关于几个图像质量评价参数的计算总结

图像质量的客观评价参数很多，计算方法多样，这里总结几个常用的测试及实现方法，以便大家测试开发时，参考使用。这里，都以单帧作为图像质量的测试输入。测试会使用到opencv及Python的一些库，如cv2， numpy as np，math等,这里不再详细说明。

1.如何处理图像得到SNR
在照片计算中，SNR的计算是使用图片的平均灰度作为Mean分子（信号）
分母为照片灰度的标准差（噪声）。SNR (dB) = 10 log10(S/N).
即先将图片RGB转化为GRAY,在灰度图情况下，作上述计算。
img_gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
res =10*math.log10(np.mean(img_gray)/std_value)
备注：如果想得到PSNR，对于每个像素8bit的色彩深度，则直接将img_gray=255.

2.如何计算StepChart的阶数
方法一利用每一阶的Gray值，两两相减。（即Imatest的stepchart方法）
方法二利用信噪比SNR进行判断：SNR大于1,为第一个可分辨灰块；SNR持续增大，直到出现SNR首次衰减时，为最后一个可分辨块。算出可分辨比例。

3.Color Accuracy的数值获得
一是把RGB图片转化为L*a*b
DeltaC是a1，b1的平方和开方与a2,b2的平方和开方的差值，物理坐标上表示径向色差
DeltaE是L，a，b差值平方和开方
Deltaab是参照色和对比色a,b的坐标位置之差，物理上表示坐标平面上的颜色位置差异。
对比的是D50下的标准24色卡Lab值，见《ColorData-1p_EN》，对比得到DeltaCMean与DeltaEMean.
二是对于Color Shading是要透过diffuser去拍摄PND灯箱，对比边角位置与中心位置,使用其不同位置Lab，进行对比。得到DeltaC。

4.AWB accuracy
一种计算方法是采用灰卡19~24块（20~23块），理论上R=G=B.纯白R=G=B=1,纯黑R=B=G=0.实际上，不相等，因此计算白平衡误差。
注意,24色卡上不是纯黑和纯白。第22块为接近18%灰。
则饱和度S=[max(R,G,B)-min(R,G,B)]/min(R,G,B)
取几个色块的最大值。即为白平衡误差。
另外注意
RGB三通道转化为Gray一个通道。
RGB转Lab，即使R=B=G，但a!=b

5.VideoNoise的计算获取
总的噪声是V=Vspatial+Vtemp
Vspatial的计算：先对每一帧的所有像素灰度做平均，得到一帧，然后在这一帧计算灰度标准差，即为Spatialnoise.
Vtemp的计算：先在画面取5%的中心ROI区域，在这5%区域利用灰度来计算噪点，然后取帧序列的平均，得到Tempnoise。
Deadpixel定义为灰度小于相邻灰度的50%。

6.视频曝光的测试
仍然利用L值计算，几个关键指标
Lux level：即对18%灰色块，规定的光源下，是否到达额定亮度的情况。
转换时间convergencetime：从一种光源到另一种光源的时间
震荡时间OscillationTime：光源变化后，第一次到达目标亮度的时间。
Overshot：从一种光源到另一种光源的过量变化的具体亮度值（过度收敛/过度提亮的L值）

7.视频色彩的测试
仍然利用a.b值计算，几个关键指标
WB error 20~23灰色块的Delta ab值
CR error 1~18块的Delta ab值
连续帧进行分析，
得到 WB error曲线和CR error曲线
曲线的以下指标代表视频收敛度：
变化振幅Variation amplitude：不同色温光源转化前后的Delta ab变化幅度（稳定后数值为准）
变化灵敏度Variation intensity：色温转换-稳定过程，震荡过程中，最大震荡幅度。

8.曝光误差的测量
1）简单测量
用相机拍摄24色卡中的18%中性灰块，其在sRGB空间中的像素值与122的偏差就是曝光误差，若偏差大于5，就能从视觉上明显感受到曝光偏差。
2）精确测量
1）读取24色卡的20、21、22、23这四个块在sRGB空间中的像素值，来计算平均值；
2）对sRGB空间上的平均像素值做gamma逆变换得到Sensor捕获的曝光值Exposure=Mean_PixelValue^(1/Gamma)
Log(Exposure)=(1/Gamma)*Log(Mean_PixelValue)
3）根据理论值和实测值计算曝光误差
Exposure_Error=ΔLog(Exposure)=1/Gamma*【Log(Mean_Pixel_value）-log(Mean_Pixel_ref)】=(1/Gamma)Log(Mean_Pixel_value/Mean_Pixel_ref)

关于几个图像质量评价参数的计算总结相关推荐

怎么去除图像亮度对图像质量评价的影响_图像质量评估指标 SSIM / PSNR / MSE
Visibility of Errors 计算图像degrade后的质量,最 direct 的思路即比较degrade后的图像与真实图像(distortion-free)之间的差剖面,即可视误差,通过 ...
综合评价模型的缺点_视频/图像质量评价综述(一)
1. 概述视频/图像质量评价(Video/Image Quality Assessment)是指通过主客观的方式对两幅主体内容相同的图像信息的变化与失真进行感知.衡量与评价. 视频/图像质量评价包括 ...
【机器学习】 - 关于图像质量评价IQA（Image Quality Assessment）
图像质量评价(Image Quality Assessment,IQA)是图像处理中的基本技术之一,主要通过对图像进行特性分析研究,然后评估出图像优劣(图像失真程度). 主要的目的是使用合适的评价指标 ...
图像的频率谱和功率谱代表什么_视频/图像质量评价综述(三)
星号then:视频/图像质量评价综述(二)zhuanlan.zhihu.com 2.6 块压缩空域无参考模型方法原理与框架:该方法来源于论文<NO-REFERENCE PERCEPTUAL ...
医学图像质量评价方法SSIM
医学图像质量评价中的梯度加权SSIM探说来源:http://pklunwen.com/ 摘要:Zhou Wang等人提出了著名的图像客观质量评价方法:结构相似度(SSIM),其理论基础是人眼视觉系统 ...
图像质量评价方法PSNR+SSIM评估指标SROCC,PLCC
图像质量评价方法PSNR+SSIM&&评估指标SROCC,PLCC ssim的计算里面有高斯模糊,为了快速计算,先对每个小块进行计算,然后计算所有块的平均值.可以参考源代码实现,而且代 ...
图像质量评价学习笔记02：IQA模型性能评价指标（PLCC、SROCC、KROCC、RMSE）
性能好的图像质量评价(IQA)算法,其质量评测分数会与主观质量分数高度一致,IQA 有许多评价指标,为了衡量方法测试结果与主观评价之间的一致性,视频质量专家组VQEG(Video Quality Ex ...
图像质量评价概述（评估指标、传统检测方法）
一.概述在图像信息技术被广泛应用的情况下,对图像质量的评估变成一个广泛而基本的问题.由于图像信息相对于其它信息有着无可比拟的优点,因此对图像信息进行合理处理成为各领域中不可或缺的手段.在图像的获取. ...
图像质量评价方法中客观评价方法又可以分为三类
早期的图像处理是随由于通讯方面的要求而发展起来的,随着图像处理技术的发展,数字图像处理技术与理论已经成为计算机应用的一个重要领域,广泛应用于众多的科学与工程应用,如遥感.医学.气象.通信等.然而随着图 ...

关于几个图像质量评价参数的计算总结

关于几个图像质量评价参数的计算总结相关推荐

最新文章

热门文章