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 19:40
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