Atitit 圖像清晰度 模糊度 檢測 識别 評價算法 原理

1.1. 圖像邊緣一般都是通過對圖像進行梯度運算來實作的

1.2. Remark：

  1）肉眼可以分辨以上五幅圖像的品質排名為：img42 > img81 > img77 > img29 > img183

    2）與主觀感覺一緻的算法有：Brenner、Tenengrad、SMD、SMD2、Energy、Entropy、EAV、JPEG、JPEG2

    3）Variance、Vollath算法所得資料非常接近，無法分辨出圖像品質。

 4）Laplacian在判斷img29 和 img183的時候出現失誤，這兩個圖檔的品質都非常差

Remark：

 1）肉眼可以分辨以上圖檔的品質排名為：img20 > img228 > img56 > img152 > img23 > img215

    2）與主觀感覺一緻的算法有：Brenner、Tenengrad、Laplacian、SMD2、Energy、JPEG、JPEG2

 3）Vollat、Entropy算法失誤比較多。

 4）SMD、EAV在判斷img20和 img228的時候出現失誤，這兩個圖檔品質都非常好，肉眼有時候很難分辨，是以這種失誤在可以接受的範圍。

 5）Variance在判斷img23和 img215的時候出現失誤，這兩個圖檔品質都非常差。

1.3.  1.失焦檢測。 衡量畫面模糊的主要方法就是梯度的統計特征，通常梯度值越高，畫面的邊緣資訊越豐富，圖像越清晰。

  失焦的主要表現就是畫面模糊，衡量畫面模糊的主要方法就是梯度的統計特征，通常梯度值越高，畫面的邊緣資訊越豐富，圖像越清晰。需要注意的是梯度資訊與每一個視訊本身的特點有關系，如果畫面中本身的紋理就很少，即使不失焦，梯度統計資訊也會很少，對監控裝置失焦檢測需要人工參與的标定過程，由人告訴計算機某個裝置正常情況下的紋理資訊是怎樣的。

1.4. 利用邊緣檢測 ，模糊圖檔邊緣會較少

例如下面幾張圖，星星越少壓縮率越高，圖檔大小越小的同時圖檔品質越差。你可以看到下圖中，星星少的圖檔相對的邊緣會更加模糊。當然，在一定的壓縮率下肉眼是無法直接發覺畫質的降低的（例如三星和四星）。

1.5. 通過dct比較。Dct分離出的低頻信号比較

模糊圖檔細節少，是以dct更低。。