亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

圖像清晰度評價指標(Python)

系統 2266 0

最近在畢業設計中涉及了有關增強圖像清晰度的實驗,需要一些指標來進行實驗結果的評估。剛好網上有個總結的非常好的博客(見參考文獻[1]),但沒有實現方法。因此,我將在我的博客中用Python實現。

評估方法實現

所有函數的具體說明都在參考文獻[1]里,這里不做過多的贅述, 只討論實現
github:圖像清晰度評估算法包(有示例)

1 Brenner 梯度函數

            
              def brenner(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    shape = np.shape(img)
    out = 0
    for x in range(0, shape[0]-2):
    	for y in range(0, shape[1]):
            out+=(int(img[x+2,y])-int(img[x,y]))**2
    return out

            
          

2 Laplacian梯度函數

            
              def Laplacian(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    return cv2.Laplacian(img,cv2.CV_64F).var()

            
          

3 SMD(灰度方差)

            
              def SMD(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    shape = np.shape(img)
    out = 0
    for x in range(0, shape[0]-1):
    	for y in range(1, shape[1]):
            out+=math.fabs(int(img[x,y])-int(img[x,y-1]))
            out+=math.fabs(int(img[x,y]-int(img[x+1,y])))
    return out

            
          

4 SMD2(灰度方差乘積)

            
              def SMD2(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    shape = np.shape(img)
    out = 0
    for x in range(0, shape[0]-1):
        for y in range(0, shape[1]-1):
            out+=math.fabs(int(img[x,y])-int(img[x+1,y]))*math.fabs(int(img[x,y]-int(img[x,y+1])))
    return out

            
          

5 方差函數

            
              def variance(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    out = 0
    u = np.mean(img)
    shape = np.shape(img)
    for x in range(0,shape[0]):
        for y in range(0,shape[1]):
            out+=(img[x,y]-u)**2
    return out

            
          

6 能量梯度函數

            
              def energy(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    shape = np.shape(img)
    out = 0
    for x in range(0, shape[0]-1):
        for y in range(0, shape[1]-1):
            out+=((int(img[x+1,y])-int(img[x,y]))**2)+((int(img[x,y+1]-int(img[x,y])))**2)
    return out

            
          

7 Vollath函數

            
              def Vollath(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    shape = np.shape(img)
    u = np.mean(img)
    out = -shape[0]*shape[1]*(u**2)
    for x in range(0, shape[0]-1):
        for y in range(0, shape[1]):
            out+=int(img[x,y])*int(img[x+1,y])
    return out

            
          

8 熵函數

            
              def entropy(img):
    '''
    :param img:narray 二維灰度圖像
    :return: float 圖像約清晰越大
    '''
    out = 0
    count = np.shape(img)[0]*np.shape(img)[1]
    p = np.bincount(np.array(img).flatten())
    for i in range(0, len(p)):
        if p[i]!=0:
            out-=p[i]*math.log(p[i]/count)/count
    return out

            
          

參考文獻

[1] 圖像清晰度的評價指標


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 久热在线 | 成人做爰毛片免费视频 | 99干99| 久久99国产精品一区二区 | 97影院2| 久久精品国语 | 一级一级女人18毛片 | 91最新在线观看 | 精产国品一二二区视 | 欧美激情毛片 | 一区免费在线观看 | 国产精品夜色视频一级区 | 国产真实自拍 | 欧美成人久久久 | 久久久久久久国产视频 | 99热这里精品 | 精品国产免费久久久久久婷婷 | 国产成人爱片免费观看视频 | 伊人精品成人久久综合欧美 | 麻豆狠色伊人亚洲综合网站 | 欧美日本中文 | 亚洲精品国产福利一区二区三区 | 久久中文字幕一区二区三区 | 国产精品福利在线观看免费不卡 | 国产梦呦精品 | 欧美日韩操 | 国产四虎| 欧美性色福利视频在线观看 | 欧美肥老妇做爰视频 | 亚洲精品影院一区二区 | 亚洲一区二区精品视频 | 久久久久久久国产精品影院 | 久久伦理片 | 国产99欧美精品久久精品久久 | 欧美精品日韩一区二区三区 | 97中文字幕在线 | 久久只有这里有精品 | 久久综合色综合 | 久久这里只有精品免费视频 | 亚洲影院中文字幕 | 国内视频在线 |