查看“︁無參考圖像質量評估”︁的源代码

{{Unreferenced|time=2020-07-08T08:17:09+00:00}}
'''無參考圖像質量評估'''（{{lang-en|No Reference Image Quality Assessment}}，NR-IQA）是一種[[圖像質量評估]]方法。它是指在無參考圖像的情況下，直接評估測試圖像的質量。由於一般理想質量的參考圖像很難獲取，故這種完全不依賴參考圖像的質量評估方法應用較廣泛，但也屬於IQA中最具挑戰的問題。常用的評估方法主要基於像素統計特性，其中包含使用[[平均數]]、[[標準差]]、[[熵]]等方法。

== 平均數 ==
平均數是統計中的一個重要概念。為集中趨勢的最常用測度值，可以反映圖像像素的平均亮度，定義如下：
:<math>\mu=\frac{1}{mn}\sum_{i=1}^{m}\sum_{j=1}^{n}{I(i,j)}</math>
其中 <math>I</math> 為測試圖像， <math>I(i,j)</math> 為 pixel <math>(i,j)</math> 的值， <math>m</math> 、  <math>n</math> 為圖像的長寬

平均亮度愈大，圖像質量愈好。

== 標準差 ==
標準差在機率統計中最常作為測量一組數值的離散程度之用。應用在圖像中，代表圖像像素灰度值相對於平均值的離散程度，定義如下：
:<math>\sigma=\sqrt{\frac{1}{mn}\sum_{i=1}^{m}\sum_{j=1}^{n}{(I(i,j)-\mu)}^2}</math>

若標準差愈大，表示圖像中灰度級別愈分散，圖像質量愈好。

== 熵 == 
熵是信號中資訊的平均量，在圖像中表示圖像的平均信號量。定義如下：
:<math>E=-\sum_{i=0}^{L}{P(i)\log_b{P(i)}}</math>
<math>P(i)</math> 表示灰度值為 <math>i</math> 在圖像中出現的機率，<math>L</math> 為圖像的灰度級，即為255

在此方法之下，會先對理想圖像熵的特徵作出假設，再對其設計相應的數學模型，最後通過計算測試圖像在該模型下的特徵來得到質量評估結果。

== 參考資料 ==
{{Reflist|2}}

== 参见 ==
* [[图像质量评估]]
* [[全參考圖像質量評估]]
* [[部分參考圖像質量評估]]

[[Cat:图像处理|评]]