影像增強於跨媒體色彩管理系統之應用

(1)

1

影像增強於跨媒體色彩管理系統之應用

The Application of Image Enhancement on Cross-Media Color Management System

羅梅君

世新大學資訊管理學系

[email protected]

林宗興

世新大學資訊管理學系 [email protected]

摘要

一般影像處理中所用到的影像增強模式，僅針對影像所在的色彩空間作直接的增強(如 RGB 或 CMYK)。如此不但未考慮到影像在跨媒體複製時所會遇到的問題，也可能使增強的影像之色相有所改變。本研究中結合多媒體色彩管理系統並加入對於影像增強之研究，達到設備獨立、光源獨立的影像增強演算法。研究中對四種不同的影像增強模式(對比延伸法、S 曲線對比增強、銳利化、反銳化遮罩)經由心理物理實驗以及 S-CIELAB 色差公式作效能比較，找出最佳的影像增強模式。

我們將影像所在的設備從屬色彩空間搭配使用 CIECAM02 色外貌模式產生的 ICC profile 轉換到設備獨立的色外貌 CIEJCh 色彩空間，再對影像的明度屬性及彩度屬性作影像增強的轉換，如此可以達到跨媒體複製的要求，也能避免增強後影像色相改變的問題。

結果顯示反銳化遮罩(Unsharp Mask) 具有最佳的效能表現，表現比未經處理的影像更好。

關鍵詞：影像增強、色彩管理系統、ICC profile、S-CIELAB

Abstract

Traditionally, in the field of image processing application, models, used in image enhancement, only enhance the images in interest in its device dependent color space (e.g. RGB or CMYK). Hence, the reproduced results on the enhanced images, obtained via cross-media reproduction system, often have hue changes.

In this research, by the combination of image enhancement, totally four algorithms were derived based on both device independence and illuminant independence.

Those were algorithms of contrast stretching, s-curve, sharpness, and unsharp mask. Also a set of psychophysical experiments and S-CIELAB was conducted to evaluate performances of models derived, and to find the best-performing image enhancement model.

Firstly, images tested were transferred from the image’s device dependent color space to device independent color space CIEJCh using their corresponding ICC profile which had been produced by using CIECAM02 color appearance model. And then, in terms of luminance and chroma factor, images produced were further enhanced via algorithms of image enhancement algorithms derived in this study. Therefore, not only the request of

(2)

cross-media reproduction had been reached, but also the changes of hue in enhanced image had been avoided.

此研究的重要性在於使跨媒體複製的影像資料，經由影像增強技術，使影像看起來更清晰，更易於辨讀，甚至是有超越原影像畫質的表現。從另一個角度來看，

影像增強技術，可以彌補色域壓縮後層次感不足的情況，使複製影像更接近原始影像。經由對不同影像增強模式的實驗，了解不同增強法的特性、效能、適用範圍。

以期能夠對往後跨媒體複製的表現有所改善，使整個色彩管理系統更為完善，有更好的表現。

Totally, the image enhancement model of unsharp mask outperformed the others in this study, and gave better rendition-quality of images than those which had not been enhanced.

Keyword：image enhancement, color

management system, ICC profile, S-CIELAB

二、文獻探討一、序論

(一)影像增強(Image Enhancement) 現今的影像增強技術，採用對於影像

資料作直接的增強，例如直接從螢光幕的 RGB 設備從屬色彩空間做轉換，並沒有考慮到跨媒體複製的問題。若考慮到跨媒體之間的影像複製，則應將影像資料先轉換到非設備從屬的色彩空間，如 CIE XYZ。

再從非設備從屬的色彩空間經色外貌模式轉換到非環境從屬的色彩空間，如 CIEJCh，於此色彩空間對於影像的明度或彩度進行影像增強轉換，如此不但可以應用於跨媒體複製，也可以避免直接對於 RGB 色彩空間資料進行轉換所產生的色偏現象。

影像增強的原理，是藉由調高相鄰像素之間的對比，使人眼在視覺上能夠感知到更多的影像細節紋理以及邊緣部分，藉此來達到改善影像品質的目的。傳統的彩色影像強化演算法，依照 Digital Image Processing 書中的分類方式[1]，可分為在影像空間域的強化、影像頻率域的強化，如圖 1 所示：

本研究中將影像經過設備特性演繹模式、CIECAM02 色外貌模式轉換到非環境從屬色彩空間 CIEJCh，先進行影像特徵萃取、色域壓縮之後再將影像特徵加上以進行影像增強，之後經過反推型色外貌模式、反推型設備特性演繹模式，得到經過跨媒體複製的影像。我們經由 S-CIELAB 色差公式以及心理物理實驗兩種方式，比較不同影像增強方法的效能表現，希望能改進一般影像增強侷限於設備從屬色彩空間所產生的問題。

圖 1 影像增強分類圖

在影像空間域強化的方式下可以分成針對每一個像素點處理的方式以及利用濾鏡處理兩大類型，而影像頻率域的強化可以分為高通處理和低通處理兩種類型。下

2

(3)

面將介紹本研究中使用的點處理方式及濾鏡處理方式之原理：

如圖 2 所示，輸入一張低反差的影像，藉由調整階調複製曲線，將座標空間中 Black Level 向右方調整，以及 White Level 向左方調整，讓原先階調分布偏向中間的輸入稿影像動態範圍 (Dynamic Range)增加。

點處理：運用一簡單的轉換函式 T，

對影像中每一像素點 f(x,y) 作個別運算，產生轉換後的像素點 g(x,y)，使處理後的影像更合乎我們的需求，如方程式 1 所示。優點為處理快速，缺點則為無法考慮鄰近像素的差異，效果較不準確。

經過對比延伸之後的輸出稿，如圖 3 所示[2]，影像的動態範圍較輸入稿更為廣泛，可以表現的影像階調比較多，達到了影像強化的效果。

( , ) [ ( , )]

g x y = T f x y

(1) 濾鏡處理：考慮整個影像在空間分佈上的特性，利用矩陣型態的濾鏡，如下所示為一簡單的 3x3 濾鏡。考慮到周圍像素點，針對整個影像作二維的空間域處理。

優點為效果較為準確，缺點為計算量較大，需要花費較長時間處理。

0 -1 0 -1 5 -1

0 -1 0

圖 2 (左)影像處理前的階調複製曲線圖(右)對比延伸法處理後

本研究中採用灰階轉換概念的對比之曲線

延伸法(Contrast Stretching)、S 曲線對比增強法(S-Curve)，以及使用空間濾波器處理的銳利化(Sharpness)、反銳化遮罩 (Unsharp Mask)；作為本研究實驗的影像增強演算法。下面將分別介紹各種影像增強演算法其特性及原理。

(1) 對比延伸法 (Contrast Stretching)

圖 3(左)原始低反差影像(右)經對比延伸法處理之影像

對比延伸法，是一種採用點處理方式的影像增強技術，藉由調整影像中每一個像素點的值，來達成影像增強的目的[1]。

根據輸入影像之內容，如針對 Low-Key Image 或 High-Key Image 調整原稿端與複製端的「階調複製曲線」 (Tone Reproduction Curve， TRC)，來增加輸出稿對比表現的範圍。

在本研究中所使用的對比延伸法，採用三段式的處理機制，如圖 4 所示，如此更能適用於大多數的影像內容，而其基本演算法如下面方程式 2 所示，其中 r1.r2 為自行設定的 Black Level 和 White Level，而 s1.s2 為我們所欲調整 Black Level、White Level 的幅度，L 在這裡我們使用色外貌 JCh 色彩空間的明度軸(J)

3

(4)

或彩度軸(C)為依據，其值為 100，r 為輸入值、s 為輸出值。

在稍後的實驗中，我們使用的參數如下：r1=15， r2=85， s1=5， s2=95。

圖 5 影像調整之 S 曲線

4

圖 4 三段式的對比延伸法

1

1 1

2 1 1 2 1

1 1

2 1 2 1

2 2 2

2

2 2

, if

( )

, if

( )

, otherwise s r r r

r

s s r s s

s r s r r r2

r r r r

L s r L s

r s

L r L r

⎧ <

⎪⎪

− −

=⎪⎨ −⎪ + − − ≤

− −

⎪ + −

⎪ − −

⎩

圖 6 (左)原始低反差影像(右)經 S 曲線對比增強法處理之影像

< (2)

S 曲線的運算方式如方程式 3[1]，其中 m 在這裡我們使用色外貌 JCh 色彩空間之明度軸(J)或彩度軸(C)的一半為依據，

其值為 50，r 為輸入值、s 為輸出值。E 為自訂參數，用來控制 S 曲線的形狀。

(2) S 曲線對比增強法 (S-Curve) 在 S 曲線對比增強法中，同樣藉由調整階調複製曲線的點處理方式對影像增強處理，與對比延伸法的分段式線性轉換有所不同，S 曲線對比增強法是將整個階調曲線作線性的轉換，而在原稿端(輸入稿) 與複製端(輸出稿)之間取得一條圓滑的曲線，該曲線因為呈現 S 形的分布，如圖 5 所示，因此被命名為 S 曲線對比增強法 [1]。

( ) 1

1 ( / )^E

s T r

= =

m r

+ (3)

在稍後的實驗中，我們使用的參數如下：m=50，E=4。

(3) 銳利化(Sharpness)

銳利化的影像增強處理，是一種空間域的濾波器處理方式，藉由銳化濾波器增強影像的高頻特徵，高頻特徵包含了影像的邊緣以及細節，是影像增強演算法中常會增強的資訊，經過增強的影像其邊緣及細節部分都會更加清晰，這就是銳利化 (Sharpness)的原理[1, 3]。

經過 S 曲線對比增強法處理後，影像的色階分布較原稿均勻，對於影像的暗部以及亮部的描述增加，使影像達到更為清晰、細節表現更好的效果，如圖 9 所示[2]。

本實驗中使用的銳化濾波器，為一

(5)

3x3 矩陣，如下所示：

-0.125 -0.125 -0.125 -0.125 2 -0.125 -0.125 -0.125 -0.125 (4) 反銳化遮罩(Unsharp Mask)

反銳化遮罩廣泛的運用於一般影像處理程序中，其原理是將影像套用高斯模糊 (Gaussian Blur)，得到一個模糊的影像，

將此模糊影像用作為稍後處理的遮罩，這也就是反銳化遮罩一詞的由來。以模糊影像為遮罩，用來處理原始影像以求得一個含有影像細節資訊的高頻特徵影像，將此高頻特徵影像乘以所選擇的倍率(參數 Amount)，再運算加回原始影像，得到一個經反銳化遮罩處理過後的增強影像 [1, 4]。

圖 7 反銳化遮罩(Unsharp Mask)運作流程圖

稍後的實驗中，我們所使用的參數如下：半徑σ=1，增強倍率 Amount=100%。

高斯模糊運算如方程式 4 所示，輸入影像中座標為(u,v)之像素資料以及所選擇高斯模糊之半徑σ，運算過後即可得到一模糊影像。

（二）ICC Profile 為基礎的色彩管理系統在色彩管理中，數位設備利用描述檔 (Profile)來紀錄其設備的特性與參數，其中包含了設備相依色彩空間(例如:RGB、

CMYK) 和設備獨立色彩空間 ( 例如:CIELAB、CIE XYZ)的相關對映轉換資料。但是如果每個數位設備的描述檔的格式都參差不齊，那在作色彩轉換的時候可能就會出現問題，所以國際色彩聯盟(ICC , International Color Consortium) 訂定出一個國際標準的 profile 格式，稱為＂

ICC profile＂。

2 2 2

( )/(2

2

( , ) 1 2

u v

G u v e

^σ ⁾

πσ

− +

=

₍₄₎

反銳化遮罩運作方式，如圖 7 所示。

其格式內容如圖 8 所示 [5] ， ICC profile 有三個部份:Profile Header、Tag Table 、 Tagged Element Data ，其中 Profile Header 是用來記錄此 profile 的概要資訊，例如生產日期、製造廠商、色

5

(6)

彩空間、觀測明度… 等，讓使用者可以藉此瞭解 profile 的種類與基本資訊。在圖 8 中可以明顯看到 Tag Table 和 Tagged Element Data 相互關聯。整個 profile 的核心為 Tagged Element Data，裡面有許多色彩相關參數表用來做色彩轉換，而 Tag Table 即為各組色彩參數表的表頭，

讓使用者可以分辨出此組參數表代表何種資料。

6

在 ICC profile 中色彩的轉換是利用內置的對照表(Look Up Table)進行，以達到快速轉換的目標，所以 Tagged Element Data 為最核心的部份，而由於 ICC profile 可自行定義、增加 Tag 的特性，不同的色彩管理系統可以在既有的 profile 中，增加自定義功能，但卻不會產生 profile 流通性的問題。

圖 8 ICC Profile 架構示意圖

除此之外，國際色彩聯盟將色彩管理系統定義為一個開放式的架構，開放式架構就是每個數位設備都可以相互作色彩轉換，不再只是一對一，為了達到這個目標，

國際色彩聯盟定義出〝描述檔連結空間〞

(Profile Connection Space，PCS)，此空間所使用的色彩空間為設備獨立的色彩空

間，作為一個統一虛擬介面來接收、轉換並傳送給相對應的顯示或輸出設備，為各個數位設備溝通的色彩語言，如圖 9 所示。

圖 9 ICC Profile 以描述檔連結空間連結各種不同的設備

依照國際色彩聯盟的建議，描述檔連結空間為 CIELAB 或 CIE XYZ，而在描述檔連結空間的色域範圍部分則沒有明確的定義，目前一般使用 Adobe 所提出的 Adobe RGB 作為產生 ICC Profile 時色域對映的依據。而 ICC Profile 中，包含了四種色域對映方式[5, 6]，介紹如下：

• 媒體相對色度色域對映 (Media-Relative Colorimetric Intent)：採用線性壓縮的方式，將超出色域的部分依照色彩資訊數值做線性的調整。

• 絕對的 ICC 色度色域對映 (ICC-Absolute Colorimetric Intent)：將超出色域範圍的顏色裁切，使其對映到色域的邊緣值。此方式是使用在特殊色 (Spot Colors)或是當要模擬、驗證一個媒體於另一個媒體的色彩表現時使用。這種方式會使部分細節有所遺失。

• 飽合度的色域對映 (Saturation Intent)：用於產生顏色飽合的輸出影像，

為了要保留住純色的鮮明而換掉色相的折衷方法，此方法大部份用於影像中圖表類型的物件。這種方法的色彩準確性不高。

(7)

• 感觀的色域對映(Perceptual Intent)：感觀的色域對映是由 profile 提供商指定的，包含著為了要保留住所有的色調範圍而換掉對比的折衷方法，此方法用於一般的影像再製品，尤其是繪製或攝影的影像。在此方法中色彩的轉換是用等比例的色彩空間對映，所以如果兩設備之間的色域差異極大，其結果也會有很大的偏差。

（三）色彩評估模式

(1) S-CIELAB 色差評估模式

由於人眼視覺上對於視覺中央較為敏銳的特性，在 Wandell 和 Brainard (1986) 的研究中發現[7]，傳統 CIELAB 色差公式的應用上，評估原稿和複製品在色彩表現上的差異是較為不足的，因此，CIELAB 在評估單一色塊雖有不錯的效果，但卻無法用來評估複雜影像。為了改善上述的現象，而將 CIELAB 色差公式加入空間域分佈的概念，而推導出 S-CIELAB 的色差評估模式，其中第一個字母 S 即為空間域 (Spatial)的意思，故命名為 S-CIELAB。

圖 10 S-CIELAB 色差評估模式

S-CIELAB 色差模式計算流程，大致分為三個步驟：

（i）將原稿及複製的影像，先經由「設備從屬色彩空間」轉換至「設備獨立色彩空間」上，再經由一個「對立色色彩空間」

轉換成一個明度值及兩個對立性的色頻訊號(亦即紅-綠及黃-藍)。

S-CIELAB 將「影像色彩空間分佈」對於知覺性的色外貌與色彩分辨力的影響考慮進去，圖 13 為 S-CIELAB 評估流程圖[8]。

（ii）將轉換的影像經由空間濾波器處理，並依照人眼對於色彩空間的感度來做調適。

（iii）經過空間濾波器處理後的影像，再轉置成 CIE XYZ 或 LMS。應用這些 CIE XYZ 或 LMS 值，即可進而計算出 CIELAB 的色差值。藉由這些計算的結果，即可得知複製影像的「失真程度」。

設計 S-CIELAB 以計算色彩誤差的主要目標有二：模擬人眼視覺系統中具有空間模糊的機制，藉由空間濾波器的技術應

7

(8)

8

以 S-CIELAB 模式為彩色影像色差評估之程

(2) 心理物理實驗 (Psychophysical

在複雜影像品質的評估實驗中，經常會使

Thurstone (1927)提出心理物理實驗有兩

心理物理實驗中，常會使用配對比較法(P

三、研究方法及實驗設計

（一）本研究於影像增強演算法之應用機本研究中考慮到跨媒體色彩複製以及 ICC

像增強模式，

包括

file 可以自行增加定義 T

影像增強模式

域濾鏡處理方式

用到複雜彩色影像的轉換處理上。另外，

轉換處理的訊號若是來自於「大的均勻區塊」，仍然能夠產生與 CIELAB 色差計算相近的結果。

流，由於將空間域的影響加以考慮，因此藉此模式評估數位影像複製品的品質誤差，會較一般沒有考慮空間域概念的標準色差公式來得準確。

Experiment)

用心理物理實驗的方式，藉由不同的物理刺激(光線、顏色等)，對於人們的心理反應作測試及量化，希望藉由不同實驗者所得到的數據經過統計分析後，得知人們對於影像的評價及喜好程度。

種模式[9]，藉由觀測者視覺上的判斷，選出最好的複製結果。第一種為喜好色(Preference)的評比模式，觀測者依照自己喜好的影像或顏色作選擇，觀測者不需要具有專業色彩知識即可進行實驗。第二種是正確色(Accuracy)的評比模式，觀測者依據影像及其顏色的正確性來選出最接近原稿的複製影像或色彩，觀測者需要對色彩學有專業的知識背景，才能給予複製品較精確的評估。

air Comparison Method)來作為實驗的方式，本研究中採用此方法，要求觀測者以原稿為依據，透過對於影像間兩兩比較，評定兩者之間的好壞。實驗過程中，

觀測者需記錄各測試影像在每組影像配對中表現較佳的次數，將累積數值轉換為比率值，再利用統計學中的 z-score 運算法則，將各影像再現品質表現轉換為和心理物理學有關的尺度值(即 z-score)，依照

計算之後的 z-score 值大小排序，即可代表影像再現品質的優劣排序，而不同模式間 z-score 區段若有重疊，則表示其效能表現相近。

制

Profile 於 PCS 空間色域對映之特性，

將影像增強演算法的應用機制依照影像處理法的不同分為兩種類型：

(1)點處理的影像增強模式研究中採用的點處理影

對比延伸法、S 曲線對比增強法兩種。由於點處理的影像處理方式，不需考慮整體影像內容，只針對影像中個別像素點作單獨處理，因此在這裡我們直接針對 ICC profile 中對照表的 CIEJCh 數值，對明度軸(J)或彩度軸(C)進行影像增強處理。這麼做的好處是僅需處理對照表資料中的數千筆數值，而在實際跨媒體影像轉換時，

處理數百萬畫素的影像，卻完全不需要額外的影像處理時間。

另外由於 ICC pro

ag 的特性，我們可以在 ICC profile 中放入多組經過不同參數影像增強處理的對照表供使用者在轉換不同影像時做選擇，

以針對不同影像內容達到最好的表現。經過本機制處理的對照表，可以達成不增加運算負擔的影像增強，另外影像增強模組的應用，也可以包含在 ICC profile 中，而不需獨立出來處理，達到更好的便利性以及流通性。

(2)濾鏡處理的

本研究中另外所提出空間

，由於需要針對整體二維影像作處理，無法如點處理般僅處理對照表，但針

(9)

對國際色彩聯盟提出的描述檔連結空間之特性，我們提出以下結合影像增強的運作機制，如圖 11 所示。

9

圖 11 空間域的影像增強演算法應用機制示意圖

由於設備

對反銳化遮罩 (Uns

二）實驗設定

使用兩台色域大小不同的螢幕，

前置處理中，我們需要先對兩台

ICC Profile 包含了將各種設備的從屬色彩空間，轉換至描述檔連結空間(PCS)這項特點，因此我們可以將色域對映分為兩個階段：(1)A to B：對輸入端而言，將輸入端設備色彩空間(如 RGB)對映至 PCS 色彩空間 (2)B to A：對輸出端而言，將 PCS 色彩空間，對映至輸出端設備色彩空間(如 CMYK)。

本研究中，我們針

harp Mask)演算法，在 A to B 色域對映之前，對影像色外貌 JCh 色彩空間的明度軸(J)或彩度軸(C)進行特徵萃取，之後在影像轉入 PCS 色彩空間之後，加入萃取之特徵，再進行 B to A 色域對映，如此完成影像增強的跨媒體複製。這麼做可以減少影像細節因色域對映而損失，藉以達到更好的影像增強表現。

（

(1)實驗設備本實驗將

原稿端為色域範圍接近 Adobe RGB 的 EIZO CG221、複製端為色域大小接近 sRGB 的 EIZO CE240W。透過觀察原稿端 CG221 的影像，比較複製端 CE240W 的影像之再現品質，進而評估各種影像增強處理之效能。

在實驗的

螢幕作色彩校正，利用 Eye-One Pro 搭配色彩校正軟體 ColorNavigator 完成螢幕校正。另一方面我們利用 Profile Maker 製作兩台螢幕的 ICC profile，再使用軟體

ColorThink 比較螢幕的色域大小，座標空間為 xyY。如圖 12、13 所示，分別為 CG221 與 Adobe RGB 色域比較以及 CG240W 與 sRGB 色域比較，其中灰色邊線為參考色域(Adobe RGB、sRGB)，彩色邊線為設備色域(CG221、CE240W)

圖 12 CG221 與 Adobe RGB 色域比較

圖 13 CE240W 與 sRGB 色域比較

我們可以看出兩台螢幕都有達到接近於其規格的色域，接下來我們比較兩台螢幕間色域大小的差異，如圖 14 所示，色域大者為 CG221，較小者為 CE240W，可以看出兩者在青色部分有顯著的色域差異。

另外將實驗設備整理出實驗設備一覽表，

如下表格 1。

(10)

filter=

0.125 0.125 0.125 0.125 2 0.125 0.125 0.125 0.125

− − −

⎡ ⎤

⎢− − ⎥

⎢ ⎥

⎢− − − ⎥

⎣ ⎦

(ii)反銳化遮罩(Unsharp Mask) σ=1，amount=100%

(iii)對比延伸法(Contrast Stretch) r1=15，r2=85，s1=5，s2=95 (iv)S 曲線對比增強法(S-Curve) m=50，E=4

圖 14 CG221 與 CE240W 色域比較

在實驗評估前，先選取六種不同「色調性」(Tone & Key)及不同「影像內容」

(Content)的彩色測試影像，使用幾種不同的影像增強模式進行影像轉換，下面將介紹本實驗所使用的測試圖片。

表格 1 實驗設備一覽表

項目型號

電腦 CPU：Intel Core 2 Duo 1.86GHz 記憶體：1GB RAM

顯示卡：nVidia Geforce 7900 GS 作業系統 Microsoft Windows XP SP2 校正儀器 Eye-One Pro

校正軟體 ColorNavigator Adobe

RGB 規格螢幕

EIZO ColorEdge CG221

(白點三刺激值 X:92.641 Y:97.300 Z:108.001)

sRGB 規格螢幕

EIZO ColorEdge CE240W (白點三刺激值 X:163.605 Y:172.835 Z:186.548)

其他軟體 JBuilder 2006、ColorThink、Profile Maker、PowerPoint

(i)紅沙發(Red Couch)

圖 15 測試影像 1 紅沙發以及其直方圖分佈

此影像中包含了許多的細節層次，豐富的色彩。而從其直方圖分佈可以看出是一個 Low-Key 的影像，整體影像內容偏暗。

(ii)婚禮(Wedding) (2)實驗架構與流程

本研究中採用了四種不同的「影像增強模式」(對比延伸法、S 曲線對比增強法、銳利化、反銳化遮罩)，應用於跨媒體的色彩轉換。另外也加入未經影像增強處理之影像，藉此比較出影像增強是否能改善跨媒體複雜影像複製的品質表現，因此總計共五種模式。

圖 16 測試影像 2 婚禮以及其直方圖分佈

影像為一 High-Key 影像，整體影像內容偏明亮，細節層次豐富。

實驗中所使用的影像增強模式參數如下： (iii)水果(Fruit) (i)銳利化(Sharpness)

10

(11)

圖 17 測試影像 3 水果以及其直方圖分佈

影像中色調分佈均勻，包含許多色相的不同顏色，細節紋理較少。

圖 20 測試影像 6 中性色以及其直方圖分佈

(iv)記憶色(Memory Colors)

此影像以中性色為主要內容，整體影像內容偏暗，包含許多細節紋理。

在影像的轉換過程中，我們先利用 JBuilder 2006 開發的 CMS 系統來產生兩台螢幕 CG221 與 CE240W 的 ICC profile，

profile 的產生過程中使用 CIECAM02 色外貌模式[11]以及色域裁切的色域對映模式，將設備從屬的 RGB 色彩空間轉換至設備獨立的色外貌 JCh 空間，再使用本研究提出針對點處理及空間域處理的兩種不同影像增強類型分別對明度軸(J)或彩度軸(C)作處理。

圖 18 測試影像 4 記憶色以及其直方圖分佈

此測試影像包含了天空、綠地等記憶色(Memory Color)元素，由於記憶色對於人們評估影像有相當大的影響[10]，我們將觀察影像增強對於記憶色改變的影響。

(v)女性肖像(Female Portrait)

將經過不同模式處理的影像，隨機兩兩配對，使用心理物理實驗的配對比較法，要求觀測者以原稿為依據並使用正確色(Accuracy)的評定方式，評價不同模式之間的好壞。隨後，乃依模式的不同，相互比較其各自相對的優異關係，並將比對的結果以 z 檢定作為量化分析之依據。最後，依據評估結果，即可決定出　「何者為最佳之影像增強模式」。

圖 19 測試影像 5 女性肖像以及其直方圖分佈

另一方面，我們搭配 S-CIELAB 來計算不同影像增強模式與原稿之間的差異，

期望以此測試方式能找出各測試模式之修正轉換再現效能的參考資訊。

膚色也是人們對於影像評價重要的一項，我們將觀察各種演算法在膚色處理上所得到的評價，整體而言，影像內容偏暗。

(vi)中性色(Gray Neutrals)

（三）跨媒體轉換效能之測試與評估 (1) 心理物理實驗

影像經轉換後，便開始進行「影像增強模式」的優異測試評估及效能分析。經

11

(12)

由評估不同影像增強模式轉換過的影像，

以及未經影像增強轉換的影像，兩兩利用配對法做比較。評估方式分為兩階段：第一階段為「人眼視覺心理物理實驗」；第二階段為「S-CIELAB 數學模式差異量計算」。

人眼視覺心理物理實驗是利用人眼進行影像相似度的判斷，以正確色(Accuracy) 為依據評估原稿與複製影像經由不同影像增強模式轉換後之再現程度值；進而計算模式比較之量化值，藉以決定出何者為最佳的影像增強模式。

圖 21 心理物理實驗示意圖

(2) S-CIELAB 模式差異計算

在此階段中我們以 S-CIELAB 色差評估公式，計算不同影像增強模式於複製端 CE240W(sRGB 色域 ) 與原稿端 CG221(Adobe RGB 色域)之間的差異。經由其平均差異值，進一步的比較各模式之間的顯色效能的優異相對關係。

心理物理實驗條件設定如下：

實驗人數：10 人

實驗次數：20 次(2 次/人)

實驗儀器： EIZO-CG221 22 ＂ LCD 顯示器、 EIZO-CE240W 24＂顯示器

影像尺寸：800x600 pixels(兩台螢幕解析度皆為

1920x1200) 四、實驗結果與分析

觀測距離：10 吋

觀測條件：於暗室環境觀測，顯示器色溫為 D65

（一）針對明度軸進行增強之實驗結果

複製影像量：共計 30 張，交叉配對比對次數總計

60 次 (1)心理物理實驗結果

我們利用四種不同的影像增強演算法，共六張測試影像，針對影像在色外貌 JCh 空間中的明度軸(J)做處理。採用心理物理實驗的配對比較法，再搭配 S-CIELAB 色差公式作分析，藉以得知各演算法在處理明度軸時於跨媒體彩色影像複製的效能表現，實驗的結果如下。

觀測者進行影像比對時，以 CG221 螢幕的原稿為參考端、對顯示於 CE240W 的配對複製影像評價，乃依照複製品的相似度給予彩色複製影像「複製再現程度值」

(1~7 級)，評分的評定尺度值標準如表格 2 所示，圖 21 為心理物理實驗示意圖。

表格 2 心理物理實驗再現程度評定尺度值

評定

等級 1 2 3 4 5 6 7

相似度

完全不同

不可接受

尚可接受

可接

受相似極相似

完全相似

表格 3 整體影像(明度軸)實驗結果(95%信賴區間=±0.1265)

z-score 排名七分評等銳利化 0.8657 2 4.83 反銳化遮罩 1.4019 1 4.86 對比延伸法 -1.0961 4 4 S 曲線增強 -1.1903 5 4.03

未處理 0.0188 3 4.53

12

(13)

根據色差評估的結果，我們發現表現較佳的反銳化遮罩(Unsharp Mask)及銳利化(Sharpness)的平均色差，與未處理 (Normal)模式的色差相近，但其中反銳化遮罩與銳利化兩個模式在心理物理實驗中具有較佳的評比，顯示出空間域的影像增強模式能增強影像邊緣的細節，使影像的細節更加清晰，但卻不會大幅度的改變整體影像色調，因此在 S-CIELAB 色差評估中不會因為調整影像細節對比，而使增強過的影像與原稿色差變大。

圖 22 整體影像(明度處理)於 95%信賴區間的 z-score 分佈圖

在整體影像評估的統計結果中，表現最好的為反銳化遮罩，七分評等為 4.86 分；表現最差為對比延伸法及 S 曲線對比增強法，七分評等分別為 4 分、4.03 分。

另一方面點處理的對比延伸法 (Contrast Stretch)、S 曲線對比增強法 (S-Curve)，在 S-CIELAB 評估中明顯色差變大，與心理物理實驗結果符合。

其中未處理模式排名第 3，七分評等為 4.53 分，低於空間域的銳利化、反銳化遮罩模式，顯示影像增強應用於影像的明度軸確實對於改善跨媒體影像複製有所幫助。效能表現排序如表格 10。

（二）針對彩度軸進行增強之實驗結果

表格 4 影像增強模式效能表現排序(針對明度軸)

(1)心理物理實驗結果

影像增強模式效能表現排序(針對明度軸)

反銳化遮罩 > 銳利化 > 未處理 > 對比延伸法 = S曲線對比增強法

為了瞭解將影像增強應用於彩度軸的效果，我們同樣採用四種不同的影像增強演算法，共六張測試影像，相同參數設定，

但針對影像在色外貌 JCh 空間中的彩度軸 (C)做處理。採用心理物理實驗的配對比較法，搭配 S-CIELAB 色差公式作分析，藉以得知各演算法於彩度軸處理時的跨媒體彩色影像複製效能表現，實驗的結果如下。

(2)S-CIELAB 分析

針對上述心理物理實驗結果，我們得知表現最好的影像增強模式為反銳化遮罩 (Unsharp Mask)，接下來我們利用

S-CIELAB 色差公式將經過不同影像增強模式針對明度軸處理的複製稿(CE240W) 與原稿(CG221)做比較，希望經由分析的結果，研究各種模式在未來改進的方向，

表格 5 為 S-CIELAB 分析結果。

表格 6 整體影像(彩度軸)實驗結果(95%信賴區間=±0.1265)

13

表格 5 影像增強模式（針對明度軸）與原稿之 S-CIELAB 色差

影像增強模式平均色差

銳利化 1.47571

反銳化遮罩 1.40890

對比延伸法 1.68098

S 曲線對比增強法 2.62212

未處理 1.16047

z-score 排名七分評等銳利化 0.4845 2 4.97 反銳化遮罩 1.5950 1 5.44 對比延伸法 -0.3874 3 4.38 S 曲線增強 -1.0937 5 4.09 未處理 -0.5983 4 4.38

(14)

14

圖 23 整體影像(彩度處理)於 95%信賴區間的 z-score 分佈圖

表現最好的為反銳化遮罩，七分評等為 5.44 分；表現最差為 S 曲線對比增強法，七分評等為 4.09 分。

其中未處理模式排名第 3 與對比延伸法有相近的效能表現，而在七分評等中與對比延伸法同樣為 4.38 分，低於空間域的銳利化、反銳化遮罩模式。由於人眼對於彩度的敏感度較明度低，而點處理方式的影像增強是針對整體影像作大範圍的調整，因此點處理的影像增強模式在彩度軸上的應用會比在明度軸上的應用更為合適。

整體而言，將影像增強模式應用於彩度軸，確實對於跨媒體彩色影像的複製有所改善。效能表現排序如表格 7。

表格 7 影像增強模式效能表現排序(針對明度軸) 影像增強模式效能表現排序(針對明度軸)

反銳化遮罩 > 銳利化 > 未處理 = 對比延伸法 > S曲線對比增強法

(2)S-CIELAB 分析

接下來我們利用 S-CIELAB 色差公式將經過不同影像增強模式針對彩度軸處理的複製稿(CE240W)與原稿(CG221)做比較，希望經由分析的結果，研究各種模式在未來改進的方向，表格 8 為 S-CIELAB 分析結果。

表格 8 影像增強模式（針對明度軸）與原稿之 S-CIELAB 色差

影像增強模式平均色差

銳利化 1.17763

反銳化遮罩 1.17657

對比延伸法 1.00824

S 曲線對比增強法 1.37776

未處理 1.16047

根據色差評估的結果，未處理模式 (Normal)與原稿的色差最小，而反銳化遮罩(Unsharp Mask)、銳利化(Sharpness)兩種模式色差稍微提高，由於空間域的影像增強僅針對影像邊緣細節處理，所以與原稿的色差不會大幅增加，卻能因此有更為清晰的色彩表現。

而在點處理模式對比延伸法(Contrast Stretch)與 S 曲線對比增強法(S-Curve)中，

影像與原稿的色差，較針對明度軸處理的色差更小，因此推測點處理的影像增強模式用於彩度軸會有比較好的效能表現。

五、結論與未來研究方向研究結果顯示，將影像增強演算法應用於色彩管理系統，確實可以改進彩色複雜影像在跨媒體複製再現性品質表現，其中又以反銳化遮罩效果最好 (Unsharp Mask) ，效能表現較未經處理的影像更佳。對於跨媒體影像複製可能產生的細節遺失問題，能夠有所改善。

而點處理方式的影像增強模式雖然有運算快速、可與 ICC profile 結合等優點，

但整體表現較不穩定，原因包括本實驗中僅以固定參數對測試影像進行運算，無法針對影像內容作個別最佳化；而點處理模式的影像增強彈性較差也是原因之一。另外經由比較點處理影像增強模式應用於明度軸和彩度軸的表現，發現點處理影像增強模式比較適合應用於彩度軸，推測與人眼對於彩度的感覺較不敏感，因此點處理中對於彩度的大範圍調整比較能夠被觀測者所接受。

未來的研究方向，可在色外貌的 JCh

(15)

15

空間，同時針對影像的明度軸及彩度軸作處理，研究是否能夠對跨媒體複製再現性有更好的表現。而在點處理的影像增強模式中，未來可以實驗多種不同的參數組合，針對幾種典型的影像直方圖分佈有最佳的表現，以期望使用者可以針對影像內容選擇處理方式而達到最佳化。此外還可搭配色相角，對於人眼較為敏感的色相不進行處理(如膚色、天空、綠地等)，以避免大量的資訊改變，使人眼對於增強過的影像評價降低。

另外本研究中所使用的 S-CIELAB 色差評估，是以人眼特性為基礎，考量整體影像的色差，但無法僅評估影像增強中主要增強的邊緣細節部分。未來可以將 S-CIELAB 搭配邊緣偵測濾鏡 ( 如 Laplacian 濾鏡)，特別針對影像邊緣細節計算色差，以瞭解影像增強對於邊緣細節的增強效果，以及是否能有效改善跨媒體影像複製時由於色域壓縮所導致的層次感不足問題。

六、參考文獻

[1] R. C. Gonzalez and R. E. Woods,

Digital Image Processing, Second Edition, 2nd ed.: Prentice Hall, 2002.

[2] "Molecular Expressions Microscopy Primer: Digital Image Processing Interactive Java Tutorials," 2004.

from

http://microscope.fsu.edu/primer/digi talimaging/javaindex.html

[3] J. R. Parker, Algorithms for Image

Processing and Computer Vision:

John Wiley & Sons, Inc. New York, NY, USA, 1996.

[4] M. A. Badamchizadeh and A.

Aghagolzadeh, "Comparative Study of Unsharp Masking Methods for

Image Enhancement," Image and

Graphics, 2004. Proceedings. Third International Conference on, pp.

27-30, 2004.

[5] ICC, "Version 4 ICC Specification,"

2004.

[6] P. Emmel, R. D. Hersch, and E. P. F.

de Lausanne, "Colour calibration for colour reproduction," Circuits and

Systems, 2000. Proceedings. ISCAS 2000 Geneva. The 2000 IEEE International Symposium on, vol. 5,

2000.

[7] D. H. Brainard and B. A. Wandell,

"Analysis of the retinex theory of color vision," Optical Society of

America, Journal, A: Optics and Image Science, vol. 3, pp. 1651-1661,

1986.

[8] M. D. F. Garrett M. Johnson, "A Top Down Description of S-CIELAB and CIEDE2000," 2001.

[9] L. L. Thurstone, "A law of comparative judgment,"

Psychological Review, vol. 34, pp.

273–286, 1927.

[10] S. N. Yendrikhovskij, F. J. J.

Blommaert, and H. de Ridder, "Color reproduction and the naturalness constraint," Color Research &

Application, vol. 24, pp. 52-67,

1999.

[11] N. Moroney, M. D. Fairchild, R. W.

G. Hunt, C. J. Li, M. R. Luo, and T.

Newman, "The CIECAM02 color appearance model," IS&T/SID 10 th

Color Imaging Conference, pp.

23-27, 2002.