图像处理评价指标之模糊度、清晰度

图像处理评价指标之模糊度

图像和视频在采集、压缩、传输、存储过程中，无可避免地会引入失真。模糊失真是图像、视频质量下降最主要的因素之一，研究图像模糊度评价方法有非常重要的意义。通过对模糊失真进行评测和度量，可以对整个图像传输或处理系统的质量进行监控，进而采取措施提高系统性能

模糊度和清晰度概念

图像模糊是一种很重要的图像降质因素，在图像获取、传输、处理过程中都有很多因素可能造成图像模糊，比如在获取图像时，不正确的聚焦会产生离焦模糊，景物和照相机的相对运动会造成运动模糊，图像压缩后的高频丢失造成的模糊。模糊降低了图像的清晰度，严重影响图像质量，导致图像分析、处理、接收的困难甚至失败，因此必须要使用有效的模糊评价方法来控制模糊图像的使用，
从而提高系统整体性能。
模糊度和清晰度是描述图像清晰程度（模糊程度）的两个相对但又相互联系的两个概念。图像越清晰，质量越高，清晰度越大，模糊度越小；图像越不清晰（越模糊），质量越低，清晰度越小，模糊度越大。因此描述一幅图像清晰程度时，既可以使用清晰度也可以使用模糊度，只是两个指标数值上成反比；本文采用模图像模糊度评价研究模糊度来描述。

客观评价也可以根据对参考图像的依赖程度分为：全参考图像模糊度评价（Full Reference Image Blur Assessment，FR-IBA）、部分参考图像模糊度评价（Reduced Reference Image Blur Assessment，RR-IBA）、无参考图像模糊度评价（No Reference Image Blur Assessment，NR-IBA）。客观模糊度评价的方法也可以参考客观图像质量评价的方法，但由于只关注模糊度一个指标，在算法设计时更有针对性，应该把重点放在模糊特征参量的提取上。

模糊度评价算法可以分成几个较大的类别，（1）基于像素的技术，包括分析像素灰度值的统计特性以及像素之间的相关性；（2）基于变换域的技术，这利用了在变换域高频成分越多图像越清晰，高频成分越少图像越模糊的原理；（3）基于图像梯度的技术，它利用图像边缘的梯度来衡量图像模糊程度，梯度越大图像越清晰。另外，也有较少的算法是基于直方图。

 

 

 

参考

图像全参考客观评价算法比较
https://blog.csdn.net/leixiaohua1020/article/details/38324973

评估图像质量评价算法性能的几个常用的标准
https://blog.csdn.net/caoleiwe/article/details/49045633

两种常用的全参考图像质量评价指标–PSNR和SSIM
https://blog.csdn.net/zjyruobing/article/details/49908979

图像质量评价之衡量标准
https://blog.csdn.net/lanmengyiyu/article/details/53322955

图像评价指标
https://blog.csdn.net/purgle/article/details/73719101

图像质量评价标准简介
https://www.jianshu.com/p/b12dc6d634c1

图像评价指标及方法（更偏向于图像效果评价）
https://blog.csdn.net/ddreaming/article/details/52422376

客观评价方法（MSE、PSNR和IMSE）

关于图像客观质量评价_小豆豆~-CSDN博客