圖像相似度評估指標(biāo)簡介

評估指標(biāo)來兩個圖像之間的相似性靠汁。
這八個指標(biāo)如下:RMSE蜂大、PSNR、SSIM蝶怔、ISSM奶浦、FSIM、SRE踢星、SAM 和 UIQ澳叉。
圖像相似度測量 實施八個評估指標(biāo)來訪問兩個圖像之間的相似性。

八項指標(biāo)如下:
1沐悦、均方根誤差 (RMSE) 成洗;

RMSE是評估圖像相似性的最基本指標(biāo)之一。它計算了兩個圖像之間的像素值的差異藏否。RMSE值越低瓶殃,說明兩個圖像越相似。

2副签、峰值信噪比 (PSNR) :

PSNR是一種衡量圖像質(zhì)量的指標(biāo)遥椿,它通過計算原始圖像和失真圖像之間的均方誤差(MSE),然后將其轉(zhuǎn)換為一個對數(shù)尺度來評估圖像質(zhì)量淆储。PSNR的單位是分貝(dB)冠场,值越大表示圖像質(zhì)量越好。PSNR的計算涉及到圖像中最大可能的像素值和原始圖像與失真圖像之間的均方誤差本砰。
優(yōu)缺點:
PSNR是最普遍碴裙,最廣泛使用的評鑒畫質(zhì)的客觀量測法,不過許多實驗結(jié)果都顯示,PSNR的分?jǐn)?shù)無法和人眼看到的視覺品質(zhì)完全一致舔株,有可能PSNR較高者看起來反而比PSNR較低者差莺琳。這是因為人眼的視覺對于誤差的敏感度并不是絕對的,其感知結(jié)果會受到許多因素的影響而產(chǎn)生變化(例如:人眼對空間頻率較低的對比差異敏感度較高督笆,人眼對亮度對比差異的敏感度較色度高芦昔,人眼對一個區(qū)域的感知結(jié)果會受到其周圍鄰近區(qū)域的影響)。

代碼實現(xiàn):

3娃肿、結(jié)構(gòu)相似性指數(shù)(SSIM):

SSIM是一種衡量兩幅圖像相似度的指標(biāo)蕾域,由德州大學(xué)奧斯丁分校的Zhou WangAlan Bovik教授于2004年提出滞欠。它通過比較兩幅圖像的亮度、對比度和結(jié)構(gòu)三個方面的相似性來評估圖像的相似度。SSIM的值范圍在-1到1之間升筏,值越大表示圖像越相似旁振。SSIM的計算涉及到圖像的平均值论悴、方差和協(xié)方差等統(tǒng)計量方椎,以及一些維持穩(wěn)定的常數(shù)。由于SSIM能夠更好地反映人類視覺系統(tǒng)的感知拯钻,因此在圖像處理和視頻質(zhì)量評估中有廣泛應(yīng)用帖努。

4、模糊度

圖像模糊是一種很重要的圖像降質(zhì)因素粪般,在圖像獲取拼余、傳輸、處理過程中都有很多因素可能造成圖像模糊亩歹,比如在獲取圖像時匙监,不正確的聚焦會產(chǎn)生離焦模糊,景物和照相機的相對運動會造成運動模糊小作,圖像壓縮后的高頻丟失造成的模糊亭姥。模糊降低了圖像的清晰度,嚴(yán)重影響圖像質(zhì)量顾稀,導(dǎo)致圖像分析达罗、處理、接收的困難甚至失敗静秆,因此必須要使用有效的模糊評價方法來控制模糊圖像的使用氮块, 從而提高系統(tǒng)整體性能。 模糊度和清晰度是描述圖像清晰程度(模糊程度)的兩個相對但又相互聯(lián)系的兩個概念诡宗。圖像越清晰,質(zhì)量越高击儡,清晰度越大塔沃,模糊度越小;圖像越不清晰(越模糊)蛀柴,質(zhì)量越低螃概,清晰度越小,模糊度越大鸽疾。因此描述一幅圖像清晰程度時吊洼,既可以使用清晰度也可以使用模糊度,只是兩個指標(biāo)數(shù)值上成反比制肮;本文采用模圖像模糊度評價研究模糊度來描述冒窍。

客觀評價也可以根據(jù)對參考圖像的依賴程度分為:全參考圖像模糊度評價(Full Reference Image Blur Assessment,F(xiàn)R-IBA)豺鼻、部分參考圖像模糊度評價(Reduced Reference Image Blur Assessment综液,RR-IBA)、無參考圖像模糊度評價(No Reference Image Blur Assessment儒飒,NR-IBA)谬莹。客觀模糊度評價的方法也可以參考客觀圖像質(zhì)量評價的方法桩了,但由于只關(guān)注模糊度一個指標(biāo)附帽,在算法設(shè)計時更有針對性,應(yīng)該把重點放在模糊特征參量的提取上井誉。

模糊度評價算法可以分成幾個較大的類別蕉扮,(1)基于像素的技術(shù),包括分析像素灰度值的統(tǒng)計特性以及像素之間的相關(guān)性送悔;(2)基于變換域的技術(shù)慢显,這利用了在變換域高頻成分越多圖像越清晰,高頻成分越少圖像越模糊的原理欠啤;(3)基于圖像梯度的技術(shù)荚藻,它利用圖像邊緣的梯度來衡量圖像模糊程度,梯度越大圖像越清晰洁段。另外应狱,也有較少的算法是基于直方圖。

5祠丝、基于特征的相似度指數(shù)(FSIM)疾呻;
6、基于信息論的統(tǒng)計相似性度量(ISSM)写半;
7岸蜗、信號重構(gòu)誤差比 (SRE) ;
8叠蝇、光譜角映射器 (SAM)璃岳;
9、通用圖像質(zhì)量指數(shù) (UIQ) 。
指示以下分步說明將指導(dǎo)您安裝此軟件包并使用命令行工具運行評估铃慷。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末单芜,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子犁柜,更是在濱河造成了極大的恐慌洲鸠,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,968評論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件馋缅,死亡現(xiàn)場離奇詭異扒腕,居然都是意外死亡,警方通過查閱死者的電腦和手機股囊,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,601評論 2 382
  • 文/潘曉璐 我一進店門袜匿,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人稚疹,你說我怎么就攤上這事居灯。” “怎么了内狗?”我有些...
    開封第一講書人閱讀 153,220評論 0 344
  • 文/不壞的土叔 我叫張陵怪嫌,是天一觀的道長。 經(jīng)常有香客問我柳沙,道長岩灭,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,416評論 1 279
  • 正文 為了忘掉前任赂鲤,我火速辦了婚禮噪径,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘数初。我一直安慰自己找爱,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 64,425評論 5 374
  • 文/花漫 我一把揭開白布泡孩。 她就那樣靜靜地躺著车摄,像睡著了一般。 火紅的嫁衣襯著肌膚如雪仑鸥。 梳的紋絲不亂的頭發(fā)上吮播,一...
    開封第一講書人閱讀 49,144評論 1 285
  • 那天,我揣著相機與錄音眼俊,去河邊找鬼意狠。 笑死,一個胖子當(dāng)著我的面吹牛疮胖,可吹牛的內(nèi)容都是我干的摄职。 我是一名探鬼主播誊役,決...
    沈念sama閱讀 38,432評論 3 401
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼谷市!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起击孩,我...
    開封第一講書人閱讀 37,088評論 0 261
  • 序言:老撾萬榮一對情侶失蹤迫悠,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后巩梢,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體创泄,經(jīng)...
    沈念sama閱讀 43,586評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,028評論 2 325
  • 正文 我和宋清朗相戀三年括蝠,在試婚紗的時候發(fā)現(xiàn)自己被綠了鞠抑。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,137評論 1 334
  • 序言:一個原本活蹦亂跳的男人離奇死亡忌警,死狀恐怖搁拙,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情法绵,我是刑警寧澤箕速,帶...
    沈念sama閱讀 33,783評論 4 324
  • 正文 年R本政府宣布,位于F島的核電站朋譬,受9級特大地震影響盐茎,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜徙赢,卻給世界環(huán)境...
    茶點故事閱讀 39,343評論 3 307
  • 文/蒙蒙 一字柠、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧狡赐,春花似錦窑业、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,333評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至搀庶,卻和暖如春拐纱,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背哥倔。 一陣腳步聲響...
    開封第一講書人閱讀 31,559評論 1 262
  • 我被黑心中介騙來泰國打工秸架, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人咆蒿。 一個月前我還...
    沈念sama閱讀 45,595評論 2 355
  • 正文 我出身青樓东抹,卻偏偏與公主長得像蚂子,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子缭黔,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 42,901評論 2 345