问静态HDR和动态HDR有什么区别？

EN

动态HDR可以在各种显示器上实现更高的HDR媒体质量。

以下介绍：SMPTE ST 2094与动态元数据总结了动态元数据主题：

彩色体变换的动态元数据(DMCVT)

• 可以在各种显示器中保留HDR媒体的创作意图。
• 文件，视频流，打包媒体
• SMPTE ST 2094标准

一切都是从数字Quantization.开始的

假设您只需要使用1000个可能的值来近似0到1,000,000之间的数字。

您的第一个选择是使用统一量化：

范围0,999中的值映射到0，范围1000,1999映射到1,2000,2999映射到2，等等.

当您需要还原原始数据时，您无法准确地还原它，因此您需要以最小的平均错误获得值。

0被映射到500 (范围0,999的中心)。

1被映射到1500 (到范围1000,1999年的中心)。

当您恢复量化数据时，您将丢失大量信息。

你丢失的信息称为“量化误差”。

普通HDR视频每色分量适用10位(Y分量10位，U 10位，V 10位)。在RGB颜色空间中，红色为10位，绿色为10位，蓝色为10位。

10位可以存储1024个可能的值(在范围0,1023中的值)。

假设您有一个非常好的显示器，可以显示1000,001个不同的亮度级别(0是最暗的，1000000是最亮的)。

现在，您需要将1,000,001级量化为1024个值。

由于人类视觉系统对亮度水平的响应不是线性的，上述均匀量化是次优的。

在应用伽玛函数之后，对10位进行量化。

伽马函数的例子:将每个值除以1000000 (新的范围为0,1)，计算每个值的平方根，并将结果乘以1000000。

在伽马函数之后应用量子化。

其结果是:在更暗的值上保持更高的准确性，在更亮的值的扩展上保持更高的准确性。

监视器执行相反的操作(反量化和反伽马).

应用伽玛函数进行量化预处理，对人类视觉系统有较好的效果。

在现实中，平方根不是最好的伽马函数。

有三种类型的标准HDR静态伽马函数：

• HLG - 混合对数伽玛
• PQ - 知觉量化
• HDR10 -静态元数据

我们能做得更好吗？

如果我们可以为每个视频帧选择最优的“伽马函数”呢？

动态元数据示例

考虑一下图像中所有亮度级别都在500000,501000范围内的情况。

现在，我们可以将所有级别映射到10位，而无需任何量化。

我们所需要做的就是发送500000作为最小级别，501000作为图像元数据中的最低级别。

与量化不同，我们只需从每个值中减去500000。

接收图像、读取元数据并知道每个值增加500000的监视器--因此有一个完美的数据重构(没有量化错误)。

假设下一个图像的级别在400000到401000之间，所以我们需要(动态地)调整元数据。

• DMCVT -彩色体变换的动态元数据 DMCVT的真实数学比上面的例子要复杂得多(也比量化要复杂得多)，但它基于相同的原则--根据场景和显示动态调整元数据，可以获得比静态伽玛(或静态元数据)更好的质量。

万一你还在看书..。

我真的不确定DMCVT的主要优点是减少量化误差。

(给出一个减少量化误差的例子比较简单)。

减少转换错误的：

从输入的数字表示(例如BT.2100到显示器的最佳像素值(如像素的RGB电压)的精确转换需要“繁重的数学”。

转换过程称为颜色卷转换。

显示用数学近似代替繁重的计算(我想使用查找表和插值)。

DMCVT的另一个优点是将“繁重的数学”从显示器转移到视频后期制作过程。

视频后期制作阶段的计算资源在数量级上高于显示资源。

在后期生产阶段，计算机可以计算元数据，以帮助显示执行更准确的颜色卷转换(使用较少的计算资源)，并大大减少转换误差。

来自介绍性的示例

​

为什么"HDR静态伽马函数“是静态的？

与DMCVT相反，静态伽马函数在整个电影中固定，或者在整个“系统”中固定(预定义)。

例如:大多数PC系统(PC和监视器)使用的是sRGB颜色空间(而不是HDR)。

sRGB标准使用以下固定的伽马函数：

。

PC系统和显示器都预先知道，它们使用的是sRGB标准，并且知道这是使用的伽马函数(不添加任何元数据，也不添加将视频数据标记为sRGB的一字节元数据)。