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

1.2. 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。。