1

我已经在一个特定的图像上应用了两种不同的图像增强算法,并获得了两个合成图像,现在我想比较这两个图像的质量,以便找到这两种算法的有效性,并找到更合适的基于比较这两个图像的特征向量。那么在这种情况下我应该比较哪些合适的特征向量?如何比较两幅图像的质量?

荫询问在比较图像的纹理结构特征和其中的上下文特征矢量将是更合适。

我需要基于例如使用Constrast和Variance.So图像的分析检验任何一种算法的有效性数学支持有什么比较的办法做到这一点?

+6

这是一个非常广泛的问题。几乎不可能回答。 –

+5

将图片展示给一群人,并询问他们哪一个看起来更好。 – slayton

+2

更严重的是,问题是您需要为图像质量定义一个度量标准,并且必须找出一种方法从图像中计算出来。两者都不是微不足道的任务。 – slayton

回答

1

斯雷顿是正确的,你需要一个指标并衡量反对它,它本身也可能是一个学术项目的方式。然而,我能想到的一个方法通俗易懂,不知道是否是有意义的特定手头任务:


公制: 所有像素ABS(colour difference)的总和。越低,图像越相似。

方法: 对于每个像素,获得在LAB空间中的绝对色差(或距离,要准确)原始和处理后的图像之间和总结,最多。不要毁了你的一天试图了解完整的维基百科文章和编码,这已经完成。尝试重新使用getDistanceLabFrom(Color color)getDistanceRgbFrom(Color color)this PHP implementation的方法。
当我需要一种匹配jpg图片中像素颜色的方法时,它对我来说就像一种魅力 - 基本上这是相同的原理。


其背后的理论(据我有限的了解云):它做RGB的数学抽象或(更好)Lab色彩空间的三维房间,然后计算距离,这就是为什么它工作得很好 - 而且从单维视角看颜色代码对我来说很难工作。

2

更好的方法是通过比较图像光谱来做一些噪声/信号比率?

1

通常的方法是开始与参考图像(一个很好的一个),然后添加它的一些噪声(以受控的方式)。

然后,你的算法应该尽可能地去除附加噪声。结果很容易与信噪比进行比较(请参见维基百科)。现在

,这种方法很容易应用在简单的噪声模型,但如果你的目标是改善更为复杂的外观问题,您必须找到一种方式来应用噪音,这是不容易的。

另外,相当普遍的方式做它是一个由斯雷顿建议:采取一切你的同事欣赏你的算法的输出,然后平均他们的印象。