编译图像质量分析库iqa

本文详细介绍了从GitHub下载并编译iqa图像质量分析库的过程,包括MSE、PSNR、SSIM等算法,适用于Windows平台。文章提供了步骤指导,如解压、配置、生成静态库及测试方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

编译图像质量分析库iqa

 

介绍

  iqa库是我在GitHub上偶然发现的一个具有MSE, PSNR, SSIM, MS-SSIM等图像质量分析算法的库,觉得还不错,就把它下载下来编译,编译后生成静态的库。以下是我总结的编译方法。不过,这个库是没有牵涉到OpenCV的,所以具体读取图像的方法还有待研究(好像是直接读取数组),以后会写一篇文章讲解一下怎么使用这个库。

下载源文件

  首先从GitHub上下载源码Image Quality Analysis Library

下载源码

  点击“Clone & Download”,“Download ZIP”,下载到本地

解压和编译

  github上给出的编译方法如下:

BUILD:

All build artifacts end up in build/, where is
'debug' or 'release'.

Windows:

  • Open iqa.sln, select 'Debug' or 'Release', and build. The output is a
    static library 'iqa.lib'.
  • To run the tests under the debugger, first right-click the 'test' project,
    select Properties -> Configuration Properties -> Debugging and set
    'Working Directory' to '$(OutDir)'. Then start the application.

方法

  解压zip文件到指定的文件夹,点击生成的文件夹下的“.sin”文件,打开

文件夹

  会提示你要单向升级,点击“确定”。此时会弹出网页版的迁移报告,忽略即可

升级

  打开解决方案之后,右键点击“解决方案资源管理器”的“iqa”,选择“重定向解决方案目标”,然后点击“确定”

重定向

  然后右键点击“解决方案资源管理器”-->“生成”,即可生成debug的lib(如果修改解决方案配置为“Release x64”可以生成release的lib)。lib存放在解决方案目录的build\debug文件夹下

生成lib

测试

  右键点击“解决方案资源管理器”的“test”,选择“重定向解决方案目标”,然后点击“确定”

  右键点击工具栏项目属性>调试>工作目录,将其中的内容修改为“$(OutDir)”(如果直接点击“解决方案资源管理器”的项目test,记得在弹出的窗口中确定是不是当前的配置方案,比如Debug x64)
1665088-20190420185146313-221125517.png

  如果直接点击生成的话,编译器会报错
报错

  解决报错的方法是:选中工具栏的项目,右键选择属性>配置属性>生成事件>生成后事件,选择“否”
办法

  以上修改都完成之后,点击“开始执行(不调试)”,即可测试库
(如果出现FAILED,则说明没有将图片放到指定位置,可将resources文件夹下的图片拷贝到iqa-master\build\debug(/release)下)
结果

 
 
 
 
 
 
 
posted @ 2019-04-20 19:13 666仙人 阅读(...) 评论(...) 编辑 收藏
目 录 第一章 引言 1 1.1 图像质量评价的定义 1 1.2 研究对象 1 1.3 方法分类 2 1.4 研究意义 3 第二章 历史发展和研究现状 4 2.1 基于手工特征提取的图像质量评价 4 2.1.1 基于可视误差的“自底向上”模型 4 2.1.1.1 Daly模型 4 2.1.1.2 Watson’s DCT模型 5 2.1.1.3 存在的问题 5 2.1.2 基于HVS的“自顶向下”模型 5 2.1.2.1 结构相似性方法 6 2.1.2.2 信息论方法 8 2.1.2.3 存在的问题 9 2.2 基于深度学习的图像质量评价 10 2.2.1 CNN模型 10 2.2.2 多任务CNN模型 12 2.2.3 研究重点 15 第三章 图像质量评价数据集和性能指标 16 3.1 图像质量评价数据集简介 16 3.2 图像质量评价模型性能指标 17 第四章 总结与展望 19 4.1 归纳总结 19 4.2 未来展望 19 参考文献 21 第一章 引言 随着现代科技的发展,诸如智能手机,平板电脑和数码相机之类的消费电子产品快速普及,已经产生了大量的数字图像。作为一种更自然的交流方式,图像中的信息相较于文本更加丰富。信息化时代的到来使图像实现了无障碍传输,图像在现代社会工商业的应用越来越广泛和深入,是人们生活中最基本的信息传播手段,也是机器学习的重要信息源。 图像质量是图像系统的核心价值,此外,它也是图像系统技术水平的最高层次。但是,对图像的有损压缩、采集和传输等过程会很容易导致图像质量下降的问题。例如:在拍摄图像过程中,机械系统的抖动、光学系统的聚焦模糊以及电子系统的热噪声等都会造成图像不够清晰;在图像存储和传输过程中,由于庞大的数据量和有限通讯带宽的矛盾,图像需要进行有损压缩编码,这也会导致振铃效应、模糊效应和块效应等图像退化现象的出现。所以,可以说图像降质在图像系统的各个层面都会很频繁地出现,对图像质量作出相应的客观评价是十分重要且有意义的。为了满足用户在各种应用中对图像质量的要求,也便于开发者们维持、控制和强化图像质量图像质量评价(Image Quality Assessment,IQA)是一种对图像所受到的质量退化进行辨识和量化的
评论
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