星级打分
平均分:NAN 参与人数:0 我的评分:未评
本帖最后由 iyuandou 于 2024-4-17 02:57 编辑
你是否同我一样,面对上万张图,特烦那些不清晰的混乱其中?
为了解决这个烦恼,自己写了个小工具,可以将图片按清晰度分级,方便选择合适的src
根据你输入的阀值,自动筛选低于此值的图片到 选择目录下的 “模糊的” 子目录下,可重复选择子目录,调整阀值从而达到不同清晰度的图片批量分级,方便你对src图片的使用。
使用说明:
1、下载安装运行环境(百度盘里也提供了):windowsdesktop-runtime-8.0.4-win-x64.exe
2、运行:图像清晰度筛选.exe
3、
---------------------------------------------------------------------------------
小升级版已共享,请网盘下载后放原目录中运行即可。升级了对下级目录名称的修改,更方便定位选择SRC图片
-------------------------------------------------以下为学习记录------------------------------------------------------------- 在OpenCvSharp中,用于图像质量评估的算法主要包括以下几种: PSNR(Peak Signal-to-Noise Ratio):峰值信噪比是一种常用的图像质量评估指标,用于比较原始图像与压缩或失真图像之间的相似程度。 SSIM(Structural Similarity Index):结构相似性指数是一种用于衡量两幅图像之间结构相似性的指标,它不仅考虑了亮度的变化,还考虑了图像结构的变化。 MSE(Mean Squared Error):均方误差是一种用于衡量两幅图像之间差异的指标,它计算了每个像素的差值的平方,并对所有差值取平均值。 MAE(Mean Absolute Error):平均绝对误差是一种衡量两幅图像之间差异的指标,它计算了每个像素的差值的绝对值,并对所有差值取平均值。 BRIS(Blind/Referenceless Image Spatial Quality Evaluator):BRIS算法是一种无参考图像质量评估方法,也称为“盲评估”方法,因为它不需要原始未受损的图像作为参考。相比于需要参考图像的评估方法,无参考方法更加灵活,适用于实际场景中无法获取原始图像的情况。BRIS算法通过对图像空间域进行分析,评估图像的失真程度。它基于图像的局部结构信息,例如边缘、纹理等,来估计图像的质量。BRIS算法可以用于评估图像在压缩、传输或处理过程中的质量损失,以及在图像增强或复原等任务中的效果。在OpenCvSharp中,BRIS算法可能作为图像质量评估的一部分提供,可以用于衡量图像处理算法的效果或优化图像处理流程。 GMSD(Gradient Magnitude Similarity Deviation):基于图像的梯度信息,通过比较原始图像和失真图像之间的梯度相似性来评估图像质量。具体来说,GMSD算法首先计算原始图像和失真图像之间的梯度图像,然后计算两幅图像梯度图像的均方差(MSE)。这个均方差反映了两幅图像梯度分布的差异程度,进而可以用来评估图像的质量。GMSD算法的优点之一是对亮度变化较为鲁棒,能够较好地评估图像的结构失真。在OpenCvSharp中,GMSD算法可以作为图像质量评估的一种选择,用于评估图像在压缩、传输或处理过程中的质量损失程度。
|