niqe
自然图像质量评估方法 (NIQE) 无参考图像质量分数
说明
示例
使用默认模型计算自然图像及其畸变版本的 NIQE 分数。
将图像读入工作区。创建含噪和模糊畸变的图像副本。
I = imread("lighthouse.png"); Inoise = imnoise(I,"salt & pepper",0.02); Iblur = imgaussfilt(I,2);
显示图像。
montage({I,Inoise,Iblur},Size=[1 3])
title("Original Image | Noisy Image | Blurry Image")
使用默认模型计算每个图像的 NIQE 分数。显示分数。
niqeI = niqe(I);
disp("NIQE score for the original image is: "+niqeI)NIQE score for the original image is: 2.5455
niqeInoise = niqe(Inoise);
disp("NIQE score for the noisy image is: "+niqeInoise)NIQE score for the noisy image is: 10.877
niqeIblur = niqe(Iblur);
disp("NIQE score for the blurry image is: "+niqeIblur)NIQE score for the blurry image is: 5.2661
原始未畸变图像的感知质量最好，因此 NIQE 分数最低。
将一组自然图像加载到一个图像数据存储中。Image Processing Toolbox™ 的 imdata 目录中附带这些图像。
setDir = fullfile(toolboxdir('images'),'imdata'); imds = imageDatastore(setDir,'FileExtensions',{'.jpg'});
使用图像数据存储训练自定义 NIQE 模型。
model = fitniqe(imds);
Extracting features from 33 images. ...... Done.
读取一个自然场景的图像。显示图像。
I = imread('car1.jpg');
imshow(I)
使用自定义模型计算图像的 NIQE 分数。显示分数。
niqeI = niqe(I,model);
fprintf('NIQE score for the image is %0.4f.\n',niqeI)NIQE score for the image is 2.6700.
输入参数
输出参量
算法
NIQE 测量从图像 A 计算得到的基于 NSS 的特征与从训练模型的图像数据库得到的特征之间的距离。这些特征建模为多维高斯分布。
参考
[1]
版本历史记录
在 R2017b 中推出
