화질 분석 및 평가 (Image Quality Analysis & Evaluation)


  영상을 객관적 또는 주관적으로 판단하여 좋고 나쁨을 결정하는 것을 화질을 평가라고 한다. 이것은 영상을 형성하는 시스템을 디자인하는 측면에서 아주 중요한 과정이다.[1] 그러나 화질을 평가하는데 있어 적절한 척도를 결정하는 것은 쉽지 않다. 그 이유는 인지된 영상은 해상도와 대비 같은 물리적인 파라미터뿐만 아니라, 관찰자의 눈에 의해서 받아들여지는 영상의 인상에 의존하기 때문이다. 이때, 화질을 결정짓기 위한 정량적인 기준을 Image Quality Metric이라고 하며, 이는 물리적이거나 심리적인 변수들을 사용한다.[2]


1) Image Quality Attribute 분류


  Image Quality Metric는 Modulation Transfer Function(MTF)와 같은 물리적인 파라미터 혹은 인간의 Contrast Sensityvity Function(CSF)과 같은 심리적인 파라미터로 나뉘어 진다.[3] 이러한 다양한 척도들이 결합하여 영상의 화질이 결정되기 때문에 어떠한 효과들이 화질을 결정짓는데 더 중요한 요소인지 실험을 통해서 평가하여야 한다.


■ 화질 속성에 따른 분류

        1. 본질에 따라

                - Artifacutal, Preferential, Aesthetic, or Personal 등

        2. 화질 평가 타입에 따라

                - First-party, Second-party, or Third-party 등

        3. 영상 시스템의 특성의 영향에 따라

                - Unsharpness, Noiseness 등


2) Just Noticeable Differences(JND)


  어떠한 기준으로 영상의 좋고 나쁨을 판단함에 있어서, 그에 해당하는 정도 혹은 양은 어떻게 판단할 것인가 역시 고려할 대상이다. 이때, 감지 확실성의 단계를 정의하기 위해 사용되는 것이 바로 Just Noticeable Differences(JND) 이다. JND는 화질 특성화 및 예측에 유용하다.[4] 대부분의 화질 분석은 테스트 시스템과 유사한 참고 시스템을 비교하는 과정을 포함한다. 그리고 이것은 화질 차이의 중요성을 이해하는데 중요하며 이때, JND가 이용될 수 있다. 또한 JND는 화질을 수치적으로 정량화하는 기본단위로써 사용될 수 있다. 이것은 화질 계산에 영향을 주는 정보로부터 화질을 예측하는데 사용될 수 있는 본질적인 단위이다. JND를 정량화하기 위한 환경은 다음과 같은 예로써 설명할 수 있다.


(a)                                            (b)

그림 1 JND를 위한 두 영상의 비교; (a) 원 영상, (b) blur 된 영상


그림 1과 같이 제시된 두 영상은 (a)원영상과 (b) Blurred 영상이다. 그러나 두 영상은 완벽히 식별 가능한 것이 아니라, 관찰자에 따라서 다르게 판단될 수 있다. 제시된 두 영상에 대해 “어느 영상이 더 Blur 한가?” 에 대한 질문이 주어지며, 관찰자는 이 질문에 대해 반드시 어느 한 가지 영상을 선택해야 한다. 이 상황에서 두 샘플의 차이가 확연하여 감지된 경우는 모두 옳은 응답의 결과를 얻게 된다. 만약 두 샘플이 거의 비슷하여 차이를 감지하지 못한 경우, 관찰자는 감지하지 못한 채 원영상 및 비교 영상을 선택할 것이다. 이 응답은 그른 응답으로 정의한다. 그른 응답은 추측의 결과로 나온 데이터로써 두 확률(추측하여 옳은 응답을 한 경우와 추측하여 그른 응답을 한 경우)은 같게 된다. 다음은 위 과정을 수식으로 표현한 것이다. 많은 에너지 형태의 방사 중에서 인간이 볼 수 있는 형태의 빛이 광원(light)이다. 이것은 주로 파장의 형태로 나타낸다. 인간의 눈이 인지 가능한 것은 이러한 파장 중에서도 380- 780nm의 좁은 파장대이다. 임의의 광원은 각 파장에서 방출하는 상대 전력으로 표현할 수 있고, 이것을 파장의 함수로 그린 것이 광원의 분광 전력 곡선이다. 대개 이것은 560nm에서의 전력을 1로 정규화한 상대값으로 표현된다.


                                                 (5.1)


여기서, 옳은 응답의 확률은 가 되고, 감지 확률은 가 된다. 이때 감지 확률이 바로 JND가 된다. 예를 들어, 75%의 응답이 옳다면, 25%는 차이를 감지하지 못한 채 그른 추측을 한 것이다. 더불어 차이를 감지하지 못한 채 옳은 추측을 한 것을 그른 추측과 동일 비율인 25%로 발생하였다고 본다. 그렇다면 나머지 50%의 관찰자는 추측이 아니라, 실제 차이를 감지하고 옳은 응답을 한 결과이다. 이 상황을 50%JND의 단위로 표현하면 1 이 된다. 또 다른 예로 두 샘플이 거의 동일하다면, 감지 확률 는 0에 가깝게 되고, 우연히 옳은 추측을 하는 확률이 50%가 된다. 반대로, 두 샘플이 명확하게 차이가 난다면, 는 모두 1에 가깝게 된다.

  이러한 상황에서 대부분의 사람들은 옳은 응답의 확률보다는 감지 확률을 더욱 직관적으로 생각하게 된다. 따라서 감지 확률(JND의 확실성 수준)을 감지 가능한 인지적 차이로 정의할 수 있다. 인지적인 양 JND는 상호 비교 실험을 통하여 영상의 개개적인 특성이나 전반적인 화질 평가에 적용할 수 있다. 예를 들면, 관찰자에게 두 영상을 제시한 후 어느 영상이 더 sharp 하냐고 묻고, 그 결과로부터 추론된 JND 차이값이 sharpness로 이용될 수 있다. 또한, 동일한 상황에서 관찰자에게 어느 영상이 더 화질이 좋은가라고 물은 후, 그 결과로부터 감지 확률은 전반적인 화질의 JND가 될 수 있다.


화질평가 목적

디스플레이 장치의 색재현 특성이 각기 다르기 때문에 디스플레이별로 재현된 영상은 인지되는 색온도, 사실감 등에서 서로 다른 느낌을 주게 된다. 따라서 각 디스플레이가 갖는 고유의 주관적 색재현성을 평가하기 위하여 각 디스플레이마다 동일한 휘도 설정 하에 영상을 재현한 후, 다수관측자를 통해 주관적인 색재현 느낌과 선호도를 조사하고자 한다.


화질평가를 위한 테스트 영상 및 평가 결과

가) 색채학 및 화질평가 비전공자(괄호안의 숫자는 전공자)에 대한 평가 결과

평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

선명도

(Sharpness)

1

선명도 - Mono

5 (2)

18 (4)

2

선명도 - Color

2 (5)

21 (1)

3

윤곽

7 (4)

16 (2)

4

명시성

7 (4)

16 (2)

5

가독성

18 (5)

5 (1)


평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

명암비

(Contrast ratio)

6

밝은 영상

14 (6)

9 (0)

7

어두운 영상

6 (1)

17 (5)

휘도

(Luminance/

Brightness)

8

밝은 영상

6 (0)

17 (6)

9

어두운 영상

0 (1)

23 (5)

계조

(Gradation)

10

높은 계조

18 (1)

5 (5)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

계조

(Gradation)

11

중간 계조

7 (2)

16 (4)

12

낮은 계조

5 (1)

18 (5)

자연색 재현

(Skin, sky, grass)

13

skin color

14 (3)

9 (3)

14

sky color

22 (4)

1 (2)

15

grass color

20 (2)

3 (4)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

자연색 재현

(Food, flower, fruit)

16

food color

20 (4)

3 (2)

17

flower color

21 (6)

2 (0)

18

fruit color

19 (4)

4 (2)

채도

(Saturation)

19

고채도 - 선명함

6 (6)

17 (0)

20

고채도 - 강한 자극

4 (1)

19 (5)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

채도

(Saturation)

21

중간 채도

8 (6)

15 (0)

22

저채도

20 (1)

3 (5)

색상별 색재현

(Yellow, orange, red)

23

yellow

16 (1)

7 (5)

24

orange

12 (0)

11 (6)

25

red

8 (2)

15 (4)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

색상별 색재현

(Red, green,

blue, purple, brown)

26

red

5 (1)

18 (5)

27

green

13 (3)

10 (3)

28

blue

   

13 (3)

10 (3)

29

purple

12 (2)

11 (4)

30

brown

16 (3)

7 (3)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

입체감

31

털의 윤기, 결

12 (1)

11 (5)

32

볼륨(volume)

17 (3)

6 (3)

재질/소재감

33

금속

15 (5)

8 (1)

34

섬유, 가죽

13 (5)

10 (1)

35

사물 표면

22 (5)

1 (1)



평가항목

번호

분류

평가영상

선호도 결과

TFT-LCD

AMOLED

Black 특성

36

Black 특성

14 (3)

9 (3)

디데일

(Detail)

37

음료의 기포

22 (6)

1 (0)

38

민들레꽃

20 (6)

3 (0)

느낌

(Sensation)

39

차가운 느낌

6 (1)

17 (5)

40

따뜻한 느낌

8 (1)

15 (5)