Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

piqe

Puntuación de calidad de imagen sin referencia del evaluador de calidad de imagen (PIQE) basada en la percepción

Descripción

ejemplo

score = piqe(A) calcula la calidad de imagen sin referencia para la imagen utilizando un evaluador de calidad de imagen basado en la percepción.PuntuaciónUn

ejemplo

[score,activityMask,noticeableArtifactsMask,noiseMask] = piqe(A) también devuelve las máscaras de calidad espacial calculadas a partir de la imagen de entrada.

Ejemplos

contraer todo

Calcule la puntuación PIQE para una imagen y las imágenes distorsionadas correspondientes. Muestre los resultados con su imagen correspondiente.

Lea una imagen en el espacio de trabajo. Genere imágenes distorsionadas añadiendo ruido y desenfoque. Utilice la función para generar la imagen y la función más ruidosos para generar la imagen borrosa.imnoiseimgaussfilt

A = imread('lighthouse.png'); Anoise = imnoise(A,'Gaussian',0,0.05); Ablur = imgaussfilt(A,2);

Calcule la puntuación PIQE para la imagen original y las imágenes distorsionadas.

score = piqe(A); score_noise = piqe(Anoise); score_blur = piqe(Ablur);

Muestre las imágenes como un montaje con sus puntuaciones correspondientes como parte del título de la figura.

figure montage({A,Anoise,Ablur},'Size',[1 3]) title({['Original Image: PIQE score = ', num2str(score),'    |    Noisy Image: PIQE score = ', num2str(score_noise),'    ' ...     '|    Blurred Image: PIQE score = ', num2str(score_blur)]}, 'FontSize',12)

Calcule la puntuación PIQE de una imagen distorsionada debido al bloqueo de artefactos y ruido gaussiano. Genere máscaras de calidad espacial que indiquen los bloques de alta actividad espacial, los bloques de artefactos notables y los bloques de ruido en la imagen. Visualice las máscaras de calidad espacial superponiéndolas en la imagen distorsionada. Muestre la imagen con y sin las máscaras y la puntuación PIQE de la imagen.

Lea una imagen distorsionada (distorsión debida a JPEG2K) en el espacio de trabajo.

Adistorted = imread('DistortedImage.png');

Calcule la puntuación PIQE y las máscaras de calidad espacial.

[score,activityMask,noticeableArtifactsMask,noiseMask] = piqe(Adistorted);

Superponga las máscaras de calidad espacial en la imagen de entrada.

mask_1 = labeloverlay(Adistorted,activityMask,'Colormap','winter','Transparency',0.25); mask_2 = labeloverlay(Adistorted,noticeableArtifactsMask,'Colormap','autumn','Transparency',0.25); mask_3 = labeloverlay(Adistorted,noiseMask,'Colormap','hot','Transparency',0.25);

Muestre la imagen distorsionada original y las imágenes distorsionadas con máscaras de calidad espacial superpuestas como un montaje.

figure montage({Adistorted,mask_1,mask_2,mask_3},'Size',[1 4]) title('Distorted Image   |    Overlay activityMask    |    Overlay noticeableArtifactsMask    |    Overlay noiseMask','FontSize',12)

Visualice la puntuación PIQE de la imagen distorsionada.

fprintf('PIQE score for the distorted image is %0.4f.\n',score)
PIQE score for the distorted image is 65.1855. 

Argumentos de entrada

contraer todo

Imagen de entrada, especificada como una imagen 2-D en escala de grises de tamaño -por- o 2-D imagen RGB de tamaño -por- -por-3.mnmn

Tipos de datos: single | double | int16 | uint8 | uint16

Argumentos de salida

contraer todo

Puntuación PIQE para la imagen de entrada , devuelta como un escalar no negativo en el rango [0, 100].Un La puntuación PIQE es la puntuación de calidad de imagen sin referencia y está inversamente correlacionada con la calidad perceptiva de una imagen. Un valor bajo indica una alta calidad perceptiva y un alto valor indica una baja calidad perceptiva.PuntuaciónPuntuación

Tipos de datos: double

Máscara de calidad espacial de bloques activos, devuelta como una imagen binaria 2D de tamaño -by-, donde y son las dimensiones de la imagen de entrada.mnmnUn Se compone de bloques de alta actividad espacial en la imagen de entrada.activityMask Los bloques de alta actividad espacial en la imagen de entrada son las regiones con más variabilidad espacial debido a factores que incluyen artefactos de compresión y ruido. A los bloques hiperespacialmente activos se les asigna un valor en el archivo .'1'activityMask

Tipos de datos: logical

Máscara de calidad espacial de artefactos notables, devuelta como una imagen binaria 2D de tamaño -by-, donde y son las dimensiones de la imagen de entrada.mnmnUn Se compone de bloques que contienen artefactos de bloqueo (debido a la compresión) o distorsiones repentinas.noticeableArtifactsMaskactivityMask

Tipos de datos: logical

Máscara de calidad espacial de ruido gaussiano, devuelta como una imagen binaria 2D de tamaño -by-, donde y son las dimensiones de la imagen de entrada.mnmnUn Se compone de bloques que contienen ruido gaussiano.noiseMaskactivityMask

Tipos de datos: logical

Algoritmos

calcula la puntuación de calidad sin referencia para una imagen a través de la estimación de distorsión en bloque, utilizando estos pasos:PIQE

  1. Calcular el coeficiente medio de contraste sustraído normalizado (MSCN) para cada píxel de la imagen utilizando el algoritmo propuesto por N. Venkatanath y otros .[1]

  2. Divida la imagen de entrada en bloques no superpuestos de tamaño 16 por 16.

  3. Identifique bloques de alta actividad espacial en función de la varianza de los coeficientes MSCN.

  4. Generar utilizando los bloques altos espacialmente activos identificados.activityMask

  5. En cada bloque, evalúe la distorsión debida al bloqueo de artefactos y ruido utilizando los coeficientes MSCN.

  6. Utilice criterios de umbral para clasificar los bloques como bloques distorsionados con artefactos de bloqueo, bloques distorsionados con ruido gaussiano y bloques sin distorsión.

  7. Generar a partir de los bloques distorsionados con artefactos de bloqueo y de los bloques distorsionados con ruido gaussiano.noticeableArtifactsMasknoiseMask

  8. Calcular la puntuación PIQE para la imagen de entrada como la media de las puntuaciones en los bloques distorsionados.

  9. La escala de calidad de la imagen basada en su puntuación PIQE se indica en esta tabla. La escala de calidad y el rango de puntuación respectivo se asignan mediante un análisis experimental en el conjunto de datos en LIVE Image Quality Assessment Database Release 2 .[2]

Escala de calidadRango de puntuación
Excelente[0, 20]
bien[21, 35]
Justo[36, 50]
Pobre[51, 80]
Malo[81, 100]

Referencias

[1] N. Venkatanath, D. Praneeth, Bh. M. Chandrasekhar, S. S. Channappayya, and S. S. Medasani. "Blind Image Quality Evaluation Using Perception Based Features", In Proceedings of the 21st National Conference on Communications (NCC). Piscataway, NJ: IEEE, 2015.

[2] Sheikh, H. R., Z. Wang, L. Cormack and A.C. Bovik, "LIVE Image Quality Assessment Database Release 2 ", https://live.ece.utexas.edu/research/quality.

Consulte también

Funciones

Introducido en R2018b