К наиболее употребляемым объективным оценкам качества изображения относятся оценки, основанные на вычислении разности между исходным изображением и его восстановленной копией. Основными оценками качества восстановления изображения являются следующие[10]:
среднеквадратичная ошибка (Mean Square Error):
(15)
где A '[ m, n ] – значение (m,n) -го пикселя восстановленного кадра
Частным случаем критерия качества (17) для полутонового изображения диапазоном значений пикселей от 0 до 255 (max{ A (m, n)}=255) является отношение пикового сигнала к шуму (Peak-to-Peak Signal-to-Noise Ratio –PSNR):
(20)
Один из объективных способов измерения визуальных искажений состоит в оценке MSE между исходным и восстановленным изображениями. Параметры MSE достаточно объективны и повторяемы. Однако объективных оценок недостаточно, значения MSE не показывают, какие ошибки зритель заметит в первую очередь. Мера, которую сейчас чаще используют на практике, - это PSNR. Данная мера аналогична среднеквадратичному отклонению и ей присущи те же недостатки, что и среднеквадратичному отклонению, однако пользоваться ею удобнее из-за логарифмического масштаба шкалы.
1.6 Описание лабораторной работы
Источником сигнала является либо изображение (или видеопоследовательность), записанные на персональном компьютере либо изображение, поступившее с WEB-камеры. Затем оно поступает в программу, разработанную в среде LabView, и подвергается обработке. Результат обработки выводится на монитор (для возможности применения метода "шкалы деградации с двумя стимулами"), а вид изображения в свою очередь зависит от функций подпрограммы используемой студентом.
В лабораторной работе в зависимости от подпрограммы предлагается использовать различные виды изображения (или видеопоследовательности) с различными характеристиками:
Виды изображений:
· «Изучение квантования коэффициентов ДКП»:
- Iris Flower (цветок ирис) - изображение содержит как крупные детали, так и резкие переходы.
- Apple (яблоко), fullmoon (полная луна) – в изображении преобладают крупные детали, т.е. НЧ составляющие.
- Cars (машины)- на изображении преобладают плавные переходы (фон), дискретность изображение заметна даже при уровне квантования 8 бит.
- Lena (Лена) - содержит множество плавных цветовых переходов и наклонных границ.
· «Изучение дискретно косинусного преобразования»:
- Feather (перья) – имеются крупные детали и резкие цветовые границы.
- Baboon (бабуин) - есть крупная деталь (НЧ-составляющие) - морда бабуина, а также мелкие детали (ВЧ-составляющие) - шерсть на морде.
- House (дом) - на изображении преобладают плавные переходы (фон), имеются мелкие детали.
· «Изучение межкадровой корреляции»
- видеопоследовательность «Клара», «Контроль холла» - данные видеопоследовательности обладают большой межкадровой корреляцией (малая динамика изображения).
- видеопоследовательность «футбол», «теннис» - слабо коррелированные видеопоследовательности (очень динамичное изображение).
1.7. Описание лабораторного стенда
Ярлык для запуска программы расположен на рабочем столе.
Лицевая панель лабораторной установки приведена на рис.1, а на рис.2-4 приведены лицевые панели подпрограмм. Запускает объединенную программу «Изучение квантования коэффициентов ДКП» и «Изучение дискретно косинусного преобразования»;
1. «Пункт 2» запускает подпрограмму «Изучение межкадровой корреляции»;
2. «Web-Camera» запускает программу для работы с Web- камерой;