• 无参考图像的评价方法
  • Brenner 梯度函数
  • Tenengrad 梯度函数
  • Laplacian 梯度函数
  • SMD（灰度方差）函数
  • SMD2 （灰度方差乘积）函数
  • 方差函数
  • 能量梯度函数
  • Vollath函数
  • 熵函数
  • EAV点锐度算法函数
  • FFT 图像变换域
  • Reblur 二次模糊
  • NRSS 梯度结构相似度
• 有参考图像的评价方法
  • SSIM
• 参考

为了能采集到包含信息更加丰富的图像，需要使被采集对象成像在相机有效焦面范围内。

无参考图像的评价方法

假设代表图像点的像素，代表图像的清晰度参考系数。

Brenner 梯度函数

Tenengrad 梯度函数

代表着处的卷积。

Laplacian 梯度函数

和上面类似，只不过算子换成了拉普拉斯算子

SMD（灰度方差）函数

计算两个方向上的梯度之和

SMD2 （灰度方差乘积）函数

为了提高在焦面附近的分辨率，我们可以把系数适当的放大，计算两个方向上梯度乘积

方差函数

直接统计图像的方差，但此方法对噪声较为敏感 为图像的灰度均值

能量梯度函数

计算两个方向上的梯度平方和

Vollath函数

这个和方差计算比较类似，但是考虑到了领域之间的关系

熵函数

通过统计各灰度的出现频率，计算整幅图像含有的信息熵。其中是总的灰度等级，代表灰度为像素出现的概率

EAV点锐度算法函数

FFT 图像变换域

直接在频域分析图像，高频成分越多越清晰。

Reblur 二次模糊

清晰图像模糊后高频部分能量损失比较大，而模糊图像再次模糊化后高频损失较小。比较滤波前后的梯度变化就能分析出其清晰程度。

NRSS 梯度结构相似度

低通滤波后，用SSIM判断两幅图像之间的相似程度。

有参考图像的评价方法

SSIM

structural similarity index 评判两图像之间的相似程度。对比分析低通滤波前后图像的差异程度从而判断图像的清晰程度。 亮度对比对比度结构对比最终的信息为

可认为是某个系数的权重，一般为1就可以。只是为了让系数不为零，可自选。

参考

• 无参考图像的清晰度评价方法
• 百度百科 SSIM

https://siyaofa.com/pages/algorithm/md/%E5%9B%BE%E5%83%8F%E6%B8%85%E6%99%B0%E5%BA%A6%E5%88%A4%E6%96%AD.html