O documento discute métricas de qualidade de imagens, incluindo MSE, NRMSE e PSNR. Ele também descreve aplicações potenciais dessas métricas em áreas como geologia, meteorologia, medicina e transmissão de vídeo. Finalmente, apresenta o "Índice de Qualidade Universal" como uma métrica alternativa.
Universal Image Quality Index - Presentation.26.outubro.2010 uiqi-psnr-mse-[image qualityindexes]
1. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Processamento Digital de Imagens
Michel Alves dos Santos
Centro de Pesquisa em Matemática Computacional
Universidade Federal de Alagoas, Campus A. C. Simões
Tabuleiro do Martins - Maceió - AL, CEP: 57072-970
Docente Responsável: Prof. Dr. Alejandro C. Frery
{michel.mas,michelalvessantos}@gmail.com
26 de Outubro de 2010
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
2. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Como Medir a Qualidade de Imagens?
Figura: Avaliação de Imagens. (A) Imagem original “Lena”, 512x512,
8bits/pixel;(B) Imagem contaminada com ruído gaussiano aditivo.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
3. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Métricas de Qualidade
Métricas de Qualidade Subjetivas e Objetivas.
Figura: Organograma exibindo alguns tipos de métricas de qualidade.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
4. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
5. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
6. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
7. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
8. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
9. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
10. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
11. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Aplicações das Métricas de Qualidade
Áreas nas quais essas métricas podem atuar.
Aplicações na Área Geológica;
Aplicações na Área Metereológica;
Aplicações na Área Médica;
Aplicações na Área Militar;
Aplicações na Área de Transmissão de Vídeo, etc.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
12. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
13. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
14. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
15. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
16. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
17. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
18. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
19. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Previamente...
Antes do “Índice de Qualidade Universal”.
Abordaremos, apenas a título de comparação,
outras métricas que são amplamente utilizadas.
As métricas abordadas serão:
MSE Mean Squared Error;
NRMSE Normalized Root Mean Squared Error;
PSNR Peak Signal-To-Noise Ratio.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
20. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE(x, y) =
1
N
N
i=1
(xi − yi)2
É largamente usado em tarefas de otimização e
problemas de deconvolução, porém possui limitações
quando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
21. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE(x, y) =
1
N
N
i=1
(xi − yi)2
É largamente usado em tarefas de otimização e
problemas de deconvolução, porém possui limitações
quando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
22. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE(x, y) =
1
N
N
i=1
(xi − yi)2
É largamente usado em tarefas de otimização e
problemas de deconvolução, porém possui limitações
quando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
23. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE(x, y) =
1
N
N
i=1
(xi − yi)2
É largamente usado em tarefas de otimização e
problemas de deconvolução, porém possui limitações
quando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
24. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
MSE - Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O MSE entre as imagens x e y será dado por:
MSE(x, y) =
1
N
N
i=1
(xi − yi)2
É largamente usado em tarefas de otimização e
problemas de deconvolução, porém possui limitações
quando usado na predição da percepção humana de
qualidade e fidelidade de imagens.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
25. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
26. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
27. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
28. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
29. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
30. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
NRMSE - Normalized Root Mean Squared Error
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais de duas imagens e N é o número de sinais das imagens.
O NRMSE entre as imagens x e y será dado por:
NRMSE(x, y) =
N
i=1
(xi − α · yi)2
N
i=1
x2
i
Onde α será dado por:
α =
N
i=1
(xi · yi)
N
i=1
y2
i
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
31. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
PSNR - Peak Signal-To-Noise Ratio.
O PSNR é uma relação entre o máximo possível de
potência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo de
degradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10
MAX2
p
MSE
= 20 · log10
MAXp
√
MSE
Onde MAXp é o valor máximo possível de um pixel e
MSE é o erro quadrático médio do conjunto avalidado.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
32. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
PSNR - Peak Signal-To-Noise Ratio.
O PSNR é uma relação entre o máximo possível de
potência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo de
degradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10
MAX2
p
MSE
= 20 · log10
MAXp
√
MSE
Onde MAXp é o valor máximo possível de um pixel e
MSE é o erro quadrático médio do conjunto avalidado.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
33. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
PSNR - Peak Signal-To-Noise Ratio.
O PSNR é uma relação entre o máximo possível de
potência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo de
degradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10
MAX2
p
MSE
= 20 · log10
MAXp
√
MSE
Onde MAXp é o valor máximo possível de um pixel e
MSE é o erro quadrático médio do conjunto avalidado.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
34. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
PSNR - Peak Signal-To-Noise Ratio.
O PSNR é uma relação entre o máximo possível de
potência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo de
degradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10
MAX2
p
MSE
= 20 · log10
MAXp
√
MSE
Onde MAXp é o valor máximo possível de um pixel e
MSE é o erro quadrático médio do conjunto avalidado.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
35. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
PSNR - Peak Signal-To-Noise Ratio.
O PSNR é uma relação entre o máximo possível de
potência de um sinal, pela potência do ruído, quando
comparamos um sinal antes e depois de um processo de
degradação. Sua unidade é o dB (decibel).
O índice de qualidade é definido como:
PSNR = 10 · log10
MAX2
p
MSE
= 20 · log10
MAXp
√
MSE
Onde MAXp é o valor máximo possível de um pixel e
MSE é o erro quadrático médio do conjunto avalidado.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
36. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Peak Signal-To-Noise Ratio.
Aplicando o conceito de PSNR em vídeos e imagens,
podemos observar que o mesmo é a relação entre a
entrada e a saída de um processo de compressão com
perdas, que avalia o quanto o processo introduziu
ruídos na imagem ou frame original.
Quanto maior o valor do PSNR, maior é a relação entre
a potência do sinal pela potência do ruído, o que
significa melhor qualidade.
Valores de PSNR acima de 42dB correspondem à
compressões que introduzem perdas imperceptíveis ao
olho humano, o que significa uma qualidade
excepcional.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
37. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Peak Signal-To-Noise Ratio.
Aplicando o conceito de PSNR em vídeos e imagens,
podemos observar que o mesmo é a relação entre a
entrada e a saída de um processo de compressão com
perdas, que avalia o quanto o processo introduziu
ruídos na imagem ou frame original.
Quanto maior o valor do PSNR, maior é a relação entre
a potência do sinal pela potência do ruído, o que
significa melhor qualidade.
Valores de PSNR acima de 42dB correspondem à
compressões que introduzem perdas imperceptíveis ao
olho humano, o que significa uma qualidade
excepcional.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
38. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Peak Signal-To-Noise Ratio.
Aplicando o conceito de PSNR em vídeos e imagens,
podemos observar que o mesmo é a relação entre a
entrada e a saída de um processo de compressão com
perdas, que avalia o quanto o processo introduziu
ruídos na imagem ou frame original.
Quanto maior o valor do PSNR, maior é a relação entre
a potência do sinal pela potência do ruído, o que
significa melhor qualidade.
Valores de PSNR acima de 42dB correspondem à
compressões que introduzem perdas imperceptíveis ao
olho humano, o que significa uma qualidade
excepcional.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
39. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Peak Signal-To-Noise Ratio.
Aplicando o conceito de PSNR em vídeos e imagens,
podemos observar que o mesmo é a relação entre a
entrada e a saída de um processo de compressão com
perdas, que avalia o quanto o processo introduziu
ruídos na imagem ou frame original.
Quanto maior o valor do PSNR, maior é a relação entre
a potência do sinal pela potência do ruído, o que
significa melhor qualidade.
Valores de PSNR acima de 42dB correspondem à
compressões que introduzem perdas imperceptíveis ao
olho humano, o que significa uma qualidade
excepcional.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
40. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Peak Signal-To-Noise Ratio.
Quadro de Qualidade dos Valores PSNR
Qualidade Valores
Qualidade Excepcional Acima de 42dB
Bastante Aceitável Acima de 36dB
Qualidade Mediana Entre 30dB e 36dB
Baixa Qualidade Abaixo de 30dB
Tabela: Quadro com as faixas de qualidade para o índice PSNR.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
41. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
42. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
43. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
44. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
45. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
46. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
47. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
A Universal Image Quality Index
Movidos pela necessidade de uma métrica que fosse
fácil de se obter e de ser empregada em várias
aplicações de processamento de imagens, Zhou Wang e
Alan Bovik propuseram um novo índice.
Diferente dos métodos tradicionais de avaliação de
erro, o índice proposto foi concebido para modelagem
de quaisquer distorções em imagens como uma
combinação de 3 fatores:
Perda de Correlação;
Distorções na Luminância;
Distorções no Contraste.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
48. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
49. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
50. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
51. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
52. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
53. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
54. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Características da “Nova” Métrica.
Principais Características do Índice de Qualidade
Matematicamente definido;
Baixa complexidade computacional;
Modelado para lidar com diferentes tipos de distorção;
Independente de avaliação humana
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
55. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Definição do Novo Índice de Qualidade.
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definido
como:
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
56. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Definição do Novo Índice de Qualidade.
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definido
como:
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
57. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Definição do Novo Índice de Qualidade.
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definido
como:
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
58. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Definição do Novo Índice de Qualidade.
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definido
como:
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
59. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Definição do Novo Índice de Qualidade.
Sejam x = {xi |i = 1, 2, . . . , N} e y = {yi |i = 1, 2, . . . , N} os
sinais das imagens original e de teste, respectivamente.
O novo índice de qualidade proposto será definido
como:
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
Os valores assumidos por Q variam no intervalo [−1, 1]
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
60. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Detalhamento do Novo Índice de Qualidade.
Q =
4 σxy x y
(σ2
x + σ2
y )[(x)2 + (y)2]
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
61. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Detalhamento do Novo Índice de Qualidade.
Q =
4 σxy x y
(σ2
x + σ2
y )[(x)2 + (y)2]
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
62. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Detalhamento do Novo Índice de Qualidade.
Q =
4 σxy x y
(σ2
x + σ2
y )[(x)2 + (y)2]
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
63. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Detalhamento do Novo Índice de Qualidade.
Q =
4 σxy x y
(σ2
x + σ2
y )[(x)2 + (y)2]
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
64. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Detalhamento do Novo Índice de Qualidade.
Q =
4 σxy x y
(σ2
x + σ2
y )[(x)2 + (y)2]
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
65. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Os Três Fatores que Compõem o Índice.
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
O novo índice de qualidade pode ser reescrito como o
produto de três fatores ou componentes:
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
66. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Os Três Fatores que Compõem o Índice.
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
O novo índice de qualidade pode ser reescrito como o
produto de três fatores ou componentes:
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
67. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Os Três Fatores que Compõem o Índice.
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
O novo índice de qualidade pode ser reescrito como o
produto de três fatores ou componentes:
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
68. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Os Três Fatores que Compõem o Índice.
Q =
4 σxy x y
(σ2
x + σ2
y)[(x)2 + (y)2]
O novo índice de qualidade pode ser reescrito como o
produto de três fatores ou componentes:
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
69. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Entendendo Melhor a Composição de Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
σxy
σx σy
=⇒ Coeficiente de correlação entre x e y.
2 x y
(x)2 + (y)2
=⇒ Coeficiente de luminância entre x e y.
2 σx σy
σ2
x + σ2
y
=⇒ Coeficiente de constraste entre x e y.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
70. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Entendendo Melhor a Composição de Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
σxy
σx σy
=⇒ Coeficiente de correlação entre x e y.
2 x y
(x)2 + (y)2
=⇒ Coeficiente de luminância entre x e y.
2 σx σy
σ2
x + σ2
y
=⇒ Coeficiente de constraste entre x e y.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
71. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Entendendo Melhor a Composição de Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
σxy
σx σy
=⇒ Coeficiente de correlação entre x e y.
2 x y
(x)2 + (y)2
=⇒ Coeficiente de luminância entre x e y.
2 σx σy
σ2
x + σ2
y
=⇒ Coeficiente de constraste entre x e y.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
72. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Entendendo Melhor a Composição de Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
σxy
σx σy
=⇒ Coeficiente de correlação entre x e y.
2 x y
(x)2 + (y)2
=⇒ Coeficiente de luminância entre x e y.
2 σx σy
σ2
x + σ2
y
=⇒ Coeficiente de constraste entre x e y.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
73. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Entendendo Melhor a Composição de Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
σxy
σx σy
=⇒ Coeficiente de correlação entre x e y.
2 x y
(x)2 + (y)2
=⇒ Coeficiente de luminância entre x e y.
2 σx σy
σ2
x + σ2
y
=⇒ Coeficiente de constraste entre x e y.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
74. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Quadro de Avaliação dos Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Fator Intervalo Melhor Caso
Coeficiente de Correlação [−1, 1] yi = axi + b, ∀ i = 1, 2, . . . , N
Coeficiente de Luminância [0, 1] x = y
Coeficiente de Contraste [0, 1] σx = σy
Tabela: Quadro comparativo entre os fatores que compõem o índice.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
75. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Quadro de Avaliação dos Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Fator Intervalo Melhor Caso
Coeficiente de Correlação [−1, 1] yi = axi + b, ∀ i = 1, 2, . . . , N
Coeficiente de Luminância [0, 1] x = y
Coeficiente de Contraste [0, 1] σx = σy
Tabela: Quadro comparativo entre os fatores que compõem o índice.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
76. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Quadro de Avaliação dos Fatores.
Q =
σxy
σxσy
·
2 x y
(x)2 + (y)2
·
2 σxσy
σ2
x + σ2
y
Fator Intervalo Melhor Caso
Coeficiente de Correlação [−1, 1] yi = axi + b, ∀ i = 1, 2, . . . , N
Coeficiente de Luminância [0, 1] x = y
Coeficiente de Contraste [0, 1] σx = σy
Tabela: Quadro comparativo entre os fatores que compõem o índice.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
77. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade local
Qj levando em consideração apenas os valores internos
da janela.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
78. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade local
Qj levando em consideração apenas os valores internos
da janela.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
79. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade local
Qj levando em consideração apenas os valores internos
da janela.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
80. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade local
Qj levando em consideração apenas os valores internos
da janela.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
81. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Finalmente... Como Funciona o Algoritmo?
Usando a abordagem de janelas deslizantes!
Começamos pelo canto superior esquerdo da imagem
com uma janela deslizante de tamanho B × B.
Movemos a janela pixel a pixel, de maneira horizontal e
vertical através de todas as linhas e colunas da imagem
até alcançar o canto inferior da mesma.
A cada passo computamos o índice de qualidade local
Qj levando em consideração apenas os valores internos
da janela.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
82. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 1
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
83. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 2
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
84. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 3
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
85. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 20
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
86. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
Passo 21
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
87. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ilustrando...
J-ésimo
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
88. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
89. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
90. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
91. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
92. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
93. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Ao Final do Processo...
Ao término do processo:
Teremos executado um total de M passos.
O índice de qualidade global da imagem será dado por:
Q =
1
M
M
j=1
Qj
E além disso teremos acesso ao mapa de índices de
qualidade da imagem.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
94. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Mapa de Índices de Qualidade
Admitindo um bloco de avaliação de dimensão B × B:
Map.Width = Image.Width - B + 1
Map.Height = Image.Height - B + 1
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
95. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Mapa de Índices de Qualidade
Admitindo um bloco de avaliação de dimensão B × B:
Map.Width = Image.Width - B + 1
Map.Height = Image.Height - B + 1
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
96. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Mapa de Índices de Qualidade
Admitindo um bloco de avaliação de dimensão B × B:
Map.Width = Image.Width - B + 1
Map.Height = Image.Height - B + 1
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
97. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Mapa de Índices de Qualidade
Admitindo um bloco de avaliação de dimensão B × B:
Map.Width = Image.Width - B + 1
Map.Height = Image.Height - B + 1
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
98. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Fluxograma - Obtenção do Índice de Qualidade
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
99. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Exemplo - Obtido Através da Plataforma R
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
100. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Mapas - Obtidos Através da Plataforma R
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
101. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Índices - Obtidos Através da Plataforma R.
Índices Relativos ao Exemplo Anterior.
Índice Valor Encontrado
Universal Image Quality Index (UIQI) 0.60898
Mean Squared Error (MSE) 81.3293
Normalized Root Mean Squared Error (NRMSE) 0.00469
Peak Signal-To-Noise Ratio (PSNR) 29.0283
Tabela: Quadro com os índices encontrados utilizando a plataforma R
para a imagem “Lena”, 512x512, 8bits/pixel. Observe que um simples
desfoque gaussiano levemente aplicado faz com que o PSNR atinja o
limiar de qualidade que é dito como bastante aceitável quando seu valor
se encontra acima de 36dB e mediano entre 30dB e 36dB.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
102. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Média em R
Exibindo a função que computa a média dos
blocos original e de teste.
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
Implementada na Plataforma R.
§ ¤
1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix )
2 {
3 return (mean(my . block . or . matrix ) )
4 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
103. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Média em R
Exibindo a função que computa a média dos
blocos original e de teste.
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
Implementada na Plataforma R.
§ ¤
1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix )
2 {
3 return (mean(my . block . or . matrix ) )
4 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
104. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Média em R
Exibindo a função que computa a média dos
blocos original e de teste.
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
Implementada na Plataforma R.
§ ¤
1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix )
2 {
3 return (mean(my . block . or . matrix ) )
4 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
105. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Média em R
Exibindo a função que computa a média dos
blocos original e de teste.
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
Implementada na Plataforma R.
§ ¤
1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix )
2 {
3 return (mean(my . block . or . matrix ) )
4 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
106. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Média em R
Exibindo a função que computa a média dos
blocos original e de teste.
x = 1
N
N
i=1
xi y = 1
N
N
i=1
yi
Implementada na Plataforma R.
§ ¤
1 MyMeanFunction <− f u n c t i o n (my . block . or . matrix )
2 {
3 return (mean(my . block . or . matrix ) )
4 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
107. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Variância em R
Exibindo a função que computa a variância
dos blocos original e de teste.
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
Implementada na Plataforma R.
§ ¤
1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e )
2 {
3 N <− length (my . block . or . matrix )
4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) )
5 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
108. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Variância em R
Exibindo a função que computa a variância
dos blocos original e de teste.
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
Implementada na Plataforma R.
§ ¤
1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e )
2 {
3 N <− length (my . block . or . matrix )
4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) )
5 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
109. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Variância em R
Exibindo a função que computa a variância
dos blocos original e de teste.
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
Implementada na Plataforma R.
§ ¤
1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e )
2 {
3 N <− length (my . block . or . matrix )
4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) )
5 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
110. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Variância em R
Exibindo a função que computa a variância
dos blocos original e de teste.
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
Implementada na Plataforma R.
§ ¤
1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e )
2 {
3 N <− length (my . block . or . matrix )
4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) )
5 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
111. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Variância em R
Exibindo a função que computa a variância
dos blocos original e de teste.
σ2
x = 1
N−1
N
i=1
(xi − x)2
σ2
y = 1
N−1
N
i=1
(yi − y)2
Implementada na Plataforma R.
§ ¤
1 MySquaredSigmaFunction <− f u n c t i o n (my . block . or . matrix , my . mean . v a l u e )
2 {
3 N <− length (my . block . or . matrix )
4 return ( sum ((my . block . or . matrix − my . mean . v a l u e ) ^2)/ (N − 1) )
5 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
112. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Implementada na Plataforma R.
§ ¤
1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y )
2 {
3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y
4 N <− length ( block . x )
5
6 # Retornando v a l o r
7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) )
8 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
113. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Implementada na Plataforma R.
§ ¤
1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y )
2 {
3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y
4 N <− length ( block . x )
5
6 # Retornando v a l o r
7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) )
8 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
114. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Implementada na Plataforma R.
§ ¤
1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y )
2 {
3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y
4 N <− length ( block . x )
5
6 # Retornando v a l o r
7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) )
8 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
115. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Implementada na Plataforma R.
§ ¤
1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y )
2 {
3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y
4 N <− length ( block . x )
5
6 # Retornando v a l o r
7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) )
8 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
116. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação da Função Covariância em R
Exibindo a função que computa a covariância.
σxy = 1
N−1
N
i=1
(xi − x)(yi − y)
Implementada na Plataforma R.
§ ¤
1 MyDoubleSigmaFunction <− f u n c t i o n ( block . x , mean . x , block . y , mean . y )
2 {
3 # Resgatando o tamanho do bloco , podemos usar o v a l o r de x ou y
4 N <− length ( block . x )
5
6 # Retornando v a l o r
7 return (sum (( block . x − mean . x )*( block . y − mean . y ) ) / (N − 1) )
8 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
117. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação do Índice em R
§ ¤
1 MyUniversalImageQualityIndexPerBlock <− f u n c t i o n (my . block . x , my . block . y )
2 {
3 # Mapeando os v a l o r e s dos b l o c o s x e y para i d e n t i f i c a d o r e s menos verbosos
4 x <− my . block . x
5 y <− my . block . y
6
7 # Mean
8 x_bar <− MyMeanFunction ( x )
9 y_bar <− MyMeanFunction ( y )
10
11 # Covariance
12 double_sigma <− MyDoubleSigmaFunction ( x , x_bar , y , y_bar )
13
14 # Variance
15 squared_sigma_x <− MySquaredSigmaFunction ( x , x_bar )
16 squared_sigma_y <− MySquaredSigmaFunction ( y , y_bar )
17
18 # Numerator
19 numerador <− 4*double_sigma*x_bar*y_bar
20
21 # Denominator
22 denominador <− ( squared_sigma_x + squared_sigma_y )*( x_bar ^2 + y_bar ^2)
23
24 # Index block v a l u e r e t u r n
25 return ( numerador/ denominador )
26 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
118. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Codificação do Mapa em R
§ ¤
1 MyUniversalImageQualityIndexMap <− f u n c t i o n ( o r i g i n a l , te s t , my . block . s i z e = 8)
2 {
3 bs <− my . block . s i z e # Diminuindo a v e r b o s i d a d e
4
5 # Resgatando as tamanhos
6 my . rows <− dim ( o r i g i n a l ) [ 1 ] ; my . c o l s <− dim ( o r i g i n a l ) [ 2 ]
7
8 # Definindo o tamanho do mapa
9 my . map . h <− my . rows − bs + 1; my . map .w <− my . c o l s − bs + 1
10 my . q u a l i t y . map <− matrix (0 , nrow = my . map . h , ncol = my . map .w)
11
12 # Looping que v a r r e a imagem
13 f o r ( i i n 1 : (my . rows − bs + 1) )
14 {
15 f o r ( j i n 1 : (my . c o l s − bs + 1) )
16 {
17 # Resgatando os b l o c o s
18 tmp_ o r i g i n a l <− o r i g i n a l [ i : ( i + bs − 1) , j : ( j + bs − 1) ]
19 tmp_t e s t <− t e s t [ i : ( i + bs − 1) , j : ( j + bs − 1) ]
20
21 # Armazenando r e s u l t a d o do bloco c o r r e n t e .
22 MyQ <− MyUniversalImageQualityIndexPerBlock (tmp_o r i g i n a l , tmp_t e s t )
23 my . q u a l i t y . map [ i , j ] <− i f ( i s . nan (MyQ) ) 1 e l s e MyQ
24 }
25 }
26 return ( my . q u a l i t y . map )
27 }
¦ ¥
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
119. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Alguns Cuidados Devem Ser Tomados!
Devemos prestar atenção ao cálculo das componentes
do Índice de Qualidade!
O que acontece com o índice se o seguinte bloco for
avaliado?
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
120. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Alguns Cuidados Devem Ser Tomados!
Devemos prestar atenção ao cálculo das componentes
do Índice de Qualidade!
O que acontece com o índice se o seguinte bloco for
avaliado?
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
121. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Alguns Cuidados Devem Ser Tomados!
Devemos prestar atenção ao cálculo das componentes
do Índice de Qualidade!
O que acontece com o índice se o seguinte bloco for
avaliado?
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
122. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Alguns Cuidados Devem Ser Tomados!
Devemos prestar atenção ao cálculo das componentes
do Índice de Qualidade!
O que acontece com o índice se o seguinte bloco for
avaliado?
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
132 132 132 132 132 132 132 132
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
123. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Quadro Comparativo.
Estimativas Fornecidas e Encontradas.
Distorção Artigo Encontrado MSEA MSEE
Mean Shift 0.9894 0.98939 225 225.032
Contrast Stretching 0.9372 0.93389 225 225.244
Impulsive Salt-Pepper Noise 0.6494 0.64889 225 225.472
Multiplicative Speckle Noise 0.4408 0.44048 225 225.769
Additive Gaussian Noise 0.3891 0.38898 225 226.283
Blurring 0.3461 0.34302 225 224.741
Jpeg Compression 0.2876 0.28725 215 215.603
Tabela: Quadro comparativo entre os índices fornecidos pelo artigo e
encontrados através de implementação do algoritmo utilizando a
plataforma R para a imagem “Lena”, 512x512, 8bits/pixel. MSEA -
fornecido no artigo. MSEE - encontrado através de implementação.
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
124. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Isso é tudo pessoal !!!
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens
125. Universidade Federal do Estado de Alagoas Instituto de Computação - Campus A. C. Simões
Agradecimentos
Grato Pela Atenção!
Michel Alves dos Santos - Ciência da Computação Processamento Digital de Imagens