1.清晰度
1.1 有参照
1.1.1 梯度函数
Tenengrad函数
(Sobel 算子)
(S(x,y) > T)
能量梯度函数
Brenner函数
方差函数
(平均灰度)
平方梯度聚焦函数
Vollath聚焦函数
1.1.2 频谱函数
1.1.3 熵函数
(能量)
1.2 无参照
快速检测法
H(I(x,y) > μ个数) L(I(x,y) < μ个数)
最大灰度梯度(只对边缘点运算)
(
,或者说I(x,y)在边缘处)
2. 偏色
2.1 直方图统计法
平均亮度(灰度)，RGB各自均值，互相比较，大的偏
2.2 灰平衡法
2.3 白平衡法
2.4 等效圆法(Lab表示)
(da>0偏红，否则偏绿。db>0偏黄，否则偏蓝)
2.5 Lab模式
△Eab＝[(△L*)2+(△a*)2+(△b)2]1/2
△L=L样品－L标准(明度差异) △a=a样品－a标准(红/绿差异)
△b=b样品－b标准(黄/蓝差异) △E总色差的大小
△L大表示偏白，△L小表示偏黑△a大表示偏红，△a小表示偏绿
△b大表示偏黄，△b小表示偏蓝
范围色差（容差）
0-0.25△E非常小或没有；理想匹配
0.25-0.5△E微小；可接受的匹配
0.5-1.0△E微小到中等；在一些应用中可接受
1.0-2.0△E中等；在特定应用中可接受
2.0-4.0△E有差距；在特定应用中可接受
4.0△E以上非常大；在大部分应用中不可接受
3.亮度
?统计灰度图像直方图两端的比例判断？
4.噪声
4.1细线噪声
模板平移
|
|
|
|
|
模板平移，若中心点与模板两端像素相等，且与垂直方向像素差值绝对值大于阈值T，则为细线噪声
均值滤波
邻域均值与中心点比较，是否在阈值T内
4.2点噪声
最大最小值
邻域内排序，看中心点是否在两端极值处判断是否为噪声点
邻域差值
(T一般取50-90，count>5则为噪声点)
中值滤波
邻域排序，中间值与中心点比较，是否在阈值T内
5.名词解释
灰度：像素值
亮度：图像灰度平均值
锐度：图像边缘锐利程度
对比度：1灰度方均差2最大亮度/最小亮度（那个对？）
清晰度：图像边缘灰度变化速度。与亮度，对比度，尺寸，细微层次，饱和度等相关
饱和度：颜色的强度或纯度，色相中灰成分所占比例
梯度：邻域内变化程度？
直方图：各值比例图