Table of Contents
معیارهای کیفیت تصویر ابزار ضروری در بینایی کامپیوتر برای ارزیابی و بهبود عملکرد الگوریتم ها هستند.آنها اقدامات کمی را ارائه می دهند که به ارزیابی اینکه چگونه یک تصویر با استانداردهای خاص یا معیارهای خاصی مطابقت دارد، کمک می کند.
شاخص های کیفیت تصویر مشترک
چندین معیار به طور گسترده ای برای ارزیابی کیفیت تصویر مورد استفاده قرار می گیرد.این شامل نسبت سیگنال به نورس (PSNR)، شاخص شباهت ساختاری (SSIM)، و به معنی خطای مربع (MSE) است که هر متریک ارائه می دهد بینش های مختلف در مورد وفاداری تصویر و کیفیت ادراکی.
محاسبه های متریک های کلیدی
PSNR بر اساس خطای میدان ساز معنی بین تصاویر اصلی و پردازش شده محاسبه می شود:
[[ویرایش] [۱۰] [۱۰] = ۱۰ [۱] [۱] [۱] [۱] [۱] [۱] [۱۰] [۱] [۱۰] [۱] [۲] [۲] [۲] [۱۰] [۲] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۳] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۳] [۳] [۳] [۱] [۳] [۳] [۲] [۲] [۲] [۱] [
در جایی که MAX حداکثر مقدار پیکسل ممکن تصویر است.
SIM درخشندگی، کنتراست و ساختار را برای ارزیابی شباهت ها در نظر می گیرد. محاسبه آن شامل مقایسه الگوهای محلی تناژ پیکسل است.
درخواست در Computer Vision
با محاسبه این معیارها، توسعه دهندگان می توانند الگوریتم پردازش تصویر را بهینه سازی کنند. تصاویر با کیفیت بالا منجر به تشخیص بهتر شی، تشخیص و دقت کلی سیستم می شوند.