7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Критерий пространственного разрешения
Для экспериментальной оценки значения этого показателя используется тестовое изображение – мира, состоящая из набора штриховых объектов различного размера.
Каждый штриховой объект составлен из трех (иногда пяти) чередующихся полос постоянной яркости, имеющих определенную ширину.
Тестовое изображение предъявляется наблюдателю, которому следует указать самый маленький объект с еще различимыми полосами
(штрихами). Минимальная ширина штриха – показатель линейного разрешения.
Разрешающая способность – это частота штрихов в изображении того поля штриховой полосовой миры, в котором штрихи (или полосы) визуально воспринимаются еще раздельно, т. е. могут быть сосчитаны (мира разрешима).
Основным недостатком этого критерия является наличие наблюдателя, что затрудняет проведение экспериментов и порождает субъективные ошибки оценивания.
Чтобы определить критерий пространственного разрешения для изображения без участия наблюдателя, необходимо сформировать и затем усреднить ряд сечений яркости изображения в поперечном относительно расположения штрихов направлении.
По усредненному сечению следует проанализировать среднюю глубину перепадов между значениями минимумов и максимумов яркости.
В соответствии с общепринятым в оптике критерием Рэлея штрихи разрешаются, если средняя глубина перепадов яркости превышает 67 % от разности между максимальной и минимальной яркостью перепада.
24.05.2020 |
Автоматизированный анализ изображений |
21 |
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Пиковое отношение сигнала к шуму
Пиковое отношение сигнала к шуму PSNR обычно применяется для оценки шумов квантования, блочных шумов и артефактов на изображениях.
Актуально при оценке качества изображений, подвергнутых сжатию с потерями методом JPEG.
Сжатие JPEG включает квантование. Коэффициент сжатия изображения определяется используемой матрицей квантования; чем выше коэффициент сжатия, тем ниже качество восстановленного изображения.
Для оценки шумов квантования на изображении применяется PSNR вида:
N −1M −1 |
2 |
|
N −1M −1 |
|
2 |
|
|||
PSNR =10 lg ( |
Bmax |
) / |
|
|
|
||||
|
(Bi, j − Bi, j ) |
|
|||||||
0 |
0 |
|
|
0 |
0 |
|
|
|
|
Bmax – максимально возможное значение яркости пикселя на изображении;
Bi,j – яркость пикселя исходного изображения с координатами (xi, yj);
B’i,j – яркость пикселя преобразованного (подвергнутого сжатию) изображения с координатами (xi, yj);
N × M – размеры изображения.
24.05.2020 |
Автоматизированный анализ изображений |
22 |
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Пиковое отношение сигнала к шуму
При JPEG-сжатии каждый блок изображения обрабатывается раздельно
(коэффициенты ДКП вычисляются отдельно для каждого блока, возможно и использование различных матриц квантования для каждого блока); возникают
искажения, связанные с различными значениями яркости на границах блоков.
Оценка блочных шумов производится с использованием PSNR:
|
2 ) / (Ci, j − Ci, j )2 |
|
PSNR =10 lg ( Bmax |
|
|
Q Q |
Q Q |
|
|
|
|
Q – область границ между блоками на исходном и преобразованном (подвергнутом сжатию) изображениях;
Ci,j – контраст между блоками на исходном изображении в точке с координатами (xi, yj); C’i,j – контраст между блоками на преобразованном изображении в точке с координатами (xi, yj).
24.05.2020 |
Автоматизированный анализ изображений |
23 |
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Пиковое отношение сигнала к шуму
Артефакт – резкое (аномальное) изменение яркости преобразованного изображения относительно исходного, влияющее на качество изображения.
Рассчитать уровень шума артефактов можно по следующему выражению:
PSNR =10 lg |
|
( |
|
B |
2 |
) / |
|
( |
|
) |
2 |
|
|
|
|
|
|||||||||
|
|
|
|
max |
|
|
|
i, j |
i, j |
|
|
|
|
|
|
G |
|
|
|
G |
|
|
|
|
|
G – область на изображении с большими значениями градиентов яркости как на исходном, так и на преобразованном изображениях;
φi,j – градиент яркости на исходном изображении в точке с координатами (xi,yj);
Φ’i,j – градиент яркости на преобразованном изображении в точке с координатами (xi,yj).
Исходное |
Искаженные |
изображение |
изображения |
24.05.2020 |
Автоматизированный анализ изображений |
24 |
7. Оценка качества изображений. 7.2. Объективные критерии оценки качества изображений
|
Для решения задач оценки качества изображений и |
|
|
алгоритмов их обработки применяются и другие |
|
|
критерии, в том числе комплексные, сочетающие |
|
|
ранее перечисленные с различными весовыми |
|
|
коэффициентами (в зависимости от решаемой задачи, |
|
|
типа изображения и т. д.). |
|
|
Степень изменения признаков изображения, |
|
|
определенных в процессе его анализа, также может |
|
|
служить критерием качества изображения или |
|
|
метода его преобразования. |
|
|
Также могут применяться модели зрительной |
|
|
системы наблюдателя или элементы подобных |
|
|
моделей. |
|
|
Они совмещают в себе плюсы определения качества |
|
|
изображения на основе визуального восприятия и |
|
|
использования различных количественных |
|
|
критериев. |
|
|
Основным преимуществом применения моделей |
|
|
зрительного восприятия является то, что они |
|
|
позволяют количественно оценивать качество |
|
|
изображений, основываясь на особенностях |
|
24.05.2020 |
человеческого восприятия. |
25 |
Автоматизированный анализ изображений |
||
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Пример: Комплексный критерий оценки качества изображения (с учетом его восприятия зрительной системой исследователя) включает оценки
•уровня адаптации зрительной системы,
•полноты использования градаций яркости,
•резкости изображения, |
И.М. Журавель «Краткий курс |
|
теории обработки изображений» |
||
•контраста изображения. |
||
|
||
|
||
Оценка адаптации зрительной системы исследователя – значение |
||
отклонения уровня яркостной адаптации (средней яркости изображения) от его |
||
оптимального значения – половины максимально допустимого диапазона |
||
яркостей: |
|
|
|
|
|
Q |
=1 − |
B − B |
|
/ 2 |
|
|
|
||||
|
max |
|
|||
|
ad |
|
B |
/ 2 |
|
|
|
|
|||
|
|
|
max |
|
|
Оценка полноты использования допустимых градаций яркости
на изображении: |
|
|
|
|
|
Q |
= |
N |
lev |
||
|
|||||
|
|
||||
|
lev |
|
B |
|
|
|
|
|
max |
||
Nlev – количество уровней яркостей, которыми обладает более чем (Lev × N × M) элементов изображения (N × M – размеры изображения, Lev – постоянный множитель).
24.05.2020 |
Автоматизированный анализ изображений |
26 |
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Оценка резкости границ на изображении:
Q |
= |
R |
|
||
R |
|
B |
|
|
max |
где резкость границ на изображении зависит от скорости изменения яркости на изображении (для вычисления используется лапласиан):
|
|
|
( |
2 |
|
|
|
|
|
= |
|
|
||
( − ( |
||||
U(t) – видеосигнал; a и b – точки, расположенные на противоположных концах перепада.
Оценка контраста изображения, обобщенный контраст изображения:
|
|
|
B |
|
|
|
|
|
|
1 |
max |
2(B − B ) + B |
|
H dB |
|
Q |
= |
|
− 2(B − B ) + B |
||||
|
|||||||
C |
|
2B |
max |
max |
|
||
|
|
max |
0 |
|
|
|
|
|
|
|
|
|
|
H – гистограмма распределения яркостей элементов изображения.
24.05.2020 |
Автоматизированный анализ изображений |
27 |
7.Оценка качества изображений.
7.2.Объективные критерии оценки качества изображений
Комплексный критерий оценки качества изображения с учетом его восприятия зрительной системой исследователя:
QR = kQadQlevQRQC
k – нормирующий множитель.
Несмотря на многообразие применяющихся критериев оценки качества изображений, до сих пор не найден количественный критерий, дающий комплексное представление об изменениях в изображении, возникающих в процессе его анализа и обработки. В связи с этим при выборе критериев оценки качества медицинских изображений помимо цели этой оценки руководствуются особенностями исследуемых изображений и методов их преобразований. Оценка качества изображения при этом позволяет повысить эффективность систем анализа и обработки изображений за счет введения в них дополнительной цепи обратной связи.
24.05.2020 |
Автоматизированный анализ изображений |
28 |