图片清晰度批量分级筛选工具--by iyuandou

iyuandou · 发表于 2024-4-13 15:25:45

星级打分

1
2
3
4
5

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
微信图片_20240413144931.png

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、微信图片_20240413152006.png

---------------------------------------------------------------------------------
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
微信图片_20240413193345.png

-------------------------------------------------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。