Динамический HDR может обеспечить более высокое качество HDR для различных дисплеев.
Следующая презентация: SMPTE ST 2094 и динамические метаданные суммируют тему динамических метаданных:
Динамические метаданные для преобразования объема цвета (DMCVT)
- Может сохранять творческий замысел на носителях HDR на различных дисплеях
- Переносится в файлы, видеопотоки, упакованные мультимедиа
- Стандартизирован в SMPTE ST 2094
Все начинается с цифровых Квантование .
Предположим, что вам нужно аппроксимировать числа от 0 до 1 000 000, используя только 1000 возможных значений.
В первом варианте используется единообразное количественное определение:
Значения в диапазоне [0, 999]сопоставлены с 0, диапазон [1000, 1999] сопоставлен с 1, [2000, 2999] сопоставлен с 2 и т. д. *
Когда вам нужно восстановить исходные данные, вы можете 't восстановить его точно, поэтому вам нужно получить значение с минимальной средней ошибкой.
0 отображается на 500 (в центр диапазона [0, 999]).
1 отображается на 1500 (нацентрдиапазон [1000, 1999]).
Когда вы восстанавливаете квантованные данные, вы теряете много информации.
Информация, которую вы теряете, называется «Ошибка квантования».
Обычное видео HDR применяет 10 бит на компонент цвета (10 бит для компонента Y, 10 бит для U и 10 бит для V). Или 10 бит для красного, 10 для зеленого и 10 для синего в цветовом пространстве RGB.
10 бит могут хранить 1024 возможных значения (значения в диапазоне [0, 1023]).
Предположим, у вас есть очень хороший монитор, который может отображать 1 000 001 различных уровней яркости (0 - самый темный, а 1000000 - самый яркий).
Теперь вам нужно квантовать 1 000 001 уровень до 1024 значений.
Поскольку реакция зрительной системы человека на уровень яркости не является линейной, равномерное квантование, показанное выше, является неоптимальным.
Квантование до 10 битов выполняется после применения гамма-функции.
Пример для гамма-функции: разделить каждое значение на 1000000 (новый диапазон - [0,1]), вычислить квадратный корень каждого значения,и умножьте результат на 1000000.
Примените квантование после гамма-функции.
Результат: поддержание большей точности при более темных значениях и при увеличении ярких значений.
Монитор выполняет обратную операцию (деквантование и обратная гамма).
Предварительное преобразование квантования после применения гамма-функции обеспечивает лучшее качество для зрительной системы человека.
На самом деле квадратный корень - не лучшая гамма-функция.
Существует три типа стандартных статических гамма-функций HDR :
Можем ли мы добиться большего успеха? * 1059Что, если бы мы могли выбрать оптимальные «гамма-функции» для каждого видеокадра?
Пример для Динамические метаданные :
Рассмотрим случай, когда все уровни яркости изображения находятся в диапазоне [500000, 501000]:
Теперь мы можем отобразить все уровнидо 10 бит, без какого-либо квантования.
Все, что нам нужно сделать, это отправить 500000 как минимальный уровень и 501000 как минимальный уровень в изображении метаданные .
Вместо квантования мы можем просто вычесть500000 от каждого значения.
Монитор, который получает изображение, считывает метаданные и знает, как добавить 500000 к каждому значению - так что происходит идеальное восстановление данных (без ошибок квантования).
Предположим уровни следующегоИзображение находится в диапазоне от 400000 до 401000, поэтому нам нужно скорректировать метаданные (динамически).
- DMCVT - динамические метаданные для преобразования объема цвета
Истинная математика DMCVT намного сложнее, чем в примере выше (и намного больше, чем квантование), но она основана на тех же принципах - динамическая настройка метаданных в соответствии со сценой и отображением может обеспечить лучшее качество по сравнению со статической гаммой (илистатические метаданные).
Если вы все еще читаете ...
Я действительно не уверен, что основным преимуществом DMCVT является уменьшение ошибок квантования.
(Просто было проще привести пример уменьшения ошибок квантования).
Уменьшение ошибок преобразования:
Точное преобразование из цифрового представления входа (например, BT.2100 в оптимальное значение пикселя дисплея (например,напряжение RGB пикселя) требует "тяжелой математики".
Процесс преобразования называется Преобразование объема цвета .
Отображение заменяет тяжелые вычисления математическими приближениями (с использованием справочных таблиц и интерполяций [Я полагаю]).
Еще одним преимуществом DMCVT является перенос "тяжелой математики" с дисплея на процесс обработки видео.
Вычислительные ресурсы на этапе обработки видео находятся в порядкевеличин, превышающих ресурсы дисплея.
На этапе после изготовления компьютеры могут вычислять метаданные, которые помогают дисплею выполнять намного более точное преобразование объема цвета (с меньшими вычислительными ресурсами) и значительно снижать ошибки преобразования.
Пример из представление :
Почему «статические гамма-функции HDR» называются статическими?
В противоположностьDMCVT, статические гамма-функции фиксированы по всему фильму или фиксированы (предварительно определены) по всей «системе».
Например: большинство систем ПК (ПК и мониторы) используют sRGB цветовое пространство (не HDR).
Стандарт sRGB использует следующую фиксированную гамма-функцию:
.
И система ПК, и дисплей заранее знают, что ониработает в стандарте sRGB и знает, что используется именно эта гамма-функция (без добавления каких-либо метаданных или добавления одного байта метаданных, который помечает видеоданные как sRGB).