图像处理-时域差分与空间域差分

1.对两张图片进行时域差分处理：

#leftPic为输入的第一张图片,right为输入的第二张图片

2.对第一张图片进行空间域差分(计算梯度)

3.处理后的效果：

上面是两张极为相似的图片，区别是杯子的位置，左边的杯子偏向了左边，右边的杯子则更靠近中间，两个杯子的差距可以看到是比较小

通过对两张图片进行时域差分处理，从图中能够看到除杯子外其它地方被消除，杯子的重叠部分有明显的痕迹，从而可以判断两张相似场景图像中杯子改变的位置以及改变的距离、改变了多少，因此时域差分可以判断两张图像的改变程度

通过对两张图片进行空间域差分处理，图像的梯度相当于两个相邻像素之间的差值，通过处理可以看到图像的边界更明显，物体的边缘能够被明显地看到，并且通过不同方向梯度显示能够展示在不同方向的边缘从而将图像的全部边缘信息提取出来，因此空间域差分处理能够提取不同方向上边缘信息

4.思考这两种差分在判断一组连续变化场景的图像(如视频)质量中可以如何应用

构思：
1.因为时域差分可以判断两张图像的改变程度，如果提取一组图像如视频中的相邻帧进行时域差分处理，通过结果就能知道两帧之间的差别有多大，从而能判断视频的流畅度如何
2.因为空间域差分能够提取不同方向上边缘信息，将一组图像如视频的单独帧抽离出来并进行空间域差分处理，通过处理结果能够得知视频中每一帧中的物体边缘信息，如果每一帧中的物体边缘信息极为丰富，则可以判断出该图像的清晰度高，从而判断出视频的清晰度

查阅资料：
1.当前对实时视频图像的一种重要应用是对运动目标的检测，常用的目标检测方法有帧差法、背景减法、光流法及运动能量法，其中最简单而又快捷的方法是背景差法。其基本思想是通过对输入图像与背景图像进行比较来分割运动目标
2.目前针对实时视频图像清晰度检测的研究较少，图像清晰度检测算法的研究对象主要针对静止的图像。现有的图像清晰度检测算法大致分为空域和频域两类。在空间域中多采用基于梯度的算法，如拉普拉斯(Laplace)算法、差分平方和(SPSMD)算法、Sobel算子等。此类算法计算简洁、快速、抗噪性能好、可靠性较高，与构思相同

欢迎交流