multissim

多尺度结构相似度(MS-SSIM)图像质量指标

折叠所有页面

语法

score = multissim(I,Iref)

score = multissim(I,Iref,Name,Value)

[score,qualityMaps] = multissim(___）

描述

例子

分数= multissim (我，Iref）计算多尺度结构相似度(MS-SSIM)指数，分数，用于图像我,使用Iref作为参考图像。接近1的值表示图像质量较好，接近0的值表示图像质量较差。

MS-SSIM仅定义为灰度图像。对于二维以上的输入，multissim将每个高维元素视为一个单独的二维灰度图像。

例子

分数= multissim (我，Iref，名称,值）使用一个或多个名称-值参数控制计算的各个方面。属性指定刻度数“NumScales”论点。

例子

［分数，qualityMaps= multissim(___）还返回每个缩放版本中每个像素的本地MS-SSIM索引值我．的qualitymap的每个缩放版本的映射单元格数组我．每个质量图的大小与相应的缩放版本相同我．

例子

全部折叠

计算MS-SSIM

打开实时脚本

将图像加载到工作区中。

Iref = imread(“pout.tif”）;

创建一个图像的噪声版本，用于比较。

I = imnoise(Iref，“盐和胡椒”, 0.05);

显示原始图像和噪声图像。

图;蒙太奇({Iref,我});

图中包含一个轴对象。axis对象包含一个image类型的对象。

计算MS-SSIM指数，该指数衡量输入图像与参考图像相比的质量。

score = multissim(I,Iref)

分数=单0.6732

计算MS-SSIM并获取本地MS-SSIM地图

打开实时脚本

将图像加载到工作区中。

Iref = imread(“pout.tif”）;I = Iref;

为图像的局部区域添加噪声。

I(1:100,1:100) = imnoise(Iref(1:100,1:100)，“盐和胡椒”, 0.05);

显示原始图像和噪声图像。

图;蒙太奇({Iref,我});

图中包含一个轴对象。axis对象包含一个image类型的对象。

计算噪声图像的局部MS-SSIM索引映射，qualitymaps，以原始图像为参考。返回值，qualitymaps，是一个单元格数组，包含图像的每个缩放版本的质量映射。每张地图的大小都与图像的相应缩放版本相同。

[~， qualitymaps] = multissim(I,Iref);图蒙太奇(qualitymaps,“大小”[1 5])

图中包含一个轴对象。axis对象包含一个image类型的对象。

计算指定比例权重的MS-SSIM

打开实时脚本

将图像加载到工作区中。

Iref = imread(“pout.tif”）;

创建一个图像的噪声版本，用于比较。

I = imnoise(Iref，“盐和胡椒”, 0.05);

显示原始图像和图像的噪声版本。

图;蒙太奇({Iref,我});

图中包含一个轴对象。axis对象包含一个image类型的对象。

以原始图像为参考，计算噪声图像的MS-SSIM指数。属性指定对每个缩放图像的本地MS-SSIM索引计算进行多少加权“ScaleWeights”论点。该示例使用Wang、Simoncelli和Bovik在文章中定义的权重值。

score = multissim(I,Iref，“ScaleWeights”, (0.0448, 0.2856, 0.3001, 0.2363, 0.1333))

分数=单0.6773

计算彩色图像的MS-SSIM

打开实时脚本

将彩色图像读入工作区。

RGB = imread(“kobi.png”）;

创建一个添加了盐和胡椒噪声的图像版本。

RGB = imnoise(RGB，“盐和胡椒”）;

以蒙太奇的方式显示这两个图像。

蒙太奇({RGB, RGBNoisy})

图中包含一个轴对象。axis对象包含一个image类型的对象。

计算噪声图像各颜色通道的MS-SSIM。

score = multissim(rgbnoise,RGB);分数=挤压(分数)

分数=3x1单列向量0.7084 0.7135 0.7066

计算的MS-SSIM`dlarray`输入

这个例子使用了:

打开实时脚本

将彩色图像读入工作区。

参考资料:“strawberries.jpg”）;Ref = im2single(Ref);

通过沿着第四维复制图像来模拟一批六个图像。

refBatch = repmat(ref，[1 1 1 6]);

创建一批图像的副本，添加盐和胡椒噪声。

noisyBatch = imnoise(refBatch，“盐和胡椒”）;

创建格式化的dlarray对象用于原始和有噪声的一批图像。格式为“SSCB”，即空间-空间-通道-批处理。

dlrefBatch = darray (refBatch，“SSCB”）;dlnoisyBatch = dlarray(噪音批次，“SSCB”）;

计算噪声数据相对于原始数据的MS-SSIM评分。

scores = multissim(dlnoisyBatch,dlrefBatch);

删除与空间维度对应的单个维度并显示分数。每个元素是该批图像中一个颜色通道的MS-SSIM评分。

挤压(分数)

ans = 3(C) x 6(B)单美元0.8334 0.8335 0.8348 0.8335 0.8340 0.8349 0.8325 0.8316 0.8309 0.8310 0.8317 0.8326 0.8140 0.8123 0.8166 0.8129 0.8136 0.8123

输入参数

全部折叠

`我`- - - - - -输入图像
数字数组|`dlarray`对象

输入图像，指定为任意维度的数字数组或dlarray(深度学习工具箱)对象。格式化dlarray对象不能包含一个以上的通道标签、一个以上的批标签和两个以上的空间标签。

数据类型:单|双|int16|uint8|uint16

`Iref`- - - - - -参考图片
数字数组|`dlarray`对象

引用图像，指定为任意维度的数字数组或dlarray(深度学习工具箱)对象。格式化dlarray对象不能包含一个以上的通道标签、一个以上的批标签和两个以上的空间标签。

数据类型:单|双|int16|uint8|uint16

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。

例子:score = multissim(I,Iref，'NumScales'，3);

`NumScales`- - - - - -量表数量
`5`(默认)|正整数

用于计算MS-SSIM索引的刻度数，指定为逗号分隔的对，由“NumScales”一个正整数。设置“NumScales”来1相当于使用了ssim使用其函数“指数”名称-值对参数设置为[1 1 1]．输入图像的大小限制了尺度的数量。的multissim函数缩放图像(NumScales- 1)次，每缩放一次，对图像进行因子2的采样。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`ScaleWeights`- - - - - -跨尺度的相对值
正数向量

跨刻度的相对值，指定为逗号分隔的对，由“ScaleWeights”一个正元素的向量。向量的长度等于缩放的数量，因为每个元素对应于原始图像的一个缩放版本。的multissim函数将值归一为1。默认情况下，天平的权重相等fspecial(“高斯”,[1,numScales], 1)．的multissim函数使用高斯分布作为默认值，因为人类视觉灵敏度在中频达到峰值，并在两个方向上下降。这是一个设置的例子“ScaleWeights”,请参阅计算指定比例权重的MS-SSIM．

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`σ`- - - - - -标准偏差
`1．5`(默认)|正数

各向同性高斯函数的标准偏差，用逗号分隔的对表示“σ”一个正数。这个值指定一个像素周围的邻域像素的权重，用于估计局部统计信息。的multissim函数使用加权来避免在估计局部统计信息时阻塞工件。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`动态范围`- - - - - -输入图像的动态范围
正数

输入图像的动态范围，指定为正数。的默认值动态范围这取决于图像的数据类型我，计算为diff (getrangefromclass(我))．例如，默认动态范围为255对于数据类型的图像uint8，默认为1对于数据类型的图像双或单像素值范围为[0,1]。

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

输出参数

全部折叠

`分数`- MS-SSIM索引
数字标量|数字数组|`dlarray`对象

用于图像质量的MS-SSIM索引，返回为数值标量、数值数组或dlarray(深度学习工具箱)对象，如表中所示。的价值分数通常在[0,1]范围内。值1表示最高质量，发生在我而且Iref是等价的。较小的值对应较差的质量。对于输入和名值对参数的某些组合，分数可以是负的。

输入图像类型	MS-SSIM价值
二维数值矩阵	数值标量与单一MS-SSIM测量。
二维`dlarray`对象	1×1`dlarray`对象与单一MS-SSIM测量。
N- d数字数组，N个>2	与输入图像具有相同维数的数字数组。的前两个维度`分数`是单维度。对于高维上的每个元素都有一个MS-SSIM测量。
无格式的一天`dlarray`2 . object with N>	`dlarray`与输入图像具有相同维度的对象。的前两个维度`分数`是单维度。对于高维上的每个元素都有一个MS-SSIM测量。
格式化的一天`dlarray`2 . object with N>	`dlarray`与输入图像具有相同维度的对象。的空间维度`分数`是单维度。在任何通道或批处理维度上，每个元素都有一个MS-SSIM测量。

`qualityMaps`—本地MS-SSIM索引值
数值数组的单元格数组|`dlarray`对象

每个缩放版本中每个像素的本地MS-SSIM索引值，作为数值数组的单元格数组或的单元格数组返回dlarray(深度学习工具箱)对象。单元格数组的大小为1 × -NumScales．中的每个元素qualityMaps表示对应像素在相应比例因子上的质量。元素的格式使用分数参数，基于输入图像的格式。

算法

结构相似性(SSIM)指数通过量化图像和参考图像之间的SSIM来衡量感知质量ssim)．的multissim函数通过组合不同尺度下图像的几个版本的SSIM索引来计算MS-SSIM索引。与SSIM指数相比，MS-SSIM指数在观看条件变化方面更稳健。

的multissim函数对类的输入图像使用双精度算法双．所有其他类型的输入图像都使用单精度算法。

参考文献

［1］王Z，西蒙切利，e.p.， Bovik, A.C.基于多尺度结构相似性的图像质量评价．见:第37届Asilomar信号，系统和计算机会议，2003,1398 - 1402。太平洋格罗夫，CA，美国:IEEE, 2003。https://doi.org/10.1109/ACSSC.2003.1292216。

扩展功能

GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。

本功能完全支持GPU阵列。万博1manbetx有关更多信息，请参见图形处理器图像处理．

版本历史

R2020a中引入

另请参阅

ssim|multissim3|psnr值

主题

图像质量指标

multissim

语法

描述

例子

计算MS-SSIM

计算MS-SSIM并获取本地MS-SSIM地图

计算指定比例权重的MS-SSIM

计算彩色图像的MS-SSIM

计算的MS-SSIMdlarray输入

输入参数

我- - - - - -输入图像数字数组|dlarray对象

Iref- - - - - -参考图片数字数组|dlarray对象

名称-值参数

NumScales- - - - - -量表数量5(默认)|正整数

ScaleWeights- - - - - -跨尺度的相对值正数向量

σ- - - - - -标准偏差1．5(默认)|正数

动态范围- - - - - -输入图像的动态范围正数

输出参数

分数- MS-SSIM索引数字标量|数字数组|dlarray对象

qualityMaps—本地MS-SSIM索引值数值数组的单元格数组|dlarray对象

算法

参考文献

扩展功能

GPU数组通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。

版本历史

另请参阅

主题

计算的MS-SSIM`dlarray`输入

`我`- - - - - -输入图像
数字数组|`dlarray`对象

`Iref`- - - - - -参考图片
数字数组|`dlarray`对象

`NumScales`- - - - - -量表数量
`5`(默认)|正整数

`ScaleWeights`- - - - - -跨尺度的相对值
正数向量

`σ`- - - - - -标准偏差
`1．5`(默认)|正数

`动态范围`- - - - - -输入图像的动态范围
正数

`分数`- MS-SSIM索引
数字标量|数字数组|`dlarray`对象

`qualityMaps`—本地MS-SSIM索引值
数值数组的单元格数组|`dlarray`对象

GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。