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
使用默认特征模型计算 NIQE 分数
使用默认模型计算自然图像及其失真版本的 NIQE 分数。
将图像读入工作区。创建含噪和模糊失真的图像副本。
I = imread('lighthouse.png'); Inoise = imnoise(I,'salt & pepper',0.02); Iblur = imgaussfilt(I,2);
显示图像。
figure 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);
fprintf('NIQE score for original image is %0.4f.\n',niqeI)
NIQE score for original image is 2.5455.
niqeInoise = niqe(Inoise);
fprintf('NIQE score for noisy image is %0.4f.\n',niqeInoise)
NIQE score for noisy image is 10.8770.
niqeIblur = niqe(Iblur);
fprintf('NIQE score for blurry image is %0.4f.\n',niqeIblur)
NIQE score for blurry image is 5.2661.
原始未失真图像的感知质量最好,因此 NIQE 分数最低。
使用自定义特征模型计算 NIQE 分数
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. .... Completed 14 of 33 images. Time: Calculating... .. 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
输出参数
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] Mittal, A., R. Soundararajan, and A. C. Bovik. "Making a Completely Blind Image Quality Analyzer." IEEE Signal Processing Letters. Vol. 22, Number 3, March 2013, pp. 209–212.
版本历史记录
在 R2017b 中推出
MATLAB 命令
您点击的链接对应于以下 MATLAB 命令:
请在 MATLAB 命令行窗口中直接输入以执行命令。Web 浏览器不支持 MATLAB 命令。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)