精华内容
下载资源
问答
  • 影响图像质量参数

    千次阅读 2017-05-11 08:21:58
    来自百度文库:...二、影响图像质量参数 CT影像质量主要依赖于两种参数,一是与剂量相关的参数,二是与影像处理和影像观察条件相关的参数,这两者与硬件相关。

    来自百度文库:https://wenku.baidu.com/view/1038b754ad02de80d4d84073.htmlhttps://wenku.baidu.com/view/1038b754ad02de80d4d84073.html


    二、影响图像质量的参数

    CT影像质量主要依赖于两种参数,一是与剂量相关的参数,二是与影像处理和影像观察条件相关的参数,这两者与硬件相关。剂量相关参数有曝光因素、层厚、螺距、扫描时间和检查容积。处理参数包括视野、重建矩阵大小、重建算法和与影像观察相关的窗技术的设定。与患者剂量相关参数的影响,可通过对测试体模的测量进行量化评估。


    1、层厚
    层厚定义为扫描野中心敏感断面的最大值处的整体宽度。它的厚度可由操作人员根据临床需要进行选择,通常位于1mm和10mm范围之间。一般来讲,层厚越大,对比分辨力(密度分辨力)越大;层厚越小,空间分辨力越大。如果采用较大的层厚,可以减低噪声的影响,但是图像也会由于部分容积效应的影响而减低诊断信息的可靠性;如果采用较小的层厚 (如1~2mm),可以减少部分容积效应,但是噪声的影响会增大,使图像的密度分辨力下降。
    2、检查容积
    检查容积或成像容积是指检查区域的整体容积,定义为最先和最后检查层面的最外边界。检查容积的范围取决于临床要求,通常来讲,在其他扫描参数不变的前提下,容积值越大,患者的整体辐射剂量越高。所以,在满足诊断要求的前提下应当尽量缩小扫描容积。
    3、视野(FOV)
    视野定义为重建图像的最大直径,它的值可由操作人员灵活选择,通常位于12~50cm的范围内。选择较小的FOV可增加图像的空间分辨力,其原因同样大小的重建矩阵,面积越小,像素尺寸就越小。FOV的选择不能仅考虑增加空间分辨力的可能性,而且需要考虑是否能够包括所有可能的病变区域。如果FOV太小,相关区域可能会从可视图像中消失。
    4、电压与电流
    一般来说,管电压可选择1-3种数值(80~140kV的范围),但是常规扫描所参照的扫描程序已经设好了相应的电压,操作人员一般不需要自行调节。除非特殊人群或者特殊要求的扫描设计(例如婴幼儿的心脏扫描)。当管电压值和层厚设定以后,图像密度分辨力的提高和噪声的降低主要依赖于X线管电流(mA)和曝光时间(s)的增加,即mAs的增加。但是mAs的增加会提高患者的辐射剂量。基于此,与临床目的相关的影像质量应在患者剂量尽可能低的情况下获得。为了获取临床信息,在需要较高信噪比的情况下,应该选择较高的摄影曝光设定值(mAs)。
    5、螺距
    在螺旋扫描中,与常规方式扫描的一个不同是产生了一个新概念:螺距, 它是球管旋转一周扫描床移动距离与准直器宽度之间的比,具体公式为:
    螺距=球管旋转360°床移动距离(mm)/准直器宽度[mm]
    螺距越大单位时间扫描覆盖距离越长。意味着在其他条件不变得前提下,只需增加螺距即可在同一扫描时间内尽可能地多增加扫描距离。同样,相同的扫描范围,也可以通过增大螺距来缩短扫描时间。螺距的增大使得同样扫描范围内的光子量减少,当螺距大于1时,噪声明显增加,密度分辨力降低,减弱了软组织的对比度。然而对骨组织影响不大,因为骨本身与周围的软组织就具有很好的对比度。螺距的增加对空间分辨力的影响极小。为了弥补这个缺陷,新的CT采用了自动电流调节功能,在增加螺距的时候,自动增加电流,这样就避免了密度分辨力的降低。
    6、重建算法
    CT影像的外观和特性在很大程序上依赖于数学算法的选择。最常使用的一种是叫做平滑算法软组织算法),它是优秀显示血管、实质性脏器(肝、胰腺、脾、肾等)、肌肉等软组织的算法。边缘增强算法(骨算法)使得组织边缘锐利化,因而适合用来观察骨结构和肺纹理、支气管的结构与变化。重建算法对密度分辨力和空间分辨力的影响是一对矛盾,边缘增强算法使图像的边缘更清晰、锐利,但降低了图像的密度分辨力;平滑算法提高了密度分辨力,而边缘、轮廓表现不及边缘增强算法。两者是相互制约的,参数的优化不能同时提高密度分辨力和空间分辨力,因此在观察软组织等低对比结构时,所选参数要有利于密度分辨力的提高(软组织算法);观察骨骼、颅底、肺纹理等高对比结构时要侧重于空间分辨力的优化(骨算法)。多层螺旋CT由于采集数据可以重复应用,同样一组采集数据,可以分别根据不同的要求,使用几种重建算法,重建出不同特点的CT图像。
    7、重建间隔
    当螺旋扫描的容积采样结束后,二维图像可以从任何一点开始重建,而且数据可以反复使用。这样就出现了一个新的概念:重建间隔。 其定义是每两层重建图像之间的间隔。例如:扫描范围为100mm,准直宽度为10mm,如果重建间隔为10mm,将获得类似常规断层扫描的10幅图像,如果重建间隔为5mm,将获得20幅10mm层厚图像,产生数据交叉重叠的图像。同样扫描范围内,重建间隔越小,重建出的图像数量越多。当然每幅图像的重建时间一样,重建间隔的增加势必增加整个图像重建的时间,即总重建时间等于重建层数乘以每层重建时间。减小重建间隔的一个优势是降低部分容积效应的影响,例如,层厚10mm,病灶直径也是10mm,重建间隔等于层厚时,一旦病灶正好落入两层之间,要么病灶被遗漏,要么病灶的显示密度不真实,可能误诊或漏诊。缩小重建间隔则会避免这种机会的发生。缩小重建间隔的另一个优点是提高MPR及三维后处理图像的质量,如果重叠30~50%,会明显改善MPR以及MIP、SSD、VR、VE等的图像质量。
    8.窗宽与窗位
    监视器上CT图像的亮度变化是以灰阶形式显示的,而数字图像中用以代表象素CT值的亮度则是人为设置的,这样在视窗技术中就出现了两个新的概念:窗宽(window width)和窗位(window level),后者又称窗水平或窗中心。窗宽是指监视器中最亮灰阶所代表CT值与最暗灰阶所代表CT值的跨度,窗位是指窗宽上限所代表CT值与下限所代表CT值的中心值。如骨窗( 2000,400)是指最亮灰阶所代表CT值与最暗灰阶所代表CT值的差是2000个Hu,最亮设为1400Hu,最暗设为-600Hu,窗中心为400Hu。换句话说,窗宽确定所观察图像中CT值变化的跨度,窗位则决定观察变化的区域。
    要观察不同的组织或病变,必须选择适当的窗宽和窗位。窗位一般与需要显示的组织即靶结构的密度相近,这样比靶结构密度高的病变和密度低的病变都能有亮度差别而容易分辨;窗宽则以尽可能既覆盖所要观察的结构的密度变化范围,又显示正常与病变组织间最小差别为宜。在一幅图像上,可能同时需要多个视窗才能体现病变特点,因此,视窗的应用是灵活、多样的。


    三、注意解剖学标准与物理学标准的差异


    在CT检查中诊断要求所表述的影像标准有两种,即解剖学影像和物理学影像标准。解剖学影像标准包括能够显示不同正常组织之间的差别,使其能够被明确辨认;能够显示正常组织与病变组织之间的差别,以保证病变组织的检出;能够显示不同病变组织间的差别,以分析病变组织的性质。
    物理学影像标准是通过物理学方法进行测量,它们包括图像像素的噪声、低对比分辨力和空间分辨力 、线性、CT值的均匀性和稳定性、层厚和剂量参数。它是从事CT工作的单位实施的质量保证程序,以保持CT性能处在最佳状态。物理学影像标准被定义为常规检验。
    我们对图像质量的要求,更重要的是解剖学的标准。有些时候,在没有达到物理学标准的情况下,就可以满足解剖要求,此时我们没有必要过分强调物理学的标准,例如有时虽然解剖结构清晰可辨,不影响诊断,但是背景噪声较大,此时我们应当容忍适当背景噪声,以尽量降低病人的辐射剂量。有些时候则即使达到物理学标准,仍不能满足解剖学的标准要求。
    展开全文
  • 数字图像处理,若干图像质量评价指标的实现

    万次阅读 多人点赞 2015-02-08 20:05:45
    首先从图像质量大的分类方法来看,可分为主管评价和客观评价! 其次,客观评价又根据其对参考图像的依赖程度, 可分成三类。 (1)全参考:需要和参考图像上的像素点做一一对应的比较; (2)半参考:只需要和参考图像上的...

    首先几个最基本的指标:

    a)灰度图的均值

    即一幅图像所有像素的均值,它表明了该图像是否偏暗或者偏亮,比较小的话就偏暗,较大则亮。

    b)灰度图的标准差




    首先从图像质量大的分类方法来看,可分为主管评价和客观评价!

    其次,客观评价又根据其对参考图像的依赖程度, 可分成三类。
    (1)全参考:需要和参考图像上的像素点做一一对应的比较;
    (2)半参考:只需要和参考图像上的部分统计特征做比较;
    (3)无参考:不需要具体的参考图像。其中全参考算法是研究时间最长、发展最成熟的部分



    1,Peak Signal to Noise Ratio(PSNR) 峰值信噪比

    全参考评价方式,需要参考图像和待评价图像,是一种相似度评价指标,参考图像是清晰图像的话psnr越大越好。

    其中MSE表明了两幅图像的总体差异,越大表明差异也越明显。


    function pnsr_result = myPsnr(img_ref,img_den)    
    %myPsnr Summary of this function goes here  
    %   img_ref is a high quality image 
    %   img_den is a noise/denoise image  
    %   the function will return the PSNR of the noise/denoise image  
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %author:ebowtang
    %author blog:http://blog.csdn.net/ebowtang/article/details/43643037
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    width = size(img_ref,2);  
    heigh = size(img_ref,1);  
    if( width ~= size(img_den,2) || heigh ~= size(img_den,1) )  
        disp('Please check the input image have the same size');  
        return  
    end  
    [a,b]=size(img_ref);    
    XX2=double(img_ref) - double(img_den);    
    mse_value2 = sum(sum( XX2.^2 ))/(a*b);    
    pnsr_result = 10*log10( 255*255 / mse_value2 ); %get pnsr  

    对其进行测试:编写正确!!!





    2,Signal to Noise Ratio(SNR) 信噪比

    首先值得一提的是,SNR的定义方式有很多种,见参考文献[1-3]。

    其中最常见的是a)这种定义方式,这种定义方式实际意义和psnr一样,都是一种相似度评价指标:


    a)最常见的定义方式(度量图像相似度)

    如果把f(x,y)看做原始图g(x,y)和噪声图像e(x,y)的和,输出图的均方信噪比就是


    matlab实现如下:

    function result_snr = mySnr(img_ref,img_den)
    %mySnr Summary of this function goes here  
    %   img_ref is a high quality image 
    %   img_den is a noise/denoise image  
    %   the function will return the result_snr of the noise/denoise image  
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %author:ebowtang
    %author blog:http://blog.csdn.net/ebowtang
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    width = size(img_ref,2);  
    heigh = size(img_ref,1);  
    if( width ~= size(img_den,2) || heigh ~= size(img_den,1) )  
        disp('Please check the input image have the same size');  
        return  
    end 
    d2=sum(sum( img_ref.^2 ));
    M=double(img_ref) - double(img_den);    
    d1 = sum(sum( M.^2 )); 
    result_snr = 10*log10((d2/d1));

    b)其他表达式(度量噪声强度)

    通常我们以平均值代表影像图像信号的强度,而将选定背景区域的标准差当成噪声的大小,因为标准差所代表的物理意义为噪声相对该区域平均值的波动情形,这直觉上就像是噪声載在图像信号上一樣,SNR越大,代表图像品质越好。常见的度量噪声强度的SNR的表达式为:

    其中I表示图像,max(I)就是求取图像的最大像素,分子则是选定的背景噪声区域的方差(没有根号就是标准差)


    其中一种实现为:

    function result_snr = mySnr1(img_den,noise_region)
    %mySnr1 Summary of this function goes here  
    %   img_den is a noise/denoise image  
    %   noise_region is the selected regions of interest and of background noise region
    %   the function will return the result_snr of the noise/denoise image  
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %author:ebowtang
    %author blog:http://blog.csdn.net/ebowtang
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    img_den=double(img_den);
    noise_region=double(noise_region);
    d2=max(max(img_den));%用图像像素的最大值代表信号强度
    %d2=mean2(img_den);%用图像像素的平均值代表信号强度
    d1=std2(noise_region);d1=d1+0.000001;%估计图像的噪声标准差(可以通过选定图像背景区域得到)
    result_snr = 20*log10(d2/d1);%这样的表达形式的计算结果单位是‘db’



    3,Contrast Noise Ratio(CNR) 对比度噪声

    对比度噪声比,是衡量图像对比度的一个指标。运用他的时候,首先要在待处理图像上选取感兴趣区域(ROI)。见参考蚊香【4】一般情况下,这里全部引用文献4的说法.

    CNR= 图像在感兴趣的区域内外的强度差 除以 图像在感兴趣的区域之内外的标准差和,并取绝对值。即內外信号强度初一内外噪声和。可以很直观的想象,CNR的值越大代表內外区域越能被分辨出來,表示影像的对比度越好。




    根据完论文的描述,于是我们可以得到代码如下

    function result_cnr = myCnr(noise_region,roi1,roi2,roi3,roi4)
    %myCnr Summary of this function goes here  
    %   img_den is a noise/denoise image  
    %   noise_region is the selected regions of interest and of background noise region
    %   roi1,roi2,roi3,roi4 are four interest Regions
    %   the function will return the result_cnr of the image  
    %   tip: this function need five selected regions from the image you want to evaluate
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %author:ebowtang
    %author blog:http://blog.csdn.net/ebowtang
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    noise_region=double(noise_region);
    roi1=double(roi1);
    roi2=double(roi2);
    roi3=double(roi3);
    roi4=double(roi4);
    
    ub=mean2(noise_region);
    u1=mean2(roi1);
    u2=mean2(roi2);
    u3=mean2(roi3);
    u4=mean2(roi4);
    
    varb=std2(noise_region);varb=varb*varb;
    var1=std2(roi1);var1=var1*var1;
    var2=std2(roi2);var2=var2*var2;
    var3=std2(roi1);var3=var3*var3;
    var4=std2(roi1);var4=var4*var4;
    
    cnr1=10*log((u1-ub)/sqrt(var1+varb));
    cnr2=10*log((u2-ub)/sqrt(var2+varb));
    cnr3=10*log((u3-ub)/sqrt(var3+varb));
    cnr4=10*log((u4-ub)/sqrt(var4+varb));
    
    result_cnr=(cnr1+cnr2+cnr3+cnr4)/4;



    4,equivalent numbers of looks(ENL)等效视数

    等效视数(ENL),这是一种衡量均匀区域的光滑性的指标(ENL is commonly used to measure the speckle suppression of different SAR/OCT image filters. When the ENL value is bigger, it indicates the image is smoothed well.)。一般我们可以选取几个感兴趣区域求取等效视数然后求平均,或者直接求取图像的等效视数。所以公式可以写成如下:


    公式中的分母表示感兴趣区域的均值,分母则是方差

    function result_enl = myEnl(img_roi)
    %myEnl Summary of this function goes here  
    %   img_roi is the selected regions from the your image(or the image )
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %author:ebowtang
    %author blog:http://blog.csdn.net/ebowtang
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    img_roi=double(img_roi);
    u1=mean2(img_roi);u1=u1*u1;
    std1=std2(img_roi);var1=std1*std1;
    result_enl=u1/var1;


    5,edge preservation index(EPI)边缘保持系数

    ENL is commonly used to measure the speckle suppression of different SAR image filters. When the ENL value is bigger, it indicates the image is smoothed well.EPI measures the ability to maintain details of the image。

    其表达式可以为,参考论文【5】:




    参考代码为:

    function result_epi=myEpi(img_before,img_after)
    % 计算一副图像的边缘保护指数EPI(Edge Protect Index),EPI越接近1,说明算法的边缘保持能力越强。
    % img_before表示原始图像(这里考虑标准图像,其他的话也可以考虑一下去噪前的图像,C实现的时候,考虑到平台需求,用的是去噪前的图像)
    % img_after表示去噪后的图像
    % 根据《基于多小波域Besov球映射的SAR图像去噪算法》
    % 其他出处:《基于改进的小波软阈值法的SAR图像去噪》
    img_before=double(img_before);
    img_after=double(img_after);
    [height,width]=size(img_before);
    sum1=0;
    sum2=0;
    %去噪前
    for i=1:height   %水平
        for j=1:width-1
            sum1=sum1+abs(img_before(i,j)-img_before(i,j+1));
        end
    end
    for i=1:height-1  %垂直
        for j=1:width
            sum1=sum1+abs(img_before(i,j)-img_before(i+1,j));
        end
    end
    %去噪后
    for i=1:height  %水平
        for j=1:width-1
            sum2=sum2+abs(img_after(i,j)-img_after(i,j+1));
        end
    end
    for i=1:height-1  %垂直
        for j=1:width
            sum2=sum2+abs(img_after(i,j)-img_after(i+1,j));
        end
    end
    sum1=double(sum1);
    sum2=double(sum2);
    result_epi=sum2/sum1;




    参考资源:

    【1】comparaison of snr image quality metrics for remote sensing systems[J]. Optical Engineering, 2001, 40(4):574-585 

    【2】点目标图像信噪比计算方法,王学伟, 王春歆, 张玉叶(海军航空工程学院控制工程系,山东烟台264001)

    【3】一种遥感图像信噪比评估和度量准则,傅鹏,孙权森,纪则轩,陈强,南京理工大学计算机科学与工程学院,江苏南京210094

    【4】眼底OCT图像降噪及边缘检测算法研究,刘涛;清华大学, 信息与通信工程, 2010, 硕士

    【5】基于改进的小波软阈值法的SAR 图像去噪,张微, 孙蓉桦, 章孝灿,(浙江大学空间信息技术研究所, 浙江杭州310027


    注:本博文为EbowTang原创,后续可能继续更新本文。如果转载,请务必复制本条信息!

    原文地址:http://blog.csdn.net/ebowtang/article/details/43643037

    原作者博客:http://blog.csdn.net/ebowtang

    展开全文
  • 数字图像处理技术

    千次阅读 2018-11-25 19:25:37
    数字图像处理技术 所谓数字图像处理,是指利用计算机对图像进行分析、加工、和处理,使其满足视觉、心理或其他要求的技术,主要有去除噪声、增强、复原、分割、提取特征等处理的方法。20 世纪 50 年代,电子计算机...

    数字图像处理技术

    所谓数字图像处理,是指利用计算机对图像进行分析、加工、和处理,使其满足视觉、心理或其他要求的技术,主要有去除噪声、增强、复原、分割、提取特征等处理的方法。20 世纪 50 年代,电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息,这便是早期的图像处理。早期图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期。

    简介

    图像处理中,一般输入的是质量低的图像,而输出的是改善质量后的图像,常用的图像处理方法有图像增强、复原、编码、压缩等。进行数字图像处理所需要的设备包括摄像机、数字图像采集器(包括同步控制器、模数转换器及帧存储器)、图像处理计算机和图像显示终端。主要的处理任务,通过图像处理软件来完成。为了对图像进行实时处理,需要非常高的计算速度,通用计算机无法满足,需要专用的图像处理系统。这种系统由许多单处理器组成阵列式处理机,并行操作,以提高处理的实时性。

    方法

    1) 几何变换
    主要指放大、缩小、旋转等操作,不需要复杂的计算机和软件,是对图像的最基本的处理。
    2) 颜色处理
    主要包括颜色空间的转化、亮度以及对比度的调节、颜色修正等。目前主流的颜色模式有:RGB模式、CMYK模式、HSB模式、Lab颜色模式、位图模式、灰度模式、索引颜色模式、双色调模式和多通道模式。其中RGB模式的应用最为广泛,电视机和计算机的监视器都是基于RGB颜色模式来创建其颜色的,一共可以产生1677万余种颜色,通过计算机对RGB参数的调整便可以实现基本的颜色处理。
    3) 图像融合
    主要指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。
    4) 降噪
    主要指各种针对二维图像的去噪滤波器或者信号处理技术。计算机通过对图像整体的分析。在已有的灰度图像和全彩色图像的领域空间处理技术上,我们可以研究RGB图像的颜色分量图像分析噪声源,通过分析HSI图像的各个分量,得到图片的有关信息,并将这些信息交由已经给定的程序处理,得到更加完整,信息更大的图像。通过这项技术,在对图像进行二次加工后,可以使得原本不清晰的图像在处理后更加清晰,理解更多的信息。在图像的传输储存中,难免会遇到数据的丢失,因此使用这项技术,可以尽可能的使图像的信息完美的保存下来。对于那些需要数据实时传输的地方,运用这项技术可以做到对画面几乎无损耗的传输,方便人们对于画面的理解,
    5) 图像增强
    主要指增强图像中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合。图像处理中基于空域的算法处理时直接对图像灰度级做运算,基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正,是一种间接增强的算法。

    应用

    1) 人脸识别
    一般来说,人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸图象或者相应的编码,而其输出则是一系列相似度得分,表明待识别的人脸的身份。
    2) 印刷
    印刷是指将影像或文字原稿迅速大量复制的一种技术,目前还包括了立体印刷,三维打印等新兴技术。目前,印刷进入了电子控制和自动化的时期,电子排版、电子分色、电子雕版广泛应用,在印刷质量和效率上都得到了巨大提高。
    3) 卫星图像处理
    主要指用计算机对遥感图像进行分析,以达到所需结果的技术。根据卫星传送回地球的图像对地球的变化进行信息的储存和整理,能够体现出地球的实时变化,也就是可以保证数字地图的精确性和及时性。应用最为广泛的卫星处理方式就是利用 GIS系统建立起了地图信息总数据库。而绘制出来的数字地图被广泛应用于社会中各种行业。
    4) 其他
    日常生活中,数字图像处理技术的应用还体现在汽车障碍识别、显微图像处理、特征识别、摄影摄像、医学图像处理等领域。

    总结

    随着计算机技术的发展,数字图像处理技术已经深入到我们生活中的方方面面。在上述二维图像处理之外,还存在多维图像处理,如医学中对病人心脏的诊断便包含了四维图像的分析技术,他们本身也有更多的新概念,如连通性、旋转不变性等。数字图像处理技术的发展还在继续进行中。

    By:熊伟汐 2018/11/24

    展开全文
  • 图像质量评估

    千次阅读 2016-04-28 11:52:18
    图像质量的客观评价方法是根据人眼的主观视觉系统建立数学模型,并通过具体的公式计算图像的质量。传统的图像质量客观评价方法主要包括均方误差(MSE,mean squared error)和峰值信噪比(PSNR,peak signal to ...

    图像质量评估

    http://jingyan.baidu.com/article/cbf0e500f5505a2eab28936e.html

    【客观评价方法】
    图像质量的客观评价方法是根据人眼的主观视觉系统建立数学模型,并通过具体的公式计算图像的质量。传统的图像质量客观评价方法主要包括均方误差(MSE,mean squared error)和峰值信噪比(PSNR,peak signal to noise rate)。均方误差法首先计算原始图像和失真像象素差值的均方值,然后通过均方值的大小来确定失真图像的失真程度。计算公式如图。
    其中M、N为图像的长和宽,ijf表示原始图像的象素值,‘ijf表示降质后图像的象素值

    PSNR作为衡量图像质量的重要指标,基于通信理论而提出,是最大信号量与噪声强度的比值。由于数字图像都是以离散的数字表示图像的像素,因此采用图像的最大象素值来代替最大信号量。具体公式如图。
    其中 L 为图像中像素的最大灰度值,一般采用255。

    这里写图片描述

    这里写图片描述

    自己写的图像质量评估软件平台:
    截图(测试图片来源网络)

    这里写图片描述

    //计算
    void CImagesQualityEvaluationToolDlg::OnBnClickedButton2()
    {
        if((image_in_1.rows != image_in_2.rows)||(image_in_1.cols != image_in_2.cols)
            ||(image_in_1.rows != image_in_2.rows)||(image_in_1.cols != image_in_2.cols))
        {
            CString str_Problem("图片1和2大小不一致");
            GetDlgItem(IDC_EDIT1)->SetWindowText(str_Problem);
            return;
        }
    
        //unsigned char***imgrow= NULL;
        //imgrow=ZL_allocu_3(image_in_1.rows,image_in_1.cols,3);        //allocate memory
    
        double MSE_b=0.,MSE_g=0.,MSE_r=0.,MSE=0.,PSNR_b=0.,PSNR_g=0.,PSNR_r=0.,PSNR=0.;
        for (int row = 0; row < image_in_1.rows; row++)
        {
            for (int col = 0; col < image_in_1.cols; col++)
            {
                /*
                //[row, col]像素的第 1 通道地址被 * 解析(b通道)
                imgrow[row][col][2] = *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col);
    
                //[row, col]像素的第 2 通道地址被 * 解析(g通道)
                imgrow[row][col][1] = *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col + image_in_1.elemSize1());
    
                //[row, col]像素的第 3 通道地址被 * 解析(r通道)
                imgrow[row][col][0] = *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col + image_in_1.elemSize1() * 2);
                */
                MSE_b += pow((double)(*(image_in_2.data + image_in_2.step[0] * row + image_in_2.step[1] * col) - *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col)),2);
                MSE_g += pow((double)(*(image_in_2.data + image_in_2.step[0] * row + image_in_2.step[1] * col + image_in_2.elemSize1()) - *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col + image_in_1.elemSize1())),2);
                MSE_r += pow((double)(*(image_in_2.data + image_in_2.step[0] * row + image_in_2.step[1] * col + image_in_2.elemSize1() * 2) - *(image_in_1.data + image_in_1.step[0] * row + image_in_1.step[1] * col + image_in_1.elemSize1() * 2)),2);    
            }
        }
        int WH = image_in_1.rows * image_in_1.cols;
    
        MSE_b = MSE_b/WH;
        MSE_g = MSE_g/WH;
        MSE_r = MSE_r/WH;
    
        if(MSE_b != 0.)
        {
            PSNR_b = 10*log(pow(255.,2)/MSE_b);
        }
        if(MSE_g != 0.)
        {
            PSNR_g = 10*log(pow(255.,2)/MSE_g);
        }
        if(MSE_r != 0.)
        {
            PSNR_r = 10*log(pow(255.,2)/MSE_r);
        }
    
        PSNR = (PSNR_b+PSNR_g+PSNR_r)/3;
    
        CString str_PSNR;
        str_PSNR.Format("%f",PSNR);
        GetDlgItem(IDC_EDIT1)->SetWindowText(str_PSNR); 
    }
    //加载图像
    void CImagesQualityEvaluationToolDlg::OnBnClickedButton1()
    {
        CFileDialog  Dlg(1,NULL,NULL,OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT,_T("TXT Files(*.PNG)|*.JPG|All Files(*.*)|*.*"));
         //打开文件
        if(Dlg.DoModal() == IDOK)                   //是否打开成功
        {
            CString FilePathName;                   //文件名参数定义
            //FilePathName(_T(""));                 //初始化
            FilePathName =  Dlg.GetPathName();      //取得文件路径及文件名
            SetDlgItemText(IDC_EDIT3,FilePathName); //在一个地址为IDC_EDIT3的editbox中显示文件名
    
            char *p =(LPSTR)(LPCSTR)FilePathName;
    
            image_in_1 = imread(p);
    
            IplImage *Ipl_image_in;
            Ipl_image_in=&IplImage(image_in_1);
            DrawPicToHDC(Ipl_image_in, IDC_STATIC_P);//IDC_STATIC
        }
        else                                         //打开失败处理
        {
            MessageBox(_T("打开失败"),NULL,MB_OK);
        }
    
    }
    展开全文
  • 相机中影响成像质量参数

    千次阅读 2016-09-02 15:10:14
    相机中影响成像质量参数 随着数码技术软硬件的发展,数码相机在广告、新闻、出版等多领域得到了广泛的应用。其“所见即所得”的特点,以及不断提高的数码成像质量、不断完善的后期制作设备是数码相机能够...
  • 本报告重点介绍数字水印的嵌入与提取算法。数字水印根据水印的嵌入技术不同分为空间域数字...本报告将分别介绍数字水印的空间域算法和变换域算法,并结合图像质量评价参数峰值信噪比(PSNR)分析这两种算法的优缺点。
  • 数字图像处理

    千次阅读 2019-07-03 09:52:08
    一. 名词解释 1. 数字图像:是将一幅画面在空间上分割成离散的点(或像元),...3. 数字图像处理:采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 4. 图像增强:通过某...
  • 数字图像处理期末复习

    万次阅读 多人点赞 2019-12-02 16:01:26
    数字图像是图像的数字表示,像素是其最小单位。 数字图像的描述有: 无彩色图像 彩色图像 图像处理的研究目的 目的:满足人的视觉、心理需要;实际应用或某种目的的要求 数字图像处理的定义、特点 图像处理:对图像...
  • 数字图像处理期中学习报告

    千次阅读 多人点赞 2017-12-03 17:28:28
    数字图像处理数字图像处理 一学习内容总结 第一章 绪论 1 什么是数字图像处理 2 使用数字图像处理领域的实例 3 数字图像处理的基本步骤 4 图像处理系统的组成 第二章 数字图像处理基础 1 视觉感知要素 2 光和电磁...
  • 数字形式又可分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型; 3、 图像处理主要可以分为空间域处理和频率域处理,包括:图像平滑、图像锐化、图像复原和重建、小波和多分辨率处理、图像压缩、...
  • 数字图像期末复习

    万次阅读 2019-11-29 16:30:48
    数字图像基础 图像感知和获取 简单的图像形成模型 图像的取样和量化 数字图像表示 空间和灰度分辨率 像素间的一些基本关系 相邻像素 邻接性、连通性、区域和边界 灰度变换与空间滤波 基础知识 一些基本的灰度变换...
  • 数字图像处理》复习提纲

    千次阅读 2019-06-08 12:59:38
    本文在撰写过程中参考了由何东健教授主编、西安电子科技大学出版社出版的《数字图像处理》(第三版),一切著作权归原书作者和出版社所有。特别感谢长安大学软件系老师的认真负责的教导。 第1章 概论 1.1 数字...
  • 图像质量检测方法方式

    千次阅读 2018-05-23 11:41:53
    图像质量检测方法方式 本章只是简单来说说传统的,现在并不知道如何对图像内容质量进行检测的无监督办法。  . 1、全、半参考方法 图像的某些特征与原始图像的相同特征进行比较, 比如小波变换系数的概率分布、...
  • 数字图像处理入门

    万次阅读 2016-12-19 21:31:37
    什么是数字图像 简单地说, 数字图像就是能够在计算机上显示和处理的图像, 根据其特性可分为两大类一一位图和矢量圈。 位图通常使用数字阵列来表示, 常见格式有BMP、 1町、 GlF等:矢量图由矢量数据库表示,
  • 图像质量评价方法介绍

    千次阅读 2019-10-26 20:12:29
    1. 背景介绍 图像是人类感知和机器模式识别的重要信息源,其质量对所获取信息的充分性和...目前,图像质量评价从方法上可分为主观评价方法和客观评价方法,前者凭借实验人员的主观感知来评价对象的质量;后者依据...
  • 数字图像处理笔记

    千次阅读 2015-06-23 16:09:57
    数字图像处理基本概念 P3 图形采用矢量结果,而图像采用栅格结构 P3 根据图像的产生方法分为3类:可见图像、物理图像、数学图像 P3 可见图像:指视觉系统可以直接看见的图像。 P4 物理图像:反映物体的电磁波辐射...
  • 1.2数字图像获取时的基本参数 一、空间分辨率(单位为PPI):指数字图像像元所能分辨图标的大小 辐射分辨率:2的整数次幂 光谱分辨率 时间分辨率 二、数字图像获取时的特征参数 1、质量特征 a.空间分辨率:(决定因素...
  • 数字图像处理基本知识(一)

    千次阅读 多人点赞 2018-09-28 10:28:07
     主要记载学习数字图像处理的基本知识,仅供参考。 目录 一、什么是图像处理? 二、图像的数字化表达 三、数字图像处理的基本知识 一、什么是图像处理?  图像处理就是对图像信息进行加工处理,满足实际的...
  • 彩色数字图像处理基础

    千次阅读 2016-04-14 21:19:26
    彩色数字图像处理的知识路线:  可见光——视网膜———— 颜色模型————图像属性描述  有了一定的图像知识,对图像进行处理的时候,大多数都进行了灰度化,慢慢的以后才会接触彩色图像,因为是基础,所以就...
  • VC数字图像处理

    千次阅读 2013-10-19 18:38:17
    VC数字图像处理编程讲座之一 前言  数字图像处理技术与理论是计算机应用的一个重要领域,许多工程应用都涉及到图像处理,一直有一个强烈的愿望,想系统的写一个关于数字图像处理的讲座,由于工作学习很忙,时至...
  • 图像质量评价

    万次阅读 多人点赞 2018-03-11 10:52:18
    定量:主要是各参数指标,又分为 参考质量+非参考质量 参考质量:处理后的图和原图之间的相关质量度量,比如对比度提升,轮廓复原率,过饱和率,结构相似度, PSN, SSIM, RMSE and UIQ 非参考质量图像本身的一些...
  • 数字图像处理第八章——图像压缩

    万次阅读 2019-05-09 03:33:04
    数字图像处理第八章数字图像处理---图像压缩(一) 背景(二) 编码冗余2.1 霍夫曼码2.2 霍夫曼编码2.3 霍夫曼译码(三)空间冗余(四)不相关的信息(五)JPEG 压缩5.1 JPEG5.2 JPEG 2000(六)视频压缩6.1 MATLAB...
  • 数字图像处理-1.图像获取

    千次阅读 2019-07-05 15:26:45
    一、图像数字化 原理:图像数字化是将一幅画面转化成计算机能处理的形式——数字图像的过程。 将一幅图像分割成如图的一个个小区域(像元... 以一幅数字图像F左上角像素中心为坐标原点,一幅的数字图像用矩阵表...
  • 数字图像取证:初学者手册

    千次阅读 2019-07-07 16:14:29
    ---本文为Redi 在2011年所发文章Digital image forensics: a booklet for beginners的学习笔记与...数字图像取证是一个全新的研究领域,它的发展目标就是从通过复原图像历史信息的角度,证实图像的合理性。所以,...
  • 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流...
  • 快速看数字图像处理

    千次阅读 2020-07-06 09:51:05
    模拟图像用连续函数来表示,数字图像用矩阵和像素(图像在哪个点的值)表示主要就是有空间位置和灰度,它的空间位置和亮度都是整数值,图像处理包括图像数字化,图像数字化就是模拟图像变为数字图像,图像变换有利于...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 31,296
精华内容 12,518
关键字:

影响数字图像质量的参数