图像清晰度的评价指标
无参考图像的清晰度评价方法
其中:f(x,y) 表示图像f对应像素点(x,y)的灰度值,D(f)为图像清晰度计算结果(下同)。
因此基于Laplacian 梯度函数的图像星清晰度的定义如下:
其中G(x,y)是像素点(x,y)处Laplacian算子的卷积。
其中:为整幅图像的平均灰度值,该函数对噪声比较敏感,图像画面越纯净,函数值越小。
其中:为整幅图像的平均灰度值,M和N分别为图像宽和高。
其中:Pi 是图像中灰度值为i的像素出现的概率,L为灰度级总数(通常取值256)。根据Shannon信息论,熵最大时信息量最多。将此原理应用到对焦过程,D(f)越大则图像越清晰。熵函数灵敏度不高,依据图像内容不同容易出现与真实情况相反的结果。
其中:df/dx为边缘法向的灰度变化率,f(b) - f(a)为该方向的总体灰度变化。该算法只对图像的特定边缘区域做统计,能否代表整幅图像的清晰度仍有疑问,此外计算前需人工选定边缘区域,不便实现程序运算的自动化,因为王鸿南等在论文 图像清晰度评价方法研究 中对上述算法进行了改进,改进如下:
其中:M和N为图像的行数和列数。
如果一幅图像已经模糊了,那么再对它进行一次模糊处理,高频分量变化不大;但如果原图是清楚的,对它进行一次模糊处理,则高频分量变化会非常大。因此可以通过对待评测图像进行一次高斯模糊处理,得到该图像的退化图像,然后再比较原图像和退化图像相邻像素值的变化情况,根据变化的大小确定清晰度值的高低,计算结果越小表明图像越清晰,反之越模糊。这种思路可称作基于二次模糊的清晰度算法,其算法简化流程如下图:
Wang等利用人类视觉系统(HVS)非常适于提取目标的结构信息的特点,提出了图像结构相似度概念(SSIM),认为只要能计算目标结构信息的变化,就能够得到感知图像失真值。杨春玲等基于此思路,将该方法引入到计算全参考图像的清晰度评价中,认为图像的清晰度可以使用目标图像与参考图像间的结构相似度来表示,而图像间的结构相似度包含以下三个部分的比较:
而C1、C2和C3 是为了避免分母为0而设的常数。图像的结构相似度由下式计算可得:
为简单起见可以令
谢小甫等进一步改进了杨春玲等的方法,根据结构相似度的相关思想结合人烟视觉系统的相关特点,设计了无参考图像清晰度的评价指标(NRSS),计算方法如下:
(b)提取图像 I 和 的梯度信息。利用人眼对水平和垂直方向的边缘信息最为敏感的特性,使用Sobel算子分别提取水平和垂直方向的边缘信息,定义 I 和 的梯度图像是G 和 。
(c)找出梯度图像 G 中梯度信息最丰富的 N 个图像块。将图像G划分为 8x8 的小块,块间的步长为4,即相邻块有50%重叠,这是为了避免丢失重要的边缘。计算每块的方差,方差越大说明梯度信息越丰富,找出其中方差最大的N块,记为,对应的中的对应块定义为 。N的值大小直接影响评价结果,同时也影响算法运行时间。在后面的实验中设 N = 64。
(d)计算结构清晰度NRSS。先计算每个xi和 yi的结构相似度SSIM(xi, yi),其中SSIM计算方法参见前面的定义,则图像的无参考结构清晰度定义为:
JPEG图片是基于8x8块的DCT变换的编码技巧,它是有损的因为对DCT变换系数做量化的时候会产生量化误差。量化就会导致模糊和块效应。模糊主要是因为丢失了高频的DCT系数。块效应是由于块边界的不连续性,因为每个分块的量化是独立的。
首先计算块效应,块效应的定义就是左右跨越边界的信号差的平均值:
然后计算块内信号差的平均值:
再计算zero-crossing(ZC)率,ZC是边界跨零的意思,也就是说相邻两个点的值的乘积为负数,也就是一正一负,因此对于[1, N - 2]范围内的y,定义如下变量:
于是水平方向的ZC率定义如下:
同理,我们可以计算垂直方向的几个指标值 。最后得到这几个指标的水平和垂直方向的平均值:
有很多方式把这几个指标联系起来组成一个质量评价模型。此处我们采用如下图像质量定义:
其中 是从大量实验中提炼出来的模型参数。本文中所采用的参数值如下:
其实 S 就是在(14)中已经得到的质量评价值。
图像质量受很多因素影响,例如:亮度、对比度、色调、边界、噪声、模糊等。在本文中,我们假定噪声和模糊是影响图像质量最重要的两个因素。简单起见,只对彩色图像的亮度分量做模糊和噪声监测。本文的图像质量评价算法框架图如下:
A)模糊检测
模糊估计分为两个步骤:首先是边缘检测,然后是模糊确定。此处模糊估计是通过计算当前像素点与领域内像素点均值之差来确定。我们用f(x,y) 表示图片,其中。定义水平绝对差如下:
如果当前像素点的 则该像素点就是一个候选的边缘点. 如果比它水平方向两个相邻的点 都大,则该像素点就被确认为一个边缘点。边缘点的判断总结如下:
同理,按照以上的步骤我们可以计算垂直方向的值 。两者之大者称作Inverse Blurriness,用于最终的模糊判定依据。
低于阈值ThB的Inverse Blurriness 被认为是模糊的。实验测试表明此处的阈值ThB取值0.1。最后,边缘模糊的均值和比率为:
B)噪点检测
因为沿边缘的噪点视觉上不明显,因此我们只检测边缘之外的噪点。边缘检测会被噪点影响,因此在检测边缘之前做一个噪点滤波的预处理。在本文中,我们应用均值滤波来消除噪点。均值滤波之后的图像g(x,y)为:
候选的噪点估计如下:
同理可以在垂直方向计算对应的值。然后得到候选的噪点是:
其中N_cand(x,y)表示候选噪点,它在边缘区域为0。
噪点均值和比率为:
其中Sum_Noise是N(x,y)之和,Noise_cnt是噪点总数目。
C)噪点和模糊的组合
此处我们的图像质量评价指标定义如下:
其中w1、w2、w3、w4是权值。通过线性回归分析获取这些权值。本文中这些权值为:
首先来看看第一组测试图片:
测试数据(阈值T = 50)
算法 |
img29 |
img42 |
img77 |
img81 |
img183 |
Brenner |
791.45 |
1050.36 |
844.41 |
898.57 |
754.88 |
Tenengrad |
10.88 |
12.72 |
11.51 |
11.92 |
10.59 |
Laplacian |
8.507 |
14.47 |
9.05 |
9.86 |
9.08 |
SMD |
18.57 |
24.71 |
20.94 |
22.57 |
14.32 |
SMD2 |
168.19 |
293.15 |
196.84 |
217.17 |
128.57 |
Variance |
2107.86 |
2134.98 |
2083.19 |
2100.05 |
2110.90 |
Energy |
677.48 |
941.98 |
713.81 |
754.95 |
668.54 |
Vollath |
1940.97 |
1897.70 |
1910.28 |
1912.10 |
1940.81 |
Entropy |
7.00 |
7.38 |
7.26 |
7.38 |
5.24 |
EAV |
75.88 |
93.71 |
83.70 |
89.16 |
60.85 |
JPEG |
2.08 |
9.25 |
3.95 |
5.16 |
-1.53 |
JPEG2 |
2.12 |
4.99 |
3.90 |
4.60 |
1.04 |
Remark:
1)肉眼可以分辨以上五幅图像的质量排名为:img42 > img81 > img77 > img29 > img183
2)与主观感知一致的算法有:Brenner、Tenengrad、SMD、SMD2、Energy、Entropy、EAV、JPEG、JPEG2
3)Variance、Vollath算法所得数据非常接近,无法分辨出图像质量。
4)Laplacian在判断img29 和 img183的时候出现失误,这两个图片的质量都非常差
第二组测试数据(阈值T = 50)
算法 |
img20 |
img23 |
img56 |
img152 |
img215 |
img228 |
Brenner |
756.67 |
500.89 |
615.53 |
553.55 |
418.77 |
725.29 |
Tenengrad |
8.00 |
6.17 |
7.08 |
6.66 |
5.56 |
7.73 |
Laplacian |
11.36 |
6.04 |
8.02 |
6.87 |
5.78 |
10.86 |
SMD |
19.41 |
13.40 |
17.16 |
15.44 |
8.67 |
19.56 |
SMD2 |
231.65 |
120.85 |
169.69 |
141.39 |
81.10 |
224.10 |
Variance |
2773.79 |
2631.73 |
2690.92 |
2650.81 |
2649.59 |
2724.18 |
Energy |
775.58 |
466.00 |
581.42 |
510.01 |
421.47 |
743.86 |
Vollath |
2601.47 |
2535.77 |
2565.37 |
2542.39 |
2564.13 |
2558.90 |
Entropy |
7.15 |
6.84 |
7.28 |
7.21 |
4.16 |
7.29 |
EAV |
73.86 |
54.71 |
67.48 |
61.76 |
37.02 |
74.89 |
JPEG |
9.59 |
3.03 |
6.38 |
4.93 |
-1.87 |
8.62 |
JPEG2 |
5.00 |
3.03 |
4.88 |
4.51 |
1.03 |
4.99 |
1)肉眼可以分辨以上图片的质量排名为:img20 > img228 > img56 > img152 > img23 > img215
2)与主观感知一致的算法有:Brenner、Tenengrad、Laplacian、SMD2、Energy、JPEG、JPEG2
3)Vollat、Entropy算法失误比较多。
4)SMD、EAV在判断img20和 img228的时候出现失误,这两个图片质量都非常好,肉眼有时候很难分辨,因此这种失误在可以接受的范围。
5)Variance在判断img23和 img215的时候出现失误,这两个图片质量都非常差。
3. 数字图像清晰度评价函数的研究与改进
7. No-Reference Image Quality Assessment forJPEG/JPEG2000 Coding
图像清晰度的评价指标相关推荐
- 无参考图像的清晰度评价方法 (图像清晰度的评价指标)
无参考图像的清晰度评价方法 from: http://nkwavelet.blog.163.com/blog/static/227756038201461532247117 在无参考图像的质量评价中, ...
- python 图像清晰度_图像清晰度评价指标(Python)
最近在毕业设计中涉及了有关增强图像清晰度的实验,需要一些指标来进行实验结果的评估.刚好网上有个总结的非常好的博客(见参考文献[1]),但没有实现方法.因此,我将在我的博客中用Python实现. 评估方 ...
- 图像清晰度的评价及分析
在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊.本文针对无参考图像质量评价应用,对目前几种较为常用的.具有代表性 ...
- 图像清晰度评价15种方法对比
在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊.本文针对无参考图像质量评价应用,对目前几种较为常用的.具有代表性 ...
- 无参考图像清晰度评价
转自: http://nkwavelet.blog.163.com/blog/static/227756038201461532247117 在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的 ...
- 图像处理:图像清晰度评价
目录 0.实现效果 1.概述 2.模糊度分类 1.运动模糊 2.压缩模糊 3.高斯模糊 3.清晰度量化指标 Brenner 能量梯度函数(Energy of Gradient) 编辑 Roberts ...
- 基于强边缘有效性统计的图像清晰度评价
摘要 图像清晰度评价是图像质量评价中的一个重要组成部分,对于自动对焦.图像压缩.视频封面提取等应用具有重要意义.目前图像清晰度评价可分为有参考图像清晰度评价和无参考图像清晰度评价[1]. 对于无参考清 ...
- 相机自动对焦 OpenCV 图像清晰度评价
原文:https://blog.csdn.net/dcrmg/article/details/53543341 OpenCV 图像清晰度评价(相机自动对焦) 版权声明:本文为博主原创文章,转载请注明出 ...
- 11种图像清晰度评价函数
典型无参考图像清晰度评价(可用作对焦评价函数) Tenengrad评价函数 Tenengrad函数是一种由Tenenbaum提出的,基于梯度的常用图像清晰度评价函数.特南梯度. 在图像处理中,一般认为 ...
最新文章
- 项目: 双人反弹球游戏
- 笔记-信息化与系统集成技术-电子商务系统的结构和要点
- 【DP】翻硬币(jzoj 3921)
- PHP-date(),time()函数的应用
- java URL连接ftp_java – URLConnection FTP列表文件
- android 通知 按钮,在自定义通知中添加按钮操作
- CartoonGAN照片动漫化
- 【Gbase】给字段创建hash索引
- PCB原理图绘制(1)——工程文件的建立
- raid 物理盘缓存状态_查看RAID状态
- win10 新版文件资源管理器
- 如何才能得到YouTube的流量?
- Sutherland-Hodgeman 多边形裁剪算法
- 室内定位的电子地图编辑工具
- APP定制开发,移动市场重要的生存利器
- NB-IoT的DRX、eDRX、PSM三个模式怎么用?通俗解释,看完就懂!
- i386 Linux内核进入保护模式引导流程
- 隐私计算加密技术基础系列(下)对称与非对称加密的应用场景
- cc1plus:所有的警告都被当作是错误
- This Week in Spring - January 14th, 2020
热门文章
- LSD激光雷达简单介绍
- 输入身高、体重计算BMI指数
- saas收银系统,java版
- http协议php短信接口调用代码示例
- js选择器获取元素的value值,如何判断为空
- 超轻量级的Gow,替代cgwin
- 普渡大学 计算机科学 期中考试,普渡大学计算机科学理学硕士研究生申请要求及申请材料要求清单...
- linux高并发开发视频教程,求视频教程- 基于linux百万级高并发框架Skynet-王桂林-专题视频课程...
- 浏览器解析jsx_preact 源码学习系列之一:JSX解析与DOM渲染
- 浪潮NF5270 M4 无法识别大容量硬盘问题及处理办法