实习报告---基于matlab图像性能评价系统

实习报告---基于matlab图像性能评价系统

ID:9854491

大小:192.46 KB

页数:5页

时间:2018-05-12

实习报告---基于matlab图像性能评价系统_第1页
实习报告---基于matlab图像性能评价系统_第2页
实习报告---基于matlab图像性能评价系统_第3页
实习报告---基于matlab图像性能评价系统_第4页
实习报告---基于matlab图像性能评价系统_第5页
资源描述:

《实习报告---基于matlab图像性能评价系统》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、生产实习报告实习项目基于matlab图像性能评价系统学生学院信息工程学院5生产实习报告----基于matlab数字图像性能评价系统1引言数字图像就是以数字形式的数据进行存储和处理的图像,利用计算机可以对它进行常规图像处理技术所不能实现的加工处理。近年来,随着多媒体技术和因特网技术的快速发展,数字图像处理技术与理论已成为计算机应用的一个重要领域,广泛应用于众多的科学与工应用,如遥感、医学、气象、通信等。在对图像进行数字化处理后,势必要涉及到图像质量评价。常用的处理方法有:(1)通过人眼主观视觉效果来判断。这种方法虽然简单,但由于太过主观化,不适合于自动化处理。(2)通过客观标准来衡量。通过

2、定义一些客观标准来对图像质量进行公式化的评估,尽管不是绝对有效,但可方便地用于计算机处理中。本文正是讨论评价图像质量的客观标准,以及通过MATLAB软件来实现。2图像质量评价的客观标准在实际应用中,我们经常会采用如下一些图像的数字特征来做为图像质量评估的主要客观标准。(1)均方误差(MSE)和峰值信噪比(PSNR)MSE和PSNR定义分别为:其中N,M分别是x方向、y方向图像像素点的个数,fij和fi′j分别是原始图像和重构图像在点(i,j)上的取值,L是图像中灰度取值的范围,对8比特的灰度图像而言L=255。峰值信噪比(PSNR)反映的是整个图像的失真程度,一般情况下,峰值信噪比(PS

3、NR)愈大的图像其质量愈高。(2)熵对一个随机事件E,如果它的出现概率是P(E),那么它包含的信息为:将一副静止图像看作一个具有随机输出的信源,信源符号集B定义为所有可能的符号的集合{bi},信源产生符号bi的概率是P(bi),那么一幅图像的平均信息率可用下式表示:将H(u)称为信息的熵,它定义了观察到单个信源符号输出时所获得的平均信息量。熵达到最大的情况出现在信源各符号的出现概率相等时,而信源此时提供最大可能的信源符号平均信息量。(3)综合评价指数5对两幅图像进行质量评价,只凭一个指标很难客观地反映出差别,如果把以上三个指标综合起来衡量会使评价更加客观,与主观的视觉感受会更加一致。图片

4、的质量与均方差(MSE)成反比例关系,与峰值信噪比(PSNR)、熵值(ENTROPY)成正比例关系,不妨设定综合评价指数=PSNR*ENTROPY/MSE,这样的话综合评价指数越高,图像质量就越高。3matlab主要代码functionpushbutton1_Callback(hObject,eventdata,handles)globalX[name,path]=uigetfile('*.*','');file=[path,name];axes(handles.axes1);X=imread(file);%读取图像handles.img=X;guidata(hObject,handle

5、s);imshow(X);%显示图像-----------------------------------------------------------------------------------------------------------------------functionpushbutton4_Callback(hObject,eventdata,handles)globalX%定义全局变量globalYglobala1[r,c]=size(X);mse_m=double(zeros(r,c));fori=1:rforj=1:cmse_m(i,j)=(X(i,j)-Y(

6、i,j))^2;endendmse=sum(mse_m(:))/(r*c)psnr=10*log(double(255*255/mse))/log(10)%%统计X图像各灰度值的像素点,概率统计以及图像的熵t(1:256)=0;fori=1:rforj=1:ct(Y(i,j)+1)=t(Y(i,j)+1)+1;endendfori=1:256t(i)=t(i)/(256*256);endentropy=0;fori=1:256ift(i)>0entropy=entropy-t(i)*log(t(i))/log(2);5endendentropyb=num2str(mse);c=num2s

7、tr(psnr);d=num2str(entropy);e=num2str(psnr*entropy/mse);%综合评价指数a1=psnr*entropy/mse;%needtoconverttheanswerbackintoStringtypetodisplayitset(handles.text14,'String',b);set(handles.text4,'String',c);set(handles.text6,'Str

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。