基于多维特征指标的图像质量评价与统计分析系统

资 源 简 介

本项目旨在开发一套基于MATLAB的综合性图像处理与分析工具，专注于全方位计算和评估数字图像的物理属性与视觉质量。项目主要实现了十二项核心指标的算法逻辑，能够对单幅图像进行特征提取，或对成对图像进行差异性评估。具体功能包括：1. 基础统计特征计算，如灰度均值（反映亮度水平）、标准差与相对标准差（反映对比度与像素离散程度）；2. 图像质量客观评价，通过计算均方差（MSE）、均方根误差（RMSE）以及峰值信噪比（PSNR）来量化图像的失真程度与信号保真度，利用结构相似性（SSIM）指标从亮度、对比度和结构三个维度评估图像的视觉相似度；3. 信息论特征分析，计算图像信息熵以衡量信息丰富度，计算互信息（MI）和交叉熵（Cross Entropy）以评估两幅图像间的信息相关性与分布差异，特别适用于多模态图像配准与融合分析；4. 频域与纹理细节评估，包括空间频率（SF）计算、图像清晰度评价以及边缘强度检测，用于反映图像的纹理复杂度和聚焦程度。该系统代码结构清晰，适用于图像增强、去噪算法评估、医学影像分析及计算机视觉质量管控等多种应用场景。

详 情 说 明

基于多维特征指标的图像质量评价与统计分析系统

项目简介

本项目是一套基于 MATLAB 开发的综合性图像处理与分析工具，专注于全方位计算和评估数字图像的物理属性与视觉质量。系统集成了统计学特征、信息论分析、频域纹理检测以及全参考客观质量评价等四大维度的核心算法，旨在为图像增强、去噪算法评估、医学影像分析及计算机视觉质量管控提供量化依据。

代码通过清晰的模块化设计，实现了从单一图像的特征提取到成对图像（参考图 vs 失真图）的差异性评估，并提供直观的可视化报告。

主要功能特性

系统主要实现了十二项核心指标的算法逻辑，具体功能模块如下：

1. 基础统计特征分析

用于量化图像的基本亮度与对比度特性：

• 灰度均值 (Mean)：衡量图像的整体亮度水平。
• 标准差 (Standard Deviation)：反映图像像素值的离散程度，即对比度。
• 相对标准差 (RSD / 变异系数)：通过标准差与均值的比值，提供归一化的离散度量。

2. 图像质量客观评价 (全参考)

基于参考图像与失真图像的像素级对比，量化失真程度：

• 均方差 (MSE)：计算两幅图像像素差值的平方均值。
• 均方根误差 (RMSE)：MSE 的平方根，量纲与原像素一致。
• 峰值信噪比 (PSNR)：基于 MSE 计算的信号保真度指标，单位为 dB。
• 结构相似性 (SSIM)：从亮度、对比度和结构三个维度模拟人类视觉系统的感知差异 (自定义实现算法)。

3. 信息论特征分析

从信息含量的角度评估图像：

• 信息熵 (Entropy)：衡量单幅图像的信息丰富度与复杂度。
• 互信息 (Mutual Information, MI)：评估两幅图像之间的统计相关性。
• 交叉熵 (Cross Entropy)：衡量两幅图像概率分布之间的差异，常用于多模态分析。

4. 频域与纹理细节评估

反映图像的清晰度与空间变化率：

• 空间频率 (Spatial Frequency, SF)：基于行频与列频计算，反映图像纹理的整体活跃度。
• 边缘强度/清晰度 (Tenengrad)：利用 Sobel 算子提取梯度信息，衡量图像的聚焦程度与边缘锐度。

系统要求

• 软件环境：MATLAB
• 工具箱依赖：Image Processing Toolbox (用于图像读取 imread、滤波 imfilter、直方图 imhist 等基础操作)

使用方法

1. 将核心脚本文件放置于 MATLAB 当前工作路径下。
2. 直接运行 main 函数。
3. 系统将自动执行以下流程：

* 加载内置测试图像（默认为 Cameraman），若不存在则生成体模图像。 * 生成模拟失真图像（添加高斯模糊与随机噪声）。 * 计算所有评价指标。 * 在命令行窗口输出详细的统计分析报告。 * 弹出图形窗口显示可视化对比分析结果。

详细代码逻辑与算法实现分析

系统主程序 main.m 包含完整的数据流处理与核心算法子函数实现，具体逻辑如下：

1. 数据准备与预处理

程序首先尝试读取标准测试图 cameraman.tif，若读取失败则自动生成 Shepp-Logan 体模作为替代。

• 格式转换：统一将图像转换为灰度图，并将数据类型转换为 double (0-255 范围) 以保证计算精度。
• 失真模拟：为了演示全参考指标，代码通过 imfilter 施加 $5 times 5$ 的高斯模糊，并叠加标准差为 15 的高斯白噪声 (randn)，最后进行截断处理防止像素溢出。

2. 核心算法实现细节

#### A. 基础统计 (calc_basic_stats)

• 直接利用矩阵运算计算整体均值和标准差。
• 特殊处理：在此处增加了对零均值的判断，防止计算 RSD 时出现除以零的错误。

#### B. 误差类指标 (calc_error_metrics)

• MSE/RMSE：基于两幅图像的差值矩阵 (img1 - img2) 进行平方均值计算。
• PSNR：采用公式 $10 log_{10}(frac{255^2}{MSE})$ 计算。代码包含对 MSE=0 (无失真) 的情况处理，返回 Inf。

#### C. 结构相似性 (calc_ssim_custom) 未使用 MATLAB 内置函数，而是基于 Wang et al. 的算法进行了自定义实现：

• 参数设定：设定常数 $K_1=0.01, K_2=0.03$ 以及动态范围 L=255。
• 局部统计：使用 $11 times 11$ 的高斯加权窗口进行卷积 (filter2)，分别计算两幅图像的局部均值 ($mu_x, mu_y$)、局部方差 ($sigma_x^2, sigma_y^2$) 和协方差 ($sigma_{xy}$)。
• SSIM 映射：根据 SSIM 定义公式计算局部相似度图 (SSIM Map)，最终取全图均值作为输出。

#### D. 信息论特征 (calc_entropy & calc_mutual_info_cross)

• 信息熵：使用 imhist 获取归一化直方图作为概率分布 $p$，计算 $-sum p log_2 p$。代码中去除了 $p=0$ 的项以避免计算错误。
• 互信息 (MI)：

* 通过索引映射法 (idx = u1 + 1 + 256*u2) 和 accumarray 高效计算两幅图像的联合直方图 (Joint Histogram)。 * 基于公式 $MI = H(A) + H(B) - H(A,B)$ 求解。

• 交叉熵：计算参考图分布 $p$ 与失真图分布 $q$ 之间的差异：$-sum p(x) log_2 q(x)$。

* 平滑处理：为避免 $log(0)$，在分布 $q$ 中加入了极小值 epsilon ($10^{-10}$) 进行平滑。

#### E. 频域与纹理 (calc_spatial_texture)

• 空间频率 (SF)：分别计算图像在行方向和列方向的相邻像素差分，求其平方和均值的平方根。
• 清晰度 (Tenengrad)：

* 构造 Sobel 算子 ($G_x, G_y$)。 * 利用 conv2 对图像进行卷积计算水平和垂直梯度。 * 计算梯度幅值 $sqrt{G_x^2 + G_y^2}$ 并求均值，以此量化边缘能量。

3. 可视化输出

系统生成一个综合图表窗口，包含四个子图：

1. 参考图像：并在标签中展示其信息熵。
2. 失真图像：标题展示 PSNR 值，标签展示 SSIM 值，直观对比质量。
3. 绝对差异图：计算 abs(Ref - Dist) 并使用 Jet 彩色热力图显示，以此凸显噪声和失真分布区域。
4. 直方图对比：在同一坐标系下叠加显示参考图（蓝色）与失真图（红色）的灰度直方图，直观展示亮度分布的偏移和弥散情况。