主要内容

Niqe.

自然图像质量评估器（NIQE）无参考图像质量分数

页面上倒塌

句法

得分= niqe（a）
得分= niqe（a，型号）

描述

例子

分数= niqe（一种）计算图像的无参考图像质量分数一种使用自然图像质量评估器（NIQE）。Niqe.比较一种到从自然场景的图像计算的默认模型。较小的分数表示更好的感知质量。

例子

分数= niqe（一种那模型）使用自定义模型计算图像质量分数。

例子

全部收缩

打开直播脚本

使用默认模型计算自然图像的NIQE分数及其失真的版本。

将图像读入工作区。用噪声和模糊扭曲创建图像的副本。

我= imread（'lighthouse.png'）;Inoise = imnoise（我，'椒盐'，0.02）;iblur = imgaussfilt（i，2）;

显示图像。

图蒙太奇（{i，Inoise，iblur}，'尺寸'，[1 3]）标题（'原始图像​​|嘈杂的图像|模糊图像'）

图包含轴对象。带有标题原始图像的轴对象|嘈杂的图像|模糊图像包含类型图像的对象。

使用默认模型计算每个图像的NIQE分数。显示得分。

niqei = niqe（i）;fprintf（'原始图像​​的NIQE分数为％0.4f。\ n'，Niqei）
原始图像的NIQE分数为2.5455。
niqeinoise = niqe（Inoise）;fprintf（'NIQE评分嘈杂的图像是％0.4f。\ n'，Niqeinoise）
嘈杂的图像的NIQE分数是10.8770。
niqeiblur = niqe（iblur）;fprintf（'模糊图像的NIQE分数为％0.4f。\ n'，niqeiblur）
模糊图像的NIQE分数为5.2661。

原始的未变形图像具有最佳的感知质量，因此是最低的NIQE分数。

打开直播脚本

将一组自然图像加载到图像数据存储中。这些图像在名为“imdata”的目录中的图像处理工具箱™中运送。

setdir = fullfile（toolboxdir（'图片'），'imdata'）;imds = imageageataStore（setdir，'fileextensions'，{'.jpg'}）;

使用图像数据存储列车定制NIQE模型。

型号= fitniqe（IMDS）;
从38个图像中提取特征。..完成了38个图像中的4个。时间：计算....完成38个图像中的13个。时间：00:20 00:49。完成了38个图像中的15个。时间：00:31 01:15 ...完成35个图像中的25个。时间：01:03 00:42 .....所做的。

读一个自然场景的图像。显示图像。

我= imread（'car1.jpg'）;imshow（i）

图包含轴对象。轴对象包含类型图像的对象。

使用自定义模型计算图像的NIQE分数。显示得分。

niqei = niqe（i，model）;fprintf（'图像的NIQE分数为％0.4f。\ n'，Niqei）
图像的NIQE分数为1.8730。

输入参数

全部收缩

输入图像，指定为2-D灰度或RGB图像。

数据类型：单身的|双倍的|int16|uint8.|uint16

图像特征的自定义模型，指定为aniqemodel.目的。模型来自自然场景统计数据。

输出参数

全部收缩

没有参考图像质量分数，作为非负标量返回。较低的值分数反映了更好的图像质量一种关于输入模型。

数据类型：双倍的

算法

NIQE测量从图像计算的基于NSS的功能之间的距离一种到从用于训练模型的图像数据库获得的功能。该特征被建模为多维高斯分布。

参考

[1]米特拉特，A.，R.Sopeararajan和A. C. Bovik。“制作一个完全盲目的图像质量分析仪。”IEEE信号处理字母。卷。22，3月3日，2013年3月，第209-212页。

也可以看看

职能

对象

话题

在R2017B中介绍

图像处理工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书