电视原理学习笔记:人眼视觉特性——视敏特性、光的度量、亮度感觉、对比度、视觉惰性、分辨力

本文主要是介绍电视原理学习笔记:人眼视觉特性——视敏特性、光的度量、亮度感觉、对比度、视觉惰性、分辨力,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

视敏特性

  1. 视敏特性:对于辐射功率相同而波长不同的光有不同的亮度感觉。

  2. 人眼视网膜上存在两种视敏细胞:锥状细胞和杆状细胞。锥状细胞灵敏度低,只能在光亮条件下(白天)感知明暗层次,属于明视觉细胞,还能辨别颜色;而杆状细胞正好相反,灵敏度高但是不能辨别颜色,属于暗视觉细胞,适用于夜晚或弱光线环境中。从图中可以看出,人眼在光亮条件下对波长为555nm的黄绿光有最大的敏感度,在黑暗条件下对波长为507nm的青绿光有最大的敏感度。

  3. 电视系统只需要考虑人眼的明视觉视敏特性。
    图1 相对视敏函数曲线

光的度量

  1. 光能: 能被人眼感觉的辐射能量称为光能,相同辐射能量不同波长的光及光能是不同的。

  2. 光通量:单位时间内光源发出或通过某范围光能的数量称为光通量,用符号Φ表示,单位为流明或光瓦。1光瓦=683流[明]。

                                 Φ=dQ/dt              (Q为光能)
    

如果光源的光谱功率分布为Φe(λ),单位为瓦,则

                          Φ(λ)=Φe(λ)×视敏函数值v(λ)   

总的光通量Φ为各波长的光通量之和。
3. 发光强度:光源在单位立体角内发出的光通量,表示光源发出的光能量在发出方向的强弱程度,用符号I表示,单位是坎德拉。

                                   I=dΦ/dΩ            (Ω为角度)
  1. 照度:被光照射的表面每单位面积上所接受的光通量,表示不发光物体被光源照明的程度,用符号E表示,常用单位为勒克斯(lx)。
  2. 面发光度:发光表面每单位面积所发出的光通量。照度和面发光度都是标量。
  3. 亮度:发光面每单位投影面积的发光强度,用符号L表示,单位是cd/m2,过去也叫尼特(nit)。

总结如下:
2

3

图 4 总结

亮度感觉和亮度视觉范围特性

  1. 人眼具有感光适应性:人眼可以随外界光强弱的变化而自动调节感光灵敏度。
  2. 亮度视觉范围:人眼感受的亮度范围很宽(10^9:1),
    但不能同时分辨10^9:1的亮度范围。在平均亮度适中时,能同时感觉到的亮度上、下限之比最大为1000:1,而平均亮度过高或过低时,只有10:1。人眼的亮度感觉与人眼主观感觉,景物亮度、环境亮度有关。
  3. 可见度阈值:人眼刚好能感觉到两个亮度级有差异的最小亮度ΔLmin,即以及亮度级差所增加的亮度值。在不同亮度条件下,人眼的可见度阈值不同,亮度大,可见度阈值大。但是在一定宽的亮度范围内,ΔLmin/L基本为一个常数,该常数称为对比度灵敏度阈或费赫涅尔系数,用δ表示,通常为0.005-0.02,当亮度很高或很低时,可达0.05.
  4. 视觉掩盖效应:在空间或时间上不均匀的背景中,可见度阈值增大,导致人眼丧失分辨一些亮度的能力。
  5. 视亮度(亮度感觉)
    人眼的亮度感觉差别决定于相对亮度变化,亮度感觉S与亮度L的对数成线性关系,即亮度增加到10倍,亮度感觉才增加1倍。这一规律称为韦勃-费赫涅尔定律(Weber-FechnerLaw),即S=k*lg(L)+k0。
    下图所示为主观亮度感觉和亮度的关系曲线。图中虚线表示人眼适应了平均亮度后能分辨景物中各种不同亮度的视觉范围大大减小了。而且,同一亮度下,所处的视觉范围不同,相对亮度感觉也不相同。这就说明了人眼的明暗感觉是相对的,并不由绝对亮度来决定。一方面,重现的图像亮度无需与景物的实际亮度相等,只需保持二者的对比度C和亮度层次(下面介绍)不变,在屏幕前人眼就可以获得与景物相同的主观亮度感觉。。另一方面,人眼不能辨别的亮度差别无须精确复制。
    5

对比度和亮度层次

  1. 对比度:最大亮度Lmax与最小亮度Lmin之比为对比度C。
  2. 亮度层次(灰度层数):画面最大亮度与最小亮度之间可分辨的亮度级差数,用n表示。正常情况下,亮度层数与对比度呈线性相关,但是人眼能分辨的亮度层次还与对比度灵敏度阈δ有关。
    公式
    当n<<1时,ln(1+δ)≈δ,简化为:公式
    以上公式说明人眼所能分辨的亮度层次n与画面对比度C的对数成正比,与对比度灵敏度阈δ成反比。

视觉惰性和闪烁感觉

  1. 视觉惰性(视觉残留):人眼的主观亮度感觉在时间上滞后于实际亮度的改变。当一定强度的光突然作用于人眼时,人眼不能立刻形成稳定的亮度感觉,需要有一个由小到大的主观亮度感觉建立过程,亮度感觉从小到大,达到最大值后再降到一个稳定值。当作用于人眼的光突然消失时,主观亮度感觉也不会马上消失,而是按近似指数规律逐渐减小。
    视觉惰性
    从上图中可以看出,人眼视觉建立的过程非常迅速,且瞬间的最大亮度感觉可以比稳定值大,在重复频率较低情况下,短暂的光刺激比长时间的光刺激更加醒目,海上航标采取断续灯光就是人眼的这种特性。此外,亮度感觉的消失有一个稍长的渐衰残留过程,成为视觉残留或视觉暂留,一般持续0.05-0.2s。当景物以间歇性光亮重复呈现时,只要重复频率大于20HZ以上,视觉上始终保持留有景物存在的印象(活动图像的帧率至少为15fps时,人眼才有图像连续的感觉;活动图像的帧率在25fps时,人眼才感受不到闪烁。)。
    举例:人眼感觉的连续性是活动画面有连续感的前提。在电视机的荧光屏上,数十万个像素是按照一定顺序轮流发光形成的,但是人们看到的是完整的画面在整体发光,获得一幅幅连续画面的感觉,这个就是视觉暂留效应的结果。
  2. 闪烁感觉
    当脉冲光的重复频率不过高时,人眼就会产生一明一暗交替变化的闪烁感觉。对于重复频率在临界闪烁频率以上的光脉冲,人眼不再感觉到闪烁,此时人眼感觉到的亮度是光脉冲亮度的平均值。

人眼的分辨力

  1. 视角:观看物体时,人眼对物体张开的角度。通常在人眼眼珠不转动、凝视物体时,能清晰地观看出物体内容的视场区域所对应的双眼视角大约为35度20度(水平垂直)。
  2. 分辨力(视觉锐度):人眼分辨图像细节的能力。分辨力通常用分辨角Θ(视敏角)的倒数来表示。如人眼分辨力测试的图示所示,人眼能分辨屏幕上两个黑点所形成的最小张角Θ称为人眼的分辨角。如果d表示能分辨成两个黑点的最近距离,且分辨角以分(')为单位,那么
    公式
    分辨力

人眼的分辨力会因为所观察的景物内容和观察条件的不同而不同,当照度较低时,有效光子数减少,人眼的光敏细胞受到的光刺激的强度小,且只有杆状细胞起作用,分辨力就会降低。然而,当照度太高时,由于人眼产生了“眩目”,分辨力反而会下降。人眼的分辨率还和景物的相对对比度Cr有关,Cr =(L-L0)/L0×100%,,L为物体的亮度;L0为背景亮度。相对对比度值Cr越大,分辨力也就越高。

从日常生活中的许多现象都能证实到如下结论,人眼对静止物体的分辨力高,对运动物体的分辨力低。运动速度越快,分辨力越低。人眼对运动物体的分辨角值约是静止物体的5倍,即大约7.5’,这个数值关系到人眼对运动物体的连续平滑感,要求图像在相继两次呈现之间运动物体的相对位移对人眼的张角不超过7.5’,从而对图像的换幅频率提出来要求。对于水平方向的平移运动和垂直方向的平移运动,前者的分辨力高是因为眼球左右移动方便,容易跟踪物体运动,使水平移动的物体始终在黄斑区成像。对于旋转运动的物体,由于眼球不易旋转跟踪,故分辨力低。

参考

现代电视原理
颜色科学
https://xueqiu.com/3993902801/181041606

这篇关于电视原理学习笔记:人眼视觉特性——视敏特性、光的度量、亮度感觉、对比度、视觉惰性、分辨力的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/232084

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识