Matlab常见的图像质量评价指标

本文详细介绍了图像质量评估的各种指标,包括有参考图像评价指标如信噪比SNR、峰值信噪比PSNR、结构相似性SSIM及相似性corr2,以及无参考图像评价指标如平均梯度、Brenner梯度、图像熵、能量梯度函数EOG、空间频率、方差或标准差等。这些指标用于量化图像的清晰度、对比度和结构相似性,对于图像处理和计算机视觉领域的研究与应用具有重要意义。
部署运行你感兴趣的模型镜像

(一)有参考图像评价指标
1.信噪比SNR

function SNR=imSNR(In,I)
% 计算信号噪声比函数
% I :original signal
% In:noisy signal(ie. Original signal + noise signal)
% snr=10*log10(sigma2(I2)/sigma2(I2-I1))
[row,col,nchannel]=size(I);
In=double(In);
I=double(I);
msnr=0;
if nchannel==1%gray image
    Ps=sum(sum((I-mean(mean(I))).^2));%signal power
    Pn=sum(sum((I-In).^2));%noise power
    msnr=10*log10(Ps/Pn);
elseif nchannel==3%color image
    for i=1:3
        Ps=sum(sum((I(:,:,i)-mean(mean(I(:,:,i)))).^2));%signal power
        Pn=sum(sum((I(:,:,i)-In(:,:,i)).^2));%noise power
        msnr=msnr+10*log10(Ps/Pn);
    end
    msnr=msnr/3;
end
imshow(uint8(In));
title(sprintf(' SNR :%.3f dB ', msnr));
return

2.峰值信噪比PSNR

function[PSNR]=imPSNR(J,I)
%imPSNR Summary of this function goes here
%I is a image with high quality
%J is a image with noise
%the function will return the PSNR of the noise image
if any(size(J

您可能感兴趣的与本文相关的镜像

PyTorch 2.8

PyTorch 2.8

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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