fitniqe
适合自定义模型的NIQE图像质量评分
语法
模型= fitniqe(imds)
model = fitniqe(imds,Name,Value)
描述
模型= fitniqe (洛桑国际管理发展学院）洛桑国际管理发展学院．
模型= fitniqe (洛桑国际管理发展学院，名称,值）
例子
使用自定义特征模型计算NIQE分数
训练一个自定义的NIQE模型，并使用训练过的模型计算自然图像的NIQE分数。
使用存储在图像数据存储中的自然图像训练自定义模型。
setDir = fullfile(toolboxdir(“图片”)，“imdata”）;imds = imageDatastore(setDir，“FileExtensions”, {“jpg”});模型= fitniqe(imds);
从37张图像中提取特征。完成37张图片中的3张。时间:计算... ..完成37张图片中的9张。时间:00:28或01:32。完成37张图片中的12张。时间:01:49的00:40。完成37张图片中的14张。时间:02:19的00:55。完成37张图片中的20张。 Time: 01:05 of 01:55 .. Completed 24 of 37 images. Time: 01:16 of 01:54 ..... Completed 37 of 37 images. Time: 01:27 of 01:27 Done.
读一幅自然景象的图片。显示图像。
I = imread(“car1.jpg”）;imshow(我)
使用自定义模型计算图像的NIQE分数。显示分数。
niqeI = niqe(I,model);流('图像的NIQE分数为%0.4f.\n'niqeI)
图像的NIQE分数为1.8601。
使用指定的块大小适合自定义NIQE模型
从一组自然图像创建一个自定义的NIQE模型。使用自定义模型计算新图像的NIQE分数。
从映像数据存储中加载映像。
setDir = fullfile(toolboxdir(“图片”)，“imdata”）;imds = imageDatastore(setDir，“FileExtensions”, {“jpg”});
使用图像数据存储创建NSS特性的自定义模型。指定块大小并使用默认的锐度阈值。
模型= fitniqe(imds，“BlockSize”(96年48))
从37张图像中提取特征。完成37张图片中的2张。时间:计算……完成37张图片中的3张。时间:06:57的00:27。完成37张图片中的9张。时间:02:25的00:41分。完成37张图片中的12张。时间:02:24的00:52。完成37张图片中的14张。 Time: 01:04 of 02:36 ... Completed 24 of 37 images. Time: 01:21 of 01:59 ... Completed 33 of 37 images. Time: 01:31 of 01:41 ... Done.
model = niqeModel with properties: Mean: [1x36 double] Covariance: [36x36 double] BlockSize: [48 96] SharpnessThreshold: 0
将自然图像读入工作区。显示图像。
I = imread(“yellowlily.jpg”）;imshow(我)
使用自定义模型计算图像的NIQE分数。显示分数。
niqeI = niqe(I,model);流('图像的NIQE分数为%0.4f.\n'niqeI)
图像的NIQE评分为2.9944。
输入参数
输出参数
提示
映像数据存储中指定的自定义数据集
洛桑国际管理发展学院应该包含对人类主体来说是感知上原始的图像。然而，的定义原始的这取决于应用程序。例如，一组原始的显微图像与建筑物或室外场景的图像具有不同的质量标准。在训练自定义NIQE模型时，使用具有不同图像内容和可能不同的质量标准集的图像。
参考文献
米塔尔，A. R. Soundararajan和A. C. Bovik。制作一个完全盲的图像质量分析仪IEEE信号处理规程．卷22，第3期，2013年3月，第209-212页。
在R2017b中引入
这个话题有用吗?
您也可以从以下列表中选择一个网站:
