图像的平均梯度AG,信息熵IE,峰值信噪比PSNR,平均值,SSIM(matlab)

该文段展示了对图像进行不同处理指标计算的过程,包括计算平均梯度(AG)、信息熵、峰值信噪比(PSNR)以及平均值。此外,还定义了一个子函数用于计算均值和方差,并应用了结构相似性指数(SSIM)来评估图像质量。
摘要由CSDN通过智能技术生成

1,平均梯度

I10=imread('F:\picture_AIEM\10_aiem.jpg');
x2=I10;
x2=x2(:,:,1);
x2=double(x2);
[m,n]=size(x2);
agvalue=0;
for i=1:m-1
for j=1:n-1
Ix=x2(i+1,j)-x2(i,j);
Iy=x2(i,j+1)-x2(i,j);
agvalue=agvalue+sqrt((Ix.^2+Iy.^2)/2);
end
end
AG1=agvalue/(m*n);
disp(['输入数据的AG为:',num2str(AG1)]);

2,信息熵

I1 = imread('F:\picture_AIEM\10_aiem.jpg');
e_1 = entropy(I1);

3,峰值信噪比

P1 = imread('F:\use\1.jpg');
I1 = imread('F:\picture_AIEM\1_aiem.jpg');
p1 = psnr(P1, I1);%P1和I1必须大小相同。P1是原图,I1是处理后的

4,平均值

子函数

function [a,average,deviation]=mean_deviation(I)
[m,n,q]=size(I);
I1=rgb2gray(I);
[height1,width1,channel1] = size(I1);
average=sum(I1(:))/(height1*width1);
a=sum(I(:))/(m*n*q);
I1 = double(I1);
deviation = 0;
for i = 1:height1
    for j = 1:width1
        deviation = deviation + (I1(i,j) - average)*(I1(i,j) - average);
    end
end
deviation = deviation/(height1*width1 - 1);    %图一的方差
deviation=sqrt(deviation);
end

主函数

I1=imread('F:\picture_AIEM\1_aiem.jpg');
[a1,~,~]=mean_deviation(I1);

5,ssim

结构相似性,比较亮度、对比度和结构三个指标

SSIM = ssim(srcImage,dstImage);%范围0-1,值越大越好,当两张图一样时为1
  • 4
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 12
    评论

“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 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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