Emgu 两幅图像相减计算

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using Emgu.CV;
using Emgu.CV.CvEnum;
using Emgu.CV.Structure;
using Emgu.Util;

namespace 图像相减计算
{
    public partial class Form1 : Form
    {
        IntPtr img1;
        IntPtr img2;
        public Form1()
        {
            InitializeComponent();
        }
        //载入图像img1
        private void button1_Click(object sender, EventArgs e)
        {
            string strFileName = string.Empty;
            OpenFileDialog ofd = new OpenFileDialog();
            if (ofd.ShowDialog() == DialogResult.OK)
            {
                img1 = CvInvoke.cvLoadImage(ofd.FileName, Emgu.CV.CvEnum.LOAD_IMAGE_TYPE.CV_LOAD_IMAGE_GRAYSCALE);
                Image<Gray, Byte> img_1 = new Image<Gray, Byte>(CvInvoke.cvGetSize(img1));
                CvInvoke.cvCopy(img1, img_1, IntPtr.Zero);
                imageBox1.Image = img_1;


            }
        }
        //载入图像img2
        private void button2_Click(object sender, EventArgs e)
        {
            string strFileName = string.Empty;
            OpenFileDialog ofd = new OpenFileDialog();
            if (ofd.ShowDialog() == DialogResult.OK)
            {
                img2 = CvInvoke.cvLoadImage(ofd.FileName, Emgu.CV.CvEnum.LOAD_IMAGE_TYPE.CV_LOAD_IMAGE_GRAYSCALE);
                Image<Gray, Byte> img_2 = new Image<Gray, Byte>(CvInvoke.cvGetSize(img2));          
                CvInvoke.cvCopy(img2, img_2, IntPtr.Zero);        
                imageBox2.Image = img_2;
            }
        }
        //相减计算
        private void button3_Click(object sender, EventArgs e)
        {
            Image<Gray, Byte> img_1 = new Image<Gray, Byte>(CvInvoke.cvGetSize(img1));
            Image<Gray, Byte> img_2 = new Image<Gray, Byte>(CvInvoke.cvGetSize(img2));
            Image<Gray, Byte> result = new Image<Gray, Byte>(CvInvoke.cvGetSize(img2));
            CvInvoke.cvCopy(img1, img_1, IntPtr.Zero);
            CvInvoke.cvCopy(img2, img_2, IntPtr.Zero);

            result=img_1.AbsDiff(img_2);
            imageBox3.Image = result;

        }    
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Emgu.CV是一个基于OpenCV的开源图像处理库,提供了丰富的图像处理和计算机视觉功能。Emgu.CV并没有直接提供图像质量评估算法,但可以使用其中的函数和工具来实现图像质量评估。 常见的图像质量评估算法有以下几种: 1. PSNR(Peak Signal-to-Noise Ratio)峰值信噪比:PSNR是图像处理中最常用的评价指标之一,用于度量重建图像与原始图像之间的误差。它通过比较两幅图像之间的均方误差来评估图像质量,数值越大表示质量越好。 2. SSIM(Structural Similarity Index)结构相似性指数:SSIM是一种结构化的图像质量评估方法,它考虑了亮度、对比度和结构三个方面的相似性。SSIM的取值范围为[-1, 1],数值越接近1表示质量越好。 3. MS-SSIM(Multi-Scale Structural Similarity)多尺度结构相似性:MS-SSIM是对SSIM算法的改进,通过将图像分解为多个尺度进行比较,提高了评估结果的准确性。 4. VIF(Visual Information Fidelity)视觉信息保真度:VIF是一种基于感知的图像质量评估方法,它通过分析图像的感知特征来评估图像质量。VIF的取值范围为[0, 1],数值越大表示质量越好。 除了上述常见的图像质量评估算法,还有一些其他的算法可以用于图像质量评估,如MSE(Mean Squared Error)均方误差、MAE(Mean Absolute Error)平均绝对误差等。根据具体的需求和场景,选择适合的图像质量评估算法进行使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值