Atitit 图像清晰度模糊度检测识别评价算法原理

1.1. 图像边缘一般都是通过对图像进行梯度运算来实现的1

1.2. Remark： 1

1.3. 1.失焦检测。衡量画面模糊的主要方法就是梯度的统计特征，通常梯度值越高，画面的边缘信息越丰富，图像越清晰。1

1.4. 利用边缘检测，模糊图片边缘会较少2

1.5. 通过dct比较。Dct分离出的低频信号比较2

1.6. 参考资料2

1.1. 图像边缘一般都是通过对图像进行梯度运算来实现的

1.2. Remark：

  1）肉眼可以分辨以上五幅图像的质量排名为：img42 > img81 > img77 > img29 > img183
  2）与主观感知一致的算法有：Brenner、Tenengrad、SMD、SMD2、Energy、Entropy、EAV、JPEG、JPEG2
  3）Variance、Vollath算法所得数据非常接近，无法分辨出图像质量。
4）Laplacian在判断img29 和 img183的时候出现失误，这两个图片的质量都非常差

Remark：
1）肉眼可以分辨以上图片的质量排名为：img20 > img228 > img56 > img152 > img23 > img215
2）与主观感知一致的算法有：Brenner、Tenengrad、Laplacian、SMD2、Energy、JPEG、JPEG2
3）Vollat、Entropy算法失误比较多。
4）SMD、EAV在判断img20和 img228的时候出现失误，这两个图片质量都非常好，肉眼有时候很难分辨，因此这种失误在可以接受的范围。
5）Variance在判断img23和 img215的时候出现失误，这两个图片质量都非常差。

1.3. 1.失焦检测。衡量画面模糊的主要方法就是梯度的统计特征，通常梯度值越高，画面的边缘信息越丰富，图像越清晰。

失焦的主要表现就是画面模糊，衡量画面模糊的主要方法就是梯度的统计特征，通常梯度值越高，画面的边缘信息越丰富，图像越清晰。需要注意的是梯度信息与每一个视频本身的特点有关系，如果画面中本身的纹理就很少，即使不失焦，梯度统计信息也会很少，对监控设备失焦检测需要人工参与的标定过程，由人告诉计算机某个设备正常情况下的纹理信息是怎样的。

1.4. 利用边缘检测，模糊图片边缘会较少

例如下面几张图，星星越少压缩率越高，图片大小越小的同时图片质量越差。你可以看到下图中，星星少的图片相对的边缘会更加模糊。当然，在一定的压缩率下肉眼是无法直接发觉画质的降低的（例如三星和四星）。

1.5. 通过dct比较。Dct分离出的低频信号比较

模糊图片细节少，所以dct更低。。

1.6. 参考资料

无参考图像的清晰度评价方法 - 凌风探梅的专栏 - 博客频道 - CSDN.NET.html

视频清晰度、色偏以及亮度异常检测 - lengwuqin的专栏 - 博客频道 - CSDN.NET.html

摄像机失焦检测思路 - lien0906的专栏 - 博客频道 - CSDN.NET.html

图像信号缺失或清晰度的检测算法 - qingkongyeyue的博客 - 博客频道 - CSDN.NET.html

作者:: 绰号:老哇的爪子（全名：：Attilax Akbar Al Rapanui 阿提拉克斯阿克巴阿尔拉帕努伊）

汉字名：艾提拉（艾龙）， EMAIL:1466519819@qq.com

转载请注明来源： http://www.cnblogs.com/attilax/

Atiend