特定の画像に2つの異なる画像強調アルゴリズムを適用し、2つの結果の画像を取得しました。これら2つの画像の品質を比較して、これら2つのアルゴリズムの有効性を見つけ、比較に基づいてより適切なものを見つけたいと思いますこれらの2つの画像の特徴ベクトル.では、この場合、どの適切な特徴ベクトルを比較する必要がありますか?
画像のテクスチャ機能と、どの機能ベクトルがより適しているかを比較するコンテキストで質問しています。
たとえば、Constrast と Variance を使用した画像の評価に基づいて、任意のアルゴリズムの有効性を検証するための数学的なサポートが必要です。
より良いアプローチは、画像スペクトルを比較してノイズ/信号比を行うことですか?
通常の方法は、参照画像 (適切な画像) から始めて、それにノイズを (制御された方法で) 追加することです。
次に、アルゴリズムは、追加されたノイズから可能な限り除去する必要があります。結果は、信号対雑音比と簡単に比較できます (ウィキペディアを参照)。
現在、このアプローチは単純なノイズ モデルに簡単に適用できますが、より複雑な外観の問題を改善しようとすると、ノイズを適用する方法を工夫する必要があり、これは簡単ではありません。
もう 1 つの非常に一般的な方法は、slayton が推奨する方法です。すべての同僚にアルゴリズムの出力を評価してもらい、その印象を平均します。
Slayton の言うとおりです。指標とそれを測定する方法が必要であり、それ自体が学術プロジェクトになる可能性があります。ただし、目の前の特定のタスクに意味があるかどうかはわかりませんが、すぐに1つのアプローチを考えることができます。
Metric :すべてのピクセルの絶対値 (色差) の合計。低いほど、画像は類似しています。
方法: 各ピクセルについて、元の画像と処理された画像の間の LAB 空間で絶対色差 (正確には距離) を取得し、それを合計します。ウィキペディアの記事全体を理解しようとして一日を台無しにしないでください。コーディングは以前に行われています。メソッドを再利用するgetDistanceLabFrom(Color color)かgetDistanceRgbFrom(Color color)、この PHP 実装から再利用してみてください。
jpg画像のピクセルの色を一致させる方法が必要だったとき、それは私にとって魅力のように機能しました-これは基本的に同じ原理です.
その背後にある理論 (私の限られた理解が進む限り): RGB または (より良い) ラボの色空間を 3 次元の部屋として数学的抽象化を行い、距離を計算します。これがうまく機能する理由です。一次元の視点からカラーコードを見たときの私。