基于MATLAB的多维度图像质量客观评价工具箱

资 源 简 介

本项目主要基于MATLAB平台开发一套完善的图像质量客观评价系统，旨在通过多种数学模型和统计学方法对数字图像的质量进行定量分析。系统集成了六大核心评价指标，能够全方位地评估图像的清晰度、信息量、结构保真度以及噪声水平。具体功能包括：1. 图像熵（Entropy）计算，用于衡量图像中包含的平均信息量，反映图像的纹理复杂程度；2. 空间频率（Spatial Frequency）分析，通过计算图像的行频和列频来量化图像的整体活跃水平和清晰度；3. 结构相似度（SSIM）及其加权改进版（Weighted SSIM），从亮度、对比度和结构三个维度对比参考图像与失真图像，模拟人眼对图像结构信息的感知特性；4. 加权峰值信噪比（WPSNR），在传统PSNR基础上引入人眼视觉系统（HVS）特性，对不同区域的噪声进行加权计算，比单纯的信噪比更符合主观感受；5. 交叉熵（Cross Entropy）计算，用于衡量两幅图像（如原图与处理后图像）之间概率分布的差异，差异越小代表越相似。该项目适用于图像压缩、图像增强、去噪算法的效果评估以及视频传输质量监控等领域，支持单张对比及批量处理功能。

详 情 说 明

多维度图像质量客观评价指标体系与计算工具

项目简介

本项目基于 MATLAB 平台开发了一套完善的图像质量客观评价系统。该系统旨在通过多种数学模型和统计学方法，对数字图像的质量进行定量分析。系统集成了六大核心评价指标，能够全方位地评估图像的清晰度、信息量、结构保真度以及噪声水平。项目内置了完整的演示流程，能够自动加载参考图像，模拟失真环境（模糊与噪声），并计算对比指标，最终以图表形式直观展示评价结果。

功能特性

本工具集成了以下核心评价指标和功能：

1. 图像熵 (Entropy)：计算图像中包含的平均信息量，反映图像的纹理复杂程度和细节丰富度。
2. 空间频率 (Spatial Frequency)：通过分析行频率 (RF) 和列频率 (CF)，量化图像的整体活跃水平和清晰度。
3. 结构相似度 (SSIM)：从亮度、对比度和结构三个维度模拟人眼视觉系统，对比参考图像与失真图像的相似程度。
4. 加权结构相似度 (Weighted SSIM)：在 SSIM 的基础上改进，利用图像局部方差计算权重，模拟人眼对纹理丰富区域结构变化更为敏感的特性。
5. 加权峰值信噪比 (WPSNR)：引入人眼视觉系统 (HVS) 特性，利用噪声可见度函数 (NVF) 对均方误差进行加权，比传统 PSNR 更符合主观视觉感受。
6. 交叉熵 (Cross Entropy)：衡量两幅图像（参考图与失真图）之间灰度概率分布的差异，差异值越小代表两幅图像的统计特性越相似。
7. 可视化展示：提供包含原图、失真图、SSIM 相似度图谱、绝对误差热力图以及详细指标数据表的综合界面。

系统要求

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

核心算法与实现逻辑

本系统的核心代码实现流程如下：

1. 图像加载与预处理

程序启动后，首先初始化参数（窗口大小、高斯加权参数等）。系统尝试加载内置的 peppers.png 作为参考图像（若缺失则生成随机图像），并将其归一化至 double 精度 [0, 1] 范围。若由于计算需要，图像会自动转换为灰度图。

2. 失真模拟

为了演示评价效果，代码内部通过数学方法生成一幅失真图像：

• 模糊处理：使用高斯低通滤波器（Gaussian Blur）对图像进行平滑处理。
• 噪声添加：叠加随机高斯噪声。
• 截断处理：确保生成的像素值保持在有效范围 [0, 1] 内。

3. 指标计算细节

• 图像熵计算：

将图像量化为 256 个灰度级，计算直方图概率分布，利用香农熵公式 -sum(p * log2(p)) 计算平均信息量。

• 空间频率计算：

利用差分算法分别计算图像在行方向和列方向的梯度变化，通过公式 SF = sqrt(RF^2 + CF^2) 合成总空间频率，以此衡量图像的锐度。

• 交叉熵计算：

对参考图像和失真图像分别计算归一化直方图。为了数值稳定性，在对数计算中引入极小值 epsilon。通过比较两个概率分布，量化二者的差异性。

• 结构相似度 (SSIM)：

采用 Wang 等人提出的经典算法。使用高斯滑动窗口计算局部均值、方差和协方差。 * 计算亮度、对比度、结构三个分量的乘积。 * 生成像素级的 SSIM Map（局部相似度图）。 * 计算全图的平均 SSIM 值。

• 加权结构相似度 (WPSNR)：

为了更好地模拟人眼对图像内容的关注差异，代码实现了一种基于内容的加权策略： * 计算图像的局部方差图。 * 使用对数尺度 log(1 + variance) 构建权重图，使得纹理丰富区域拥有更高的权重。 * 对 SSIM Map 进行加权平均，得出最终评分。

• 加权峰值信噪比 (WPSNR)：

基于噪声可见度函数 (NVF) 模型改进传统 MSE： * 计算局部统计特性（均值与方差）。 * 构建 NVF 模型：weights = 1 ./ (1 + theta * norm_var)。该模型假设在平坦区域（方差小）人眼对噪声更敏感，因此赋予更高权重；在纹理区域（方差大）存在掩盖效应，赋予较低权重。 * 计算加权均方误差 (WMSE)，并将其转换为分贝 (dB) 单位。

4. 结果输出

程序最后构建一个综合图表窗口，包含：

• 参考图像与失真图像对比（附带熵值和空间频率数据）。
• SSIM 局部相似度可视化图谱（使用 parula 色阶）。
• 绝对误差热力图（Difference Heatmap，使用 jet 色阶）。
• 包含所有计算指标的数据表格。
• 控制台同步输出简要评价报告。

使用方法

1. 确保 MATLAB 的当前工作目录包含本代码文件。
2. 在 MATLAB 命令行窗口输入主函数名并回车（或直接点击"运行"按钮）。
3. 程序将自动执行图像加载、失真模拟、指标计算，并弹出结果展示窗口。
4. 控制台将打印出关键指标的最终数值摘要。