数字图像处理基础（翻译四）

主要理论点

1）线性轮廓（Line Profile）

2）亮度计算（Intensity Measurements）

3）结构化相似指标（Structural Similarity Index--SSIM）

4）归一化的SSIM（Normal SSIM）

5）快速SSIM （Fast SSIM）

<=============================================================================================>

线性轮廓（Line Profile）

 

线性轮廓描绘了图像中沿着一条直线的像素亮度值变化情况，它返回的是直线上像素点的灰度值。

 

线性轮廓常用于检测组件之间的边界、量化亮度变化幅度、检测重复模型等。下图给出了一个典型的线性轮廓示意图。

波峰值和波谷值表示图像中选定直线上亮度增加和减少的极值，它们相应的宽度和幅度与相应区域的大小和亮度成比例。例如，一个具有均匀亮度的“亮”目标出现在较平稳区域；目标与背景的对比度越大，图中表现出斜率越大。此外，噪声也可能产生尖锐的波峰。

 

亮度计算（Intensity Measurements）

 

亮度计算工具用于计算图像或者图像某区域的灰度级统计值。例如，你可以利用亮度计算工具去计算图像某区域的平均亮度值，来检测“该部分”出现与否，或者检测“该部分”的缺陷。

 

通常的集中亮度计算算子：最小灰度值、最大灰度值、灰度均值和标准方差。

 

结构化相似指标（Structural Similarity Index--SSIM）

 

结构化相似指标是一个图像质量度量标准，SSIM用于计算图像的“参考图象”，“参考图象”通常需要具有最佳的质量，这个“质量测量”需要考虑三个参数标准：亮度值、对比度和结构化信息（计算SSIM的两幅图像）。

 

SSIM 用于电视工业中检测卫星视频流质量；

SSIM 作为一个标准，用于检测其他图像处理算法的性能，例如图像压缩。

 

人类视觉系统适于提取结构化信息。SSIM则能够区分出下列三个成分的相似部分：

亮度值

对比度

结构化信息

 

两个信号的亮度由信号的平均亮度值所决定；对比度由标准方差决定；结构化信息则由信号的相关性决定：

SSIM(x, y)则为L(x,y) C(x, y) S(x, y)三个值的乘积；如果C3为C2的一半，则对于一个特定窗口有：

Mean-SSIM则为整个窗口的SSIM均值，窗口在原图中偏移量为一个像素。

 

归一化的SSIM（Normal SSIM）

在归一化的SSIM中，利用圆对称的高斯加权函数计算均值。当图像具有低对比度或者未包含很清晰的结构化信息时，就采用归一化的SSIM。例如，当图象为一个文本样本图像。

 

快速SSIM （Fast SSIM）

 

快速SSIM利用快速的方法计算方差和均值（计算方差和均值在归一化的SSIM中是很耗时的）。利用Robert算子计算图像的梯度图像来表示图像方差；均值计算则采用滑动窗口的平均像素值大小。快速SSIM适用于具有清晰结构化信息的图像，比如具有较强边缘信息的图像。由于快速SSIM主要是基于梯度图像，所以其可能并不适用于较低对比度图像或者结构化信息并不明显的图像。