估計模糊強度

此範例顯示 measure.blur_effect 中實作的指標如何表現，包括模糊強度的函數和重新模糊濾波器的大小。此無參考感知模糊指標在 [1] 中說明。

[1]

Frederique Crete、Thierry Dolmiere、Patricia Ladret 和 Marina Nicolas「模糊效應：使用新的無參考感知模糊指標進行感知和估計」Proc. SPIE 6492, Human Vision and Electronic Imaging XII, 64920I (2007) https://hal.archives-ouvertes.fr/hal-00232709 DOI:10.1117/12.702790

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import scipy.ndimage as ndi

import plotly
import plotly.express as px
from skimage import color, data, measure

產生一系列逐漸模糊的影像

讓我們載入透過 scikit-image 資料註冊表提供的影像。模糊指標適用於單通道影像。

image = data.astronaut()
image = color.rgb2gray(image)

讓我們使用一系列大小遞增的均勻濾波器來模糊此影像。

blurred_images = [ndi.uniform_filter(image, size=k) for k in range(2, 32, 2)]
img_stack = np.stack(blurred_images)

fig = px.imshow(
    img_stack,
    animation_frame=0,
    binary_string=True,
    labels={'animation_frame': 'blur strength ~'},
)
plotly.io.show(fig)

繪製模糊指標

讓我們計算所有模糊影像的模糊指標：我們預期它會隨著模糊強度增加而向 1 增加。我們計算三個不同重新模糊濾波器值：3、11（預設值）和 30。

B = pd.DataFrame(
    data=np.zeros((len(blurred_images), 3)),
    columns=['h_size = 3', 'h_size = 11', 'h_size = 30'],
)
for ind, im in enumerate(blurred_images):
    B.loc[ind, 'h_size = 3'] = measure.blur_effect(im, h_size=3)
    B.loc[ind, 'h_size = 11'] = measure.blur_effect(im, h_size=11)
    B.loc[ind, 'h_size = 30'] = measure.blur_effect(im, h_size=30)

B.plot().set(
    xlabel='blur strength (half the size of uniform filter)', ylabel='blur metric'
)

plt.show()

我們可以看見，一旦模糊程度強於（達到均勻濾波器的大小），指標就會接近 1，因此，隨著模糊強度增加，會漸近地趨近於 1。11 像素的值提供與人類感知最佳相關的模糊指標。這就是為什麼它在感知模糊指標 measure.blur_effect 實作中是預設值的原因。