-14 風景之測試影像(1)明度值分佈圖
圖4-15 風景之測試影像(1)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
表4-6 風景之測試影像(1)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 10 10 5 10 10
NL 0 --- 2 0 5 1
NNL 0 8 --- 0 8 6 SC 5 10 10 --- 10 10
SL 0 5 2 0 --- 2
SNL 0 9 4 0 8 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 1 1 0.5 1 1 NL 0 --- 0.2 0 0.5 0.1 NNL 0 0.8 --- 0 0.8 0.6 SC 0.5 1 1 --- 1 1 SL 0 0.5 0.2 0 --- 0.2 SNL 0 0.9 0.4 0 0.8 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 2.3 2.3 0 2.3 2.3 NL -2.3 --- -0.8 -2.3 0 -1.3 NNL -2.3 0.8 --- -2.3 0.8 0.25 SC 0 2.3 2.3 --- 2.3 2.3 SL -2.3 0 -0.8 -2.3 --- -0.8 SNL -2.3 1.3 -0.25 -2.3 0.8 --- (d) NC NL NNL SC SL SNL Zsum -9.2 6.7 2.75 -9.2 6.2 2.75
Rank 5 1 3 5 2 3
六、風景之測試影像(2)壓縮結果與分析
下列圖4-16 為風景測試影像(2)之原稿與原稿經過六種色彩複製演算法處理 後所得到之複製影像結果。圖 4-17 為風景之測試影像(2)原稿影像明度值分佈 圖。表4-7 為風景之測試影像(2)之 Z 值表。圖 4-18 為風景之測試影像(2)之 Error Bar。
(1)由圖 4-16,我們可以清楚的看到影像之明度值從 0%至 100%皆有出現分 佈。這樣的影像不論有沒有做明度值的處理,對於影像壓縮後之結果也不會 有太大的差異。
(2)表 4-7 將實驗結果之頻率陣列經過公式轉換成比例陣例,再換算成 Z 值,
最後加總得到Zsum,得到各種模式的排名。由表 4-7 的 Zsum 及 Rank 我們 可以看出,針對風景測試影像(2)所採用之六種不同色彩複製演算法之排名 分由高而低分別為NL(6.45)、SL(5.89)、SNL(3.28)、NNL(2.78)、NC(-8.95)、
SC(-9.45) , 此排名為六種色彩複製演算法使用在風景測試影像(2)之相對 優劣程度。
(3)由表 4-6 及圖 4-18 得知,雖然影像使用 NL 之模式會有較高的 Z 值,比其 他五種模式擁有較好的色彩再現能力。不過由於NL 模式的線段與 SL 之線 段有交集的部份,所以對於風景測試影像(2)而言 NL 與 SL 之模式其色彩再 現能力並無明顯差異,不過比起NC、NNL、SC、SNL 相對而言會得到令觀 測者比較滿意的色彩複製結果。NNL 與 SNL 之線段有互相交集的部份,因 此對於風景測試影像(2)而言,NNL 與 SNL 二種模式具有相似之色彩再現能 力,僅次於NL 與 SL。而 NC 與 SC 模式對於風景測試影像(2)而言,均為最 差之色彩複製模式。我們在圖4-18 中,只能看出採用 L(線性壓縮模式)模式 比採用 NL(非線性壓縮模式)之色彩再現結果相對而言較良好,且有明顯差 異。
ORI
NC SC
NL SL
NNL SNL
圖4-16 風景之測試影像(2)原稿與壓縮後之影像
圖4-17 風景之測試影像(2)明度值分佈圖
圖4-18 風景之測試影像(2)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
表4-7 風景之測試影像(2)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 10 10 4 10 10
NL 0 --- 1 0 6 2
NNL 0 9 --- 0 7 5 SC 6 10 10 --- 10 10
SL 0 4 3 0 --- 3
SNL 0 8 5 0 7 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 1 1 0.4 1 1 NL 0 --- 0.1 0 0.6 0.2 NNL 0 0.9 --- 0 0.7 0.5 SC 0.6 1 1 --- 1 1 SL 0 0.4 0.3 0 --- 0.3 SNL 0 0.8 0.5 0 0.7 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 2.3 2.3 -0.25 2.3 2.3 NL -2.3 --- -1.3 -2.3 0.25 -0.8 NNL -2.3 1.3 --- -2.3 0.52 0 SC 0.25 2.3 2.3 --- 2.3 2.3 SL -2.3 -0.25 -0.52 -2.3 --- -0.52 SNL -2.3 0.8 0 -2.3 0.52 --- (d) NC NL NNL SC SL SNL Zsum -8.95 6.45 2.78 -9.45 5.89 3.28
Rank 5 1 4 6 2 3
七、高彩度高明度之測試影像(1)壓縮結果與分析
下列圖4-19 為高彩度高明度之測試影像(1)原稿與原稿經過六種色彩複製演 算法處理後所得到之複製影像。圖4-20 為高彩度高明度之測試影像(1)原稿影像 明度值分佈圖。表4-8 為高明度高彩度測試影像(1)之 Z 值表。圖 4-21 為高明度 高彩度之測試影像(1)之 Error Bar。
(1)由圖 4-20,我們可以清楚的看到高彩度高明度影像(1)之明度值集中在 0%至 95%區域範圍內,在最後 95%-100%的暗部區域是沒有任何的明度值分佈,
所以有必要對高彩度高明度測試影像(1)先做明度調整的處理。如此一來可 以讓影像在色彩複製的時候,除了高明度的階調層次可以完整的被複製之 外,暗部區域的層次也得以保留。
(2)表 4-8 將實驗結果之頻率陣列經過公式計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-8 的 Zsum 及 Rank 我們可以看出,針對高明度高彩度影像(1)所採用之六種不同色彩複製演算 法之排名分由高而低分別為 SNL(8.5)、SC(4.8)、NNL(4.4)、NC(0.7)、
SL(-6.9)、NL(-11.5) , 此排名為六種色彩複製演算法使用在高明度高彩度 測試影像(1)之相對優劣程度。
(3)由表 4-8 及圖 4-21 中得知,影像使用 SNL 之模式會有較高的 Z 值,比其他 五種模式擁有較好的色彩再現能力。SNL 模式的線段與其他五種模式並沒 有任何交集涵蓋,所以可以確定SNL 與其他五種模式有明顯之差異,且 SNL 使用在高明度高彩度測試影像(1)之色彩複製之結果比其他五種之效果相對 來的好。SC 與 NNL 之線段有互相交集的部份,因此對於高明度高彩度測試 影像(1)而言,SC 與 NNL 二種模式具有相似之色彩再現能力,僅次於 SNL。
NL 模式使用在高明度高彩度測試影像(1)上而言,會得到令觀測者最不滿意 之色彩複製結果。
ORI
NC SC
NL SL
NNL SNL
圖4-19 高彩度高明度之測試影像(1)原稿與壓縮後之影像
圖4-20 高彩度高明度之測試影像(1)明度值分佈圖
圖4-21 高彩度高明度之測試影像(1)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-15 -10 -5 0 5 10 15
NC NL NNL SC SL SNL
Z-Score
-15 -10 -5 0 5 10 15
表4-8 高彩度高明度之測試影像(1)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL
NC --- 0 8 10 0 8
NL 10 --- 10 10 10 10 NNL 2 0 --- 1 0 10
SC 0 0 9 --- 0 8
SL 10 0 10 10 --- 10
SNL 2 0 0 2 0 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 0 0.8 1 0 0.8
NL 1 --- 1 1 1 1
NNL 0.2 0 --- 0.1 0 1 SC 0 0 0.9 --- 0 0.8
SL 1 0 1 1 --- 1
SNL 0.2 0 0 0.2 0 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- -2.3 0.8 2.3 -2.3 0.8 NL 2.3 --- 2.3 2.3 2.3 2.3 NNL -0.8 -2.3 --- -1.3 -2.3 2.3 SC -2.3 -2.3 1.3 --- -2.3 0.8 SL 2.3 -2.3 2.3 2.3 --- 2.3 SNL -0.8 -2.3 -2.3 -0.8 -2.3 --- (d) NC NL NNL SC SL SNL Zsum 0.7 -11.5 4.4 4.8 -6.9 8.5
Rank 4 6 3 2 5 1
八、高彩度高明度之測試影像(2)壓縮結果與分析
下列圖4-22 為高明度高彩度測試影像(2)之原稿與原稿經過六種色彩複製演 算法處理後所得到之複製影像。圖4-23 為高彩度高明度之測試影像(2)原稿影像 明度值分佈圖。表4-9 為高彩度高明度之測試影像(2)之 Z 值表。圖 4-24 為高彩 度高明度之測試影像(2)之 Error Bar。
(1)由圖 4-23,我們可以清楚的看到高明度高彩度測試影像(2)之明度值集中在 0%至 95%區域範圍內,在最後 95%-100%的暗部區域是沒有任何的明度值 分佈,所以有必要對高明度高彩度測試影像(2)先做明度調整的處理。如此 一來可以讓影像在色彩複製的時候,除了高明度的階調層次可以完整的被複 製之外,暗部區域的層次也得以保留。
(2)表 4-9 將實驗結果之頻率陣列轉換成比例陣例,再換算成 Z 值,最後加總 得到Zsum,得到各種模式的排名。由表 4-9 的 Zsum 及 Rank 我們可以看出,
針對高彩度高明度影像(2)所採用之六種不同色彩複製演算法之排名分由高 而 低 分 別 為 SC(7.22) 、 NC(5.62) 、 NNL(3.3) 、 SNL(2.26) 、 SL(-8.95) 、 NL(-9.45) , 此排名為六種色彩複製演算法使用在高明度高彩度測試影像(2) 之相對優劣程度。
(3)由表 4-9 及圖 4-24 中得知,影像使用 SC 之模式會有較高的 Z 值,比其他 五種模式擁有較好的色彩再現能力。SC 模式的線段與其他五種模式並沒有 任何交集涵蓋,所以可以確定SC 與其他五種模式有明顯之差異,且 SC 使 用在高明度高彩度測試影像(2)之色彩複製之結果比其他五種之效果相對來 的好。由圖4-24 中可以清楚的看到 NL 跟 SL 使用在高明度高彩度測試影像 (2)中會得到令觀測者最不滿意之色彩複製結果。所以在將來在處理類似高 明度高彩度測試影像(2)這類影像時,應該避免使用線性壓縮的方式。因為 這個方式雖然會提高明度,不過像高明度高彩度測試影像(2)這種色調飽 和,缺少層次之影像反而不適合使用線性壓縮的方式處理影像。
ORI
NC SC
NL SL
NNL SNL
圖4-22 高彩度高明度之測試影像(2)原稿與壓縮後之影像
圖4-23 高彩度高明度之測試影像(2)明度值分佈圖
圖4-24 高彩度高明度之測試影像(2)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
NC NL NNL SC SL SNL
Z-Score
-12 -10 -8 -6 -4 -2 0 2 4 6 8 10
表4-9 高彩度高明度之測試影像(2)Z 值表
(a).a(i,j) NC NL NNL SC SL SNL
NC --- 0 1 8 0 3
NL 10 --- 10 10 6 10 NNL 9 0 --- 7 0 3
SC 2 0 3 --- 0 1
SL 10 4 10 10 --- 10
SNL 7 0 7 9 0 ---
(b).f(i,j) NC NL NNL SC SL SNL NC --- 0 0.1 0.8 0 0.3 NL 1 --- 1 1 0.6 1 NNL 0.9 0 --- 0.7 0 0.3 SC 0.2 0 0.3 --- 0 0.1 SL 1 0.4 1 1 --- 1 SNL 0.7 0 0.7 0.9 0 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- -2.3 -1.3 0.8 -2.3 -0.52 NL 2.3 --- 2.3 2.3 0.25 2.3 NNL 1.3 -2.3 --- 0.52 -2.3 -0.52 SC -0.8 -2.3 -0.52 --- -2.3 -1.3 SL 2.3 -0.25 2.3 2.3 --- 2.3 SNL 0.52 -2.3 0.52 1.3 -2.3 --- (d) NC NL NNL SC SL SNL Zsum 5.62 -9.45 3.3 7.22 -8.95 2.26
Rank 2 6 3 1 5 4
九、極端影像之測試影像(1)壓縮結果與分析
下列圖4-25 為極端影像之測試影像(1)原稿與原稿經過六種色彩複製演算法 處理後所得到之複製影像。圖4-26 為極端影像之測試影像(1)原稿影像明度值分 佈圖。表4-10 為極端影像之測試影像(1)Z 值表。圖 4-27 為極端影像之測試影像 (1)之 Error Bar。
(1)由圖 4-26,我們可以清楚的看到極端測試影像(1)之明度值從 0%至 100%皆 有出現分佈。這樣的影像不論有沒有做明度值的處理,對於影像壓縮後之結 果也不會有太大的差異。
(2)表 4-10 將實驗結果之頻率陣列經由公式計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-10 的 Zsum 及 Rank 我們可以看出,針對極端影像(1)所採用之六種不同色彩複製演算法之排名 分由高而低分別為 SL(8.95)、NL(7.4)、NNL(1.8)、SNL(0.25)、NC(-8.95)、
SC(-9.45) , 此排名為六種色彩複製演算法使用在極端測試影像(1)之相對 優劣程度。
(3)由表 4-10 及圖 4-27 中得知,影像使用 SL 之模式會有較高的 Z 值,比其他 五種模式擁有較好的色彩再現能力。SL 模式的線段與其他五種模式並沒有 任何交集涵蓋,所以可以確定 SL 與其他五種模式有明顯之差異,且 SL 使 用在極端測試影像(1)之色彩複製之結果比其他五種之效果相對來的好。由 圖4-27 中我們發現 NNL 與 SNL 之 Error Bar 線段互有重疊,所以 NNL 與 SNL 使用在極端測試影像(1)上,對於人眼觀測者而言,並沒有顯著差異。
也就是說 NNL 與 SNL 使用在極端測試影像(1)上會得到令人一致之結果。
在圖4-27 中,可以清楚明顯的看到 NC 使用在極端測試影像(1)中相對而言 是最差的結果,會讓觀測者有最不滿意的色彩複製結果。
ORI
NC SC
NL SL
NNL SNL
圖4-25 極端影像(1)之原稿與壓縮後之影像
圖4-26 極端影像(1)之明度值分佈圖
圖4-27 極端影像(1)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-15 -10 -5 0 5 10 15
NC NL NNL SC SL SNL
Z-Score
-15 -10 -5 0 5 10 15
表4-10 極端影像(1)之 Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 10 10 4 10 10
NL 0 --- 4 0 4 0
NNL 0 6 --- 0 10 6 SC 6 10 10 --- 10 10
SL 0 6 0 0 --- 0
SNL 0 10 4 0 10 --- (b).f(i,j) NC NL NNL SC SL SNL NC --- 1 1 0.4 1 1 NL 0 --- 0.4 0 0.4 0 NNL 0 0.6 --- 0 1 0.6 SC 0.6 1 1 --- 1 1 SL 0 0.6 0 0 --- 0 SNL 0 1 0.4 0 1 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 2.3 2.3 -0.25 2.3 2.3 NL -2.3 --- -0.25 -2.3 -0.25 -2.3 NNL -2.3 0.25 --- -2.3 2.3 0.25 SC 0.25 2.3 2.3 --- 2.3 2.3 SL -2.3 0.25 -2.3 -2.3 --- -2.3 SNL -2.3 2.3 -0.25 -2.3 2.3 --- (d) NC NL NNL SC SL SNL Zsum -8.95 7.4 1.8 -9.45 8.95 0.25
Rank 5 2 3 6 1 4
十、極端影像之測試影像(2)壓縮結果與分析
下列圖4-28 為極端影像測試影像(2)之原稿與原稿經過六種色彩複製演算法 處理後所得到之複製影像。圖4-29 為極端影像之測試影像(2)原稿影像明度值分 佈圖。表4-11 為極端影像測試影像(1)之 Z 值表。圖 4-30 為極端影像之測試影像 (2)之 Error Bar。
(1) 由圖 4-29,我們可以清楚的看到影像之明度值從 0%至 100%皆有出現分 佈。這樣的影像不論有沒有做明度值的處理,對於影像壓縮後之結果也不會 有太大的差異。
(2)表 4-11 將實驗結果之頻率陣列經由公式計算轉換成比例陣例,再換算成 Z 值,最後加總得到Zsum,得到各種模式的排名。由表 4-11 的 Zsum 及 Rank 我們可以看出,針對影像(2)所採用之六種不同色彩複製演算法之排名分由 高 而 低 分 別 為 SL(9.2) 、 NL(6.65) 、 NNL(2.8) 、 SNL(-0.25) 、 NC(-9.2) 、 SC(-9.2) , 此排名為六種色彩複製演算法使用在極端測試影像(2)之相對優 劣程度。
(3)由表 4-11 及圖 4-30 中得知,影像使用 SL 之模式會有較高的 Z 值,比其他 五種模式擁有較好的色彩再現能力。SL 模式的線段與其他五種模式並沒有 任何交集涵蓋,所以可以確定 SL 與其他五種模式有明顯之差異,且 SL 使 用在極端測試影像(2)之色彩複製之結果比其他五種之效果相對來的好。由 圖4-30 中我們發現 NC 與 SC 之 Error Bar 線段互有重疊,所以 NC 與 SC 使 用在極端測試影像(2)上,對於人眼觀測者而言,並沒有顯著差異。也就是 說 NNL 與 SNL 使用在極端測試影像(2)上會得到令人一致之結果。且這二 個模式使用在極端測試影像(2)中相對而言是最差的結果,會讓觀測者有最 不滿意的色彩複製結果。。
ORI
NC SC
NL SL
NNL SNL
圖4-28 極端影像(2)之原稿與壓縮後影像
圖4-29 極端影像(2)之明度值分佈圖
圖4-30 極端影像(2)之 95%信賴區間的 Z 值 明度值
頻率
0 255
-15 -10 -5 0 5 10 15
NC NL NNL SC SL SNL
Z-Score
-15 -10 -5 0 5 10 15
表4-11 極端影像(2)之 Z 值表
(a).a(i,j) NC NL NNL SC SL SNL NC --- 10 10 5 10 10
NL 0 --- 6 0 5 0
NNL 0 4 --- 0 10 4 SC 5 10 10 --- 10 10
SL 0 5 0 0 --- 0
SNL 0 10 6 0 10 --- (b).f(i,j) NC NL NNL SC SL SNL NC --- 1 1 0.5 1 1 NL 0 --- 0.6 0 0.5 0 NNL 0 0.4 --- 0 1 0.4 SC 0.5 1 1 --- 1 1 SL 0 0.5 0 0 --- 0 SNL 0 1 0.6 0 1 --- (c).Z(i,j) NC NL NNL SC SL SNL NC --- 2.3 2.3 0 2.3 2.3 NL -2.3 --- 0.25 -2.3 0 -2.3 NNL -2.3 -0.25 --- -2.3 2.3 -0.25 SC 0 2.3 2.3 --- 2.3 2.3 SL -2.3 0 -2.3 -2.3 --- -2.3 SNL -2.3 2.3 0.25 -2.3 2.3 --- (d) NC NL NNL SC SL SNL Zsum -9.2 6.65 2.8 -9.2 9.2 -0.25
Rank 5 2 3 5 1 4