【阅读笔记】边缘损耗率评价指标《A New Hardware-Efficient Algorithm and Reconfigurable Architecture for Image Contras

论文《A New Hardware-Efficient Algorithm and Reconfigurable Architecture for Image
Contrast Enhancement》提到对对比度增强的图像进行客观评价，引用论文《Image Enhancement for Backlight-Scaled TFT-LCD Displays》中的边缘损耗率指标（The edge loss rate）。

原文：Contrast enhancement is not easily measured by quantitative criteria. To judge the preser,vation of image details quantitatively, a measure of the edge loss rates was adopted [13] for the test cases for the seven algorithms.

较低的边缘丢失率值指示对图像细节的更大保留。

1 The edge loss rate

为了对性能进行定量度量，我们设计了两个度量来衡量边缘保存的程度，一个使用Sobel算子，另一个是仅显著差异（just noticeable difference,JND）算法。

前者计算边缘损失率εE，其定义为遗漏边像素数ψEm与原始边缘像素数ψEi之间的比值

adopted for the test cases for the seven algorithms. The edge loss rate εE is defined as the ratio between the number of missed edge pixels ψ Em and the number of original edge pixels ψ Ei .

1.1 sobel算子

该指标计算边缘损失率$A$，其定义为丢失像素数$E_m$与原始边缘像素数$E_i$之间的比值。边缘信息的提取用到了sobel算子，用横向纵向均可,$sobel_x$和$sobel_y$如下所示：

$sobel_x= \begin{bmatrix} 1 & 0 & -1\\ 2 & 0 & -2\\ 1 & 0 & -1\\ \end{bmatrix}$

$sobel_y= \begin{bmatrix} 1 & 2 & 1\\ 0 & 0 & 0\\ -1 & -2 & -1\\ \end{bmatrix}$

$A=\frac{Em}{Ei}$

其中，$E_m$表示丢失的边缘像素数量，$E_i$表示原始边缘像素数量。

如果一个像素是原始图像中的边缘像素而不是增强图像中的，则它被定义为丢失边缘像素

1.2 JND算法

第二个度量仅显著差异（just noticeable difference, JND）算法进行边缘像素分类，采用JND边缘像素分类算法来计算边缘丢失率$B$

$B=\frac{Dm}{Di}$

其中，$D_m$表示丢失的边缘像素，$D_i$表示原始边缘像素数目。

---

2 后记

看了文章还是不清楚第二个是怎么计算和定义丢失边缘像素，文章直接给出了图像处理前后，边缘像素丢失率的前后对比。

对于文章的指标用途是，文章算法在增强图像对比度的同时对图像细节信息不会降低太多。

我的个人博客主页，欢迎访问

我的GitHub主页，欢迎访问

我的知乎主页，欢迎访问