Оценка качества изображения

Краткое описание

Данный репозиторий содержит различные методы оценки качества изображений и создания смоделированных наборов данных для тестирования алгоритмов томографической реконструкции.

Требования

• h5py
• Pillow
• scikit-image
• scipy

Задачи

Следующие метрики включены (Python или MATLAB):

— Отношение сигнал/шум (SNR). — Пиковое отношение сигнал/шум (PSNR). — Среднеквадратическая ошибка (RMSE). — Средняя абсолютная ошибка (MAE). — Индекс структурного сходства (SSIM). — Нормализованная взаимная информация (NMI). — Сложность изображения. — Анализ разрешения с помощью подгонки профиля края (EPF). — Анализ разрешения с помощью корреляции кольца Фурье (FRC).

Смоделированные наборы данных

Включены следующие процедуры для создания смоделированных наборов данных:

— Создание фантома Шеппа-Логана. — Создание общих фантомов с аналитическим рентгеновским преобразованием. — Изменение масштаба изображения. — Уменьшение размера синограммы. — Добавление гауссовского или пуассоновского шума. — Гауссово размытие.

Тестирование пакета

Перейдите в папку «data» и разархивируйте тестовый набор данных: «unzip dataset.zip».

Затем в папке «tests» попробуйте запустить тестовые сценарии один за другим.

Когда во время выполнения теста создаётся график, выполнение сценария приостанавливается до тех пор, пока окно графика не будет закрыто вручную.

Участники

Heconnor Arcaduf