图像质量评价---未完待续

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yunduo93/article/details/89163838

介绍

图像算法评估=定性(主观，观察)+定量(客观，特征值)+算法时间

• 定性：主要是观察+分析
• 定量：主要是各参数指标，又分为 参考质量+非参考质量
• 参考质量：处理后的图和原图之间的相关质量度量，比如对比度提升，轮廓复原率，过饱和率，结构相似度，
  PSN, SSIM, RMSE and UIQ
• 非参考质量：图像本身的一些指标，
  e, σ, r and CNR

分述

• 全参考Full-reference FR
  • 基于图像像素统计基础PSNR
    • PSNR峰值信噪比
    • MSE均方误差
  • 基于信息论基础：
    • IFC，信息保真度准则Information Fidelity Criterion
    • VIF，视觉信息保真度Visual Information Fidelity
  • 基于结构信息基础
    • SSIM结构相似性
• 半参考,部分参考，Reduced-Reference，RR
• 无参考，也叫盲评价，blind quality，No-Reference，NR
  • 均值
  • 标准差
  • 平均梯度
  • 熵

1. 平均梯度Gradient
   指图像的边界或影线两侧附近灰度有明显差异，即灰度变化率大，这种变化率的大小可用来表示图像清晰度。
   它反映了图像微小细节反差变化的速率，即图像多维方向上密度变化的速率，表征图像的相对清晰程度。
   一般而言，评价梯度越大，图像层次越多，也就越清晰。

img = imread('*.jpg');
img = double(img); 
[r,c,b] = size(img); 

dx = 1; 
dy = 1; 
for k = 1 : b 
   band = img(:,:,k); 
   [dzdx,dzdy] = gradient(band,dx,dy); 
   s = sqrt((dzdx .^ 2 + dzdy .^2) ./ 2); 
   g(k) = sum(sum(s)) / ((r - 1) * (c - 1)); 
end 
outval = mean(g) 

2. 信息熵Entropy
   图像信息熵也是图像质量评价的常用指标，它从信息论的角度反映图像信息丰富程度。通常情况下，图像信息熵越大
   其信息量就越丰富，质量越好。

img = imread('*.jpg');
img = im2uint8(img); 
[r,c,b] = size(img); 
	
% 灰度图像
if b == 1  
	hspec = imhist(img); 
	idx = find(hspec == 0); 
	hspec(idx) = eps;    % 最小精度浮点数
	hspec = hspec ./ (r * c); 
	H = -(hspec .* log2(hspec)); 
	s = sum(H(:))
% 彩色图像
elseif b == 3 
	band1 = img(:,:,1); 
	band2 = img(:,:,2); 
	band3 = img(:,:,3); 
	outval = zeros(256,256,256); 
	for m = 1 : r 
		for n = 1 : c 
			i = band1(m,n) + 1; 
			j = band2(m,n) + 1; 
			k = band3(m,n) + 1; 
			outval(i,j,k) = outval(i,j,k) + 1; 
		end 
	end 
	 
	% 将outval归一化 
	outval = outval ./ (r*c); 
	h = -(outval .* log2(outval + eps)); 
	s = sum(sum(sum(h))) 
end 

3. 视觉信息保真度
   VIF是Sheikh等结合自然图像统计模型、图像失真模型和人眼视觉系统模型提出的图像质量评价指标. 与峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)、结构相似性(Structural Similarity, SSIM)等指标相比，VIF与主观视觉有更高的一致性。其值越大，表明图像质量越好。
4. 峰值信噪比PSNR
5. 均方误差MSE