Loading... # 一、评价指标EME 在文章《An improved contrast enhancement algorithm for infrared images based on adaptive double plateaus histogram equalization》中,提到的了评价指标EME( measure of enhancement by entropy),熵增强度量,这是图像增强的典型定量度量,来评估算法在对比度改进方面的性能。数值越大,表示图像对比度越高。 > lthe measure of enhancement by entropy (EME) , which is a typical quantitative measure ofimage enhancement, to further evaluate the performance of our > > algorithm in contrast improvement. EME指标将图像分为多个图像块,统计图像块内的像素值,根据像素块内最大最小值的关系评价对比度。计算公式如下: ``` EME=\frac{1}{k1*k2}\sum_{m=1}^{k1}\sum_{n=1}^{k2}20log\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}}\\ ``` 其中,k1、k2是图像横纵方向的分块数量,I\_{max,m,n}^{w}表示块内最大值,I\_{min,m,n}^{w}表示块内最小值。 --- # 二、评价指标EMEE 还有一种熵增强评价方法EMEE[1],相比EME更符合人类主观视觉效果。跟EME相似,把一幅图像分成大小为k1xk2个图像块区域,统计局部极值,公式略有区别,计算公式如下: ``` EMEE=\frac{1}{k1*k2}\sum_{m=1}^{k1}\sum_{n=1}^{k2}\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}+c}log\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}+c}\\ ``` 其中,c表示不为零的很小的常数。 在实验的客观评价时,取k1、k2为16,即把图像分成16x16个块 | | 原图 | HE | ADPHE | | ------ | ------- | ------- | ------- | | EME | 11.79 | 22.02 | 15.1 | | EMEE | 1.94 | 1230 | 15.26 | 从EME指标来看,HE的EME\\EMEE指标都很大,表示对比度很强,但是图像来看有过增强现象,ADPHE算法的EME指标也有提升,增强后图像更自然。 以下结果分别是原图、HE结果、ADPHE结果。 ![](https://img-blog.nos-eastchina1.126.net/Paper/Evaluate/LOE_2.png) ![](https://img-blog.nos-eastchina1.126.net/Paper/Evaluate/LOE_2_HE_.png) ![](https://img-blog.nos-eastchina1.126.net/Paper/Evaluate/LOE_2_ADPHE.png) # 三、仿真代码 感兴趣的可以找论文复现或者看一下链接,可以试试EMEE指标。 [https://github.com/AomanHao/Matlab-Image-Evaluate/tree/master/Evaluate](https://github.com/AomanHao/Matlab-Image-Evaluate/tree/master/Evaluate) # 四、参考文献 1、《对数图像处理新模型及应用研究》 --- ### [我的个人博客主页,欢迎访问](https://www.aomanhao.top/) ### [我的CSDN主页,欢迎访问](https://blog.csdn.net/Aoman_Hao) ### [我的GitHub主页,欢迎访问](https://github.com/AomanHao) ### [我的知乎主页,欢迎访问](https://www.zhihu.com/people/aomanhao-hao) 最后修改:2024 年 03 月 12 日 © 允许规范转载 打赏 赞赏作者 支付宝微信 赞 如果觉得我的文章对你有用,请随意赞赏