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。
模糊度分类
实际应用中有多种模糊情况,模糊产生的原因很多,一般用下面通用的数学模型来表示图像模糊降质
$$g(x, y) = f(x, y) otimes d(x, y) + n(x, y)$$
式中$f (x, y)$是原始图像,$d(x, y)$是点扩散函数(Point Spread Function,PSF),$otimes$ 是卷积,$n(x, y) $是加性噪声。
1、运动模糊
运动模糊是在捕获图像时,快门在打开时间内成像系统和拍摄 对象的短暂相对运动,造成成像在某个方向上形成的模糊。
假设图像$f (x, y)$ 在一个平面运动,令$x_0(t) $、$y_0(t) $分别是$x$ 和$y$ 方向上运动的变化分量,$T$ 表示曝光时间,那么模糊后的图像可以看作是在快门开启时间内原始图像在$x$ 、$y$ 方向上的积分:
$$g(x,y)=int_0^T f[x-x_0(t) , y - y_0(t)] dt $$
2、压缩模糊
压缩模糊是图像在进行有损压缩丢失部分信息。
3、高斯模糊
高斯模糊是人为引入的一种模糊,使用高斯低通滤波器对原始图像进行滤波得到的。它的点扩散函数可以表示为
$$d(x,y) = frac{1}{2 pisigma^2 }* e^ {- frac{(x^2 +y^2)} {2 sigma^2 }} $$
模糊度计算方法
模糊度的计算可以广泛应用到相机自动聚焦、显微镜自动聚焦、电子显微镜自动聚焦等场景。
1、灰度方差算法
图像最清晰,图像中的高频分量也最多,该算法以图像所有像素的灰度平均值为参考,对每个像素点的灰度值求差后求平方和,然后用像素总数标准化,它表征了图像灰度变化的平均程度,灰度变化的平均程度越大,图像越清晰,灰度变化平均程度越小,图像越模糊。
![d54cfe1ecd09292a042874fadf55f50d.png](https://i-blog.csdnimg.cn/blog_migrate/a11aac0bc77b00ec81ec0a453e583b0b.png)
2、灰度差分绝对值之和方差算法
x方向,Y方向图像差分绝对值的和作为度量标准:
![2adacb3979e7b8fd0ff269496899ed27.png](https://i-blog.csdnimg.cn/blog_migrate/33b4c40db0c33977e93326d800fe9bf9.png)
3、灰度差分平方和方差算法
x方向,Y方向图像差分平方值的和作为度量标准,突出微分值的影响,提高信噪比数值:
![9a1a7edef81f380db15a3810fe104213.png](https://i-blog.csdnimg.cn/blog_migrate/00139f86a33aa2b3059928d93aebdb48.png)
4、Brenner 函数
简单的计算相邻两个像素灰度差的平方,该函数定义如下:
![08510bc27b6b595467dc91d9b748c080.png](https://i-blog.csdnimg.cn/blog_migrate/817f5b54b2d76dac6c42698a79142462.png)
5、Roberts 梯度和
定义为相邻四个像素对角线像素灰度值差的绝对值之和:
![86b9934dc59bd15eca22cc4d9907ad45.png](https://i-blog.csdnimg.cn/blog_migrate/173934627fb75bc86cc05e6e3d9dc54c.png)
6、拉普拉斯梯度和1
用拉普拉斯模板得到像素拉普拉斯梯度值,求所有像素拉普拉斯梯度值的和:
拉普拉斯模板:
![6fe339d15c16b2a27d3499f7bbfdef21.png](https://i-blog.csdnimg.cn/blog_migrate/5015f3f3b2130f432fccd8a3de5f4f8a.png)
![032286bece10f6b3446904166ea9b647.png](https://i-blog.csdnimg.cn/blog_migrate/aa1487cfc69ad1e35e5dd92eb6687c60.png)
7、拉普拉斯梯度和2
用拉普拉斯模板得到像素拉普拉斯梯度值,求所有像素拉普拉斯梯度值的和:
拉普拉斯模板:
![dd7191648aebc63468a093670af724e3.png](https://i-blog.csdnimg.cn/blog_migrate/237e6da278a0de055fd314e60a68fe5a.png)
![1a0460d93c10c75795667dd7e1457605.png](https://i-blog.csdnimg.cn/blog_migrate/fd3471e041a1b46f37508dabb2e13d13.png)
7、Tenengrad函数
梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值
模板算子:
![2d67c8eef4baded6e3f2a6ba1ecbe6f8.png](https://i-blog.csdnimg.cn/blog_migrate/e174d355a57c353b079553dd530b7283.png)
卷积结果
![b6d717e55334792d1395e5e69585095b.png](https://i-blog.csdnimg.cn/blog_migrate/83f0927e7988511b12f30383cf463640.png)
模糊度数值:
![5739d4e460e30270411b1b04eb5f2d64.png](https://i-blog.csdnimg.cn/blog_migrate/e4d5da89456d50e683359c718cdfda09.png)
参考: 1、《图像模糊度评价研究》