视频图像质量评测 beta 0.01 - 走看看

zoukankan html css js c++ java

视频图像质量评测 beta 0.01

1.清晰度

　　1.1 有参照

　　　1.1.1 梯度函数

　　　　Tenengrad函数

　　　　　　 $S(x,y) = \sqrt{G_{x}^2(x,y)+G_y^2(x,y))}$ 　　(Sobel 算子)

　　　　　　 $f(I) = \sum \sum [S(x,y)]^2$ 　　　　　　　(S(x,y) > T)

　　　　能量梯度函数

　　　　　　 $f(I) = \sum \sum ([I(x+1,y)-I(x,y)]^2+[I(x,y+1)-I(x,y)]^2)$

　　　　Brenner函数

　　　　　　 $f(I) = \sum \sum [I(x+2,y)-I(x,y)]^2$

　　　　方差函数

　　　　　　 $\mu = \frac{\sum \sum I(x,y)}{M*N}$ (平均灰度)

　　　　　　 $f(I) = \sum \sum [I(x,y) - \mu]$

　　　　平方梯度聚焦函数

　　　　　　 $f(I) = \sum \sum [I(x,y+2) - I(x,y)]^2$

　　　　Vollath聚焦函数

　　　　　　 $f_1(I) = \sum \sum I(x+1,y)I(x,y) - \sum \sum I(x+2,y)I(x,y)$

　　　　　　 $f_2(I) = \sum \sum I(x+1,y)I(x,y) - M*N*\mu ^2$

　　　1.1.2 频谱函数

　　　1.1.3 熵函数

　　　　　　 $E(I) = \sum \sum I(x,y)$ (能量)

　　　　　　 $H(I) = -\sum \sum I(x,y)ln[I(x,y)]$

　　1.2 无参照

　　　　快速检测法

　　　　　　H(I(x,y) > μ个数)　　L(I(x,y) < μ个数)

　　　　　　 $f(I) = \frac{H-L}{H+L}$

　　　　最大灰度梯度(只对边缘点运算)

　　　　　　 $f(I) = \frac{\lambda}{M*N}\sum \sum \left | I(x,y) - \mu \right |$

　　　　　　 $\bar T = \frac{\sum T_n}{N}$ 　　( $T_n = max{I(x+i,y+j)-I(x,y)}(i,j)\in [-1,1],T_n > T$ ,或者说I(x,y)在边缘处)

2. 偏色

　　2.1 直方图统计法

　　　　平均亮度(灰度)，RGB各自均值，互相比较，大的偏

　　2.2 灰平衡法

　　2.3 白平衡法

　　2.4 等效圆法(Lab表示)

　　　　　　 $d_a = \frac{\sum \sum a}{M*N}$ 　　 $d_b = \frac{\sum \sum b}{M*N}$ 　　 $D = \sqrt{d_a^2 + d_b^2}$

　　　　　　 $M_a = \frac{\sum \sum (a-d_a)^2}{M*N}$ 　　 $M_b = \frac{\sum \sum (b-d_b)^2}{M*N}$ 　　 $M = \sqrt{M_a^2 + M_b^2}$

　　　　　　 $K = \frac{D}{M}$ (da>0偏红，否则偏绿。db>0偏黄，否则偏蓝)

　　2.5 Lab模式

　　　　△Eab＝[(△L*)2+(△a*)2+(△b)2]1/2

　　　　△L=L样品－L标准(明度差异) △a=a样品－a标准(红/绿差异)
　　　　△b=b样品－b标准(黄/蓝差异) △E总色差的大小
　　　　△L大表示偏白，△L小表示偏黑△a大表示偏红，△a小表示偏绿
　　　　△b大表示偏黄，△b小表示偏蓝
　　　　范围色差（容差）
　　　　0-0.25△E非常小或没有；理想匹配
　　　　0.25-0.5△E微小；可接受的匹配
　　　　0.5-1.0△E微小到中等；在一些应用中可接受
　　　　1.0-2.0△E中等；在特定应用中可接受
　　　　2.0-4.0△E有差距；在特定应用中可接受
　　　　4.0△E以上非常大；在大部分应用中不可接受

3.亮度

　　?统计灰度图像直方图两端的比例判断？

4.噪声

　　4.1细线噪声

　　　　模板平移

　　模板平移，若中心点与模板两端像素相等，且与垂直方向像素差值绝对值大于阈值T，则为细线噪声

　　　　均值滤波

　　　　邻域均值与中心点比较，是否在阈值T内

　　4.2点噪声

　　　　最大最小值

　　　　邻域内排序，看中心点是否在两端极值处判断是否为噪声点

　　　　邻域差值

　　　　　　 $H_i = I(x_i,y_i)-I(x,y)$

　　　　　　 $if(H_i>T) count+1$ 　　(T一般取50-90，count>5则为噪声点)

　　　　中值滤波

　　　　　　邻域排序，中间值与中心点比较，是否在阈值T内

5.名词解释

　　灰度：像素值

　　亮度：图像灰度平均值

　　锐度：图像边缘锐利程度

　　对比度：1灰度方均差2最大亮度/最小亮度（那个对？）

　　清晰度：图像边缘灰度变化速度。与亮度，对比度，尺寸，细微层次，饱和度等相关

　　饱和度：颜色的强度或纯度，色相中灰成分所占比例

　　梯度：邻域内变化程度？

　　直方图：各值比例图

查看全文

相关阅读:
（Java实现）洛谷 P1106 删数问题
 （Java实现）洛谷 P1603 斯诺登的密码
 (Java实现) 洛谷 P1036 选数
 （Java实现）洛谷 P1012 拼数
 （Java实现）洛谷 P1028 数的计算
 （Java实现）洛谷 P1553 数字反转（升级版）
（Java实现）洛谷 P1051 谁拿了最多奖学金
 （Java实现）洛谷 P1051 谁拿了最多奖学金
 （Java实现）洛谷 P1106 删数问题
 目测ZIP的压缩率

原文地址：https://www.cnblogs.com/v2m_/p/1967958.html

Copyright © 2011-2022 走看看