exponenta event banner

fitniqe

Подгонка пользовательской модели для оценки качества изображения NIQE

Описание

пример

model = fitniqe(imds) создает модель оценщика качества изображения естественности (NIQE) из хранилища данных эталонного изображения imds.

пример

model = fitniqe(imds,Name,Value) создает модель NIQE, используя дополнительные параметры для управления расчетом модели.

Примеры

свернуть все

Загрузка набора натуральных изображений в хранилище данных изображений. Эти изображения поставляются в Toolbox™ обработки изображений в каталоге с именем imdata.

setDir = fullfile(toolboxdir('images'),'imdata');
imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});

Обучение пользовательской модели NIQE с использованием хранилища данных образа.

model = fitniqe(imds);
Extracting features from 38 images.
...
Completed 10 of 38 images.  Time: Calculating...
....
Completed 18 of 38 images.  Time: 00:22 of 00:49
....
Done.

Прочитайте изображение естественной сцены. Отображение изображения.

I = imread('car1.jpg');
imshow(I)

Figure contains an axes. The axes contains an object of type image.

Вычислите оценку NIQE для изображения с помощью пользовательской модели. Просмотрите счет.

niqeI = niqe(I,model);
fprintf('NIQE score for the image is %0.4f.\n',niqeI)
NIQE score for the image is 1.8730.

Загрузка набора натуральных изображений в хранилище данных изображений. Эти изображения поставляются в Toolbox™ обработки изображений в каталоге с именем imdata.

setDir = fullfile(toolboxdir('images'),'imdata');
imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});

Создайте пользовательскую модель элементов NSS с помощью хранилища данных образа. Укажите размер блока и используйте порог резкости по умолчанию.

model = fitniqe(imds,'BlockSize',[48 96])
Extracting features from 38 images.
...
Completed 10 of 38 images.  Time: Calculating...
...
Completed 15 of 38 images.  Time: 00:23 of 01:14
....
Completed 30 of 38 images.  Time: 00:33 of 00:42
..
Done.
model = 
  niqeModel with properties:

                  Mean: [1x36 double]
            Covariance: [36x36 double]
             BlockSize: [48 96]
    SharpnessThreshold: 0

Считывание естественного изображения в рабочую область. Отображение изображения.

I = imread('yellowlily.jpg');
imshow(I)

Figure contains an axes. The axes contains an object of type image.

Вычислите оценку NIQE для изображения с помощью пользовательской модели. Просмотрите счет.

niqeI = niqe(I,model);
fprintf('NIQE score for the image is %0.4f.\n',niqeI)
NIQE score for the image is 2.9558.

Входные аргументы

свернуть все

Хранилище данных ссылочного изображения, указанное как ImageDatastore объект. Хранилище данных должно содержать 2-е оттенки серого или 2-е изображения RGB типа данных single, double, int16, uint8, или uint16.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: model = fitniqe(imds,'BlockSize',[48 36]) подходит для модели NIQE с использованием блоков размером 48 на 36 пикселей.

Размер блока, используемого для разделения изображений, указанный как пара, разделенная запятыми, состоящая из 'BlockSize' и 2-элементный вектор строки положительных чётных чисел. Блоки не перекрываются. Статистика естественных сцен, которая рассчитывается из блоков, определяет выходные данные model.

Типы данных: single | double | int8 | int16 | int32 | uint8 | uint16 | uint32

Порог резкости, определяемый как пара, разделенная запятыми, состоящая из 'SharpnessThreshold' и числовой скаляр в диапазоне [0, 1]. Порог резкости, sуправляет блоками изображений, используемыми для вычисления модели. fitniqe вычисляет модель с использованием всех блоков, имеющих резкость более s умножает максимальную резкость среди всех блоков.

Типы данных: single | double

Выходные аргументы

свернуть все

Пользовательская модель элементов изображения, возвращаемая как niqeModel объект.

Совет

  • Пользовательский набор данных, указанный в хранилище данных образа imds должны состоять из изображений, которые воспринимаются как первозданные для людей. Однако определение первозданного зависит от применения. Например, нетронутый набор микроскопических изображений имеет другой набор критериев качества, чем изображения зданий или наружных сцен. При обучении пользовательской модели NIQE используйте изображения с различным содержанием изображений и с потенциально различными наборами критериев качества.

Ссылки

[1] Миттал, А., Р. Саундараджан и А. К. Бовик. «Создание полностью слепого анализатора качества изображения». Письма обработки сигналов IEEE. Том 22, номер 3, март 2013 года, стр. 209-212.

Представлен в R2017b