关于几个图像质量评价参数的计算总结

pomwhan

已于 2022-12-04 16:55:44 修改

阅读量2.2k

点赞数

分类专栏： camera 文章标签：计算机视觉 opencv 人工智能

于 2022-12-04 16:53:26 首次发布

本文链接：https://blog.csdn.net/pomwhan/article/details/128174226

版权

本文总结了图像质量评估的多个参数，包括SNR、StepChart的阶数、Color Accuracy的计算、AWB精度、Video Noise获取、视频曝光测试和视频色彩测试。涉及Opencv和Python库的使用，如cv2、numpy等，对每个参数提供了详细的计算方法和应用场景。

摘要由CSDN通过智能技术生成

图像质量的客观评价参数很多，计算方法多样，这里总结几个常用的测试及实现方法，以便大家测试开发时，参考使用。这里，都以单帧作为图像质量的测试输入。测试会使用到opencv及Python的一些库，如cv2， numpy as np，math等,这里不再详细说明。

1.如何处理图像得到SNR
在照片计算中，SNR的计算是使用图片的平均灰度作为Mean分子（信号）
分母为照片灰度的标准差（噪声）。SNR (dB) = 10 log10(S/N).
即先将图片RGB转化为GRAY,在灰度图情况下，作上述计算。
img_gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
res =10*math.log10(np.mean(img_gray)/std_value)
备注：如果想得到PSNR，对于每个像素8bit的色彩深度，则直接将img_gray=255.

2.如何计算StepChart的阶数
方法一利用每一阶的Gray值，两两相减。（即Imatest的stepchart方法）
方法二利用信噪比SNR进行判断：SNR大于1,为第一个可分辨灰块；SNR持续增大，直到出现SNR首次衰减时，为最后一个可分辨块。算出可分辨比例。

3.Color Accuracy的数值获得
一是把RGB图片转化为L*a*b
DeltaC是a1，b1的平方和开方与a2,b2的平方和开方的差值，物理坐标上表示径向色差
DeltaE是L，a，b差值平方和开方
Deltaab是参照色和对比色a,b的坐标位置之差，物理上表示坐标平面上的颜色位置差异。