Индекс качества изображения что это: Что такое PQI? — Москва — Эксперт — интернет-магазин электроники и бытовой техники

Содержание

критерии влияющие на индекс PQI.

Многим пользователям бывает трудно выбрать определённую модель телевизора. Это неудивительно, так как в настоящее время существует большое многообразие самых различных вариаций тв-приёмников, которые отличаются друг от друга не только ценой, но и качеством. Сегодня, когда полки магазинов заполнены различными моделями телевизоров, возникает потребность в единой градации качества изображения. С этой целью различные компании создают самые различные рейтинги. Как, например, у компании Samsung был введён специальный параметр PQI для разных моделей тв-приёмников.

Содержание статьи

Что такое PQI в телевизоре
Критерии, влияющие на индекс PQI

Что такое PQI в телевизоре

Для телевизоров наиболее важным параметром является изображение. Для того чтобы сравнить различные модели телевизоров, пользователю нужно разбираться во многих тонкостях. Например, чем отличается размер экрана от его разрешения или как сравнивать уровни контрастности. Для того, что пользователю было удобнее ориентироваться в многообразии моделей, компания Samsung ввела удобную градацию качества изображения на своих моделях телевизоров. Этот параметр получил название PQI.

СПРАВКА! Данный индекс служит не только в качестве градации качества изображения, но и подразделяет модели по ценовым сегментам. Максимальное значение у этого рейтинга 2700, в то время как минимальное 100.

Следует уточнить, что ТВ устройства с параметром PQI 100 не всегда являются аутсайдерами в качестве изображения, так как даже минимальный параметр обеспечивает достойное изображение на экране телевизора. Конечно, ТВ с индексом в районе 100 будет уступать устройству, чей рейтинг превышает 2000, однако в качестве бюджетного телевизора данное устройство имеет право на существование.

Критерии, влияющие на индекс PQI

Данный рейтинг составляется на основе нескольких критериев, но главные, которые формируют номинальное значение, это разрешение и цвет. Следует рассмотреть каждый из них.

Разрешение показывает, какое качество изображения поддерживает телевизор. От простого HD и заканчивая ультрасовременной технологией 8k, которая появилась на рынке совсем недавно.

Параметр цвета отвечает за качество передачи цветовой гаммы на дисплее устройства. Обычно, телевизоры от компании Samsung подразделяют на две технологии передачи цвета Purcolor и Quantom Dot. Данные параметры учитываются в составлении рейтинга.

Индекс PQI позволяет пользователю выбрать устройство с наиболее качественным изображением. Чем выше устройство находится в этом рейтинге, тем лучше у него основные параметры, такие как:

Контраст яркости. Данный параметр отвечает за насыщенность цветов, а также за чёткость линий. Также контрастность немаловажна для отображения чёрного цвета. Зачастую некоторые технологии не могут правильно отобразить чёрный цвет на дисплее устройства. Однако с современными моделями эта проблема ушла в прошлое.
Движение. Данная характеристика отвечает за количество кадров в секунду. Частота смены кадры немаловажный параметр для комфортного просмотра фильмов и телепередач. Высокий уровень данной характеристики особенно необходим при просмотре спортивных программ.
Подавление шума. Во время передачи изображения, возможно некоторое «зашумление». Связано это с преобразованием сигналов, которое неизбежно сказывается на качестве картинки. Современные технологии позволяют свести эту проблему к минимуму.

Таким образом, любой пользователь сможет выбрать наиболее подходящую ему модель ТВ от Samsung, не вдаваясь в изучение подробных деталей о функционировании данных устройств.

ВНИМАНИЕ! Невооружённым глазом тяжело отличить модели, которые находятся на соседних местах в рейтинге. Например, модели с PQI 2000 и с PQI 2100 для простого обывателя будут идентичны. В то же время, если эти два параметра будут 100 и 2100, соответственно, разница между качеством изображения на этих двух устройствах будет чрезвычайно существенна.

Именно поэтому пользователь заранее может определить качество изображения на экране телевизора, не включая его. Достаточно лишь открыть техническую документацию или вбить данную модель в поиск. И выведенный индекс PQI покажет, насколько качественное изображение передаёт данный тв-приёмник.

Индекс качества изображения ( Image Quality Index) — Мегаобучалка

РЕФЕРАТ

На тему:

«Критерии оценивания качества воспроизведения изображений»

МИНСК, 2008

Алгоритмы, учитывающие систему визуального восприятия человека

Результаты объективных измерений должны хорошо согласовываться с результатами субъективных измерений для одной и той же видеопоследовательности. Это требование обуславливает главную сложность разработки объективных методов.

На практике, к сожалению, достаточно часто встречаются ситуации, когда исходное и обработанное изображение кажутся наблюдателю идентичными, в то время как объективные методы для тех же самых изображений дают очень большую ошибку. Учитывая то, что оценка качества человеком является решающей, подобная погрешность при объективных измерениях бывает просто не допустима. По этой причине был разработан ряд алгоритмов, учитывающих систему визуального восприятия человека.

Мультиразмерная ошибка

Одним из недостатков стандартных алгоритмов является тот факт, что вычисления ошибок производятся с учетом всего исходного изображения. Альтернативными являются измерения, имеющие некоторое сходство с системой визуального восприятия человека путем приписывания большего веса фрагментам с низким разрешением, и меньшего веса детальным изображениям.

Рассмотрим различные уровни разрешения, которые обозначим через r ≥ 1. Для каждого уровня r изображение разбивается на блоки c b ₁ по b_n,где n зависит от шкалы r. Например, при r = 1 (самое низкое разрешение), только один блок покрывает все изображение, которому соответствует средний уровень яркости g. При r = 2 мы имеем уже четыре блока размером со средними уровнями яркости g₁₁, g₁₂, g₂₁, g₂₂. На r-м уровне разрешения мы будем работать с блоками размером , которым соответствуют уровни яркости g_ij, ij=1… . Таким образом, к каждому блоку b_ij, принадлежащему изображению , приписывается уровень яркости g_ij, а соответствует изображению . Среднее искажение уровня яркости при разрешении r имеет вес 2^r. Следовательно, ошибка на этом уровне имеет вид:

(1)

где 2 ^r-1 — количество блоков по i или по j индексам. Если рассматривать всю совокупность из R уровней разрешения, тогда оценка искажения будет выражена через сумму всех уровней разрешения r = 1… R , т.е.

(2)

Величина R (количество уровней разрешения) определяется начальным разрешением исходного цифрового изображения. К примеру, для изображения размером 512*512 R примет значение равное 9. Общая оценка искажений в видеосигнале выглядит следующим образом:

(2)

Индекс качества изображения ( Image Quality Index)

Данный алгоритм выглядит следующим образом. Пусть и есть исходное и обработанное изображения соответственно. Тогда индекс качества изображения вычисляется следующим образом:

(3)

где

(4)

(5)

(6)

(7)

(8)

Индекс Q принимает всевозможные значение на промежутке [-1, 1]. Наилучшее значение индекса качества достигается тогда и только тогда, если x_i= y_iдля всех i = 1,2,…N и принимает значение равное единице. Наихудший вариант (-1) происходит когда y_i=2x — x_i_.для всех i = 1,2,…N . Данный индекс качества рассматривает любые искажения как совокупность трех различных факторов: потеря корреляции, искажение яркости и искажение контрастности. Первая компонента — это коэффициент корреляции между x и y, принадлежащая промежутку [-1, 1]. Наилучшее значение достигается когда y_i= ax_i + b для всех i = 1,2,… N, где a и b — константы и a >0. Даже если x и y находятся в линейной зависимости могут иметь место другие искажения, устанавливаемые во второй и третьей компонентах. Вторая компонента, принимающая значения на промежутке [0,1] определяет степень схожести яркостных составляющих двух изображений x и y. Она принимает значение равное 1 тогда и только тогда, если . А и рассматриваются как оценка разности контраста между x и y, та же принимающая значения на промежутке [0,1] и имеющая наилучший результат при .

Универсальный индекс качества изображения — документация PyTorch-Metrics 0.8.0

Интерфейс модуля

класс Torchmetrics.universalimagequalityIndex ( Kernel_size = (11, 11) , Sigma = (1,5, 1,5) , Русбрука kwargs )[источник]

Вычисляет универсальный индекс качества изображения (UniversalImageQualityIndex).

Параметры

kernel_size ( Sequence [ int ]) — размер гауссовского ядра
сигма ( Последовательность [ число с плавающей запятой ]) – Стандартное отклонение ядра Гаусса
уменьшение ( Литерал [‘элементарное_среднее’, ‘сумма’, ‘нет’, Нет]) —
метод уменьшения метрической оценки над метками.
- 'элементное_среднее' : принимает среднее значение (по умолчанию)
- 'сумма' : принимает сумму
- 'нет' или Нет : сокращение не применяется
data_range ( Дополнительно [ float ]) — диапазон изображения. Если None , то определяется по изображению (max — min)
Compute_on_step ( Дополнительно [ bool ]) –
Forward только вызывает update() и возвращает None, если для этого установлено значение False.
Устарело, начиная с версии v0.8: Аргумент больше не используется и будет удален v0.9.
kwargs ( Dict [ str , Any ]) — дополнительные аргументы ключевого слова, дополнительные сведения см. в разделе Дополнительные параметры метрики.

Возвращает

Тензор с оценкой UniversalImageQualityIndex

Пример

 >>> импортный факел
>>> из torchmetrics импортировать UniversalImageQualityIndex
>>> preds = torch.rand([16, 1, 16, 16])
>>> цель = предыдущая * 0,75
>>> uqi = УниверсальныйИндексКачестваИзображения()
>>> uqi(предыдущие,целевые)
тензор (0,9216)

Инициализирует внутреннее состояние модуля, совместно используемое как nn. Module, так и ScriptModule.

вычислить () [источник]

Вычисляет объясненную дисперсию по состоянию.

Тип возврата: Тензор

обновление ( предыдущее , цель ) [источник]

Обновление состояния с прогнозами и целями.

Параметры
Тип возврата: Нет

Функциональный интерфейс

torchmetrics.functional.universal_image_quality_index( preds , target , kernel_size=(11, 11) , sigma=(1.5, 1.5) , reduce=’elementwise_mean’ , data_range=None )

Универсальный индекс качества изображения.

Параметры

pres ( Tensor ) – расчетное изображение
цель ( тензор ) – истинное изображение
размер_ядра ( Sequence [ int ]) – размер ядра Гаусса
сигма ( Последовательность [ число с плавающей запятой ]) – Стандартное отклонение ядра Гаусса
сокращение ( Необязательный [ Литерал [‘элементное_среднее’, ‘сумма’, ‘нет’]]) —

метод уменьшения метрической оценки над метками.
- 'elementwise_mean' : принимает среднее значение (по умолчанию)
- 'сумма' : принимает сумму
- 'нет' или Нет : сокращение не применяется
data_range ( Дополнительно [ float ]) — диапазон изображения. Если None , то определяется по изображению (max — min)

Тип возврата

Тензор

Возвращает

Тензор с оценкой UniversalImageQualityIndex

Поднимает

TypeError — если pres и target не имеют одного и того же типа данных.
ValueError — Если предшествует и цель не имеет формы BxCxHxW .
ValueError — Если длина kernel_size или sigma не равна 2 .
ValueError — Если один из элементов kernel_size не является нечетным положительным числом .
ValueError — Если один из элементов сигма не является положительным числом .

Пример

 >>> из torchmetrics.functional импорта universal_image_quality_index
>>> preds = torch.rand([16, 1, 16, 16])
>>> цель = предыдущая * 0,75
>>> universal_image_quality_index(pres, target)
тензор (0,9216)

Каталожные номера

[1] Чжоу Ван и А. К. Бовик, «Универсальный индекс качества изображения», в IEEE Signal Processing Letters, vol. 9, нет. 3, стр. 81-84, март 2002 г., doi: 10.1109/97.995823.

[2] Чжоу Ван, А. С. Бовик, Х. Р. Шейх и Е. П. Симончелли, «Оценка качества изображения: от видимости ошибок к структурному сходству», в IEEE Transactions on Image Processing, vol. 13, нет. 4, стр. 600-612, апрель 2004 г. , doi: 10.1109/TIP.2003.819861.

Показатели качества изображения — MATLAB и Simulink

Основное содержание

Показатели качества изображения

Качество изображения может ухудшиться из-за искажений во время получения и обработки изображения. Примеры искажения включают шум, размытие, звон и сжатие. артефакты.

Были предприняты усилия для создания объективных показателей качества. Для многих приложений ценная метрика качества хорошо коррелирует с субъективным восприятием качества человек-наблюдатель. Метрики качества также могут отслеживать незамеченные ошибки по мере их распространения. через конвейер обработки изображений и может использоваться для сравнения обработки изображений алгоритмы.

Если доступно изображение без искажений, вы можете использовать его в качестве эталона для измерения качество других изображений. Например, при оценке качества сжатого изображения, несжатая версия изображения обеспечивает полезную ссылку. В этих В некоторых случаях вы можете использовать полные эталонные метрики качества для прямого сравнения целевого изображения. и эталонное изображение.

Если эталонное изображение без искажений недоступно. вы можете использовать без ссылки метрика качества изображения вместо этого. Эти показатели вычисляют показатели качества на основе ожидаемых статистика изображения.

Показатели качества полного эталона

Алгоритмы полного эталона сравнивают входное изображение с исходным эталоном изображение без искажений.

Метрика	Описание
`immse`	13 ошибка. MSE измеряет средний квадрат разница между реальными и идеальными значениями пикселей. Этот показатель прост в расчете, но может не совпадать с человеческим восприятие качества.
`psnr`	Пиковое отношение сигнал/шум (pSNR). pSNR получается из среднего квадратичная ошибка и указывает отношение максимальной интенсивности пикселей к мощности искажения. Как и MSE, показатель pSNR прост. рассчитать, но может не совпадать с воспринимаемым качественный.
`ссим`	Индекс структурного подобия (SSIM). Метрика SSIM объединяет локальную структуру изображения, яркость и контраст в единый локальный показатель качества. В этой метрике структур являются шаблонами пикселей интенсивности, особенно среди соседних пикселей, после нормализация яркости и контрастности. Поскольку зрительное восприятие человека система хорошо воспринимает структуру, показатель качества SSIM более близко согласуется с субъективным качеством счет.
`multissim` `multissim3`	Многомасштабный индекс структурного сходства (MS-SSIM). MS-SSIM метрика расширяет индекс SSIM, объединяя информацию о яркости на самом высоком уровне разрешения со структурой и контрастом информация в нескольких пониженных разрешениях или масштабах. несколько шкал учитывают изменчивость восприятия изображения детали, вызванные такими факторами, как расстояние просмотра от изображения, расстояние от сцены до сенсора и разрешение изображения датчик приобретения.

Поскольку структурное сходство вычисляется локально, ssim , multissim и multissim3 могут генерировать карта качества по изображению.

Показатели качества без эталонов

Алгоритмы без эталонов используют статистические характеристики входного изображения для оценки качество изображения.

Метрическая система	Описание
`brisque`	Оценщик пространственного качества слепых/безопорных изображений (BRISQUE). А Модель BRISQUE обучается на базе изображений с известными искажений, а BRISQUE ограничивается оценкой качества изображения с одинаковым типом искажения. БРИСК это осведомленный о мнении , что означает субъективный показатели качества сопровождают обучающие изображения.
`niqe`	Оценщик качества естественного изображения (NIQE). Хотя модель NIQE обученный на базе исходных изображений, NIQE может измерить качество изображения с произвольным искажением. NIQE это мнение не знает и не использует субъективные показатели качества. Компромисс заключается в том, что оценка NIQE изображение может не коррелировать так же, как оценка BRISQUE с человеческим восприятие качества.
`пикс`	Оценщик качества изображения на основе восприятия (PIQE). ПИКЕ алгоритм не знает мнения и неконтролируемый , что означает, что для этого не требуется обученная модель. PIQE может измерять качество изображений с произвольными искажениями и в большинстве случаев работает аналогично NIQE. PIQE оценивает поблочное искажение и измеряет локальную дисперсию заметно искаженных блоков, чтобы вычислить показатель качества.

Алгоритмы BRISQUE и NIQE рассчитывают показатель качества изображения с вычислительная эффективность после обучения модели. PIQE менее вычислительно эффективным, но он обеспечивает локальные меры качества в дополнение к глобальному качеству. счет. Все метрики качества без эталонов обычно превосходят метрики с полными эталонами в условия соглашения с субъективной оценкой человеческого качества.

Индекс качества изображения что это: Что такое PQI? — Москва