低光增强评价指标

最新推荐文章于 2024-06-18 19:14:15 发布
最新推荐文章于 2024-06-18 19:14:15 发布
阅读量5.9k 收藏 65
点赞数 11
文章标签： matlab
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014723479/article/details/104376230
版权

什么叫做PSNR？

Peak Signal to Noise Ratio，峰值信噪比，一般是用于最大值信号和背景噪音之间的一个工程项目。

通常在经过影像压缩之后，输出的影像都会在某种程度上与原始影像不同，为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误差相对于(2^n-1)^2的对数值（信号最大值的平方，n是每个采样点的比特数），它的单位是dB。MATLAB用法的公式如下：

PSNR = 10*log((2^n-1)^2/MSE)

其中，MSE是原图像与处理图像之间的均方误差。

Peak就是指8bits表示法的最大值255.MSE指MeanSquareError，I（角标n）指原始影像第n个pixel值，P（角标n）指经处理后的影像第n个pixel值。PSNR的单位为db，所以PSNR的值越大，就代表噪声所占的比重越小，就代表失真越小。

通常用来评价一幅图像做变换后和原图像相比质量的好坏，注意这里必须有原图像才可以。

PSNR越高，说明失真的效果越小，越接近于原图。

PSNR对输入的两幅图像由什么要求没有？

可以输入灰度图像和彩色图像，都可以：

1.灰度图像：灰度图像比较好计算，只有一个灰度值。

2.彩色图像：

    (a)可以将分别计算R,G,B三个通道总和，最后MSE直接在原公式上多除以3就行（opencv官方代码是这么做的，与matlab直接计算结果是一样的）。

    (b)将R,G,B格式转换为YCbCr，只计算Y分量（亮度分量），结果会比直接计算要高几个dB。

不过需要注意的是，两幅图像的大小必须一致，否则程序不能运行。

如何用MATLAB实现PSNR的算法？

MATLAB自带这个代码，因此一行代码的事

X= imread('E:\Documents\Desktop\效果图\白天\01.Input.jpg');
Y= imread('E:\Documents\Desktop\效果图\白天\02.LIME_new.jpg');
psnr(X, Y)

但是需要注意的是，在对m文件进行命令的时候，不可以命名为psnr.m，这样的话，会造成命令调用的失败。

什么是SSIM？

  SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出。SSIM使用的两张图像中，一张为未经压缩的无失真图像，另一张为失真后的图像。
给定两个图像X和Y，两张图片的结构相似性可按照下面的方式求出

结构相似性的范围为0-1，当两张图片一模一样时，SSIM的值等于1.

作为结构相似性理论的实现，结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的，反映场景中物体结构的属性，并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似度程度的度量。

MATLAB实现SSIM？

X= imread('E:\Documents\Desktop\效果图\白天\02.LIME_new.jpg');
Y= imread('E:\Documents\Desktop\效果图\白天\04.DHECI_new.jpg');

s = ssim(X, Y)

什么叫做MSE？

Mean Squared Error，均方误差是指参数估计值与参数真值之差平方的期望值;

MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

反映了增强后图像与Ground truth之间的差距,其值越小说明增强后图像越接近原始正常光照图像。

均方根误差在图像的质量评价中相当于一个中间的评价指标，很多后续的评价指标都是沿用均方根误差。均方根误差主要是评价已知图像和退化图像之间误差大小。

MATLAB实现MSE？

一行代码的事

err1 = immse(X,Y)

什么叫做LOE？

lightness order error，LOE反映的图像的自然保持能力，其值越小说明图像具有更好的亮度顺序，看起来更自然。

如何用MATLAB实现LOE？

自定义一个m文件

clc, clear, close all

I = imread('E:\Documents\Desktop\效果图\白天\01.Input.jpg'); % original image
Ie = imread('E:\Documents\Desktop\效果图\白天\02.LIME.jpg'); % enhanced image

LOE = loe(I,Ie)

function LOE = loe(I,Ie)


[N M n] = size (I);

L = max(I,[],3);
Le = max(Ie,[],3);

r = 50 / min (M,N);
Md = round(M*r);
Nd = round(N*r);
Ld =imresize(L,[Nd Md]);
Led =imresize(Le,[Nd Md]);

RD = zeros (Nd,Md);
size (RD);

for y = 1:Md
    for x = 1:Nd

        E = xor((Ld(x,y)>=Ld(:,:)),(Led(x,y)>=Led(:,:)));
        RD(x,y) = sum(E(:));

    end
end

LOE = sum(RD(:))/(Md*Nd)

end

如何得到一张图片的光照图？

如何得到一张图片的热力图？

clc, clear, close all
RGB = imread('1.jpg'); % 一定要是单通道图
figure('Name', 'RGB');imshow(RGB);
HSV = rgb2hsv(RGB);
V = HSV(:,:,3);

figure('Name', 'V');imshow(V);
colormap(default); % jet是matlab自带彩色方法，也其他方法，或自定义

注意这里输入的图片应该是单通道图片。

如何生成图片的直方图？

MATLAB有现成的代码，因此一行代码的事：

I = imread('1.jpg');
imhist(I);

MATLAB如何构建数组？

filename=["01.Input.jpg"
"02.LIME.jpg"
"02.LIME_new.jpg"
"03.BPDHE.jpg"
"04.DHECI.jpg"
"04.DHECI_new.jpg"
"05.DONG.jpg"
"06.HE.jpg"
"07.Retinex-Net.jpg"
"08.MSR.jpg"
"09.SSR.jpg"
"10.RR.jpg"
"11.MF.jpg"
"12.NPE.jpg"
"13.SRIE.jpg"
"14.BIMEF.jpg"
"15.JED.jpg"
"16.Ours.jpg"
]
filename(1)

MATLAB批量计算图像的PSNR，并将结果写到TXT文本中？

clc, clear, close all

filename=["01.Input.jpg"
"02.LIME.jpg"
"03.BPDHE.jpg"
"04.DHECI.jpg"
"05.DONG.jpg"
"06.HE.jpg"
"07.Retinex-Net.jpg"
"08.MSR.jpg"
"09.SSR.jpg"
"10.RR.jpg"
"11.MF.jpg"
"12.NPE.jpg"
"13.SRIE.jpg"
"14.BIMEF.jpg"
"15.JED.jpg"
"16.Ours.jpg"
];


A = imread('01.Input.jpg');
result=[]
for i = 1:1:16
    filename(i)
    B = imread(filename(i));
    result(i) = psnr(A,B)
end


mat2txt(result,'PSNR_result.txt')





% 把矩阵 matrix 保存成任意后缀的文件
% 转换成 .txt 举例：mat2txt( data, 'filename.txt');
% 转换成 .corr 举例：mat2txt( data, 'filename.corr');

function back = mat2txt(matrix,file_Name) 
fop = fopen( file_Name, 'wt' );
[M,N] = size(matrix);
for m = 1:M
    for n = 1:N
        fprintf( fop, ' %s', mat2str( matrix(m,n) ) );
    end
    fprintf(fop, '\n' );
end
back = fclose( fop ) ;
end

MATLAB批量计算图像的SSIM，并将结果写到TXT文本中？

clc, clear, close all

filename=["01.Input.jpg"
"02.LIME.jpg"
"03.BPDHE.jpg"
"04.DHECI.jpg"
"05.DONG.jpg"
"06.HE.jpg"
"07.Retinex-Net.jpg"
"08.MSR.jpg"
"09.SSR.jpg"
"10.RR.jpg"
"11.MF.jpg"
"12.NPE.jpg"
"13.SRIE.jpg"
"14.BIMEF.jpg"
"15.JED.jpg"
"16.Ours.jpg"
];


A = imread('01.Input.jpg');
result=[]
for i = 1:1:16
    filename(i)
    B = imread(filename(i));
    result(i) = ssim(A,B)
end


mat2txt(result,'SSIM_result.txt')





% 把矩阵 matrix 保存成任意后缀的文件
% 转换成 .txt 举例：mat2txt( data, 'filename.txt');
% 转换成 .corr 举例：mat2txt( data, 'filename.corr');

function back = mat2txt(matrix,file_Name) 
fop = fopen( file_Name, 'wt' );
[M,N] = size(matrix);
for m = 1:M
    for n = 1:N
        fprintf( fop, ' %s', mat2str( matrix(m,n) ) );
    end
    fprintf(fop, '\n' );
end
back = fclose( fop ) ;
end

MATLAB批量计算图像的MSE，并将结果写到TXT文本中？

clc, clear, close all

filename=["01.Input.jpg"
"02.LIME.jpg"
"03.BPDHE.jpg"
"04.DHECI.jpg"
"05.DONG.jpg"
"06.HE.jpg"
"07.Retinex-Net.jpg"
"08.MSR.jpg"
"09.SSR.jpg"
"10.RR.jpg"
"11.MF.jpg"
"12.NPE.jpg"
"13.SRIE.jpg"
"14.BIMEF.jpg"
"15.JED.jpg"
"16.Ours.jpg"
];


A = imread('01.Input.jpg');
result=[]
for i = 1:1:16
    filename(i)
    B = imread(filename(i));
    result(i) = immse(A,B)
end


mat2txt(result,'MSE_result.txt')





% 把矩阵 matrix 保存成任意后缀的文件
% 转换成 .txt 举例：mat2txt( data, 'filename.txt');
% 转换成 .corr 举例：mat2txt( data, 'filename.corr');

function back = mat2txt(matrix,file_Name) 
fop = fopen( file_Name, 'wt' );
[M,N] = size(matrix);
for m = 1:M
    for n = 1:N
        fprintf( fop, ' %s', mat2str( matrix(m,n) ) );
    end
    fprintf(fop, '\n' );
end
back = fclose( fop ) ;
end

MATLAB批量计算图像的LOE，并将结果写到TXT文本中？

clc, clear, close all

filename=["01.Input.jpg"
"02.LIME.jpg"
"03.BPDHE.jpg"
"04.DHECI.jpg"
"05.DONG.jpg"
"06.HE.jpg"
"07.Retinex-Net.jpg"
"08.MSR.jpg"
"09.SSR.jpg"
"10.RR.jpg"
"11.MF.jpg"
"12.NPE.jpg"
"13.SRIE.jpg"
"14.BIMEF.jpg"
"15.JED.jpg"
"16.Ours.jpg"
];


A = imread('01.Input.jpg');
result=[]
for i = 1:1:16
    i
    filename(i)
    B = imread(filename(i));
    result(i) = loe(A,B)
end


mat2txt(result,'LOE_result.txt')





% 把矩阵 matrix 保存成任意后缀的文件
% 转换成 .txt 举例：mat2txt( data, 'filename.txt');
% 转换成 .corr 举例：mat2txt( data, 'filename.corr');

function back = mat2txt(matrix,file_Name) 
fop = fopen( file_Name, 'wt' );
[M,N] = size(matrix);
for m = 1:M
    for n = 1:N
        fprintf( fop, ' %s', mat2str( matrix(m,n) ) );
    end
    fprintf(fop, '\n' );
end
back = fclose( fop ) ;
end





function LOE1 = loe(I,Ie);


[N M n] = size (I);

L = max(I,[],3);
Le = max(Ie,[],3);

r = 50 / min (M,N);
Md = round(M*r);
Nd = round(N*r);
Ld =imresize(L,[Nd Md]);
Led =imresize(Le,[Nd Md]);

RD = zeros (Nd,Md);
size (RD);

for y = 1:Md
    for x = 1:Nd

        E = xor((Ld(x,y)>=Ld(:,:)),(Led(x,y)>=Led(:,:)));
        RD(x,y) = sum(E(:));

    end
end

LOE1 = sum(RD(:))/(Md*Nd);

end

这个需要注意，整个m文件不能保存为LOE，会得不到自己想要的结果，最好保存成其他的名字，因为里面已经有了一个loe的自定义function。

matlab如何实现计算VIF？

H.R. Sheikh and A.C. Bovik, “Image information and visual quality”, IEEE Trans. on Image Processing, vol. 15, pp. 430-444, 2006.

[code:http://live.ece.utexas.edu/research/Quality/vifvec_release.zip]
 

我真的爱发明
关注
  • 11
    点赞
  • 踩
  • 65
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Low-light images enhancement/暗光/低光/微光增强系列：Attention-guided Low-light Image Enhancement（详解）
鳄鱼的博客
03-13 1万+
以下文字为博主翻译并添加了自己的理解，斜体为博主自己的想法，若有出错请指出。 摘要 暗光图像增强需要同时有效地处理颜色、亮度、对比度、伪影和噪声等多种因素。本文提出了一种新颖的注意力引导增强方案，并在此基础上构建了 端到端多分支（multi-branches） CNN。该方法的关键是计算两个注意力图来分别指导曝光增强和去噪任务。第一个注意力图区分曝光不足的区域和光照较好的区域，而第二个注意力图区分...
图像各类评价指标合集--（针对LLIE任务）
Vaeeeee的博客
12-11 1098
在涉及图像领域，不论时图像复原、图像去噪或者是图像增强等任务，除了人为主观因素上对其进行评价，还需要一些客观的评价指标辅助判断任务完成的好坏。因此本文主要介绍一些图像各类评价的指标，并给出具体的实现代码。本文会长期更新内容，目前将平时常用的一些图像评价指标的代码附在了这里，争取将其他一些比较重要的评价标准写在一起，方便随时使用。
图像质量评估(8) -- 低光（Low Light）
vivo01的专栏
07-12 2426
低光性能（低光表现）被定义为相机所抓取的图片仍然能保持可接受的图像质量的最低光照水平。一些使用小型传感器的相机比如手机里的相机，常常会有低光性能问题。过去测量低光性能通常来说有不一致或不合逻辑的测试步骤（比如0 lux的灵敏度）等问题。在2018年的时候，ISO标准19093被发布出来，标准概括了用于测试和分析低光性能的测试方法以及规范。低光测试如今在整个相机质量评估中已成为了一个核心指标。 在2018年标准被发布前，几乎没有统一的测试方法来测量低光性能，已有方法也没有提供准确的评估。标准中的
图像质量评估指标
weixin_45013031的博客
03-28 938
图像质量评估1.MSE(Mean Squared Error）2.PSNR（Peak Signal-to-Noise Ratio）3.SSIM（structural similarity） 相关文献：Image quality assessment: from error visibility to structural similarity 对于最终由人类观看图像的应用，量化视觉图像质量的唯一“正确”方法是通过主观评估。然而，在实践中，主观评估通常过于不便、耗时且昂贵。客观图像质量评估研究的目标是
【论文笔记】—低光图像增强—Supervised—URetinex-Net—2022-CVPR
chaiky的博客
09-02 9222
【题目】：URetinex-Net: Retinex-based Deep Unfolding Network for Low-light Image Enhancement 提出了一种基于Retinex的 deep unfolding network （URetinex-Net），它将一个优化问题展开为一个可学习的网络，以将低光图像分解为反射层和光照层。通过将分解问题公式化为隐式先验正则化模型，精心设计了三个基于学习的模块，分别负责数据相关的初始化、高效的展开优化和用户指定的光照增强。
Low-Light Image and Video Enhancement Using Deep Learning: A Survey 论文阅读笔记
read, note and comment papers
01-05 5942
2021 低光图像质量增强 survey 的一个论文阅读笔记
图像增强评价指标合集，用于图像增强结果评价
12-13
图像增强评价指标合集，用于图像增强结果评价，包含15种常见指标，IE,EI,UIQM,CCF,FD,ARISM,AB,SF等等，一键使用。
PESQ_PESQmatlab_pesq评价指标_pesq_语音增强_matlab
09-11
语音增强的评价指标PESQ的matlab实现
图像质量评价指标.rar
04-14
图像质量评价指标——PSNR 和 SSIM： PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比，越大越好； SSIM (Structural SIMilarity) 结构相似性，值越大，结构越相似，图像增强结果自然度更佳。
新建文件夹.zip_去噪评价指标_均方误差matlab代码_评价去噪_语音增强_语音增强评价
07-14
用于信号去噪，分解，增强等效果的评价指标，以及一段语音wav文件 可用于分析去噪等效果
含有LOE、NIQE和GMSD三种图像评估方法MATLAB程序
05-02
图像质量评估包，含有LOE、NIQE和GMSD三种图像评估方法，可以直接调用，demo程序有一些示例图片。
单尺度retinex图像增强程序和5种评价指标程序
10-02
本文件包含单尺度retinex图像增强程序和5种评价指标程序（局部均值，局部方差，信息熵，峰值信噪比，结构相似性）。本算法包含多个测试例程。
图像增强评价方法
qq_39544260的博客
10-08 3059
图像增强评价方法 PSNR：峰值信噪比 SSIM：结构相似性度量 LOE：亮度顺序误差 CIEDE2000：色差公式 Running time：时间复杂度 PCQI：基于斑块的对比度质量指数 UIQM：水下图像质量监测 UCIQE：水下彩色图像质量评价 ...
评价低光照图像处理后的好坏的标准（图像质量评估），计算公式和相关代码
QT-Smile
04-03 3498
评价低光照图像处理后的好坏的标准（图像质量评估），计算公式和相关代码 一、下面就是评价标准： https://github.com/Li-Chongyi/Lighting-the-Darkness-in-the-Deep-Learning-Era-Open#Metrics 二、公式和代码 1.PSNR 公式: 代码; 2. 公式; 代码： 3. ...
matlab实现评价图像增强效果的参数——信背比(SBR)
qq_37716917的博客
05-29 4800
图像增强算法中，对于图像中目标是否得到增强，有一个信背比的评价指标，由于在百度上都没有找到相关的记载，我找了几篇文章对这一概念进行介绍，如果有误请各位指出来，如果其他地方有比较详细的介绍也请在评论区附上链接供大家学习，感谢~ 信背比评价图像中目标显著程度，对于弱目标显示效果明显。在信噪比相近的条件下，信背比越高，目标信号越显著。 上图出自文献[2]，使用局部信背比(LSBR)。用于评价图像的增强效果。 信背比的概念及计算方法[1] 在图像处理领域，没有直观的物理量可以表现目标的显著程...
2104.10729阅读笔记
zxs0717的博客
11-02 2773
原文链接 https://arxiv.org/abs/2104.10729 Abstract & Introduction Abstract 目标：为了改善在低光照环境中捕捉图像的感知和可解释性 Introduction 基本任务：弱光增强 传统的弱光增强方法：直方图均衡化 28，29；Retinex模型 30，31，32，33，34，35，36，37 1.典型的基于Retinex模型的方法 通过某种先...
图像评价指标
热门推荐
purgle
06-25 2万+
1.图像评价指标　　图像评价指标用来客观评价图像处理中算法的优劣性，一般在对比实验中突出自己提出的算法的亮点。一般来说，每个细分的领域都有相应的指标，如边缘检测，有PFOM（Pratt’s Figure Of Merit）[1][2]（第一个引用是它的来源，第二个引用是使用它的例子）；图像增强，有EEME（Evaluating image Enhancement Measure by Entropy
图像增强技术基础、评价指标及其经典算法
kydianzizyk的博客
10-06 8790
基于学习的图像增强技术 第一章 图像的基础知识 1.图像信号的基本概念 1.1. 数字图像的基本类型 1.1.1位图 位图是使用二维像素矩阵来表示的图像，每个像素的亮度信息或者颜色信息用灰度或RGB分量表示。每一个像素值所占的比特位可以是1、4、8、16、24、位等，位数越高所包含的信息就越丰富。与其不同的是矢量图。 1.1. 2.二值图像 二值图像有黑白两种颜色构成，也叫黑白图像，
Matlab复数相关
最新发布
MelyLenient的博客
06-18 500
matlab复数相关函数小计
图像增强评价指标matlab
02-27
在图像增强领域，评价指标用于衡量图像增强算法的效果和质量。MATLAB提供了一些常用的图像增强评价指标，以下是其中几个常见的指标： 1. 峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）：PSNR是衡量图像重建质量的常用指标之一。它通过计算原始图像与增强后图像之间的均方误差来评估图像的失真程度，数值越大表示重建质量越好。 2. 结构相似性指数（Structural Similarity Index，SSIM）：SSIM是一种衡量图像相似性的指标，它考虑了亮度、对比度和结构等因素。SSIM的取值范围为[-1, 1]，数值越接近1表示图像相似性越高。 3. 均方根误差（Root Mean Square Error，RMSE）：RMSE是衡量图像重建误差的指标，它计算了原始图像与增强后图像之间的均方根误差。RMSE越小表示重建误差越小。 4. 均方误差（Mean Square Error，MSE）：MSE是计算原始图像与增强后图像之间的均方误差，数值越小表示重建误差越小。 这些评价指标可以通过MATLAB中的相关函数进行计算，例如： - `psnr()`函数用于计算PSNR值。 - `ssim()`函数用于计算SSIM值。 - `immse()`函数用于计算MSE值。 - `sqrt()`函数可以用于计算RMSE值。 使用这些评价指标可以帮助你评估图像增强算法的效果和质量。

“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 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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