文章目录
前言
在涉及图像领域,不论时图像复原、图像去噪或者是图像增强等任务,除了人为主观因素上对其进行评价,还需要一些客观的评价指标辅助判断任务完成的好坏。因此本文主要介绍一些图像各类评价的指标,并给出具体的实现代码。
一、常见评价指标
1、均方误差(MSE)
- 定义:对于标准图像I 和待评价图像K ,MSE 指的是I 和K 的所有像素值的差的平方和,再求平均值。
- MSE越大,图像质量越好。
- 数学公式:
- 实现代码:
import numpy as np
def MSE(img1,img2):
img1 = img1.astype(np.float64)
img2 = img2.astype(np.float64)
mse = np.mean((img1 - img2) ** 2 )
return mse
2、峰值信噪比(PSNR)
-
定义:通过比较原始信号(通常是未经压缩的图像)和失真信号(压缩或传输后的图像)之间的信噪比来评估图像的失真程度
-
PSNR越大,图像质量越好。
-
数学公式:
-
其中,
MAXI 表示图像颜色的最大数值,8位采样点表示为255。 -
实现代码:
def PSNR(img1, img2):
img1 = img1.astype(np.float64)
img2 = img2.astype(np.float64)
mse = np.mean((img1 - img2) ** 2 )
if mse < 1.0e-10:
return 100
return 10 * math.log10(255.0**2/mse)
- 也可用python自带函数实现
from skimage.metrics import peak_signal_noise_ratio as psnr
3、结构相似性(SSIM)
- 定义:SSIM综合亮度、对比度和结构3个方面来评估图像的质量。
- SSIM越大,图像质量越好。
- 数学公式:计算x、y两幅图像的SSIM为:
l、c、s 分别为亮度、对比度和结构评价。计算公式如下:- μ表示图像的均值, σx表示图像的标准差, 表示两幅图像的协方差,c1、c2、c3均为常数α、β、γ为大于0的常数系数。
- 实现代码:
实现步骤不难,方便一点采用自带函数实现from skimage.metrics import structural_similarity
。
- 以上常见的评价指标应用范围很广,经常使用,属于评价方法中的全参考方法。
- 实际上,整个图像的质量评价方法可以分为以下3类:
1、全参考(FR−IQA):使用参考图像与待评估图像之间的比较来进行评估。
2、半参考(RR−IQA):使用部分参考信息进行评估。它们既考虑了待评估图像的质量特征,又考虑了部分参考图像的信息。
3、无参考(NR−IQA):不依赖于任何参考图像,仅根据待评估图像自身的内容来进行评估。这些方法主要基于图像的统计性质、纹理特征、对比度等进行评估。
2、低照度图像评价
以下重点介绍一些用于低照度图像的评价指标
2.1 均值
- 反映图像的明暗程度,其值越大,亮度越高。
- 代码:
import cv2
def avg(img):
mean_value = np.mean(cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX))
return round(mean_value,2)
2.2 标准差
- 反映图像对比度,其值越大,对比度越高。
- 代码:
import cv2
def std(img):
img = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX)
std = np.std(img)
return round(std,2)
2.3 信息熵
- 描述图像信息量,其值越大,信息越丰富。
- 代码:
import numpy as np
import cv2
def entropy(image):
# 将图像转换为灰度图像
image= cv2.normalize(image, None, 0, 255, cv2.NORM_MINMAX)
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 计算像素值的直方图
histogram, _ = np.histogram(gray_image.flatten(), bins=256, range=[0, 256])
# 计算每个像素值的概率
probabilities = histogram / float(np.sum(histogram))
# 计算信息熵
entropy = -np.sum(probabilities * np.log2(probabilities + np.finfo(float).eps))
return round(entropy,2)
2.4 自然图像质量评价指标(NIQE)
- 描述图像质量,其值越低,说明图像质量越高,越符合人眼的主观评价标准。。
- 代码部分有点长,具体内容见文中资源。
总结
本文会长期更新内容,目前将平时常用的一些图像评价指标的代码附在了这里,争取将其他一些比较重要的评价标准写在一起,方便随时使用。
评论(0)
您还未登录,请登录后发表或查看评论