图片清晰度识别之改进ssim算法
共 2024字，需浏览 5分钟
· 2020-08-07
向AI转型的程序员都关注了这个号???
机器学习AI算法工程 公众号：datayx
针对图片的清晰度识别，针对数据量比较大，对性能要求较高时，简单可靠的算法尤为重要，因此，经过对比，发现SSIM的算法可以在结合图片的结构，亮度，对比度三个条件下对图片进行分析。
代码 获取：
关注微信公众号 datayx 然后回复 清晰度 即可获取。
step1：先将图片预处理裁剪
首先说明下我引用的用的python包：
裁剪图片视情况而定，主要结合业务需求将图片的大小裁剪成相同的尺寸，便于比较，因为我处理的大部分是新闻图片，因此将图片裁剪成512*400,并将彩色图片处理灰度化；
step2: 对图像进行分块处理
首先对图片进行分块处理，视情况而定，这里将整个图片均匀分为9块大小，每块为11*11的大小，对每块图片采用ssimFunction函数处理，计算SSIM，与传统的ssim不同的是，我增加了一步利用函数entropyFunc计算信息熵的过程。
（1）在ssimFunction函数中先对每一小块图片进行高斯处理，然后分别对原图和高斯模糊后图片进行sobel边缘提取。
（2）计算每一小块的SSIM和信息熵大小
（3）通过对所有小块，按照信息熵进行片排名，然后取Top（这里取top=10）SSIM做均值。最后1-均值即为清晰度得分。
其中信息熵的求解函数entropyFunc如下所示：
求解ssim的函数如下所示：
效果如下所示：
(越清晰分数越高)
参考文献：
1、https://blog.csdn.net/ecnu18918079120/article/details/60149864
2、https://blog.csdn.net/chaipp0607/article/details/70158835
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
机大数据技术与机器学习工程
搜索公众号添加： datanlp
长按图片，识别二维码