Как сравнить качество двух изображений?

Question

Я применил два разных алгоритма улучшения изображения на конкретном изображении и получил два результирующих изображения. Теперь я хочу сравнить качество этих двух изображений, чтобы найти эффективность этих двух алгоритмов и найти более подходящий на основе сравнение векторов функций этих двух изображений. Итак, какие подходящие векторы функций мне следует сравнить в этом случае?

Задача Iam в контексте сравнения особенностей текстур изображений и вектор функций будет более подходящей.

Мне нужна математическая поддержка для проверки эффективности любого одного алгоритма, основанного на оценке изображений, например, с использованием Constrast и Variance. Так есть ли еще какие-либо подходы?

Answer 1

Слайтон прав, вам нужна метрика и способ измерения против него, который может быть академическим проектом сам по себе. Тем не менее, я мог думать об одном подходе откладывая, не уверен, если это имеет смысл для вашей конкретной задачи под рукой:

---

Метрика: Сумма абс (colour difference) во всех пикселей. Чем ниже, тем более похожи изображения.

Метод: Для каждого пикселя, получить разницу абсолютного цвета (или расстояние, чтобы быть точным) в пространстве LAB между оригиналом и обработанным изображением и суммировать то вверх. Не разрушайте свой день, пытаясь понять всю статью в Википедии и кодируя это, это было сделано раньше. Попробуйте повторно использовать методы getDistanceLabFrom(Color color) или getDistanceRgbFrom(Color color) от this PHP implementation.
Он работал как очарование для меня, когда мне нужен был способ сопоставить цвет пикселей в jpg-изображении, что в принципе является тем же самым принципом.

---

Теория за ней (насколько мое ограниченное понимание идет): Это делает математическую абстракцию RGB или (лучше) лаборатории цветовое пространство как трехмерную комнату, а затем рассчитать расстояние, поэтому его хорошо работает - и вряд ли работал для меня, когда смотрел цветовой код с одномерной перспективы.

Answer 2

Лучшим подходом было бы сделать некоторое отношение шума/сигнала путем сравнения спектров изображений?

Answer 3

Обычный способ - начать с эталонного изображения (хорошего), а затем добавить к нему некоторый шум (контролируемым образом).

Затем ваш алгоритм должен удалить как можно больше от добавленного шума. Результаты легко сравниваются с соотношением сигнал/шум (см. Wikipedia).

Теперь подход прост в применении на простых моделях шума, но если вы хотите улучшить более сложные проблемы с внешним видом, вы должны разработать способ применения шума, что непросто.

Другой, довольно распространенный способ сделать это - это тот, который рекомендуется slayton: возьмите всех своих коллег, чтобы оценить выход вашего алгоритма, а затем сравните их впечатления.