图像清晰度评价

http://blog.csdn.net/liuuze5/article/details/50773160

1.灰度差

[plain] view plain copy

  1. function out_val=difference_absolute(img);
  2. I=rgb2gray(img);
  3. [m,n]=size(I);
  4. f=0.0;
  5. I=double(I);
  6. for x=1:m-1;
  7. for y=1:n-1;
  8. Ix=I(x+1,y)-I(x,y);
  9. Iy=I(x,y+1)-I(x,y);
  10. f=f+abs(Ix)+abs(Iy);
  11. end
  12. end
  13. out_val=f/m/n;

2.边缘强度

[plain] view plain copy

  1. function outval = edge_intensity(img)
  2. % OUTVAL = EDGE_INTENSITY(IMG)
  3. if nargin == 1
  4. img=rgb2gray(img);
  5. img = double(img);
  6. % Create horizontal sobel matrix
  7. w = fspecial(‘sobel‘);
  8. % Get the size of img
  9. [r c ] = size(img);
  10. gx = imfilter(img,w,‘replicate‘);
  11. gy = imfilter(img,w‘,‘replicate‘);
  12. for m = 1 : r
  13. for n = 1 : c
  14. g(m,n) = sqrt(gx(m,n)*gx(m,n) + gy(m,n)*gy(m,n));
  15. end
  16. end
  17. outval = mean(mean(g));
  18. else
  19. error(‘Wrong number of input!‘);
  20. end

3.main

[plain] view plain copy

  1. clear all;
  2. close all;
  3. clc;
  4. PathName = ‘.\2\‘;
  5. FileName = ‘.jpg‘ ;
  6. n=20
  7. tic
  8. for ii=1:n
  9. imageName=strcat(PathName,num2str(ii),FileName);
  10. im = imread(imageName);
  11. a(ii)=difference_absolute(im);
  12. b(ii)=edge_intensity(im);
  13. end
  14. toc;
  15. a=a/max(a);
  16. b=b/max(b);
  17. figure(1);plot(a,‘-r+‘);hold on
  18. plot(b,‘-b*‘);hold on
  19. xlabel(‘len.s position‘);
  20. ylabel(‘value‘);
  21. title(‘清晰度评价函数‘);

4.输入图片

5.对两组结果归一化后如下所示:

第14张图片最清晰,与人眼观察结果一致。

对另一组图片进行测试,结果如下:

处理效果上边缘算子明显优于灰度差,但时间上消耗很大。

边缘算子:96.872847 seconds.
灰度差:     4.645993 seconds.

时间: 2024-07-28 16:55:51

图像清晰度评价的相关文章

图像清晰度的评价及分析

图像清晰度的评价及分析 2016年07月28日 17:54:22 clxiaoclxiao 阅读数:17963更多 个人分类: opencv 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.具有代表性清晰度算法进行讨论分析,为实际应用中选择清晰度算法提供依据. (1)Brenner 梯度函数 Brenner梯度函数是最简单的梯度评价函数,它只是简单的计算相

OpenCV 图像清晰度(相机自动对焦)

相机的自动对焦要求相机根据拍摄环境和场景的变化,通过相机内部的微型驱动马达,自动调节相机镜头和CCD之间的距离,保证像平面正好投影到CCD的成像表面上.这时候物体的成像比较清晰,图像细节信息丰富. 相机自动对焦的过程,其实就是对成像清晰度评价的过程,对焦不准确,拍摄出来的图像清晰度低,视觉效果模糊,如果是在工业检测测量领域,对焦不准导致的后果可能是致命的:对焦准确的图像清晰度较高,层次鲜明,对比度高. 图像清晰度评价算法有很多种,在空域中,主要思路是考察图像的领域对比度,即相邻像素间的灰度特征的

Atitit 图像清晰度 模糊度 检测 识别 评价算法 原理

1.1. 图像边缘一般都是通过对图像进行梯度运算来实现的1 1.2. Remark: 1 1.3.  1.失焦检测. 衡量画面模糊的主要方法就是梯度的统计特征,通常梯度值越高,画面的边缘信息越丰富,图像越清晰.1 1.4. 利用边缘检测 ,模糊图片边缘会较少2 1.5. 通过dct比较.Dct分离出的低频信号比较2 1.6. 参考资料2 1.1. 图像边缘一般都是通过对图像进行梯度运算来实现的 1.2. Remark:   1)肉眼可以分辨以上五幅图像的质量排名为:img42 > img81 >

Atitit 图像清晰度 模糊度 检测 识别 评价算法 源码实现attilax总结

1.1. 原理,主要使用像素模糊后的差别会变小1 1.2. 具体流程1 1.3. 提升性能 可以使用采样法即可..1 1.4. 实现代码1 1.1. 原理,主要使用像素模糊后的差别会变小 通过计算横向前后俩点像素的差异..然后累加即可.. 1.2. 具体流程 图片灰度化,这样可以只保留hsv分量了...然后读取v分量,就是明亮度了.. Hs色相和饱和度全部去除了..   比较v分量的差异即可.. 1.3. 提升性能 可以使用采样法即可.. 1.4. 实现代码 package com.attila

c++ opencv 图像模糊度检测

参考博客: 1.基于OpenCV的图像模糊与否检测 2.无参考图像的清晰度评价方法 3.无参考图像的清晰度评价方法及c++实现 4.OpenCV 图像清晰度评价(相机自动对焦) 5.图像清晰度评价 原文地址:https://www.cnblogs.com/exciting/p/11423181.html

图像融合算法(归纳篇)

综合关注几篇的papers的图像融合算法,对整个过程作归纳,与大家分享(^_^).基于sift特征的全景拼接方法的整个过程的大致流程: 对需拼接的图像进行预处理,主要是几何校正和消噪.对于几何校正,因为我们考虑的是视频的实时处理,那么我们只需考虑摄像机的所有运动形式,其中包含8个自由度,可用投影变换来表示.H=[m0 m1 m2;m3 m4 m5;m6 m7 1],考虑到它的算法复杂度已经有n的3次方,我们可以考虑通过控制摄像机的运动方式来减少复杂度,比如令摄像机只有平移旋转和缩放,即仿射变换,

图像融合算法(感应篇)

复按照几个papers图像融合算法,诱导整个过程,与您分享(^_^). 基于sift的全景拼接方法的整个过程的大致流程: 对需拼接的图像进行预处理.主要是几何校正和消噪.对于几何校正.因为我们考虑的是视频的实时处理,那么我们仅仅需考虑摄像机的全部运动形式,当中包括8个自由度.可用投影变换来表示.H=[m0 m1 m2;m3 m4 m5;m6 m7 1],考虑到它的算法复杂度已经有n的3次方.我们能够考虑通过控制摄像机的运动方式来减少复杂度,比方令摄像机仅仅有平移旋转和缩放,即仿射变换,减少了一次

结合浅景深与构图的图像质量评价_爱学术——免费下载

[摘要]近年来,图像质量评价方法在图像处理和理解领域受到越来越多的关注.传统的方法主要关注噪声.清晰度.分辨率等影响图像质量的底层因素.随着数码设备的不断发展,这些底层因素已经得到很好的解决,人们能够很容易地获得具有较高底层质量,即低噪声.高清晰度.高分辨率的图像.因此,图像质量评价的焦点逐渐转向从美学的角度进行评价.对于一幅图像,主要从两个角度来考虑其是否符合人类主观的美学需求:1)图像的主题是否突出;2)图像的布局是否合理.基于上述考虑,提出一种结合图像景深和构图的质量评价方法:一方面,提出

IQA+不懂︱图像清洗:图像质量评估

深度学习技术如火如荼,但是训练的图像集都是标注好.质量高的,那么笔者对如何进行图像清洗表示好奇.难道只有让工人肉眼看吗?一些传统的IQA都是基于图像本身质量去评价,那么我想知道,之外的图像信息质量该如何评估? . 一.IQA评估指标 现在还不知道除了肉眼之外的好办法,只能先来列举一下传统IQA的一些评估指标(主要参考论文:<无参考图像质量评价综述>): . 1.MOS.DMOS 图像质量评价可以分为主观评价方法和客观评价方法, 主观评价由观察者对图像质量进行主观评分, 一般采用平均主观得分(M