niqe
自然图像质量评估者(NIQE)没有参照图像质量分数
描述
例子
使用默认特性模型计算NIQE得分
计算NIQE分数对自然图像,其扭曲的版本使用默认模式。
读一个图像到工作区中。创建副本的图像噪声和模糊扭曲。
我= imread (“lighthouse.png”);Inoise = imnoise(我的盐和胡椒,0.02);Iblur = imgaussfilt(我,2);
显示图像。
图蒙太奇({我Inoise Iblur},“大小”3[1])标题(“原始图像|嘈杂的图像|模糊图像”)
计算每个图像的NIQE分数使用默认模式。显示得分。
niqeI = niqe(我);流(原始图像的NIQE分数% 0.4 f。\ n”niqeI)
原始图像NIQE得分是2.5455。
niqeInoise = niqe (Inoise);流(的NIQE分数噪声图像% 0.4 f。\ n 'niqeInoise)
NIQE得分10.8770嘈杂的图像。
niqeIblur = niqe (Iblur);流(模糊图像的NIQE分数% 0.4 f。\ n”niqeIblur)
NIQE得分5.2661模糊的图像。
原来的不失真图像的感知质量,因此最好NIQE得分最低。
计算NIQE分数使用自定义特性模型
一组自然图像加载到一个图像数据存储。这些图像图像处理工具箱中运™目录中名为“imdata”。
setDir = fullfile (toolboxdir (“图片”),“imdata”);imd = imageDatastore (setDir,“FileExtensions”,{“jpg”});
火车定制NIQE模型使用图像数据存储。
模型= fitniqe (imd);
从33图像中提取特征,.......完成了。
读一个图像的自然场景。显示图像。
我= imread (“car1.jpg”);imshow(我)
计算图像的NIQE分数使用自定义模型。显示得分。
niqeI = niqe(我,模型);流(的NIQE分数图像% 0.4 f。\ n 'niqeI)
NIQE图像分数是2.6700。
输入参数
输出参数
算法
NIQE措施NSS-based特性之间的距离计算出图像一个的特性从一个图像数据库用来训练模型。被建模为多维高斯分布的特性。
引用
[1]
版本历史
介绍了R2017b
