主要内容

niqe

自然图像质量评估器(NIQE)无参考图像质量评分

折叠所有页面

语法

分数= niqe (A)
分数= niqe(模型)

描述

例子

分数= niqe (一个）计算图像的无参考图像质量分数一个使用自然度图像质量评估器(NIQE)。niqe比较一个到一个由自然场景图像计算的默认模型。分数越小，感知质量越好。

例子

分数= niqe (一个，模型）使用自定义模型计算图像质量分数。

例子

全部折叠

打开生活的脚本

使用默认模型计算自然图像及其扭曲版本的NIQE分数。

将图像读入工作区。创建带有噪声和模糊扭曲的图像副本。

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|噪声图像|模糊图像'）

图中包含一个轴对象。标题为“原始图像|噪声图像|模糊图像”的轴对象包含一个类型为图像的对象。

使用默认模型计算每个图像的NIQE分数。显示得分。

niqeI = niqe(我);流(“原始图像的NIQE分数是%0.4f.\n”niqeI)
原始图像的NIQE评分为2.5455。
niqeInoise = niqe (Inoise);流(“噪声图像的NIQE评分为%0.4f.\n”niqeInoise)
噪声图像的NIQE评分为10.8770。
niqeIblur = niqe (Iblur);流(“模糊图像的NIQE分数是%0.4f.\n”niqeIblur)
模糊图像NIQE评分为5.2661。

未失真的原始图像具有最好的感知质量，因此NIQE分数最低。

打开生活的脚本

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

setDir = fullfile (toolboxdir (“图片”），“imdata”）;imd = imageDatastore (setDir,“FileExtensions”, {“jpg”}）;

使用映像数据存储训练自定义NIQE模型。

模型= fitniqe (imd);
从38幅图像中提取特征…完成38张图片中的4张时间:计算……完成38张图片中的13张时间:00:20或00:49。完成38张图片中的15张时间:00:31 / 01:15…完成38张图片中的25张时间:01:03 .....的00:42完成了。

读一幅自然场景的图片。显示图像。

我= imread (“car1.jpg”）;imshow(我)

图中包含一个轴对象。axis对象包含一个image类型的对象。

使用自定义模型计算图像的NIQE分数。显示得分。

niqeI = niqe(我,模型);流(“图像的NIQE分数是%0.4f.\n”niqeI)
图像的NIQE评分为1.8730。

输入参数

全部折叠

输入图像，指定为二维灰度或RGB图像。

数据类型:单|双|int16|uint8|uint16

自定义图像特征模型，指定为niqeModel对象。模型是由自然场景统计得来的。

输出参数

全部折叠

无参考图像质量分数，作为非负标量返回。较低的值分数更好地反映图像的感知质量一个关于输入模型．

数据类型:双

算法

NIQE测量从图像中计算出的基于nss的特征之间的距离一个到用于训练模型的图像数据库中获得的特征。特征被建模为多维高斯分布。

参考文献

［1］米塔尔，桑达拉扬，A. C.博维克。"制作一个完全失明的图像质量分析仪"IEEE信号处理信．第22卷第3期，2013年3月，209-212页。

另请参阅

功能

对象

主题

介绍了R2017b

图像处理工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书