全参考图像质量客观评价工具箱

资 源 简 介

本项目旨在开发一套基于MATLAB的图像质量评价（IQA）函数库，专注于全参考图像质量评估。项目集成了多种经典的客观评价指标，用于量化分析待测图像相对于原始参考图像的失真程度。主要包括以下功能核心：1. 峰值信噪比（PSNR）计算：通过比较信号最大可能功率与影响表示精度的腐蚀噪声功率，生成以分贝（dB）为单位的评分，广泛用于评估图像压缩重建质量；2. 均方根误差（RMSE）与均方误差（MSE）：计算两幅图像对应像素之间差值的平方和的均值及平方根，直接反映图像像素层面的差异强度；3. 正则均方误差（NMSE）：提供归一化的误差度量，消除了图像能量差异对误差评估的影响。该工具箱能够高效地处理灰度图像和彩色图像，为图像去噪算法、图像压缩算法以及图像传输系统的性能评估提供精确的数据支持和对比依据。

详 情 说 明

图像质量客观评价函数工具箱 (Image Quality Objective Evaluation Function Toolbox)

项目简介

本项目开发了一套基于 MATLAB 的图像质量评价（IQA）函数库，专注于全参考（Full-Reference）图像质量评估。项目能够定量分析待测图像相对于原始参考图像的失真程度。该工具箱不依赖外部图像文件，内置了图像合成引擎，能够自动生成基准图像及模拟失真图像，集成了多种经典的客观评价指标，并提供直观的可视化对比分析报告。

功能特性

• 多指标综合评价：集成了峰值信噪比（PSNR）、均方误差（MSE）、均方根误差（RMSE）和正则均方误差（NMSE）四种核心评价指标。
• 内置模拟数据生成：无需外部素材，程序自动生成基于正弦/余弦函数的平滑彩色基准图像，并模拟高斯白噪声与均值模糊产生的失真效果。
• 高精度计算：所有计算过程均将图像数据转换为双精度浮点数（double），以确保数学运算的精确性。
• 可视化分析报告：提供包含参考图像、失真图像、差异热力图及数值指标汇总的组合图表，直观展示评价结果。
• 由像素到统计的深度分析：不仅提供全局评分，还通过热力图展示像素级的误差分布。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

* 依赖函数包括：imfilter, fspecial, rgb2gray, imshow 等。

使用方法

1. 确保 MATLAB 环境已按系统要求配置完毕。
2. 将脚本文件添加至 MATLAB 路径或在当期目录下直接运行。
3. 程序启动后将自动执行以下流程：

* 生成合成的参考图像与失真图像。 * 在控制台输出各项指标的计算结果。 * 弹出一个独立的图形窗口，展示图像对比及详细的评估报告。

核心算法与实现逻辑

本项目的主程序逻辑分为数据准备、指标计算、结果展示三个主要阶段，具体实现细节如下：

1. 模拟数据生成机制

程序不读取本地文件，而是通过算法实时生成演示数据，逻辑如下：

• 参考图像生成：利用 meshgrid 生成网格坐标，结合正弦（sin）与余弦（cos）函数创建三个通道颜色平滑变化的RGB彩色图案，并转换为8位无符号整数（uint8）模拟真实图像格式。
• 失真模拟：

* 加噪：在参考图像基础上叠加标准差为20的高斯白噪声。 * 模糊：使用3x3的均值滤波器（Average Filter）对图像进行卷积处理。 * 值域控制：最终将像素值截断限制在 [0, 255] 范围内，防止数据溢出。

2. 图像质量评估指标实现

所有评估函数均在子程序中定义，确保了模块化和复用性。计算前统一将图像数据转换为 double 类型。

• 均方误差 (MSE)

* 原理：计算参考图像与失真图像对应像素差值的平方和的均值。 * 实现：对 R、G、B 三个通道的所有像素误差平方求和，除以像素总数（行×列×通道数），直接反映像素层面的差异强度。

• 均方根误差 (RMSE)

* 原理：MSE 的平方根。 * 实现：对计算出的 MSE 值开根号，量纲与原图像像素值一致，更符合直观物理意义。

• 正则均方误差 (NMSE)

* 原理：归一化的均方误差，不仅计算误差能量，还除以参考图像自身的总能量（像素平方和）。 * 实现：计算两幅图像差值的平方和，除以参考图像像素值的平方和。在大致包含零能量参考图像时有防除零保护。该指标消除了图像本身亮度/能量大小对误差评估的影响。

• 峰值信噪比 (PSNR)

* 原理：基于最大可能功率与噪声功率的比值，使用对数标度（dB）。 * 实现：设定图像位深峰值为 255。计算公式为 10 * log10((255^2) / MSE)。若两幅图像完全一致（MSE=0），则返回无穷大（Inf）。

3. 可视化报告生成

程序构建了一个包含四个子图的图形窗口：

• 子图1（左上）：显示原始生成的参考图像（Ground Truth）。
• 子图2（右上）：显示添加噪声和模糊后的待评价图像，并在标题中动态标注计算出的 PSNR 值。
• 子图3（左下）：展示差异热力图（Error Map）。通过计算两幅图像差值的绝对值，若为彩色图像则转为灰度，配合 jet 伪彩色映射，红色/暖色区域代表差异大，蓝色/冷色区域代表差异小。
• 子图4（右下）：纯文本展示区域。移除了坐标轴，以文本形式清晰列出 MSE, RMSE, NMSE, PSNR 四项指标的精确数值，其中 PSNR 重点高亮显示。

代码结构说明

• 环境初始化：代码执行伊始会自动清理命令行、工作区变量及关闭所有已打开的图窗，确保运行环境纯净。
• 主函数流程：负责统筹数据生成、调用计算子函数以及控制最终的绘图布局。
• 子函数封装：具体的数学运算逻辑被封装在四个独立的 Helper Functions 中，严格对应上述的四个评价指标，便于后续扩展或移植算法。