Color Banding的个人记录

原创 已于 2022-11-28 19:27:24 修改 · 1.5k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉

于 2022-11-28 18:28:25 首次发布
本文探讨了图像处理中常见的色彩分层问题，分析了因色深不足、色调映射、图像增强和去噪等因素导致的banding现象。提出了解决方法，包括使用Dithering技术在banding区域添加噪声，以及应用深度学习网络（DNN）进行图像去边带处理。提到的相关工作包括Adaptive Debanding Filter、CAMBI和Deep Image Debanding等。
部署运行你感兴趣的模型镜像

Index


简单记录个人的调研结果和想法, 可能不准确

概念

Color Banding (wiki)中文常称为色彩分层, 色彩断代, 色带等, 是图像处理中常见的一种artifact. 表现为颜色亮度本应均匀过渡的区域, 出现人眼可识别的边界.

左: 有色带. 右: 无色带

导致Banding的原因

Banding出现的根本原因是色深不足, 在经过如色调调整, 图像/视频编码等处理步骤后, 更容易出现. 目前看到的会引发banding的处理包括:

  1. Inverse tone mapping
    inverse/reverse tone mapping的是把一般为8位sRGB的LDR图像, 转换为HDR图像, 以在HDR设备上显示. 显然, 这种低位宽到高位宽的映射很容易造成banding.
  2. Tone mapping
    Tone mapping一般是指在相机ISP中, 将高比特位的图像(10/14/16 bit)的数据变换为8bit的图像, 或者也可以叫HDR到LDR的变换. Tone mapping是非线性的, 有时会对某亮度区间做大幅度拉伸(如提亮暗部), 这些区域有可能会出现banding.
  3. 图像增强
    图像增强一般存在对亮度, 色调, 对比度的调整, 会造成banding.
  4. 去噪
    噪声本身有抑制banding的效果. 噪声去除的过干净会容易使人观察到banding.

实际中对一张图像的处理会包含上述多个步骤. 例如, 相机ISP可能会对raw做多次去噪, 全局/局部tone mapping. 此时banding可能就会比较严重.

处理方法

看到的方法大致分为两类, 一类是对图像加噪, 一类是直接构造训练对, 用网络学. 还没详细研究具体算法, 此处仅列了少数几篇, 搜索时关键字可以是debanding, decontouring, contouring removal, color dequantization等. 另外在HDR, inverse tone mapping, 图像修复等方向也会有相关内容.

Dithering

简单来说就是找到banding区域, 对其加入一些噪声.

DNN大法

不是Low Level任务里的主流方向, 有影响力的论文比较少

  • [TCSVT 2022] Fast Blind Decontouring Network
  • [arXiv 2110] Deep Image Debanding
  • [TIP 2019] Deep Reconstruction of Least Significant Bits for Bit-Depth Expansion

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

Inverse Tone Mapping
WX_Chen的博客
10-09 2037
逆色调映射方法（inverse Tone Mapping Operator, iTMO或reverse Tone Mapping Operator, rTMO） SDR转化HDR过程的算法称为扩展算子（Expand Operator），它可以被定义为一个SDR图像I的函数g： 其中 是SDR图像（定义域），I属于 是HDR图像（值域）。 逆色调映射算法将SDR内容变换为HDR内容需要经过以下几个步骤： 1、线性化：图片通常已经经过gamma校正，也就是说其电平信号与记录的真实场景中的辐...
HDR→SDR 双轨导出实战：相册/编辑器的导出矩阵与故障复盘
最新发布
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
09-26 2590
同一张 HDR 照片（或视频帧）在相册预览、编辑器导出、社媒分享会走**两条并行路径**：保留 HDR（JPEG\_R/HDR10/HLG）与生成 SDR（sRGB/P3 8-bit）。要保证“看着一致、哪里都能发”，就得把**输入制式 × 目标容器 × 设备能力 × 渲染链**列成矩阵，并配上**可核查的口径与降级策略*
关于色带 Banding
qq_41863588的博客
03-22 4743
转载自https://tieba.baidu.com/p/1929685584?red_tag=3141090095 Banding 看上去像是颜色分层、条状带。 产生的原因是因为颜色数据的丢失。母带（RGB 10bit）→ DVDISO/BDMV（YUV 4:2:0 8bit）就会产生很严重的banding，不过后期公司也有应对banding的方法。 banding一般出现在：较暗的场景、颜...
小米8样张彩色噪点问题分析
hxxfff的专栏
06-01 4964
小米8新发布了， 采用了高通骁龙845处理器+SONY IMX363的感光器，材料都比较高端。性价喜人， 但彩噪扎眼， 让人又爱又恨。 样张中， 天空中区域彩噪严重，团块状黄斑非常扎眼。本分进行了简要的分析， 并结合去彩噪处理结果图进行对比说明。  去彩噪算法来自本人自研的算法， 原片和处理结果图都可以下载： https://pan.baidu.com/s/16VhwPTrEjZ0jjg-9DfP...
video debanding 视频去色带方法调研
zhoudegui88的博客
10-09 3388
本文只记录在调研banding算法过程中看过的一些源码和论文，不做系统的整理和性能评估。比较潦草，欢迎大佬补充指正。 应用场景 banding artifacts 通常产生的原因： 视频编码量化 增强算法（如 color tone mapping，对比度增强）增加了相邻区域的色阶距离 传统方法 dither 搜debanding提到的比较多的一个方法就是dithering，基本原理就是给图像添加一个随机的像素偏移，相当于用随机噪声cover掉了banding效果。 由于dither在编码时容易被抹除，因
deflicker（debanding） 笔记（一）：Blind Video Deflickering by Neural Filtering with a Flawed Atlas （翻译与理解）
mikhailbran的博客
07-03 2015
最近一段时间在看 deflicker（banding） 的相关，目前对 2023 年的文章《Blind Video Deflickering by Neural Filtering with a Flawed Atlas》比较中意，这里在翻译的同时写一些相关的理解，有错误或者不对的望指正！
Preparing Unity Render Settings 准备好Unity渲染设置 Creating Believable Visuals 系列2
cangod的博客
04-16 769
Preparing Unity Render Settings 准备好Unity渲染设置 本文档主要是对Unity官方手册的个人理解与总结（其实以翻译记录为主：>） 仅作为个人学习使用，不得作为商业用途，欢迎转载，并请注明出处。 文章中涉及到的操作都是基于Unity2018.3版本 翻译中有些术语不准确，但不影响理解的，不再一一调整，请谅解。 参考链接：https://unity3d.com...
Camera常见术语缩写总结
热门推荐
weixin_42194879的博客
03-26 1万+
camera常见术语缩写总结
Ultra HDR（JPEG\_R）→ SDR 导出一致性：曲线、色域与页面亮度的协同实战
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
09-15 1005
目标很简单：把一张 JPEG\_R 在你 App 里**稳定导出**成 SDR JPEG，发到任何平台都“看着像同一张”。这事分三步：先把增益图正确落地到线性域（别在伽马域乱捣），再用**可回归的曲线库**做高光压缩，最后把 **P3→sRGB** 的色域收敛和**页面亮度策略**绑在一起，避免导出前后“图亮了 UI 也跟着亮”。文中给出可落地的曲线参数、色域压缩口径、导出标签与回归脚本指标，重点照顾人像肤色与高光层次，不玩玄学。
Gamma 曲线调试策略与明暗场景还原能力调节
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
06-30 2418
Gamma 曲线作为移动图像 ISP 管线中的核心模块，决定了图像从线性光强空间向非线性视觉空间的映射方式，直接影响画面的灰阶层次、明暗细节、对比度表现以及主观亮感。尤其在弱光场景与高对比度画面中，合理的 Gamma 调试策略可以有效改善图像的主观观感并提升整体画质表现力。本文基于目前主流平台的实际工程调试经验，从 Gamma LUT 构建原理、分段调节策略、明暗还原能力控制等角度出发，系统梳理 Gamma 曲线调试的全过程，旨在帮助影像算法与系统调优工程师构建稳健可控的视觉响应模型。
图像处理的Dither和Banding颜色抖动
08-26
图像处理 颜色抖动
CONTENT-ADAPTIVE INVERSE TONE MAPPING
07-01
CONTENT-ADAPTIVE INVERSE TONE MAPPING
godot-gles2-debanding-material:用于GLES2渲染器的简单材质着色器，带有增加的去斑噪声，不支持全屏去斑
05-27
解散材质着色器 简单的材质着色器，增加了噪点以修复难看的条纹效果。 与不支持全屏解带的GLES2渲染器一起使用。 专为Godot 3.2.x设计。 用法 将debandingmaterial.shader -file复制到您的项目，创建一个新的ShaderMaterial并将文件加载到其中。 这基本上是将SpatialMaterial转换为ShaderMaterial，并删除了一些不必要的功能并添加了去带的功能。 您还可以相当轻松地将解散部分复制粘贴到您现有的着色器中。 执照 MIT许可证。 该着色器最初用于游戏项目。
论文阅读笔记------Deep Video Inverse Tone Mapping
qq_25283239的博客
02-11 1396
Yucheng Xu, Li song, Rong Xie, Wenjun Zhang.Deep Video Inverse Tone Mapping. 2019 IEEE Fifth International Conference on Multimedia Big Data(BigMM). 摘要： 现有的逆色调映射方法将逆色调映射问题认为是从LDR域到HDR域直接转换的问题，却忽略...
HDR视频技术之七：逆色调映射
多媒体开发者
12-14 2039
HDR 技术说是继 4K 之后视频领域的又一次重大技术突破，不仅提高图像的动态范围，同时也提供了更宽的色域，并提升了画面在高光和暗部的细节信息，带给观看者更加真实的视觉体验。但作为 HDR 产业链的核心，内容短缺的问题仍然是 HDR 普及和成熟的重要限制因素。众多电视厂商将 HDR 技术作为其产品规划中的重要技术，主要是在硬件方面进行提升。而由于 HDR 内容制作对于设备要求较高，对采集、调色、显示等多方面都需要较高的质量要求，内容制作的复杂度和周期长等因素，导致了 HDR 内容的匮乏。
逆色调映射论文《Deep Reverse Tone Mapping》
Najlepszy的博客
12-25 4684
读论文打发时间…… 摘要 从一张简单的LDR图像来生成HDR图像是一个不适定[1]的问题，我们需要补偿由曝光不足/过度曝光[2]和颜色量化[3]所带来的数据损失。为了解决这一问题，本文作者第一个提出使用深度学习框架来自动进行LDR图片到HDR图片的映射。由于训练难度的原因，简单的从8位的LDR图片转化为32位的HDR图片几乎不可行，本文作者采用了一种间接的方案：通过监督学习将不同曝光度的LDR图片...
dithering
06-01 1191
使用GPU的dithering功能，消除RGB565带来的色阶问题，需要GPU的输入是RGB888的颜色，不然dithering无法起作用
自适应滤波器（Adaptive Filter）
系统 运维
09-05 3180
======= Wikipedia的解释======= 自适应滤波器是能够根据输入信号自动调整性能进行数字信号处理的数字滤波器。作为对比，非自适应滤波器有静态的滤波器系数，这些静态系数一起组成传递函数。 对于一些应用来说，由于事先并不知道所需要进行操作的参数，例如一些噪声信号的特性，所以要求使用自适应的系数进行处理。在这种情况下，通常使用自适应滤波器，自适应滤波器使用反馈来调整滤波...
Tone Mapping
weixin_33691817的博客
01-18 618
Tone Mapping原是摄影学中的一个术语，因为打印相片所能表现的亮度范围不足以表现现实世界中的亮度域，而如果简单的将真实世界的整个亮度域线性压缩到照片所能表现的亮度域内，则会在明暗两端同时丢失很多细节，这显然不是所希望的效果，Tone Mapping就是为了克服这一情况而存在的，既然相片所能呈现的亮度域有限则我们可以根据所拍摄场景内的整体亮度通过光圈与曝光时间的长短来控制一个合适的亮度域，这...
banding
03-27
### Banding in IT Context In the context of computer graphics and rendering, **banding** refers to visible stripes or bands appearing due to insufficient color depth or precision during image processing. This phenomenon occurs when transitions between colors lack smooth gradients, leading to noticeable discontinuities[^1]. For example, banding may appear as abrupt changes in shading within a gradient, which should ideally be seamless. Banding often arises in scenarios involving high dynamic range (HDR) imaging where the display's limited bit-depth cannot accurately represent subtle variations in luminance levels[^2]. To mitigate such issues, techniques like dithering are employed; these methods introduce noise into an image to break up uniform areas that would otherwise cause banding artifacts. From another perspective, procedural distinctions similar to those discussed under legal frameworks might also apply metaphorically here—where one must differentiate between fundamental processes affecting visual quality versus superficial adjustments aimed at enhancing appearance alone[^3]. ```python import numpy as np from PIL import Image def create_gradient(width=800, height=600): """Create a simple linear RGB gradient.""" img_array = np.zeros((height, width, 3), dtype=np.uint8) for y in range(height): r = int(y / height * 255) g = int(255 - y / height * 255) b = 0 img_array[y,:, :] = [r,g,b] return Image.fromarray(img_array) gradient_image = create_gradient() gradient_image.show() # Display potential banding effects. ``` The above Python script demonstrates creating a basic red-green gradient across an image file using NumPy arrays converted via Pillow library functions. Running this code could help visualize how different systems handle gradients differently based upon their internal representations' resolutions potentially causing unwanted bandings depending on hardware capabilities etcetera.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值