08 · 马赛克与花屏检测

马赛克（Mosaic / Blocking） 与 花屏（Corrupt Display） 是压缩与传输损伤的典型表现：前者呈规则块状像素化，后者表现为色彩错乱、条纹、绿屏等解码异常。

复杂花屏模式难以用单一闭式公式覆盖；本章介绍可解释的传统启发式，与深度学习端到端分类互补。

1. 马赛克：块效应（Blocking Artifact）

1.1 成因

基于 DCT 的块编码（JPEG、MPEG、H.264）将图像分为 （或 ）块独立量化。码率不足时，块边界不连续，形成网格状失真。

块状像素化：DCT 块编码在码率不足时的宏块效应（Wikimedia Commons，Public Domain）

色彩错乱、色块花屏：解码失败时的典型画面（Wikimedia Commons，Public Domain）

1.2 块边界梯度法

设块大小为 。在块边界 处计算水平/垂直梯度跳变：

块效应指数（Wang 等多尺度 SSIM 相关思路的简化）：

其中 为所有块边界像素集。 越大，块边界越明显。

1.3 块内方差 vs 块间差

对每个块 计算方差 。马赛克区域常呈现：

2. 花屏：色彩熵与异常像素

2.1 色彩熵

对 RGB 或 联合直方图计算 Shannon 熵：

正常自然图像 处于中等范围。花屏时直方图异常分散或出现孤立峰值， 偏离参考区间。

2.2 通道不一致性

解码错误常导致 R/G/B 通道空间不对齐或极端值激增：

结合相邻像素突变率：

异常高且 异常 → 花屏可疑。

3. 检测流程

flowchart TB
    A[输入帧] --> B[块边界梯度 BI]
    A --> C[色彩熵 H]
    A --> D[突变率 J]
    B --> E{BI > T_b?}
    C --> F{H 离群?}
    D --> G{J > T_j?}
    E -->|是| H[马赛克]
    F --> G2{联合判定}
    G --> G2
    G2 -->|是| I[花屏]

4. 判定汇总

类型	主特征	典型条件
马赛克	规则 网格、 高
花屏	离群 + 高 + 色块条纹	多条件 AND/OR

5. 局限

方法	局限
块边界法	自然纹理中的边缘也会贡献梯度
熵法	复杂场景 基线高
传统整体	强依赖训练数据的花屏模式 → 深度学习更稳

传统方法适合明显块效应、极端花屏的轻量级预筛。

6. 参考文献

1. Wang Z, Simoncelli E P, Bovik A C. Multiscale structural similarity for image quality assessment. IEEE Asilomar, 2003. — 块失真感知。
2. Wang Z, Bovik A C. Reduced- and no-reference image quality assessment. IEEE Signal Processing Magazine, 2006. — NR 块效应指标综述。
3. Wallace G K. The JPEG still picture compression standard. IEEE Transactions on Consumer Electronics, 1992. — DCT 块编码原理。
4. Shannon C E. A mathematical theory of communication. Bell System Technical Journal, 1948. — 熵定义。

---

← 07 蓝屏 · 专题首页 · 下一篇：遮挡检测 →