李英明,蔣霞,曹鳳蓮

(萊蕪職業(yè)技術(shù)學(xué)院信息工程系,山東萊蕪271100)

基于圖像邊緣區(qū)的圖像評價方法

李英明,蔣霞,曹鳳蓮

(萊蕪職業(yè)技術(shù)學(xué)院信息工程系,山東萊蕪271100)

通過對圖像處理中的縮放算法得到的圖像誤差進行分析,發(fā)現(xiàn)圖像誤差主要集中在圖像邊緣區(qū),進而提出了基于邊緣穩(wěn)定的圖像評價方法,實驗表明,該方法符合人的主觀視覺質(zhì)量需求.

圖像質(zhì)量評價；邊緣失真；降質(zhì)圖像

隨著計算機技術(shù)和數(shù)字技術(shù)的發(fā)展,數(shù)字圖像處理技術(shù)也得到了迅速的發(fā)展和應(yīng)用.數(shù)字圖像處理是用計算機對數(shù)字圖像進行處理,如對圖像進行縮放、壓縮等操作,這些操作往往會對圖像造成不同程度的損壞.為了形象地了解各種算法的效果,我們采用誤差可視化對以往的圖像縮放算法進行了分析研究,即恢復(fù)圖像的像素灰度值與輸入圖像中對應(yīng)像素的灰度差值的大小超過預(yù)設(shè)的閾值(閾值取8),就將誤差圖像中相應(yīng)位置的像素置為黑色,否則就置為白色.圖1(a)是經(jīng)典的pepper測試圖,圖1 (b)是經(jīng)過雙線性插值［1］圖像放大兩倍的圖像得到的誤差圖像,圖1(c)是采用考慮邊緣特征的laza插值［2］圖像放大算法的放大兩倍的圖像得到的誤差圖像.

從圖1(b)和圖1(c)中可以看到,無論哪種圖像縮放算法,圖像的誤差區(qū)主要集中在邊緣區(qū)域.這是因為圖像經(jīng)過處理后,可能會出現(xiàn)邊緣信息丟失、邊緣信息移位等,從而造成圖像失真.根據(jù)圖像的輪廓紋理模式,邊緣是圖像信息中最豐富的一部分,在人類視覺系統(tǒng)的內(nèi)容感覺中,邊緣信息具有很重要的作用.考慮到人類的視覺系統(tǒng)對圖像邊緣特征具有較強的敏感性［3］,在圖像處理算法設(shè)計中需要綜合考慮這些邊緣特征,這樣才能取得更好的效果,而目前的算法好壞的評價多采用主觀視覺和簡單的評價方法,不能準(zhǔn)確的反應(yīng)算法的改進效果.

目前圖像質(zhì)量評價方法很多,各有優(yōu)缺點.一般來說可分為主觀質(zhì)量評價法和客觀質(zhì)量評價方法.客觀質(zhì)量評價方法是圖像處理系統(tǒng)的重要指標(biāo),對于調(diào)整圖像質(zhì)量、優(yōu)化算法及檢驗系統(tǒng)意義重大.最常用的客觀質(zhì)量算法評價方法是均方誤差［4］(MSE,mean square error)和峰值信噪比［5］(PSNR,peak signal Noise ratio),這兩種方法比較直觀、嚴(yán)格、簡單,但是這兩種方法都是獨立地基于逐像素點比較圖像差別,把圖像中所有像素點同樣對待,因此它們只能近似地反映圖像的主觀視覺質(zhì)量,圖像處理評價中多采用這種方法.文獻［6-9］在分析了上述問題的基礎(chǔ)上,認為圖像質(zhì)量影響權(quán)重較大的是結(jié)構(gòu)相似性,Wang等提出了基于結(jié)構(gòu)相似度(SSIM,structural similarity)的圖像質(zhì)量測度—平均結(jié)構(gòu)相似度(MSSIM,mean SSIM),文獻［10］中利用了圖像的結(jié)構(gòu)、位置和數(shù)量信息,提出了基于內(nèi)容的圖像質(zhì)量評價方法.文獻［11］提出基于梯度及HVS特性的離焦模糊圖像質(zhì)量評價模型,這些方法都是綜合評價圖像的質(zhì)量,評價的方式一般用加噪聲圖像來比較,而不能準(zhǔn)確的反映圖像處理中出現(xiàn)的邊緣失真情況.本文針對邊緣穩(wěn)定的圖像質(zhì)量評價方法進行了研究,希望能為圖像處理算法提供一個更好的評價方法,更好的改進圖像處理技術(shù).

圖1 誤差圖

1 基于邊緣穩(wěn)定的圖像評價方法

基于邊緣穩(wěn)定的圖像質(zhì)量評價方法［12］的基本思想是人類的視覺系統(tǒng)對圖像邊緣特征具有較強的敏感性.在圖像處理中,圖像變形和模糊失真直接與圖像邊緣信息的穩(wěn)定性有關(guān),圖像邊緣有方向和幅度兩個特性,該文是首先把原始圖像M(i,j)和評價圖像Q(i,j)進行Canny算法［13-14］邊緣檢測,再對邊緣信息進行分析.

Canny算法的核心包括如下步驟：

(1)在邊緣檢測中,先用高斯濾波器平滑圖象,用C(x,y,σ)對圖像f(x,y)的平滑可表示為

其中

(2)利用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向,并對梯度幅值進行非極大值抑制,最后用雙閾值算法檢測和連接邊緣.計算圖像差分的公式如下：

在水平方向和垂直方向的Sobel內(nèi)核為

梯度的大小用如下公式計算：

梯度方向用如下公式計算：

在本文中控制邊緣連接的閾值=50,控制強邊緣分割閾值設(shè)為150.

這樣就把圖像劃分為邊緣區(qū)域和非邊緣區(qū)域,源圖像M(i,j)的邊緣圖像為和評價圖像的邊緣圖像=1,2,…,分別是兩副圖像的檢測到的邊緣像素點.

邊緣穩(wěn)定均方差和公式定義為

當(dāng)前，科技發(fā)展迅速，各種教具不同出現(xiàn)，為教師創(chuàng)新實驗教學(xué)方法提供前所未有的便利.然而教學(xué)過程中，部分教師認為只要在課堂上完成實驗即可，因此，不注重教學(xué)方法的創(chuàng)新，教學(xué)方法單一，一定程度上降低演示實驗的趣味性，無法調(diào)動學(xué)生的思考熱情，導(dǎo)致教學(xué)效果大大折扣.

EMSES結(jié)果越小,視覺感知相對較好.

2 實驗結(jié)果與分析

本文實驗采用Visual C++編程環(huán)境,測試圖像還是圖1(a),我們先對采用雙線性、雙三次、laza算法圖像放大算法得到的圖像進行測試,得到表1的結(jié)果.從表1得到的數(shù)據(jù)結(jié)果可以看出,所得到的EMSES的值與PSNR、MSSIM的結(jié)果一致,與圖像的主觀視覺質(zhì)量一致,而且數(shù)據(jù)差別更明顯.

表1 各種算法的EMSE比較結(jié)果

表2 對降質(zhì)圖像的測試結(jié)果

為了驗證此方法對一般損傷圖像的質(zhì)量評價效果,本文還通過對源圖像加高斯噪聲、椒鹽噪聲、泊松噪聲得到的三幅降質(zhì)圖像(圖2)進行測試,從圖2可以看出主觀視覺最差的是圖2(a),最好的是圖2 (c),介于兩者之間的是圖2(b).從表2測試數(shù)據(jù)可以看出,測試結(jié)果還是和PSNR、MSSIM及主觀視覺是一致的,由此可以看出,圖像的邊緣失真對圖像質(zhì)量的影響.

3 結(jié)束語

基于邊緣穩(wěn)定性的評價方法從考慮人眼的視覺對邊緣信息的敏感度的角度,分析圖像處理后的邊緣失真程度來評價圖像質(zhì)量,為以后有關(guān)圖像處理技術(shù)針對邊緣特征的算法設(shè)計提供了評價的標(biāo)準(zhǔn),本文只是對圖像邊緣丟失、移位、增加的邊緣像素進行了分析,未來可以對移位的距離等精確的信息進行進一步的研究.

圖2 側(cè)試圖

參考文獻

［1］Battiato S,Gallo G,Stanco F.A locally-adaptive zooming algorithm for digital images［J］.Image Vision and Computing Journal,2002,20(11)：805-812.

［2］王森,楊克儉.基于雙線性插值的圖像縮放算法的研究與實現(xiàn)［J］.計算機應(yīng)用,2008,27(7)：44-46.

［3］姚國正,劉磊,汪云九.視覺計算理論［M］.北京：科學(xué)出版社, 1988.

［4］呂華,沈西挺,胡希文.數(shù)字圖像質(zhì)量評價方法研究［J］.河北省科學(xué)院學(xué)報,2005,22(8)：119-120.

［5］李英明,夏海宏.雙二次B-樣條插值圖像縮放［J］.中國圖象圖形學(xué)報,2011,16(10)：1937-1943

［6］Wang Z,Bovik A C,Sheikh H R,et al.Image quality assessment：from error visibility to structural similarity［J］.IEEE Transactions on Image Processing,2004,13(4)：600-612.

［7］朱大龍,明軍.基于結(jié)構(gòu)失真的圖像質(zhì)量評價方法的研究［J］.計算機技術(shù)與發(fā)展2006,16(3)：1-4.

［8］Van Ouwerkerk J D.Image super-resolution survey［J］.Image and Vision Computing,2006,24：1039-1052.

［9］楊琬,吳樂華,李淑云,等.基于感興趣區(qū)域的圖像質(zhì)量評價方法［J］.計算機應(yīng)用,2008,28(5)：1030-1312.

［10］王濤,高新波,張都應(yīng).一種基于內(nèi)容的圖像質(zhì)量評價測度［J］.中國圖像圖形學(xué)報,2007,12(6)：1002-1007.

［11］黃隆華,陳志輝,彭小寧,等.基于梯度及HVS特性的離焦模糊圖像質(zhì)量評價［J］.計算機應(yīng)用研究,2010,27(2)：781-783.

［12］Avcibas I,Sankur B,Sayood K.Statistical evaluation of image quality measures［J］.Journal of Electronic Imaging,2012,11(2)：206-223.

［13］林卉,趙長勝,舒寧.基于Canny算子的邊緣檢測及評價［J］.黑龍江工程學(xué)院學(xué)報,2003,17(2)：3-6.

［14］劉瑞楨,于仕琪.Opencv教程［M］.北京：北京航空航天大學(xué)出版社,2007.

(編輯:姚佳良)

Evaluation method based on the image edge

LI Ying-ming,JIANG Xia,CAO Feng-lian
(Department of Information Engineering,Laiwu Vocational and Technical College,Laiwu 271100,China)

The image error analysis which is acquired from the image zooming algorithm in processing reveals that the image errors are mainly in image edge area.Then,we provide an evaluation method based on the image edge stability.The result of experiments shows that the method is consistent with the perceived image quality.

image quality；edge distortion；distorted image

1672―6197(2013)01―0042―04

TP391

A

2012- 12- 29

山東省教育廳科研項目(J10LG71)

李英明,女,lwaming@163.com