Качество изображения может ухудшиться из-за искажений во время получения изображений и обработки. Примеры искажения включают шум, размывание, вызов и артефакты сжатия.
Усилия были приложены, чтобы создать объективные меры качества. Для многих приложений ценная метрика качества коррелирует хорошо с субъективным восприятием качества наблюдателем - человеком. Метрики качества могут также отследить неосознанные ошибки, когда они распространяют через конвейер обработки изображений и могут использоваться, чтобы сравнить алгоритмы обработки изображений.
Если изображение без искажения доступно, можно использовать его в качестве ссылки, чтобы измерить качество других изображений. Например, при оценке качества сжатых изображений, несжатая версия изображения обеспечивает полезную ссылку. В этих случаях можно использовать метрики качества полной ссылки, чтобы непосредственно сравнить целевое изображение и ссылочное изображение.
Если ссылочное изображение без искажения не доступно. можно использовать метрику качества изображения без ссылок вместо этого. Эти метрики вычисляют качественные очки на основе ожидаемой статистики изображений.
Полно-ссылочные алгоритмы сравнивают входное изображение с нетронутым ссылочным изображением без искажения. Эти алгоритмы включают:
immse — Среднеквадратическая ошибка (MSE). MSE измеряет среднее различие в квадрате между фактическими и идеальными пиксельными значениями. Эта метрика проста вычислить, но не может выровняться хорошо с человеческим восприятием качества.
psnr — Пиковое отношение сигнал-шум (pSNR). pSNR выведен от среднеквадратичной погрешности и указывает на отношение максимальной интенсивности пикселей к степени искажения. Как MSE, pSNR метрика проста вычислить, но не может выровняться хорошо с воспринятым качеством.
ssim — Структурное Подобие (SSIM) Индекс. Метрика SSIM комбинирует локальную структуру изображений, яркость и контраст в один локальный качественный счет. В этой метрике structures является шаблонами интенсивностей пикселей, особенно среди соседних пикселей, после нормализации для яркости и контраста. Поскольку зрительная система человека способна чувствовать структуру, метрика качества SSIM соглашается более тесно с субъективным качественным счетом.
Поскольку структурное подобие вычисляется локально, ssim может сгенерировать карту качества по изображению.
Алгоритмы без ссылок используют статистические функции входного изображения, чтобы оценить качество изображения. Эти алгоритмы без ссылок включают:
brisque — Изображение Blind/Referenceless Пространственное Качественное Средство анализа (BRISQUE). Модель BRISQUE обучена на базе данных изображений с известными искажениями, и BRISQUE ограничивается оценкой качества изображений с тем же типом искажения. BRISQUE осведомлен о мнении, что означает, что субъективные качественные очки сопровождают учебные изображения.
niqe — Естественное средство анализа качества изображения (NIQE). Несмотря на то, что модель NIQE обучена на базе данных нетронутых изображений, NIQE может измерить качество изображений с произвольным искажением. NIQE не зная мнения, и не использует субъективные качественные очки. Компромисс - то, что счет NIQE изображения не может коррелировать, а также счет BRISQUE с человеческим восприятием качества.
piqe — Основанное на восприятии Средство анализа Качества изображения (PIQE). Алгоритм PIQE является не зная мнения и безнадзорным, что означает, что он не требует обученной модели. PIQE может измерить качество изображений с произвольным искажением и в большинстве случаев выполняет подобный NIQE. PIQE оценивает мудрое блоком искажение и измеряет локальное отклонение ощутимо искаженных блоков, чтобы вычислить качественный счет.
BRISQUE и алгоритмы NIQE вычисляют качественный счет изображения с вычислительной эффективностью после того, как модель будет обучена. PIQE менее в вычислительном отношении эффективен, но он обеспечивает локальные меры качества в дополнение к глобальному качественному счету. Все метрики качества без ссылок обычно превосходят метрики полной ссылки по характеристикам с точки зрения соглашения с субъективным человеческим качественным счетом.