Naturalness Image Evaluator (NIQE) без эталонного счета качества изображения
Вычислите счет NIQE для природного изображения и его искаженных версий с помощью модели по умолчанию.
Чтение изображения в рабочую область. Создайте копии изображения с шумом и размытыми искажениями.
I = imread('lighthouse.png'); Inoise = imnoise(I,'salt & pepper',0.02); Iblur = imgaussfilt(I,2);
Отобразите изображения.
figure
montage({I,Inoise,Iblur},'Size',[1 3])
title('Original Image | Noisy Image | Blurry Image')
Вычислите счет NIQE для каждого изображения с помощью модели по умолчанию. Отобразите счет.
niqeI = niqe(I);
fprintf('NIQE score for original image is %0.4f.\n',niqeI)NIQE score for original image is 2.5455.
niqeInoise = niqe(Inoise);
fprintf('NIQE score for noisy image is %0.4f.\n',niqeInoise)NIQE score for noisy image is 10.8770.
niqeIblur = niqe(Iblur);
fprintf('NIQE score for blurry image is %0.4f.\n',niqeIblur)NIQE score for blurry image is 5.2661.
Исходное неискаженное изображение имеет лучшее перцептивное качество и, следовательно, самый низкий счет NIQE.
Загрузите набор естественных изображений в datastore изображений. Эти изображения поставляются в Image Processing Toolbox™ в директории с именем 'imdata'.
setDir = fullfile(toolboxdir('images'),'imdata'); imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});
Обучите пользовательскую модель NIQE с помощью изображения datastore.
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.
Чтение изображения естественной сцены. Отобразите изображение.
I = imread('car1.jpg');
imshow(I)
Вычислите счет NIQE для изображения с помощью пользовательской модели. Отобразите счет.
niqeI = niqe(I,model);
fprintf('NIQE score for the image is %0.4f.\n',niqeI)NIQE score for the image is 1.8730.
NIQE измеряет расстояние между функциями на основе NSS, рассчитанными из A изображения к функциям, полученной из базы изображений, используемой для обучения модели. Функции моделируются как многомерные Гауссовы распределения.
[1]