【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】
2023-12-05 17:06:56
一、评价指标分类
对于融合图像，其评价指标可以按如下划分为三类
1 基于无参考的统计特征
2 基于有参考的理想（目标）图像
3 基于有参考的源图像
二 、基于无参考的统计特征
2.1 平均梯度算法
function outval=ftidu(img) A=double(img); [r,c]=size(A); [dzdx,dzdy]=gradient(A); %分别求X的梯度和Y的梯度s=sqrt((dzdx.^2+dzdy.^2)./2); g=sum(sum(s))/(r*c); outval=mean(g);
end1.2 空间频率
function y=fSF(A)A=double(A);[rows,cols]=size(A);tempA=0;tempB=0;for i=1:rows for j=2:colstemp=(A(i,j)-A(i,j-1))^2;tempA=tempA+temp;endendfor j=1:rows for i=2:colstemp=(A(i,j)-A(i-1,j))^2;tempA=tempA+temp;endendRF=(1/(rows*cols))*tempA;CF=(1/(rows*cols))*tempB;y=(RF+CF)^0.5;
end2.3 信息熵
function varargout= fshang(varargin)
%函数功能：
% 函数msg求出输入图像的熵
%----------------------------------%if nargin<1 %判断输入变量的个数error('输入参数必须大于等于1.');
elseif nargin==1varargout{1}=f(varargin{1});
end
endfunction y= f(x)
x=uint8(x);
temp=unique(x); %temp就是x中全部不同的元素，例如x=[1,1,3,4,1,5];那么temp=[1;3;4;5]
temp=temp';
len=length(temp); %求出x矩阵中不同元素的个数
p=zeros(1,len); %p向量用来存储矩阵x中每个不同元素的个数
[m,n]=size(x);
for k=1:lenfor i=1:mfor j=1:nif x(i,j)==temp(1,k)p(1,k)=p(1,k)+1;endendend
end
for k=1:lenp(1,k)=p(1,k)/(m*n); %求出每个不同元素出现的频率p(1,k)=-p(1,k)*log2(p(1,k));
end
y=sum(p);
end三 基于有参考的理想（目标）图像
3.1 均方根误差
function varargout= fjunfang(varargin)if nargin<2error('输入参数必须大于等于2.');
elseif nargin==2varargout{1}=h(varargin{1},varargin{2});
end
endfunction r=h(f,g)
f=double(f);
g=double(g);
[m,n]=size(f);temp=[];
for i=1:mfor j=1:ntemp(i,j)=(f(i,j)-g(i,j))^2;end
endr=sqrt(sum(sum(temp))/(m*n));end3.2 峰值信噪比
function varargout= fSNR(varargin)if nargin<2error('输入参数必须大于等于2.');
elseif nargin==2varargout{1}=h(varargin{1},varargin{2});
end
endfunction r=h(f,g)
f=double(f);
g=double(g);
[m,n]=size(f);temp=[];
for i=1:mfor j=1:ntemp(i,j)=(f(i,j)-g(i,j))^2;end
endr=sqrt(sum(sum(temp))/(m*n));3.3 相关系数
function coeff = myPearson(X , Y)
if length(X) ~= length(Y) error('两个数值数列的维数不相等'); return;
end fenzi = sum(X .* Y) - (sum(X) * sum(Y)) / length(X);
fenmu = sqrt((sum(X .^2) - sum(X)^2 / length(X)) * (sum(Y .^2) - sum(Y)^2 / length(X)));
coeff = fenzi / fenmu; end %函数myPearson结束 四 基于有参考的源图像
4.1 交叉熵
clc;clear;close all;
A=imread('test2.jpg');B=imread('1.tif');C=imread('2.tif');[m,n]=size(A);
a=zeros(1,256);
for i=1:mfor j=1:na(1,A(i,j)+1)=a(1,A(i,j)+1)+1;end
end
b=zeros(1,256);
for i=1:mfor j=1:nb(1,B(i,j)+1)=b(1,B(i,j)+1)+1;end
end
c=zeros(1,256);
for i=1:mfor j=1:nc(1,C(i,j)+1)=c(1,C(i,j)+1)+1;end
end
%_____________________________________________________%
a=double(a);b=double(b);c=double(c);
a=a/(m*n);b=b/(m*n);c=c/(m*n);cen1=0;
for i=1:256if a(1,i)==0temp3=0;elsetemp1=b(1,i)/a(1,i);temp2=log2(temp1);if temp2==-Inftemp2=0;endtemp3=b(1,i)*temp2;endcen1=cen1+temp3;
end
cen2=0;
for i=1:256if a(1,i)==0temp3=0;elsetemp1=c(1,i)/a(1,i);temp2=log2(temp1);if temp2==-Inftemp2=0;endtemp3=c(1,i)*temp2;endcen2=cen2+temp3;
endcen=(cen1*cen1+cen2*cen2)/2;
cen=sqrt(cen);
fprintf('\n交叉熵为:%f\n',cen);4.2 边缘信息保持度
I=imread('');
I2=imread(''); % 分别表示原始图像，和处理后图像
imU=I(1:end-1, :);
imD=I(2:end, :); % 上部，下部
imL=I(:, 1:end-1);
imR=I(:, 2:end); % 左部，右部；im2U=I2(1:end-1, :);
im2D=I2(2:end, :); % 上部，下部
im2L=I2(:, 1:end-1);
im2R=I2(:, 2:end); EPI_H = sum(sum(abs(imR - imL)))/sum(sum(abs(im2R - im2L)));
EPI_V = sum(sum(abs(imU - imD)))/sum(sum(abs(im2D - im2D)));fprint('水平保持度为%f\n，竖直保持度为%f\n',EPI_H,EPI_V)3.3 结构相似度
clc;
clear;
im1=imread('1.jpg');
im2=imread('2.jpg');
img1=double(im1);
img2=double(im2);
[mssim,ssim_map] = ssim(img1, img2);
fin=mssim
function [mssim, ssim_map] = ssim(img1, img2, K, window, L)
%Input : (1) img1: the first image being compared
% (2) img2: the second image being compared
% (3) K: constants in the SSIM index formula (see the above
% reference). defualt value: K = [0.01 0.03]
% (4) window: local window for statistics (see the above
% reference). default widnow is Gaussian given by
% window = fspecial('gaussian', 11, 1.5);
% (5) L: dynamic range of the images. default: L = 255
%
%Output: (1) mssim: the mean SSIM index value between 2 images.
% If one of the images being compared is regarded as
% perfect quality, then mssim can be considered as the
% quality measure of the other image.
% If img1 = img2, then mssim = 1.
% (2) ssim_map: the SSIM index map of the test image. The map
% has a smaller size than the input images. The actual size:
% size(img1) - size(window) + 1.
%
%Default Usage:
% Given 2 test images img1 and img2, whose dynamic range is 0-255
%
% [mssim ssim_map] = ssim_index(img1, img2);
%
%Advanced Usage:
% User defined parameters. For example
%
% K = [0.05 0.05];
% window = ones(8);
% L = 100;
% [mssim ssim_map] = ssim_index(img1, img2, K, window, L);
%
%See the results:
%
% mssim %Gives the mssim value
% imshow(max(0, ssim_map).^4) %Shows the SSIM index map
%
%========================================================================if (nargin < 2 || nargin > 5)
% ssim_index = -Inf;ssim_map = -Inf;return;
endif (size(img1) ~= size(img2))
% ssim_index = -Inf;ssim_map = -Inf;return;
end[M N] = size(img1);if (nargin == 2)if ((M < 11) || (N < 11)) % 图像大小过小，则没有意义。
% ssim_index = -Inf;ssim_map = -Inf;returnendwindow = fspecial('gaussian', 11, 1.5); % 参数一个标准偏差1.5，11*11的高斯低通滤波。K(1) = 0.01; % default settingsK(2) = 0.03; %L = 255; %
endif (nargin == 3)if ((M < 11) || (N < 11))
% ssim_index = -Inf;ssim_map = -Inf;returnendwindow = fspecial('gaussian', 11, 1.5);L = 255;if (length(K) == 2)if (K(1) < 0 || K(2) < 0)
% ssim_index = -Inf;ssim_map = -Inf;return;endelse
% ssim_index = -Inf;ssim_map = -Inf;return;end
endif (nargin == 4)[H W] = size(window);if ((H*W) < 4 || (H > M) || (W > N))
% ssim_index = -Inf;ssim_map = -Inf;returnendL = 255;if (length(K) == 2)if (K(1) < 0 || K(2) < 0)
% ssim_index = -Inf;ssim_map = -Inf;return;endelse
% ssim_index = -Inf;ssim_map = -Inf;return;end
endif (nargin == 5)[H W] = size(window);if ((H*W) < 4 || (H > M) || (W > N))
% ssim_index = -Inf;ssim_map = -Inf;returnendif (length(K) == 2)if (K(1) < 0 || K(2) < 0)
% ssim_index = -Inf;ssim_map = -Inf;return;endelse
% ssim_index = -Inf;ssim_map = -Inf;return;end
end
%%
C1 = (K(1)*L)^2; % 计算C1参数，给亮度L（x，y）用。
C2 = (K(2)*L)^2; % 计算C2参数，给对比度C（x，y）用。
window = window/sum(sum(window)); %滤波器归一化操作。
img1 = double(img1);
img2 = double(img2);mu1 = filter2(window, img1, 'valid'); % 对图像进行滤波因子加权
mu2 = filter2(window, img2, 'valid'); % 对图像进行滤波因子加权mu1_sq = mu1.*mu1; % 计算出Ux平方值。
mu2_sq = mu2.*mu2; % 计算出Uy平方值。
mu1_mu2 = mu1.*mu2; % 计算Ux*Uy值。sigma1_sq = filter2(window, img1.*img1, 'valid') - mu1_sq; % 计算sigmax （标准差）
sigma2_sq = filter2(window, img2.*img2, 'valid') - mu2_sq; % 计算sigmay （标准差）
sigma12 = filter2(window, img1.*img2, 'valid') - mu1_mu2; % 计算sigmaxy（标准差）if (C1 > 0 && C2 > 0)ssim_map = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))./((mu1_sq + mu2_sq + C1).*(sigma1_sq + sigma2_sq + C2));
elsenumerator1 = 2*mu1_mu2 + C1;numerator2 = 2*sigma12 + C2;denominator1 = mu1_sq + mu2_sq + C1;denominator2 = sigma1_sq + sigma2_sq + C2;ssim_map = ones(size(mu1));index = (denominator1.*denominator2 > 0);ssim_map(index) = (numerator1(index).*numerator2(index))./(denominator1(index).*denominator2(index));index = (denominator1 ~= 0) & (denominator2 == 0);ssim_map(index) = numerator1(index)./denominator1(index);
endmssim = mean2(ssim_map);return
end四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.
【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】相关推荐
- 【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
- 【Matlab图像加密】正交拉丁方置乱算法图像加解密【含GUI源码 182期】
一.代码运行视频(哔哩哔哩) [Matlab图像加密]正交拉丁方置乱算法图像加解密[含GUI源码 182期] 二.matlab版本及参考文献 一.代码运行视频(哔哩哔哩) [Matlab图像处理]自动 ...
- 【Matlab人脸识别】BP神经网络人脸识别（含识别率）【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
- 【Matlab人脸识别】形态学教室人数统计（带面板）【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
- 【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
- 【Matlab车牌识别】停车计费系统【含GUI源码 735期】
一.代码运行视频(哔哩哔哩) [Matlab车牌识别]停车计费系统[含GUI源码 735期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MATLA ...
- 【Matlab生物电信号】生物电信号仿真【含GUI源码 684期】
一.代码运行视频(哔哩哔哩) [Matlab生物电信号]生物电信号仿真[含GUI源码 684期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]董兵,超于毅,李 ...
- 【Matlab语音分析】语音信号分析【含GUI源码 1718期】
一.代码运行视频(哔哩哔哩) [Matlab语音分析]语音信号分析[含GUI源码 1718期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊,郑铁 ...
- 【Matlab验证码识别】遗传算法和最大熵优化+大津法（OTSU）+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
- 【Matlab语音加密】语音信号加密解密（带面板）【含GUI源码 181期】
一.代码运行视频(哔哩哔哩) [Matlab语音加密]语音信号加密解密(带面板)[含GUI源码 181期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆 ...
最新文章
- java批处理框架采集端_使用Spring Batch批处理框架（参考）
- springMVC 时间、js、html处理
- 普渡大学计算机专业,普渡大学计算机介绍
- oracle cost cardinality,ORACLE 执行计划中cost cardinality bytes cpu_cost io_cost解释
- 2层，3层，4层交换机的区别与特点！！
- 服务端开发学习路径图，心疼小哥哥们
- 树莓派进阶之路 (016) - 通过595驱动4位LED显示系统时间
- e3mall商城的归纳总结10之freemarker的使用和sso单点登录系统的简介
- 计算机学报latex模板\renewcommand\figurename失效
- 教授专栏14 | 陈泰元: 提升公司治理之路--高管薪酬追回条款
- shader篇-动画
- moviepy音视频开发：audio_fadein、fadeout实现声音淡入淡出
- Java面试中HR面试的100个问题，你有被问到几个？正解如下
- 【PyQt5，2021最新Java常用开源库总结
- 【C语言】奥运参赛国出场次序
- 将多个文件夹下内容合并到一个文件夹下
- Linux内核和用户空间通信的方法
- c++动态数组的优点，创建和删除
- FREERTOS必备知识-喂狗-死机
- 非计算机专业学生计算机基础知识和应用能力,全国高校非计算机专业学生计算机基础知识和应用能力等级考试大纲...