【图像融合】评价方法（熵、均方根误差）
发布时间
阅读量：
阅读量
图像融合质量评价方法
一般分为主观和客观两类：
1、主观方法主要是观察者来评价融合结果的质量。
2、客观方法又分为两类：
(1)无参考图像评价方法(如信息熵)。
1)单一图像统计特征评价。
2)融合图像和原图像关系评价。
(2)有参考图像评价方法(如均方根误差)。
熵
说明：L表示图像灰度级别。Pi表示灰度值i像素占总像素比例。E越大表示融合图像信息量越大。
代码示例
function varargout= msg(varargin)
%函数功能：
% 函数msg求出输入图像的熵
%----------------------------------%
if nargin<1 %判断输入变量的个数
error('输入参数必须大于等于1.');
elseif nargin==1
varargout{1}=f(varargin{1});
end
end
function y= f(x)
%函数功能：
% 函数y=f(x)的功能是求出图像x的熵
%输入参数：
% x----输入的原图像
%输出参数：
% y----原图像的熵
%-------------------------------------------------%
x=uint8(x);
temp=unique(x); %temp就是x中全部不同的元素，例如x=[1,1,3,4,1,5];那么temp=[1;3;4;5]
temp=temp';
len=length(temp); %求出x矩阵中不同元素的个数
p=zeros(1,len); %p向量用来存储矩阵x中每个不同元素的个数
[m,n]=size(x);
for k=1:len
for i=1:m
for j=1:n
if x(i,j)==temp(1,k)
p(1,k)=p(1,k)+1;
end
end
end
end
for k=1:len
p(1,k)=p(1,k)/(m*n); %求出每个不同元素出现的频率
p(1,k)=-p(1,k)*log2(p(1,k));
end
y=sum(p);
end
函数调用
x1 = imread('lena.jpg');
x2 = imread('lena1.jpg');
x3 = imread('lena2.jpg');
subplot(1,3,1);imshow(x1);title('源图像');
subplot(1,3,2);imshow(x2);title('左模糊');
subplot(1,3,3);imshow(x3);title('右模糊');
out{1}= msg(x1);
out{2}= msg(x2);
out{3}= msg(x3);
fprintf('\n图像1的熵:%f\n',out{1});
fprintf('\n图像2的熵:%f\n',out{2});
fprintf('\n图像3的熵:%f\n',out{3});
运行结果
均方根误差
说明：均方误差越小，表示融合图像和参考图差异越小，融合效果越好。
代码示例
function varargout= rmse(varargin)
if nargin<2
error('输入参数必须大于等于2.');
elseif nargin==2
varargout{1}=h(varargin{1},varargin{2});
end
end
function r=h(f,g)
%函数功能：
% 函数r=h(f,g)求出两幅图像的均方根误差r
%输入参数：
% f----标准图像
% g----融合后的图像
%-------------------------------------%
f=double(f);
g=double(g);
[m,n]=size(f);
temp=[];
for i=1:m
for j=1:n
temp(i,j)=(f(i,j)-g(i,j))^2;
end
end
r=sqrt(sum(sum(temp))/(m*n));
end
函数调用
x1 = imread('lena.jpg');
x2 = imread('lena1.jpg');
x3 = imread('lena2.jpg');
subplot(1,3,1);imshow(x1);title('源图像');
subplot(1,3,2);imshow(x2);title('左模糊');
subplot(1,3,3);imshow(x3);title('右模糊');
out1= rmse(x1,x2);
out2= rmse(x1,x3);
fprintf('\n图像1、2的均方根误差:%f\n',out1);
fprintf('\n图像1、3的均方根误差:%f\n',out2);
运行结果
全部评论 (0)
还没有任何评论哟~