Mahalaga ang pagsukat ng kalidad ng imahe sa iba't ibang larangan tulad ng pagpoproseso ng imahen, compression, at transaksyon. Dalawang karaniwang metrics na ginagamit ay Peak Signal-to-Noise Ratio (PSNR) at Structural Astity Index (SSIM). Ang artikulong ito ay nagpapaliwanag kung paano kakalkulahin ang mga metrikong ito sa pagsasagawa.
PAG - unawa sa PAG - ASA
Sinusukat ng PSNR ang pagkakaiba ng isang siksik o prinosesong imahe at ng orihinal na bersyon nito.Ipinahahayag ito sa decibel (dB). Ang mas mataas na halaga ng PSNR ay nagpapahiwatig ng mas mabuting kalidad.
Upang kalkulahin ang PSNR, una muna'y i-compilate ang Mean Squared Error (MSE) sa pagitan ng dalawang imahen:
MSE = (1 / ⁇ d ⁇ ⁇ ⁇ ⁇ ⁇ ) ⁇ (I orihinal - I processed)2
Pagkatapos, ang PSNR ay kinakalkula bilang:
PSNR = 10 × log10 (MAX I2 / MSE)
Kung saan ang MAX I ang sukdulang posibleng halaga ng pixel ng imahen (hal.g., 255 para sa 8-bit na mga imahe).
Pag - unawa sa ESPI
Sinusuri ng SSIM ang pagkakatulad ng dalawang imahen batay sa gaanyon, pagkakaiba, at istruktura.Ito ay nagbibigay ng halaga sa pagitan ng -1 at 1, kung saan 1 ay nagpapakita ng magkatulad na mga imahe.
Ang indise ng SIM ay kinakalkula gamit ang pormula:
⁇ = [( ⁇ xi ⁇ y + C1)(2 ⁇ xy + C2)] / [( ⁇ x2 + ⁇ y2 + C1)(σ x2 + ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ )]]
Kung saan ang ⁇ x at ⁇ y ay ang mga paraan ng mga imahe x at ⁇ , ⁇ x2 at ⁇ y2 ay ang mga dibersidad, σ xy ay ang covariance, at C1, C2 ay mga konstante upang patatagin ang division.
Praktikal na mga Tip sa Pagkalkula
Ang pag-iisyu ng mga kalkulasyong ito ay karaniwang kinasasangkutan ng paggamit ng mga aklatan ng pagpoproseso ng imahen tulad ng OpenCV o scikit-egion sa Python.Ang mga aklatan na ito ay nagbibigay ng mga tungkulin upang direktang mag-commute ng PSNR at SSIM, na pinasisimple ang proseso.
- Ang mga larawan ng sensur ay magkatulad ang laki at kulay.
- Gumamit ng mga representasyon ng lumulutang na-point para sa katumpakan.
- Ikapit ang wastong normalisasyon kung kinakailangan.
- Gamitin ang umiiral na mga gawain ng aklatan para sa kahusayan.