图像质量评价的MATLAB仿真，matlab2021a测试。测试结果如下： Mean Square Error = 612.4863 Peak Signal to Noise Ratio = 20.2598 MNormalized Cross-Correlation = 1.0009 Average Difference = -0.6192 Structural Content = 0.9496 Maximum Difference = 103 Normalized Absolute Error = 0.2061

我们在对图像质量进行评价时，之前的一些标准主要依靠PSNR,SSIM等指标，但是超分或者其他低层视觉任务图像评价来说，这些指标并不符合我们人眼感官，所以NIQE(Natural Image Quality Evaluator)应运而生。NIQE指标是一个客观的评价指标，提取自然景观中的特征来对测试图像进行测试，这些特征是拟合成一个多元的高斯模型。这个模型实际上是衡量一张待测图像在多元分布上的差异，这个分布是有一系列的正常的自然图像中提取的这些特征所构建的。基于MATLAB的代码： https://github.com/roimehrez/PIRM2018 https://github.com/

1.doc是使用方法，xls是示例，xla 是算法的宏定义，包含一个运算函数函数BJM。 2.打开xla文件，弹出窗口“Microsoft Excel 安全声明”，点击按钮“启用宏”，这时就可以在excel中调用函数BJM，不要关闭excel。 3.打开xls文件，弹出的信息可以无视，第一个表格“Sample data sheet”可以看到宏定义示例BJM(rangeRef,rangeNew,rateMode)。 4.选中单元H14，其默认值为“=E:\jung\Tools\BJM\BJM.xla'!BJM(B13:C16,E13:F16)”。删除其中的路径，仅保留函数部分“=BJM(B13:C16,E13:F16)”，然后回车即可得到BD-Rate为-4.47662662。其中“B13:C16”为参考值，“E13:F16”为新算法输出值，第三个参数不填则默认为True。 同理，修改单元格I14为“=BJM(B13:C16,E13:F16,0)”，即可得到BD-PSNR为0.1。 5.其他几个示例分辨对应QP逆序排列，或2行4列的输入数据格式。

在图像处理中最常用的各种国际标准测试图像，包括Lena、Barbara、Cameraman、Peppers等多种格式的图像。 The most commonly used in image processing in various international standard test images, including Lena, Barbara, Cameraman, Peppers, and other images in multiple formats.

方差分割法 指纹图像的前景区域是由脊线和谷线组成，一般情况下，前景中的脊线和骨线的灰度差是较大的，因此灰度统计特性中的局部灰度方差是很大的。而指纹图像背景区域一般比较单一，它的方差通常是比较小的。基于这一特性，可以利用图像的局部方差对指纹图像进行分割 。 将指纹图像无重叠地划分为W X W的小块，这里W取16。计算出每一块的均值和方差，若块方差小于预设的方差 ，则该块为背景块。实验表明，方差分割法对于质量较好的高对比度图像的分割效果较好，但它不适合低对比对或噪声较大的图像。

图像质量标准-ISO12233-2017_中英双语.pdf

图像质量调试工具使用指南，就是HISI的调试工具的使用方法，还是又有用的，可以下载看看，如果你是hisi的客户的话会有技术支持

During the past two decades, the field of medical imaging has achieved dramatic improvements in imaging system capability with accompanying increases in system complexity. Much of this progress has been fueled by advances in computing technology and the widespread adoption of digital techniques for data acquisition, processing and display. Although every branch of medical imaging has been significantly affected, the most striking examples ofthis revolution are x-ray computed tomography and magnetic resonance imaging. Fortunately, a consensus on quantitative measurement methodology for assessing diagnostic imaging technologies has been gradually emerging. It has grown out of the recognition of common features among imaging modalities that allows their limitations to be understood within the framework of statistical decision analysis.

The structural similarity image quality paradigm is based on the assumption that the human visual system is highly adapted for extracting structural information from the scene, and therefore a measure of structural similarity can provide a good approximation to perceived image quality. This paper proposes a multi-scale structural similarity method, which supplies more flexibility than previous single-scale methods in incorporating the variations of viewing conditions. We develop an image synthesis method to calibrate the parameters that define the relative importance of different scales. Experimental comparisons demonstrate the effectiveness of the proposed method.

AAPM TG18测试图是PACS图像质量控制的检测标准，即将发表的中国PACS标准明确要求采用AAPM TG18眩光图案测试图进行图像质量检测。