对于图像上传工具,我想自动检测图像的(主观)质量,从而产生质量评级。 算法
我有如下想法,以启发式方式实现这一点: 服务器
显然,若是对大图像进行评级,个人方法会耗费大量的周期和内存,尽管这能够在个人场景中实现(胖服务器,上传次数很少),并且我老是能够围绕更昂贵的步骤创建“短路”若是图像超过必定的分辨率。 session
还有其余我能够尝试的,仍是有办法更有效地作到这一点? 机器学习
但若是这些照片是“商业化的”呢? 若是照片是平常物品并且故意是非艺术性的,那么现有技术的价值是否有用? 工具
若是我雇用数百人拍摄公园长椅的照片,我想快速了解哪些照片质量更好(对焦,光线充足),哪些不是。 我不想要小猫,人,日落等的照片。 学习
或者若是图片应该是目录的项目怎么办? 没有模特,只有服装。 图像质量处理会有帮助吗? spa
我也很想知道照片是多么模糊。 视频
那这个呢: 图片
若是大小没有降低不少(超过必定百分比阈值),那么缩小和放大并无丢失太多信息,所以原始图像与已缩放的内容相同。 内存
评估图像(声音或视频也是如此)质量并不是易事,而且有许多出版物解决了这个问题。
很大程度上取决于图像的性质 - 不一样的标准集适用于人工建立的图像(即图表)或天然图像(即照片)。 必须考虑微妙的效果 - 如彩色遮蔽,亮度遮蔽,对比度感知。 对于某些图像,给定的压缩比是彻底足够的,而对于其余图像,它将致使显着的质量损失。
这是一本免费出版的出版物,简要介绍了图像质量评估的主题。
你提到的方法 - 压缩图像并将结果与原始图像进行比较远非完美。 您计划使用的指标是什么? MSE? 每块MSE? 固然,实现起来并不困难,但结果难以解释(考虑使用高频成分且没有高频成分的图像)。
若是你想深刻研究图像质量评估,那么机器学习社区也会作不少研究。
您能够尝试查看图像的EXIF标签(使用像exiftool这样的东西),你获得的东西会有很大差别。 例如,在个人单反相机上,您甚至能够在拍摄图像时得到哪些焦点处于活动状态。 压缩质量也可能有所不一样。
要检查的另外一件事是图像直方图 - 注意偏向左侧的图像,这代表曝光不足或大量饱和像素。
对于图像模糊,您能够查看傅立叶变换的高频份量,这多是访问与JPG压缩相关的参数。
这是一个棘手的领域,由于你可能可以实施的大多数“规则”可能会由于艺术效果而被打破。
我想拍下“明显合并分辨率”的想法。 决议告诉你什么。 我能够将图像缩放2倍,使像素数增长四倍。 这不会增长任何信息 ,也不会提升质量。
我不肯定“压缩到JPG”的想法。 JPG是一种面向照片的算法。 并不是全部图像都是照片。 此外,蓝天压得很好。 均匀灰色甚至更好。 您认为确切的云类型决定图像质量吗?
出于相似的缘由,锐度是一个坏主意。 景深与图像质量无关。 在黑色背景下拍摄的项目将有不少像素,故意强度至关低。 一样,这并不表示曝光不足,所以直方图自己也不是一个好的质量指标。