圖像質(zhì)量分析:客觀視頻質(zhì)量的實時測量

概覽

數(shù)字聲頻與音頻為消費者提供了立體聲且高清晰度的聲頻體驗，而相關(guān)測試則從傳統(tǒng)的靜態(tài)、單幀像分析，轉(zhuǎn)換為動態(tài)測試、圖像質(zhì)量分析。 雖然單幀像分析可提供信號定時、色深、線條同步化，以及更多有用信息，但壓縮/解壓縮算法與緩沖錯誤的數(shù)字影像也常造成瑕疵，且無法通過單幀像所察覺。 常見錯誤則包含宏區(qū)塊、幀像停滯、聲頻遺失與截斷，或像素化。 此篇教學指南概述了圖像質(zhì)量分析，并說明NI Picture Quality Analysis軟件應如何搭配NI Digital Video Analyzer使用，偵測數(shù)字聲頻與視頻的瑕疵或假影。

HDMI串流的常見瑕疵

首先應了解圖像質(zhì)量分析，從而知道數(shù)字視頻系統(tǒng)可能產(chǎn)生的瑕疵類型。 而用戶自己就能發(fā)覺最常見、最重要的瑕疵，如宏區(qū)塊、像素化、幀像模糊、停滯、遺失、聲頻截斷和LipSync。

宏區(qū)塊– 數(shù)字影像往往是通過MPEG 4或H.264壓縮成多個8x8色塊。 若壓縮/解壓縮算法之間并無高度相關(guān)，則可能產(chǎn)生多個定義邊緣的區(qū)域。 這就是宏區(qū)塊。

圖1. 若原始圖像的解壓縮效果不佳，宏區(qū)塊就可能在解壓縮后的像素之間形成定義邊緣。

若傳輸期間遺失數(shù)據(jù)，則解碼器將無法正確讀取數(shù)據(jù)區(qū)塊從而檢索原始的像素數(shù)據(jù),這樣會造成明顯的掉色區(qū)塊錯誤。 與宏色塊相比，雖然這些錯誤均較為少見，但仍極為明顯。

圖 2. 因數(shù)據(jù)遺失與錯誤解碼而產(chǎn)生的像素化錯誤。

– 在解碼或調(diào)整期間，可能遺失高頻率的組件，進而在邊緣之間遺失定義，或出現(xiàn)模糊的情況。 視頻信號將因此丟失清晰度或鮮明度。

圖3. 模糊將使視頻信號產(chǎn)生不清晰的邊緣。 圖左在黑、白邊緣之間的定義較不明顯。

從圖1到圖3呈現(xiàn)了單一圖像的模糊、像素化、宏區(qū)塊;這些瑕疵往往不會再各個幀像逐一出現(xiàn)，而必須全時間完整測量設(shè)備以獲得正確的結(jié)果。其他瑕疵如幀像停滯/遺失、聲頻切割、LipSync (聲頻/視頻同步化)，也需分析多組幀像。

圖像質(zhì)量分析評分

圖像質(zhì)量分析即測量視頻流的整體。 因此匯集了專業(yè)技術(shù)人員觀看視頻，并以其專業(yè)的主觀角度評分，設(shè)立了Differential Mean Opinion Scores (DMOS)。 但此方法仍有許多待解的難題，如訓練技術(shù)人員的成本，還有操作人員觀看屏幕的重復性成本。 另一個重大挑戰(zhàn)則是關(guān)于主觀測試的質(zhì)量。 在制造過程中，根本不可能聘請視頻質(zhì)量專家觀看各組設(shè)備的生產(chǎn)細節(jié)，只能讓水平較差的操作人員觀看視頻并評分。 因此如分心、疲勞、眼睛過度刺激等人為因素，均會降低產(chǎn)品品質(zhì)而讓劣質(zhì)品過關(guān)，由此促使了工程師必須重新設(shè)計影像測試的方法。

較好的圖像質(zhì)量分析方式，即必須能重復套用客觀的測量方式，以測量音頻與視頻的質(zhì)量。 目前有多種算法，均與專業(yè)操作人員的主觀評分相關(guān)。常見的兩種測量之一為峰值信噪比 (PPSNR)，它是以均方差 (MSE)以及德州大學圖像與視頻工程實驗室(LIVE)的Al Bovik教授和其團隊，所設(shè)定的結(jié)構(gòu)相似性(SSIM)指數(shù)為構(gòu)架。 此項指數(shù)已成為最具公信力的視頻質(zhì)量測量指數(shù)。 只要套用如PSNR與SSIM算法，即可通過自動化、可重復的測量方法，輕松評定視頻質(zhì)量。

圖4. 愛因斯坦照片的比較，代表了不同的失真程度： a) 參考圖像, b)平均對比伸展, c)亮度平移, d)高斯噪音污染，e)脈沖噪音污染, f)JPEG壓縮, g)模糊, h)空間縮放 (縮小), i)空間平移 (向右), i)空間平移 (向左), k)旋轉(zhuǎn) (逆時針), l)旋轉(zhuǎn) (順時針)。

下載 “Image Quality Assessment: From Error Visibility to Structural Similarity” 由Zhou Wang與Alan C. Bovik撰寫，并被IEEE Signal Processing Society授予最佳學術(shù)文章獎。

另一種視頻質(zhì)量測試方法是測量視頻與音頻內(nèi)容的特定假影。 此時可套用特定瑕疵算法，以找出視頻中的特定錯誤，如方格或幀像停滯/遺失。 許多生產(chǎn)應用不太需要如PSNR或SSIM的高性能測試。 反之，往往僅需確認沒有產(chǎn)生宏區(qū)塊、聲頻切割、視頻停滯即可。 通過特定瑕疵的測量，即可迅速決定該款設(shè)備是通過還是失敗。

具備NI Picture Quality Analysis軟件的NI Digital Video Analyzer能夠測量特定瑕疵，也可達到如PSNR與SSIM的高圖像質(zhì)量測量。 通過用戶定義的測量，即可套用自定義的算法，以建立完全自定制的圖像質(zhì)量分析應用。

圖5. 針對水平與垂直空間中的宏區(qū)塊，需采集并分析1080p60的視頻流。

參考與無參考測試

針對視頻/音頻流，進行圖像質(zhì)量分析測量的方法目前有三種。

1. 無參考測試: 不論圖像內(nèi)容如何，此方式可將測量套用至任何系統(tǒng)。 而此測量方式的挑戰(zhàn)之處在于，因分析圖像內(nèi)容的不同，測量結(jié)果的差異也相當大。

2. 簡化參考測試: 簡化參考測試則需要“金級”或理想樣本設(shè)備。在測量了金級樣本設(shè)備的音頻/視頻質(zhì)量之后，其它設(shè)備即根據(jù)金級樣本結(jié)果進行測試，以定義該系統(tǒng)是通過還是失敗。

3. 完全參考測試:: 完整參考測試也需要金級的樣本設(shè)備。但不同于簡化參考測試(分e測量測試與參考流)，完整參考是將2組串流依像素進行分析。它是目前功能最為強大的測試，但針對參考串流的分析，其處理/存儲/檢索的難度更高。PSNR與SSIM測量均屬于完整參考方式。